基于微分平坦性的抗扰动无人机避碰方法与流程

1.本发明涉及机器人技术领域，更具体地，涉及一种基于微分平坦性的抗扰动无人机避碰方法。


背景技术：

2.无人机的微分平坦性可以使无人机通过特定输出值以及各阶导数，通过相关运算即可获得无人机系统的控制量。现有技术中已经有利用这一性质实施无人机的避碰算法。这些算法利用该技术大大减小了控制无人机避碰所需的计算量。当无人机计算能力有限时，这些算法依然可以规划出新的无碰轨迹并快速计算出相应的控制量从而实现实时避碰。但是这些算法难以应对环境和建模误差对无人机产生的干扰。这些算法假设环境中扰动很小并且无人机的建模是精确的。在现实中上述两个因素是无法忽略的，因此两者对无人机产生的扰动会极大地降低算法的性能。


技术实现要素：

3.本发明为克服上述现有技术中的缺陷，提供一种基于微分平坦性的抗扰动无人机避碰方法，使基于微分平坦性控制的无人机在扰动中依然能够实现实时避碰。
4.为解决上述技术问题，本发明采用的技术方案是：一种基于微分平坦性的抗扰动无人机避碰方法，包括以下步骤：
5.s1.增量式高斯过程通过接受无人机实际状态q以及由无人机模型预测的无人机状态并将两者进行对比从而计算出无人机此时受到的扰动作用，并且将无人机的位置与速度作为输入，无人机受到的扰动作为输出，从而构建数据集；当增量式高斯过程接收当前时刻的无人机实际状态时，通过与数据集中的数据进行比较，推测出当前时刻无人机受到的扰动，并提供预测平均值m以及方差e；
6.s2.轨迹重规划模块接收给定的三次可导的轨迹，并使用安全屏障证明为无人机规划出一条尽可能接近原轨迹的无碰的新轨迹r；
7.s3.对无人机的控制量u＝[fω]，f为无人机旋翼生成的推进力，ω为三个欧拉角的转速；根据生成的新轨迹r，pid控制器首先利用增量式高斯过程的预测平均值m对轨迹的相应部分进行修正，抵消扰动对无人机带来的影响；随后pid控制器利用修正后的轨迹和微分平坦性质生成对应的前馈控制量，并利用无人机实际状态q与轨迹r之间的差值生成反馈控制量，最终控制量u为两者之和；
[0008]
s4.控制量分别输入到无人机模型和无人机，无人机模型根据控制量预测下一时刻无人机的状态；无人机接收到控制量后在下一时刻通过感知器输出无人机此时的实际状态q；
[0009]
s5.当无人机脱离安全状态，即存在某个指数控制屏障函数hij<0时，轨迹重规划模块利用当前时刻无人机的状态重新规划一条新的轨迹，帮助无人机回到安全区域。
[0010]
进一步的，所述的步骤s2包括：
[0011]
s21.利用极点配置控制器，根据当前无人机的当前状态与原轨迹计算出能够跟踪原轨迹的控制量，该控制量为无人机的加加速度；
[0012]
s22.构造无人机模型，考虑到无人机下方会有下降气流影响下方无人机的稳定性，因此设定无人机的垂直距离要足够大直到下方无人机不会受到下降气流的影响；将无人机模型设置为接近长方体的胶囊形状；
[0013]
s23.根据以上无人机的模型，构造出对应的指数控制屏障函数hij；每两个无人机都会根据位置和安全距离计算出一个指数控制屏障函数；
[0014]
s24.为了使所有的指数控制屏障函数hij>0恒成立，对无人机的状态建立相应的安全限制；每个指数控制屏障函数hij均对应一个安全限制；考虑到增量式高斯过程预测的扰动平均值与真实扰动之间会有一定差异，因此利用预测方差e以高置信度预测出最坏的情况，然后加入到安全限制的计算中；最后将所有的安全限制集中构建出安全屏障证明；
[0015]
s25.结合安全屏障证明，无人机性能限制以及控制量大小限制，通过二次规划构造出能够使无人机避免碰撞的与原控制量v’尽可能接近的新控制量v；
[0016]
s26.结合控制量v与无人机的动态模型，生成一条无碰的新轨迹r。
[0017]
进一步的，所述的步骤s22中构建的无人机的模型为：x4 y4 (z/k)4<＝ds，其中k>1为系数，ds为安全半径；xyz为是指以无人机质心为坐标系原点时，空间中点的位置。
[0018]
进一步的，所述的步骤s23中指数控制屏障函数h
ij
的表达式为：h
ij
＝(x
i
‑
x
j
)4 (y
i
‑
y
j
)4 [(z
i
‑
z
j
)/k]4‑
(ds
i
ds
j
)4；其中[x
i
,y
i
,z
i
]与[x
j
,y
j
,z
j
]分别为两架无人机的位置，ds
i
和ds
j
为两架无人机的安全半径。
[0019]
进一步的，所述的安全限制的表达式为：：h
ij(3)
k
·
[h
ij h
ij(1)
h
ij(2)
]
t
≥0，其中k由极点配置法得到。
[0020]
进一步的，在所述的步骤s24中，记无人机群的编号为1,2,
···
,m，则任意两架无人机i和j之间的安全限制转换为a
ij
·
v≤b
ij
的形式，其中v＝[v1,v2,
···
,v
m
]为所有无人机的控制量，控制量v
i
表示无人机i的加加速度，a
ij
和b
ij
由h
ij(3)
k
·
[h
ij h
ij(1)
h
ij(2)
]
t
≥0计算得到；最后将所有的安全限制集中构建出安全屏障证明a
·
v≤b即可对所有无人机的控制量进行限制，其中a和b分别通过将所有的a
ij
和b
ij
进行纵向拼接而构成。
[0021]
进一步的，所述的步骤s25中，二次规划的目标函数为||v
‑
v’||2，并满足条件a
·
v≤b，且对于任意无人机i，||a
i
‑
d
i
||
∞
<g
i
，||v
i
||
∞
<v
i
其中a
i
,d
i
,g
i
,v
i
分别为无人机实际加速度、增量式高斯过程估计无人机受到的扰动、无人机加速度上限、无人机控制量上限。
[0022]
进一步的，所述的步骤s4中，输出的无人机实际状态q包括无人机位置、速度和加速度。
[0023]
本发明还提供一种电子设备，包括：
[0024]
存储器，用于存储计算机程序；
[0025]
处理器，用于执行所述计算机程序时实现以上所述方法的步骤。
[0026]
本发明还提供一种计算机可读存储介质，所述的计算机可读存储介质上存储有计算机程序，所述的计算机程序被处理器执行时实现以上所述的方法的步骤。
[0027]
与现有技术相比，有益效果是：本发明提供的一种基于微分平坦性的抗扰动无人机避碰方法，利用增量式高斯过程精确而迅速地对无人机受到的扰动进行学习和估计，并在轨迹规划以及无人机控制的过程中根据扰动的预测结果进行相应的补偿，使基于微分平
坦性控制的无人机在扰动中依然能够实现实时避碰。
附图说明
[0028]
图1是本发明控制关系示意图。
具体实施方式
[0029]
附图仅用于示例性说明，不能理解为对本发明的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本发明的限制。
[0030]
如图1所示，一种基于微分平坦性的抗扰动无人机避碰方法，包括以下步骤：
[0031]
步骤1.增量式高斯过程通过接受无人机实际状态q以及由无人机模型预测的无人机状态并将两者进行对比从而计算出无人机此时受到的扰动作用，并且将无人机的位置与速度作为输入，无人机受到的扰动作为输出，从而构建数据集；当增量式高斯过程接收当前时刻的无人机实际状态时，通过与数据集中的数据进行比较，推测出当前时刻无人机受到的扰动，并提供预测平均值m以及方差e；方差越大代表预测的不确定性越大。
[0032]
步骤2.轨迹重规划模块接收给定的三次可导的轨迹，并使用安全屏障证明为无人机规划出一条尽可能接近原轨迹的无碰的新轨迹r；具体包括：
[0033]
s21.利用极点配置控制器，根据当前无人机的当前状态与原轨迹计算出能够跟踪原轨迹的控制量，该控制量为无人机的加加速度；
[0034]
s22.构造无人机模型：x4 y4 (z/k)4<＝ds，其中k>1为系数，ds为安全半径；xyz为是指以无人机质心为坐标系原点时，空间中点的位置；考虑到无人机下方会有下降气流影响下方无人机的稳定性，因此设定无人机的垂直距离要足够大直到下方无人机不会受到下降气流的影响；将无人机模型设置为接近长方体的胶囊形状；
[0035]
s23.根据以上无人机的模型，构造出对应的指数控制屏障函数hij，h
ij
的表达式为：h
ij
＝(x
i
‑
x
j
)4 (y
i
‑
y
j
)4 [(z
i
‑
z
j
)/k]4‑
(ds
i
ds
j
)4；其中[x
i
,y
i
,z
i
]与[x
j
,y
j
,z
j
]分别为两架无人机的位置，ds
i
和ds
j
为两架无人机的安全半径；每两个无人机都会根据位置和安全距离计算出一个指数控制屏障函数；
[0036]
s24.为了使所有的指数控制屏障函数hij>0恒成立，对无人机的状态建立相应的安全限制，即h
ij(3)
k
·
[h
ij h
ij(1)
h
ij(2)
]
t
≥0，其中k由极点配置法得到；每个指数控制屏障函数hij均对应一个安全限制；考虑到增量式高斯过程预测的扰动平均值与真实扰动之间会有一定差异，因此利用预测方差e以高置信度预测出最坏的情况，然后加入到安全限制的计算中；记无人机群的编号为1,2,
···
,m，则任意两架无人机i和j之间的安全限制转换为a
ij
·
v≤b
ij
的形式，其中v＝[v1,v2,
···
,v
m
]为所有无人机的控制量，控制量v
i
表示无人机i的加加速度，a
ij
和b
ij
由h
ij(3)
k
·
[h
ij h
ij(1)
h
ij(2)
]
t
≥0计算得到；最后将所有的安全限制集中构建出安全屏障证明a
·
v≤b即可对所有无人机的控制量进行限制，其中a和b分别通过将所有的a
ij
和b
ij
进行纵向拼接而构成；
[0037]
s25.结合安全屏障证明，无人机性能限制以及控制量大小限制，通过二次规划构造出能够使无人机避免碰撞的与原控制量v’尽可能接近的新控制量v；二次规划的目标函
数为||v
‑
v’||2，并满足条件a
·
v≤b，且对于任意无人机i，||a
i
‑
d
i
||
∞
<g
i
，||v
i
||
∞
<v
i
其中a
i
,d
i
,g
i
,v
i
分别为无人机实际加速度、增量式高斯过程估计无人机受到的扰动、无人机加速度上限、无人机控制量上限；
[0038]
s26.结合控制量v与无人机的动态模型，生成一条无碰的新轨迹r。
[0039]
步骤3.对无人机的控制量u＝[fω]，f为无人机旋翼生成的推进力，ω为三个欧拉角的转速；根据生成的新轨迹r，pid控制器首先利用增量式高斯过程的预测平均值m对轨迹的相应部分进行修正，抵消扰动对无人机带来的影响；随后pid控制器利用修正后的轨迹和微分平坦性质生成对应的前馈控制量，并利用无人机实际状态q与轨迹r之间的差值生成反馈控制量，最终控制量u为两者之和。
[0040]
步骤4.控制量分别输入到无人机模型和无人机，无人机模型根据控制量预测下一时刻无人机的状态；无人机接收到控制量后在下一时刻通过感知器输出无人机此时的实际状态q，包括无人机位置、速度和加速度。
[0041]
步骤5.当无人机脱离安全状态，即存在某个指数控制屏障函数hij<0时，轨迹重规划模块利用当前时刻无人机的状态重新规划一条新的轨迹，帮助无人机回到安全区域。
[0042]
在本发明中，增量式高斯过程对环境以及建模误差造成的扰动进行学习和估计，并提供预测平均值m以及方差e；对于无人机的安全限制由指数控制屏障函数及其各阶导数根据无人机的动态模型进行相关运算得到，算安全限制时无人机的动态模型包含了预测方差e，并用于安全限制的计算。新规划的轨迹由二次规划得到，二次规划包含了安全限制、无人机性能限制以及控制量限制；pid控制器利用增量式高斯过程的预测平均值对控制量进行相应的补偿，并利用微分平坦性对无人机进行控制。综上，本发明提供的一种基于微分平坦性的抗扰动无人机避碰方法，利用增量式高斯过程精确而迅速地对无人机受到的扰动进行学习和估计，并在轨迹规划以及无人机控制的过程中根据扰动的预测结果进行相应的补偿，使基于微分平坦性控制的无人机在扰动中依然能够实现实时避碰。
[0043]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
[0044]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。