多旋翼无人机的径向调速避障中段引导方法

本技术的实施例涉及无人机，特别涉及一种多旋翼无人机的径向调速避障中段引导方法。

背景技术：

1、随着无人机技术在民用和公共安全领域的广泛应用，多旋翼无人机在执行城市低空环境下的目标点接近与避障任务时，面临着复杂障碍物环境与多阶段任务衔接的双重挑战。现有技术主要分为两类：

2、其一，通用路径规划与局部避障方法（如a*算法、动态窗口法dwa等），其核心目标是引导无人机安全到达预设航点，缺乏对后续末段引导阶段跟踪条件的考量，无法主动塑造有利于末段引导接管的初始运动状态；例如，较低的视线角速率和稳定的接近速度。

3、其二，基于视线角速率抑制的比例导引类方法，虽能有效驱动无人机向目标收敛，但通常将径向接近速度视为不可控的飞行状态，缺乏主动调节能力。在城市避障场景下，无人机因紧急规避或气动阻力导致接近速度大幅衰减后，现有方法无法进行有效补偿，导致抵近效率低下，中末段引导交接时空窗口被拉长，甚至引发交接瞬间的系统震荡。

4、此外，现有方案普遍存在引导模式与避障模式切换生硬、控制指令与底层动力学约束脱节，以及中末段引导信息源切换时控制状态不连续等技术缺陷，难以满足城市复杂环境下高效、安全、平滑的全流程抵近任务需求。

技术实现思路

1、有鉴于此，本技术的实施例提出了一种多旋翼无人机的径向调速避障中段引导方法，旨在克服现有技术中多旋翼无人机在复杂障碍环境下执行远距抵近任务时，存在的径向接近速度不可控、避障指令与动力学约束脱节，以及中末段引导切换瞬态控制不连续的技术问题，通过将径向速度主动调节、加速度域避障与中末段引导状态继承相结合，实现了多旋翼无人机在复杂城市环境下的高效、安全、平滑的全流程抵近引导。

2、为了实现上述目的，本技术的实施例提出了一种多旋翼无人机的径向调速避障中段引导方法，所述方法包括以下步骤：

3、获取目标参考位置信息、障碍物空间分布信息和无人机自身运动状态信息；

4、基于目标参考位置信息和无人机自身运动状态信息，生成包含法向分量和径向分量的原始抵近加速度；其中，法向分量用于抑制视线角速率，径向分量用于将径向接近速度调节至预设的期望值；

5、以原始抵近加速度为基准中心，在三维加速度空间内构建候选机动指令集合；其中，候选机动指令集合中的每个指令均满足无人机的物理加速度约束；

6、基于障碍物空间分布信息，确定自适应权重因子，并将自适应权重因子应用于原始抵近加速度与候选机动指令集合中的指令之间，进行加权融合，生成多个融合候选加速度指令；

7、对每个融合候选加速度指令，在预测时间窗内预测连续时间轨迹，并基于连续时间轨迹与障碍物的空间关系，剔除存在碰撞风险的指令，得到一个可行候选指令集合；

8、通过综合代价函数对可行候选指令集合中的指令进行评价，选择代价最小的指令作为中段引导实际执行指令输出；

9、当无人机进入预设的引导模式切换区时，基于当前相对距离，通过连续时变权重函数，将中段引导实际执行指令与末段引导指令进行动态融合，生成最终的引导指令。

10、本技术的实施例提出的一种多旋翼无人机的径向调速避障中段引导方法，与现有技术相比，具有如下技术效果：

11、第一，本技术显著提升了无人机在复杂障碍环境下的远距抵近效率与确定性。

12、与现有比例导引类方法（如真比例导引）主要抑制视线角速率，但径向接近速度不可控相比，由于本技术基于目标参考位置信息和无人机自身运动状态信息，生成包含法向分量和径向分量的原始抵近加速度，而法向分量用于抑制视线角速率，径向分量用于将径向接近速度调节至预设的期望值，这样能够通过在法向导引的基础上引入独立的径向速度闭环控制，使无人机能够在避障减速后主动、快速地恢复并维持预设的期望接近速度，进而保证了远距抵近的高效性，同时为后续末段引导创造了有利的初始运动状态。

13、第二，本技术实现了引导指令与无人机物理动力学的深度契合，消除了指令执行的滞后与过载超限风险。

14、与传统避障方法相比，由于本技术以原始抵近加速度为基准中心，在三维加速度空间内构建候选机动指令集合，且候选机动指令集合中的每个指令均满足无人机的物理加速度约束，这样能够直接将采样空间从速度域迁移至加速度域，进而使得生成的候选指令满足多旋翼无人机的最大加速度和各向异性约束，下游飞控无需二次转换即可直接执行，从根本上消除了指令转换延迟，确保了机动指令的即时可达性与执行精度。

15、第三，本技术实现了导引与避障模式的柔性平滑过渡，避免了航迹振荡与指令阶跃。

16、现有技术中的导引模式与避障模式常采用硬切换逻辑，在障碍物预警边界附近，控制指令会突然跳变，导致航迹振荡，影响飞行稳定性，由于本技术基于障碍物空间分布信息，确定自适应权重因子，并将自适应权重因子应用于原始抵近加速度与候选机动指令集合中的指令之间，进行加权融合，通过引入基于障碍物距离场的自适应权重，该权重随无人机与障碍物的距离连续变化，使得导引指令与避障指令在预警区域内平滑融合，消除了模式切换带来的指令阶跃和航迹突变，保证了飞行的平稳性和安全性。

17、第四，本技术能够构建兼顾抵近趋势、平滑性与安全性的综合决策机制，保障了任务目标的达成。

18、由于现有单一的避障或路径规划方法往往只关注到达目标点或避开障碍物，无法在多目标（抵近、平滑、安全）之间取得平衡，本技术通过综合代价函数对可行候选指令集合中的指令进行评价，选择代价最小的指令作为中段引导实际执行指令输出，由于采用包含导引追踪代价、动作平滑代价、安全裕度代价等多指标的代价函数，使得系统在优选避障指令时，能够综合权衡对原始抵近路径的跟踪、机动的平滑性以及与障碍物的安全距离，确保无人机在安全规避的同时，最大限度地维持向目标的抵近趋势，避免偏离目标过远。

19、第五，本技术彻底消除了中末段引导切换瞬态的系统扰动，保障了全流程控制的平滑与鲁棒性。

20、现有技术中的中段引导（依赖外源低频数据）与末段引导（依赖机载高频数据）在信息来源、控制目标上存在本质差异，硬切换不仅会导致三维加速度指令阶跃，还会造成末段引导控制器（尤其是积分项）的状态不连续，引发速度响应滞后和系统震荡，而本技术当无人机进入预设的引导模式切换区时，基于当前相对距离，通过连续时变权重函数，将中段引导实际执行指令与末段引导指令进行动态融合，生成最终的引导指令，通过设置交接走廊并采用余弦等连续时变权重函数，实现了指令的平滑过渡。

21、基于此，本技术能够克服现有技术中多旋翼无人机在复杂障碍环境下执行远距抵近任务时，存在的径向接近速度不可控、避障指令与动力学约束脱节，以及中末段引导切换瞬态控制不连续的技术问题，通过将径向速度主动调节、加速度域避障与中末段引导状态继承相结合，实现了多旋翼无人机在复杂城市环境下的高效、安全、平滑的全流程抵近引导。

22、可选地，基于目标参考位置信息和无人机自身运动状态信息，生成包含法向分量和径向分量的原始抵近加速度，包括：计算无人机指向目标的视线方向单位矢量和视线角速度；生成法向分量；其中，法向分量的大小与视线角速率和接近速度的乘积成正比，且其方向垂直于视线方向；生成径向分量；其中，径向分量的大小为基于期望值与实际接近速度的偏差进行比例-积分控制的结果，且其方向沿视线方向。

23、可选地，基于障碍物空间分布信息，确定自适应权重因子，包括：获取无人机的当前位置与最近障碍物之间的距离；当距离大于等于预设的预警半径时，权重因子为零；当距离小于预警半径时，基于预警半径和距离，确定权重因子；其中，权重因子与距离之间负相关。

24、可选地，自适应权重因子的计算公式如下：

25、；

26、其中，为预设的预警半径，为无人机的当前位置与最近障碍物之间的距离，为敏感系数；

27、融合候选加速度指令的计算公式如下：

28、；

29、其中，表示候选机动指令集合中的指令；表示原始抵近加速度。

30、可选地，对每个融合候选加速度指令，在预测时间窗内预测连续时间轨迹，包括：对于每一个融合候选加速度指令，在预测时间窗内进行连续时间轨迹预测，连续时间轨迹的计算公式如下：

31、；

32、其中，为无人机在当前时刻的三维位置矢量；为无人机在当前时刻的三维速度矢量；为预测时间变量。

33、可选地，基于连续时间轨迹与障碍物的空间关系，剔除存在碰撞风险的指令，得到一个可行候选指令集合，包括：

34、通过安全检测函数，检测连续时间轨迹上所有点与障碍物包络的距离是否均大于预设的安全半径，确定存在碰撞风险的指令；其中，若在预测时间窗内任意时刻，安全检测函数的计算公式如下：

35、；

36、其中，表示无人机预测位置；表示障碍物边界点；表示安全半径。

37、可选地，对可行候选指令集合中的指令进行评价，选择代价最小的指令作为中段引导实际执行指令输出，包括：

38、记可行候选指令集合为；

39、所述综合代价函数的表达式如下：

40、；

41、其中，为导引追踪代价，为动作平滑代价，为安全裕度代价；，，为对应的权重系数；

42、通过全局遍历计算得到代价最小的最优解，并将其作为最终的中段引导实际执行指令。

43、可选地，当无人机进入预设的引导模式切换区时，基于当前相对距离，通过连续时变权重函数，将中段引导实际执行指令与末段引导指令进行动态融合，生成最终的引导指令；其中，最终的引导指令的计算公式包括：

44、；

45、其中，表示连续时变权重函数，表示中段引导实际执行指令，表示末段引导指令。

46、可选地，连续时变权重函数为余弦函数，具体为：

47、；

48、其中，表示交接走廊宽度；表示交接走廊入口距离，无人机指向目标的相对位置矢量。