【协同任务】基于matlab二阶一致性算法多无人机协同编队动态仿真【含Matlab源码 1740期】

💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进；
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式

⛳️座右铭：行百里者，半于九十。
更多Matlab路径规划仿真内容点击👇
①Matlab路径规划（进阶版）
②付费专栏Matlab路径规划（初级版）

⛳️关注优快云海神之光，更多资源等你来！！

⛄一、无人机编队控制简介

无人机编队控制是无人机协同控制领域一项重大基础研究课题, 引起了国内外诸多研究人员的兴趣。无人机编队控制方法主要包括领航跟随法、虚拟结构法、基于行为法和图论法。在无人机编队形成的研究方面, 国内外学者已取得一些成果。传统研究无人机编队的方法常常将无人机视为质点目标, 鲜有考虑编队形成过程中, 无人机间的防碰撞问题。

综上可见四旋翼无人机编队形成过程中机间防碰撞的问题仍是一个值得深入研究的课题。针对该问题, 本文将图论法与领航跟随法相结合, 在所有跟随者能够获得领航者状态信息的通信拓扑结构下, 将四旋翼无人机的动力模型描述为二阶积分器动力系统, 利用二阶一致性算法获得编队形成的轨迹, 并借助四旋翼无人机可悬停的特点, 通过调整集结点高度, 避免无人机在编队形成过程中发生碰撞。

1 一致性算法
所谓一致性是指随着时间的演化, 如果网络中每个节点的值或状态趋于一样, 我们就称采用这种协议或者算法的网络能够实现一致, 一致性算法表征四旋翼无人机之间信息传递的规则。根据当系统拓扑结构中包含有向生成树时, 系统能够到达一致。本文在固定连通拓扑G下研究编队形成控制方法, 领航者向外广播自身的状态信息位置和速度, 其余跟随者接收来自领航者的信息, 跟随者之间的拓扑关系是任意的。

为使四旋翼无人机控制作用更准确有效, 将其动力学模型描述为二阶积分器动力系统,

si和vi是第i个的位置和速度信息;控制变量ui= (uix, uiy, uiz) , uiy、uiz分别对应俯仰、横滚方向的控制力矩, uiz对应驱动无人机位姿变化的4个螺旋桨产生的总的升力T。

本文给出以下一致性算法:

2 编队形成控制策略
编队形成具体步骤如下:

⛄二、部分源代码

function [ output_args ] = formation_avoidance3( input_args )
%%%%一阶算法仿真 非完整型约束
%%%
%%%ren wei论文算法 设置好重心偏移量和gama，权重，基本可行
%% 初始化 位置pose、速度V、加速度控制量control
init_f=[-3 -6 0; %%%[x y th]
-5 6 0;
2 4 pi/4;
5 -3 -pi/4;
3 0 pi/2];
pose_x=init_f(:,1);
pose_y=init_f(:,2);
pose_th=init_f(:,3);
%% follower相对leader的位置
delta_x=[-2 -6 -2 -6 0]; % 相对间隔误差
delta_y=[4 4 -4 -4 0]; %领航者与自己无误差

fol_num=4;        
N=5;             % 4follower and 1 leader
countmax=2000;
dt=0.1;
gama=3;
di=0.02; %%%重心偏移 单位m


K0=0;
%%% 直线K1 K2都设在0.2左右 k3=0
%%% 圆不考虑K2=0 K1，K3设为0.2左右
K1=1;%%%位置偏差线速度调节
K2=1;%%位置偏差角速度调节
K3=0.01;%%朝向偏差角速度调节

% %% 通信拓扑图:1-4行为follower 最后一行为leader
A=[0 1 1 1 1; % a(ij)
0 0 0 0 1;
0 0 0 1 1;
0 0 1 0 1;
0 0 0 0 0];
% %% 通信拓扑图:1-4行为follower 最后一行为leader
% A=[0 0 0 0 1; % a(ij)
% 0 0 0 0 1;
% 0 0 0 0 1;
% 0 0 0 0 1;
% 0 0 0 0 0];
A=[0 1 1 1 3; % a(ij)
0 0 0 0 3;
0 0 0 1 3;
0 0 1 0 3;
0 0 0 0 0];

linear_v(:,1)=[0;0;0;0;1];
angular_w(:,1)=[0;0;0;0;1];
k=0;
% 最高速度m/s],最高旋转速度[rad/s],加速度[m/ss],旋转加速度[rad/ss]]
Kinematic=[1.5,toRadian(60.0),0.5,toRadian(50.0)];%% 运动限制
error_temp(1:fol_num,1:4)=0;%%行为follower个数、列为两个时刻的x,y偏差
in_degree=sum(A,2);

%% 开始循环 走顺时针圆周

% figure;
for count=1:countmax
k=k+1;
linear_v(N,k+1)=linear_v(N,k);%领航者速度不变
angular_w(N,k+1)=angular_w(N,k);
% if count500
% linear_v(N,k+1)=0.5;%领航者速度不变
% angular_w(N,k+1)=0.5;
% end
% if count1000
% linear_v(N,k+1)=0.5;%领航者速度不变
% angular_w(N,k+1)=0;
% end

    for i=1:fol_num

        sum_delta_x=0;
        sum_delta_y=0;
        for j=1:N %%考虑邻居对它的影响
            if k==1
                temp_x=0;
                temp_y=0;
            else
                temp_x=(pose_x(j,k)-pose_x(j,k-1))/dt;
                temp_y=(pose_y(j,k)-pose_y(j,k-1))/dt;
            end   
            sum_delta_x=sum_delta_x+A(i,j)*(temp_x+gama*((pose_x(j,k)-pose_x(i,k))-(delta_x(j)-delta_x(i))));
            sum_delta_y=sum_delta_y+A(i,j)*(temp_y+gama*((pose_y(j,k)-pose_y(i,k))-(delta_y(j)-delta_y(i))));
        end
        sum_delta_x=sum_delta_x/in_degree(i);
        sum_delta_y=sum_delta_y/in_degree(i);

        linear_v(i,k+1)=cos(pose_th(i,k))*sum_delta_x+sin(pose_th(i,k))*sum_delta_y;
        angular_w(i,k+1)=(-sin(pose_th(i,k))*sum_delta_x+cos(pose_th(i,k))*sum_delta_y)/di;
        u_old=[linear_v(i,k);angular_w(i,k)];
        u=[linear_v(i,k+1);angular_w(i,k+1)];
        %%%加入速度限制
        u=limit(u_old,u,Kinematic);
       
        old_position=[pose_x(i,k);pose_y(i,k);pose_th(i,k)];
        new_position=motion(old_position,u,dt);
        pose_x(i,k+1)=new_position(1)-di*cos(new_position(3));
        pose_y(i,k+1)=new_position(2)-di*sin(new_position(3));
        pose_th(i,k+1)=new_position(3);
    end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]秦文静,林勇,戚国庆.基于一致性的无人机编队形成与防碰撞研究[J].电子设计工程. 2018,26(09)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合