張子用
(廣東工業大學自動化學院,廣東 廣州510006)
無人機相關研究在最近幾十年吸引了很多關注,例如監視、搜索和搜救等任務。在執行有挑戰性的或者復雜的覆蓋任務時,無人機群可以發揮其機動性強的優勢。相較于傳統方式,無人機群進入危險環境執行覆蓋任務或者長時間監視目標區域可以發揮不能替代的作用[1-6]。在實際應用過程中,動態環境或者無人機的位置不確定性使得無人機執行覆蓋任務變得困難,在[7]中,論文使用非參數高斯回歸方法獲得無人機的估計位置,其中無人機用于估計自身位置的測量量包含較多不確定性。在[8]中,在隨機動態環境下,論文使用了分布式算法完成多無人機合作覆蓋搜索任務。但是以上工作中從未考慮在GPS 受限環境下,無人機群中部分無人機不能獲得自己全局位置的情況。針對這種場景,可以使用相對定位的算法解決定位問題。在論文[9]中,作者提出了基于視覺的相對定位算法,利用無人機上的攝像頭基于模式識別的算法獲得無人機間的相對位置,他們在算法中結合了flood-fill 方法提高了相對定位算法的執行速度和精確性。但是算法的性能受到光照條件和到目標距離的影響,限制了算法應用場景。論文[10]提出了使用基于相鄰無人機距離測量和無人機位置變化的相對定位算法,使用該算法研究利用單信標的docking 問題,并且實現了在GPS 受限環境下的無人機自動跟隨和降落功能。該工作主要論證了在單信標條件下相對定位算法的可行性。論文[11]中提出了使用UWB 和視覺里程計的相對定位算法,結合擴展卡爾曼濾波方法獲得了無人機的全局位置。在本文中,我們將考慮相對定位和覆蓋任務同步執行的問題而且在任務執行前無人機群中只有一架無人機可以獲取其全局位置。
覆蓋控制的研究最早起源于無線傳感器網絡,實現對目標區域的監測覆蓋能力。使用無人機執行區域覆蓋任務時,由于受到無人機平臺搭載能力、通訊距離的影響,需要使用分布式控制方法來實現無人機的覆蓋控制。分布式覆蓋控制代價函數如下所示:



圖2 無人機起始時刻分布
其中,圖中藍色邊框為voronoi 分區邊界,UAV0 作為主無人機,其估計位置和真實位置重合,其余無人機估計位置和真實位置如圖所示。

圖3 無人機最終位置分布圖
無人機群軌跡如圖所示,最終無人機實現最優覆蓋控制。
本文提出了基于相對定位的多無人機覆蓋控制。在執行覆蓋任務之前,無人機群中只有一架無人機可以獲取其全局位置,其余無人機通過基于相對定位的無人機位置估計算法,獲取其全局位置。無人機群進行協同定位的同時執行覆蓋任務,仿真實驗可以看出基于相對定位的多無人機覆蓋控制算法可以控制多無人機完成覆蓋任務。