36、基于行为方法的无人机群避撞研究

基于行为方法的无人机群避撞研究

1 引言

无人机的安全是实现集群模型时不可忽视的重要问题。确定机群中个体周围的自由空间，避免个体间连锁反应导致的连环碰撞，是群体避撞的主要难点。

为解决无人机群的安全问题，常采用人工势场法和速度障碍法。人工势场法通过控制个体间的距离实现飞行，因实现简单、轨迹平滑的优点而被广泛应用。速度障碍法在多无人机场景和编队避障中表现出色，但在机群避撞方面应用较少。为解决无人机群的控制问题，Reynolds 首先提出了“Boid”机群模型，即个体遵循分离、聚集和速度一致这三个基本行为规则。后来的许多算法中，行为规则法因其实现简单、功能设计方便而受到众多学者的青睐。

为解决无人机群间的碰撞问题，从控制层面出发，基于行为规则法设计了机群控制算法。机群避撞控制分为聚集、分离、速度一致和避撞四种行为。在避撞行为中，创新性地引入了 DVO（检测速度障碍）算法和 PF（势场力）算法，并提出了避撞协调机制来控制输出。

2 模型介绍

研究的是两个机群在卫星拒止环境下相遇的场景，两个机群采用相同的控制算法。机群内相邻个体间可通信，交互速度、航向和测距信息；机群内外个体间无通信，依靠自身传感器感知彼此信息（距离、方位），机群模型采用分布式控制。

聚集、分离和速度对齐这三个原则是机群模型的基础。其中，聚集和分离是调节个体间距离的机制，可使个体聚集或避免内部碰撞。采用弹簧模型构建个体间的聚集和分离。速度对齐策略的本质是约束个体间的速度差，利用制动距离约束个体间的最大速度差。

避撞部分创新性地引入了 PF 算法和 DVO 算法。与传统避撞算法相比，PF 算法通过设置“虚拟代理”解决了传统人工势场法在近点输