探究军用无人机编队在线动态避障

摘要：航迹规划在无人机编队线上动态避障航迹控制方案设计中具有重要意义。随着智能技术和计算机技术的发展，基于人工智能算法的优化方法被越来越多地被应用到了航迹规划问题上。轨迹规划就是在一定约束下规划出一条由初始点到达目标点并达到某一性能指标的路径。航迹规划的目的是为无人机提供安全、可靠且经济的运行路径，提高系统整体性能及安全性。同时无人机航迹规划问题又是无人机管控研究中的难点和无人机协同问题的基础。因此，研究一种高效、可靠地实现无人战斗机航迹规划与控制算法具有重要意义。当前，对于无人机航迹规划，很多专家已经提出很多航迹规划的算法，航迹规划算法在研究之初，多以解决起始点至目标点之间的优化/次优航迹为主。因此，如何有效解决上述多种情况下的无人机航迹规划任务具有重要意义。本论文以无人机编队为研究对象，以解决无人机编队线上避障的飞行控制困难问题为目标，对无人机编队的线上避障航轨迹规划及智能控制技术进行研究。

关键词：军用无人机；动态避障；探究

引言：无人驾驶飞机简称无人机，由于其飞行时不需要驾驶人员参与操作，因此在军事领域被广泛应用，如空中预警与侦查、战场监视和情报搜集等方面。随着科技的发展，无人机的价格、功能和使用方式都大大降低，使其能够满足各种复杂的需求。尤其是在军事领域，它的使用越来越普遍，而且由于其可靠性和可扩展性，使其能够提供准确的侦查和监控服务，从而提升作战能力。因此无人机数量增加，单个无人机面临着严重的生存危机，需要多个无人机协同工作才能完成任务。随着科技的进步，无人机编队飞行已经成为当今无人机应用的一大热点，全球各国都在积极探索和研究这项技术。无人机编队飞行是一种将多架无人机结合在一起，以提升其作战效能的有效方式，它可以有效地实现多种作战任务的协同完成，从而大大提升了无人机的作战效率和战斗力。由于无人机编队中各机之间通过无线通信网络互联，且相互之间不直接通信，所以可以有效地减少信息传递过程中可能出现的差错或冲突，进而提高系统的可靠性。相对于单架无人机而言，无人机编队以分布式，协同式以及并行性的特点在处理许多复杂任务时表现出了独特的优越性。

一、军用无人机编队的概况

军用无人机编队控制算法在研究之初主要是线性控制算法。由于无人机系统是一个强耦合且高度时变的对象，因此为了提高控制精度和稳定性，通常会采用基于神经网络或模糊逻辑的算法进行控制器设计。这些方法通常把无人机视为质点模型或采用自动驾驶仪模型模拟无人机响应，但是随着控制算法需求的进一步提高，质点模型已逐步取代了无人机复杂非线性数学模型。因此，需要在此基础上设计一种基于模糊理论的控制器，从而达到提高控制精度和减少系统超调的目的。PID控制方法具有控制算法简单，效果良好的优点，因此在各个领域得到了广泛的应用[1]。近年来，基于神经网络技术的自适应控制和模糊理论成为了学者们关注的热点之一。采用PID控制技术来实现无人机编队控制是一种有效的解决方案，它可以有效地解决编队结构复杂、容易受到外部干扰的问题，从而提高编队控制的效率和准确性，很难达到控制要求且需多次人工调试才能达到参数整定的目的。人工设计控制器存在效率低下、精度低和不稳定等问题，且容易产生人为错误。而且神经网络控制算法有向周围环境学习，不断变换其控制输出。将其用于无人机编队控制中可以有效地提高系统性能。由于神经控制非线性程度大，鲁棒性好。因此，设计的神经网络自适应PID编队控制算法能取到较好的控制效果。

二、军用无人机集群的航迹规划

（一）人工势场法

把无人机与飞行空间抽象成质点与虚拟势场两部分，虚拟势场内无人机受目标点引力，障碍物斥力，两者综合作用下会沿合力方向移动，逐渐接近目标点。

（二）人工势场的改进

无人机接近目标点后，由于目标点的斥力增强，导致无法轻松抵达，因此，我们将l（q）的值设定为零，这样就可以将目标点的斥力降至0，让它成为势场的最低值，这样就可以保证无人机的安全飞行。为了更好地实现无人机的飞行，我们引入了l*（q）约束距离，将其作为一个限制，从而使飞行更加迅捷，同时也能够满足目标的要求，从而使飞行更加安全。此外，我们还采取了一些措施来改善飞行的效率，比如采取一些技术手段来减少飞行时的噪声，从而使飞行更加顺畅，同时也能够更好地满足飞行的要求。

人工势场法也会出现局部极小值问题，质点所受斥力和引力达到平衡后，质点滞留于平衡点不能向前运动而处于局部极小情况。针对这个缺陷，提出一种基于左手法则的人工势场算法。针对该问题，利用“随机波动法等”在原受力情况下引入“随机外力”，其方向与无人机当前所处位置和目标之间连线垂直并符合右手法则，即ω是比例系数。

三、神经网络PID

常规PID控制算法因无人机编队结构复杂、受外界干扰因素影响较大，很难达到编队控制系统控制指标要求。并且通过手动调试来进行PID 参数整定，难以得到最优结果。因此，需要一种新的算法和方法解决上述问题。而且神经网络有很强的多维非线性映射，在近似任何非线性函数的情况下都有最佳泛函数近似[2]。将二者结合起来应用到无人机编队飞行控制器中去，可以提高系统的鲁棒性和抗干扰能力。随着技术的发展，传统的PID控制算法已逐渐摆脱了仅仅依赖在线调节的局限，它能够更好地控制控制变量，并能够快速做出反应，从而解决了由控制变量带来的振荡和系统误差带来的挑战，造成编队控制系统不稳定。

结语：总之，本文以传统人工势场法为研究对象，引入“随机波动”方法并对势场函数进行改进，以解决传统算法陷入局部极小值以及航迹规划时目标不可达性，增强其收敛速度与鲁棒性。针对多传感器数据融合系统中存在的不确定性以及环境信息不完备等实际情况，设计一种新型模糊逻辑控制器。基于神经网络的-PID控制算法是一种新型的无人机编队飞行智能控制技术，它不仅具有传统PID控制算法的鲁棒性和高非线性程度，而且还能够实现更加精确、稳定的控制，从而大大提升了飞行效率，从而改善原算法的精度和鲁棒性。

参考文献：

[1]朱泉钢.中东地区军用无人机的扩散、应用及其安全影响[J].西亚非洲，2022（05）：109-134+159-160.

[2]范会兵，果金龙，罗广文.无人机部队重度参与军事武装力量构建 国外军用无人机发展现状[J].轻兵器，2022（09）：28-31.