楊靜雯，李濤，楊欣，冀明飛

基于避障路徑規(guī)劃的無人直升機(jī)空地跟蹤控制

楊靜雯，李濤，楊欣，冀明飛

（南京航空航天大學(xué) 自動(dòng)化學(xué)院，江蘇 南京 211106）

針對無人直升機(jī)(Unmanned Aerial Helicopter，UAH)在空地協(xié)同跟蹤過程中的避障和控制問題，提出了新型路徑避障規(guī)劃和跟蹤控制設(shè)計(jì)方法。針對不確定性的線性UAH模型，通過對UAH警示范圍內(nèi)二維環(huán)境信息進(jìn)行處理判斷，借助摸墻算法(Wall?Following Algorithm) 提出合適的避障策略，計(jì)算避障路徑的行進(jìn)角度以及能夠彌補(bǔ)繞行距離的跟蹤速度；將所得避障方法拓展至三維環(huán)境中，根據(jù)水平和垂直方向上的障礙物信息確定UAH飛行角度，從而減小由避障環(huán)節(jié)所帶來的繞行距離；在上述避障算法的基礎(chǔ)上，引入人工神經(jīng)網(wǎng)絡(luò)(Approximate Nearest Neighbor，ANN)估計(jì)模型不確定項(xiàng)，進(jìn)而結(jié)合前饋補(bǔ)償與最優(yōu)控制等技術(shù)建立了跟蹤控制設(shè)計(jì)方案。仿真結(jié)果表明，所提避障策略和控制算法有效。

無人直升機(jī)； 空地跟蹤； 避障路徑規(guī)劃； 人工神經(jīng)網(wǎng)絡(luò)

無人直升機(jī)(Unmanned Aerial Helicopter，UAH)是一種能夠利用機(jī)載航空電子系統(tǒng)，通過無線電遠(yuǎn)距離遙控或無人干預(yù)下自主完成控制任務(wù)的飛行器。與載人飛機(jī)相比，UAH具有尺寸小、造價(jià)低、質(zhì)量輕以及對周圍環(huán)境要求低等特點(diǎn)，尤其在執(zhí)行危險(xiǎn)性任務(wù)、飛行區(qū)域面積過小等情況下具有突出優(yōu)勢，因而得到世界各國的普遍重視，并被廣泛應(yīng)用于民用和軍事領(lǐng)域，例如高空巡檢、災(zāi)害監(jiān)測、精細(xì)化農(nóng)業(yè)、情報(bào)收集、特種作戰(zhàn)、緝毒反走私、訓(xùn)練靶機(jī)等。尤其近二十年，隨著微處理芯片、傳感器、全球定位、電子通信、自動(dòng)控制等技術(shù)的飛速發(fā)展，UAH也得到了迅猛發(fā)展，其控制問題已成為工程界和學(xué)術(shù)界的研究熱點(diǎn)。

雖然UAH應(yīng)用廣泛，但復(fù)雜的飛行環(huán)境和自身的欠驅(qū)動(dòng)特性限制了UAH的飛行性能和應(yīng)用范圍，例如外部陣風(fēng)干擾會(huì)對UAH安全造成嚴(yán)重威脅[1]。因此，對UAH飛控系統(tǒng)的設(shè)計(jì)提出了挑戰(zhàn)。在諸多控制任務(wù)中，跟蹤控制作為UAH的重要應(yīng)用得到了廣泛關(guān)注，此外還包括空地協(xié)同、安全著艦以及遠(yuǎn)程攻擊等。目前，常用的UAH跟蹤控制方法涉及到經(jīng)典控制、現(xiàn)代控制以及智能控制等技術(shù)[2?4]，然而現(xiàn)有算法多基于參考目標(biāo)行進(jìn)軌跡明確的情況。但是，在實(shí)際飛行中，UAH面臨無法預(yù)知的環(huán)境因素與突發(fā)情況，因此需要考慮UAH避障與路徑規(guī)劃等問題。實(shí)時(shí)自主避障能力，是實(shí)現(xiàn)UAH高度自動(dòng)化甚至智能化的關(guān)鍵。完善的自主避障飛控系統(tǒng)能夠大幅減少因飛行失誤等導(dǎo)致的飛機(jī)損壞以及傷及人身安全與建筑物等事故，有效提升UAH的飛行安全與控制性能。為了提高UAH執(zhí)行跟蹤任務(wù)時(shí)的避障能力，需要對UAH自身運(yùn)行軌跡進(jìn)行規(guī)劃。UAH避障規(guī)劃[5?6]是指在未知障礙物環(huán)境中，UAH能夠?qū)φ系K物信息進(jìn)行反饋和計(jì)算，并在某些約束條件下自主分析環(huán)境信息，并規(guī)劃出到目標(biāo)狀態(tài)的無碰撞路徑[7]。然而,在UAH現(xiàn)有研究中，避障技術(shù)多用于解決編隊(duì)控制[8?9]中的防碰撞問題。

當(dāng)前UAH自主避障方法很多[10]，主要包括人工勢場法[11?12]、矢量場矩形法[13]、模糊邏輯避障法[14?15]、蟻群算法[16]、人工神經(jīng)網(wǎng)絡(luò)法[17?18]、改進(jìn)A*算法等[19]。上述算法在滿足避障有效性的同時(shí)存在一定的局限性。例如，文獻(xiàn)[19]采用的改進(jìn)A*算法，改進(jìn)后的響應(yīng)曲線雖然在一定程度上提高了避障系統(tǒng)的精度，但環(huán)境信息計(jì)算量較大，且容易忽略最優(yōu)路徑；人工勢場法雖然在動(dòng)態(tài)避障、目標(biāo)追蹤方面被廣泛應(yīng)用，但其具有局部路徑規(guī)劃算法的特點(diǎn)，容易引起局部極小值問題[20]。因此，文獻(xiàn)[21]在由引力、斥力及合力引出的極小值點(diǎn)附近添加虛擬障礙，使規(guī)劃路徑逃出局部極值的限制，但計(jì)算式中存在偽逆矩陣，導(dǎo)致其路徑規(guī)劃策略中產(chǎn)生難以解決的奇異值問題。文獻(xiàn)[22]引入信息素調(diào)節(jié)系數(shù)，采用全新的信息素非均勻分配策略，提高了被控對象全局路徑搜索能力，但該算法也存在計(jì)算量大且計(jì)算耗時(shí)長等問題。

根據(jù)現(xiàn)有研究和實(shí)際UAH跟蹤避障情形，在跟蹤過程中遇到的障礙物可分為靜態(tài)障礙物和動(dòng)態(tài)障礙物兩種[23]。本文僅針對靜態(tài)障礙物，以摸墻算法為基礎(chǔ)，設(shè)計(jì)UAH的二維避障策略，通過其特性有效解決常用避障策略中存在的局部最優(yōu)問題。將UAH跟蹤路徑分為無障礙跟蹤和有障礙避障兩部分[24]，將感知距離作為劃分標(biāo)準(zhǔn)，降低避障所需的環(huán)境信息處理量，減輕UAH系統(tǒng)的計(jì)算負(fù)擔(dān)。為了更契合實(shí)際情況，對所設(shè)計(jì)的二維避障策略進(jìn)行拓展，得到三維情形下的避障策略[25?26]。相較于二維避障只能水平避障的缺點(diǎn)，三維策略能通過對障礙物信息進(jìn)行對比，選取更合適的避障方向，規(guī)避UAH為避障而導(dǎo)致大范圍繞行的問題，進(jìn)一步提高UAH的避障靈活性。

1 UAH系統(tǒng)模型

由于實(shí)際UAH系統(tǒng)模型具有高度非線性特點(diǎn)[29]，為了方便敘述控制設(shè)計(jì)方案，本文基于非線性模型簡化方法[30]，獲得如下具有模型不確定的線性UAH系統(tǒng)：

其中：

2 跟蹤路徑規(guī)劃

當(dāng)UAH進(jìn)行空地協(xié)同跟蹤時(shí)，常常遇到地形復(fù)雜的區(qū)域，相較于對地面目標(biāo)的跟蹤任務(wù)，更應(yīng)該注重UAH飛行中的安全性能，此時(shí)路徑避障策略設(shè)計(jì)就顯得尤為重要。本文參考摸墻算法中處理極小值陷阱的方法，提出了新型避障策略的設(shè)計(jì)方案，重點(diǎn)考慮如山體以及高樓等靜態(tài)障礙的避障措施。在存在靜態(tài)障礙物的情況下，UAH在實(shí)際飛行中不會(huì)存在跳變量，因此可將二維避障算法設(shè)計(jì)加以改進(jìn)，并拓展至三維空間中，使避障策略更具有實(shí)際應(yīng)用價(jià)值。

2.1 二維避障算法設(shè)計(jì)

圖1為二維避障示意圖。

圖1 二維避障示意圖

由上述討論可知，相較于人工勢場法，避障策略逐步判斷的方法能有效應(yīng)對極小值陷阱等情況。特別是，相較于柵格避障方法，選擇性信息處理可降低算法的計(jì)算量，改進(jìn)柵格化地圖中冗余數(shù)據(jù)過多導(dǎo)致儲(chǔ)存量過大的問題。

2.2 三維避障算法設(shè)計(jì)

二維避障僅考慮UAH飛行高度不變時(shí)水平避障的情況。但是，在實(shí)際飛行中UAH會(huì)遇到水平范圍較大而垂直高度較低的障礙物環(huán)境，此時(shí)僅采用二維避障策略導(dǎo)致能耗加劇。為了解決上述問題，本文基于二維避障設(shè)計(jì)融入垂直方向上的避障選擇路徑，設(shè)計(jì)并構(gòu)建三維避障策略。此時(shí)，UAH可以同時(shí)在不同方向進(jìn)行比較，并選擇繞行最短的飛行路徑，避免遇到大范圍障礙物時(shí)繞行距離過遠(yuǎn)且能耗過大的問題。

2.3 跟蹤路徑設(shè)計(jì)

3 控制律設(shè)計(jì)

3.1 線性模型控制器

為了方便控制器設(shè)計(jì)，給出引理1。

引理1[31]考慮如下線性系統(tǒng)：

基于引理1，針對系統(tǒng)（1）引入以下記號：

在不考慮模型不確定的情況下，可以得到水平子系統(tǒng)狀態(tài)方程：

式（13）中的系統(tǒng)參數(shù)分別為：

由此可見，UAH水平子系統(tǒng)與水平?垂直子系統(tǒng)均可以轉(zhuǎn)化為線性系統(tǒng)（8）的形式，因而可以借助考慮避障情況下的參考跟蹤路徑，基于引理1分別建立二維和三維的跟蹤控制器設(shè)計(jì)方案。

3.1.1 二維避障控制器

由二級避障設(shè)計(jì)可知，虛擬參考路徑對應(yīng)目標(biāo)點(diǎn)水平速度為：

3.1.2 三維避障控制器

由此可知，UAH系統(tǒng)能在滿足給定最優(yōu)性能指標(biāo)的前提下實(shí)現(xiàn)對參考運(yùn)行軌跡的跟蹤控制。

3.2 模型不確定性補(bǔ)償

UAH精確模型在實(shí)際中很難獲取，因此在系統(tǒng)建模中考慮不確定項(xiàng)更符合實(shí)際情況。對式（16）和式（21）控制器進(jìn)行改進(jìn)，即在控制器設(shè)計(jì)中利用估計(jì)量對不確定量進(jìn)行補(bǔ)償，以消除其對控制性能的不利影響。為了有效估計(jì)模型的不確定性，引入BP神經(jīng)網(wǎng)絡(luò)對誤差進(jìn)行在線訓(xùn)練，并通過前饋控制器進(jìn)行補(bǔ)償，其中BP神經(jīng)網(wǎng)絡(luò)通常由輸入層、隱含層及輸出層組成。

為了獲得更好的逼近效果，可取神經(jīng)網(wǎng)絡(luò)激活函數(shù)為雙曲正切函數(shù)。

第三步：根據(jù)前饋量后補(bǔ)償，得到二維（見式（25）)、三維（見式（26））改進(jìn)后的控制器：

由于在線訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練時(shí)間較長、難以實(shí)際應(yīng)用的問題，選擇優(yōu)先對式（1）中UAH模型進(jìn)行離線計(jì)算，隨后將離線訓(xùn)練所得結(jié)果作為人工神經(jīng)網(wǎng)絡(luò)在線模擬的初始值進(jìn)行優(yōu)化。這一步驟的加入能夠大幅度降低神經(jīng)網(wǎng)絡(luò)對UAH模型不確定量的在線模擬時(shí)間，使其能夠更好地應(yīng)用于實(shí)際情況中。

4 仿真驗(yàn)證

二維避障及三維避障的跟蹤目標(biāo)軌跡分別為：

三維仿真地形圖數(shù)據(jù)為：

為較好地體現(xiàn)所設(shè)計(jì)解決局部最優(yōu)問題的優(yōu)點(diǎn)，擬定二維情況下的地形圖并對其進(jìn)行仿真實(shí)驗(yàn)，結(jié)果如圖2所示。由圖2可以看出，避障規(guī)劃路徑可以較好地處理局部最優(yōu)問題，同時(shí)能夠盡可能減少繞行距離，優(yōu)化避障性能；設(shè)計(jì)的UAH避障路徑雖然能夠逃離局部最優(yōu)情況，但不能完全避免規(guī)劃路徑進(jìn)入地形凹陷處的問題。對此，需要對UAH避障警示圓半徑進(jìn)行選擇。當(dāng)警示圓半徑較大時(shí)，UAH可能進(jìn)入凹陷處，從而增加UAH逃離距離；當(dāng)警示圓半徑較小，且UAH檢測到障礙物時(shí)，可能出現(xiàn)UAH與障礙物距離過近，導(dǎo)致UAH實(shí)際避障難度增加。在實(shí)際應(yīng)用中，需要對UAH行進(jìn)距離與避障安全性進(jìn)行優(yōu)先度選擇。

圖2 二維避障規(guī)劃路徑

為了更好地展現(xiàn)三維避障策略能夠?qū)λ奖苷吓c垂直避障進(jìn)行選擇的優(yōu)勢，重新設(shè)計(jì)三維避障規(guī)劃路徑并對拓展至三維中的避障策略進(jìn)行仿真，結(jié)果如圖3所示。由圖3可以看出，避障策略對水平范圍廣而高度較低、水平范圍小而高度偏高的兩種情況分別采用從頂部繞過與從側(cè)面繞過的不同避障方式，由此可以驗(yàn)證三維避障策略具有能夠進(jìn)行避障選擇并進(jìn)行避障的優(yōu)點(diǎn)，拓展后的避障策略能有效提升UAH的避障跟蹤效率。

圖3 三維避障規(guī)劃路徑

圖4為三維避障跟蹤情況。由圖4可以看出，三維避障跟蹤策略在遇到較大水平避障和較大垂直避障范圍時(shí)，可以對避障方式進(jìn)行比較，從而選擇不同的避障方向，進(jìn)一步提高實(shí)際飛行中UAH避障的靈活性。

圖4 三維避障跟蹤情況

以二維避障情況為例說明補(bǔ)償模型不確定量的必要性，并對UAH飛行軌跡進(jìn)行仿真，結(jié)果如圖5所示。

圖5 人工神經(jīng)網(wǎng)絡(luò)補(bǔ)償對比

由圖5可見，如果對模型不確定性不進(jìn)行補(bǔ)償，UAH飛行軌跡會(huì)在部分區(qū)域碰撞，而引入人工神經(jīng)網(wǎng)絡(luò)對UAH模型不確定性進(jìn)行估計(jì)并補(bǔ)償后，不僅避免了碰撞，而且跟蹤性也得到了較大的提升。

5 結(jié) 論

針對UAH跟蹤過程中遇到的障礙物情況進(jìn)行了靜態(tài)避障設(shè)計(jì)，提出了二維避障策略并對其進(jìn)行改進(jìn)拓展至三維避障策略，有效地解決了局部最小值陷阱、存儲(chǔ)數(shù)據(jù)量大等常見避障問題，提高了不同障礙物下UAH的避障靈活性。在規(guī)劃路徑的基礎(chǔ)的上采用最優(yōu)控制，在保證避障有效性的同時(shí)，完成跟蹤控制任務(wù)并實(shí)現(xiàn)性能指標(biāo)最優(yōu)，提升了UAH跟蹤性能。此外，采用人工神經(jīng)網(wǎng)絡(luò)對模型不確定量進(jìn)行估計(jì)并補(bǔ)償，仿真結(jié)果說明本文所提避障策略和控制算法有效。未來將對動(dòng)態(tài)障礙物的避障策略進(jìn)行探討，同時(shí)對人工神經(jīng)網(wǎng)絡(luò)逼近過程進(jìn)行優(yōu)化，以拓寬避障策略與控制器的適用性。

［1］ ZHAO W L，MENG Z J，WANG K P，et al.Backstepping control of an unmanned helicopter subjected to external disturbance and model uncertainty［J］.Applied Sciences，2021，11（12）：5331.

［2］ MA H X，CHEN M，YANG H，et al.Switched safe tracking control design for unmanned autonomous helicopter with disturbances［J］.Nonlinear Analysis：Hybrid Systems，2021，39：100979.

［3］ ULLAH I， PEI H L. Sliding mode tracking control for unmanned helicopter using extended disturbance observer［J］.Archives of Control Sciences，2019，29（1）：169?199.

［4］ 王瓊，劉美萬，任偉建，等.無人機(jī)航跡規(guī)劃常用算法綜述［J］.吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2019，37（1）：58?67.

WANG Q， LIU M W， REN W J，et al.Overview of common algorithms for UAV path planning［J］.Journal of Jilin University （Information Science Edition），2019，37（1）：58?67.

［5］ 李安醍，武丁杰，李誠龍.低空無人機(jī)自主避障算法綜述［J］.電光與控制，2021，28（8）：59?64.

LI A T，WU D J，LI C L.A survey on autonomous collision avoidance algorithms for UAVs at low altitude［J］.Electronics Optics & Control，2021，28（8）：59?64.

［6］ 陳亞青，張智豪，李哲.無人機(jī)避障方法研究進(jìn)展［J］.自動(dòng)化技術(shù)與應(yīng)用，2020，39（12）：1?6.

CHEN Y Q，ZHANG Z H，LI Z.Research progress on obstacle avoidance methods of UAV［J］.Techniques of Automation and Applications，2020，39（12）：1?6.

［7］ 方健飛，張威，葛琳琳.基于避障切換控制的移動(dòng)機(jī)器人路徑規(guī)劃［J］.遼寧石油化工大學(xué)學(xué)報(bào)，2017，37（4）：65?69.

FANG J F，ZHANG W，GE L L.Path planning of mobile robot based on obstacle avoidance switching control［J］.Journal of Liaoning Shihua University，2017，37（4）：65?69.

［8］ 常路，單梁，戴躍偉，等.未知環(huán)境下基于改進(jìn)DWA的多機(jī)器人編隊(duì)控制［J］.控制與決策，2022，37（10）：2524?2534.

CHANG L，SHAN L，DAI Y W，et al.Multi?robot formation control in unknown environment based on improved DWA［J］.Control and Decision，2022，37（10）：2524?2534.

［9］ VINOKURSKY D L，MEZENTSEVA O S，SAMOYLOV P V，et al.Model predictive control for path planning of UAV group［C］//Ⅲ International Scientific Conference：Modernization，Innovations，Progress：Advanced Technologies in Material Science，Mechanical and Automation Engineering（MIP?Ⅲ2021）.Krasnoyarsk：IOP Publishing Ltd，2021：012092.

［10］ TANG Z Z，MA H Z.An overview of path planning algorithms［J］.IOP Conference Series：Earth and Environmental Science，2021，804（2）：022024.

［11］ 李二超，王玉華.改進(jìn)人工勢場法的移動(dòng)機(jī)器人避障軌跡研究［J］.計(jì)算機(jī)工程與應(yīng)用，2022，58（6）：296?304.

LI E C，WANG Y H.Research on obstacle avoidance trajectory of mobile robot based on improved artificial potential field［J］.Computer Engineering and Applications，2022，58（6）：296?304.

［12］ 郝林佳，葉燦，都書鮮，等.改進(jìn)人工勢場的手術(shù)機(jī)器人位姿規(guī)劃［J］.控制理論與應(yīng)用，2022，39（6）：1121?1129.

HAO L J，YE C，DU S X，et al.Pose planning for surgical robot with improved artificial potential field method［J］.Control Theory & Applications，2022，39（6）：1121?1129.

［13］ 呂佳，邱建崗.智能汽車避障路徑規(guī)劃與跟蹤控制研究［J］.機(jī)械設(shè)計(jì)與制造，2021（11）：166?171.

［14］ 劉冠邦，成海東.基于模糊決策的無人直升機(jī)智能實(shí)時(shí)避障研究［J］.信息化研究，2018，44（2）：19?23.

LIU G B，CHENG H D.Intelligent real?time obstacle avoidance for unmanned helicopter based on fuzzy decision making［J］.Informatization Research，2018，44（2）：19?23.

［15］ 張思遠(yuǎn).智能汽車路徑規(guī)劃與跟蹤控制仿真研究［D］.長春：吉林大學(xué)，2018.

［16］ 韓攀，陳謀，陳哨東，等.基于改進(jìn)蟻群算法的無人機(jī)航跡規(guī)劃［J］.吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2013，31（1）：66?72.

HAN P，CHEN M，CHEN S D，et al.Path planning for UAVs based on improved ant colony algorithm［J］.Journal of Jilin University（Information Science Edition），2013，31（1）：66?72.

［17］ 羅鷹，冒興蜂.智能汽車換道避障路徑規(guī)劃與跟蹤控制研究［J］.機(jī)械設(shè)計(jì)與制造，2019（7）：139?143.

LUO Y，MAO X F.Study on path planning and tracking control of intelligent vehicle obstacle avoidance by changing lanes［J］.Machinery Design & Manufacture，2019（7）：139?143.

［18］ AMBEWADKAR G N，GAJRE S.Probe path planning for flatness measurement on coordinate measuring machine using ant colony optimization［J］.Advanced Engineering Forum，2021，41：85?91.

［19］ 陳繼清，譚成志，莫榮現(xiàn)，等.基于人工勢場的A*算法的移動(dòng)機(jī)器人路徑規(guī)劃［J］.計(jì)算機(jī)科學(xué)，2021，48（11）：327?333.

CHEN J Q，TAN C Z，MO R X，et al.Path planning of mobile robot with A* algorithm based on artificial potential field［J］.Computer Science，2021，48（11）：327?333.

［20］ QI B K，LI M Q，YANG Y，et al.Research on UAV path planning obstacle avoidance algorithm based on improved artificial potential field method［C］//The 2021 2nd International Conference on Internet of Things，Artificial Intelligence and Mechanical Automation （IoTAIMA 2021）.Hangzhou：IOP Publishing Ltd，2021：012060.

［21］ 謝龍，劉山.基于改進(jìn)勢場法的機(jī)械臂動(dòng)態(tài)避障規(guī)劃［J］.控制理論與應(yīng)用，2018，35（9）：1239?1249.

XIE L，LIU S.Dynamic obstacle?avoiding motion planning for manipulator based on improved artificial potential filed［J］.Control Theory & Applications，2018，35（9）：1239?1249.

［22］ 李志錕，趙倩楠.融合人工勢場蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃［J］.電光與控制，2022，29（11）：118?124.

LI Z K，ZHAO Q N. Path planning of mobile robot based on artificial potential field and ant colony algorithm［J］. Electronics Optics & Control， 2022， 29（11）： 118?124.

［23］ 張郭，許艷英，張亮.基于動(dòng)靜態(tài)安全場的機(jī)器人避障路徑控制仿真研究［J］.中國工程機(jī)械學(xué)報(bào)，2021，19（3）： 232?237.

ZHANG G， XU Y Y， ZHANG L. Simulation research on obstacle avoidance path control of robot based on dynamic and static safety field［J］. Chinese Journal of Construction Machinery， 2021，19（3）： 232?237.

［24］ 胡多修，董文瀚，解武杰.無人機(jī)自主引導(dǎo)跟蹤與避障的近端策略優(yōu)化［J］.北京航空航天大學(xué)學(xué)報(bào)，2023，49（1）：195?205.

HU D X， DONG W H， XIE W J. Proximal policy optimization for UAV autonomous guidance，tracking and obstacle avoidance［J］. Journal of Beijing University of Aeronautics and Astronautics， 2023， 49（1）： 195?205.

［25］ 蒙志君，平學(xué)壽，陳旭智. 無人直升機(jī)三維避障方法及仿真［J］.北京航空航天大學(xué)學(xué)報(bào)，2016，42（8）：1619?1626.

MENG Z J， PING X S， CHEN X Z. 3D obstacle avoidance method and simulation for unmanned helicopter［J］. Journal of Beijing University of Aeronautics and Astronautics，2016， 42（8）： 1619?1626.

［26］ LóPEZ B， MU?OZ J， QUEVEDO F， et al. Path planning and collision risk management strategy for multi?UAV systems in 3D environments［J］. Sensors， 2021， 21（13）： 4414.

［27］ 歐陽銀濤，孫彥璽，屈敬朝，等.基于BP神經(jīng)網(wǎng)絡(luò)的人體活動(dòng)識別方法［J］. 物聯(lián)網(wǎng)技術(shù)， 2021， 11（12）： 40?42.

OUYANG Y T，SUN Y X， QU J C， et al. Human activity recognition method based on BP neural network［J］. Internet of Things Technologies，2021，11（12）：40?42.

［28］ 黃越洋，李平，劉宣宇. 基于BP神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制［J］. 遼寧石油化工大學(xué)學(xué)報(bào)， 2008， 28（1）： 59?61.

HUANG Y Y，LI P， LIU X Y. Nonlinear predictive control based on BP neural network［J］.Journal of Liaoning University of Petroleum & Chemical Technology， 2008， 28（1）： 59?61.

［29］ 吳鵬飛，石章松，吳中紅，等. 無人直升機(jī)自主著艦軌跡跟蹤控制［J］. 系統(tǒng)工程與電子技術(shù)， 2019， 41（11）： 2573?2580.

WU P F， SHI Z S， WU Z H， et al. Trajectory tracking and control for unmanned helicopter's autonomous landing on ship［J］. Systems Engineering and Electronics， 2019， 41（11）： 2573?2580.

［30］ XIAN B，GUO J C，ZHANG Y，et al. Sliding mode tracking control for miniature unmanned helicopters［J］. Chinese Journal of Aeronautics， 2015， 28（1）： 277?284.

［31］ 陳浩浩，樊淵. 基于動(dòng)態(tài)事件觸發(fā)機(jī)制的線性系統(tǒng)最優(yōu)控制［J］. 控制工程， 2020， 27（10）： 1820?1827.

CHEN H H，F(xiàn)AN Y.Optimal control for linear systems based on dynamic event?triggered mechanism［J］.Control Engineering of China， 2020， 27（10）： 1820?1827.

［32］ 馬海志.BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及應(yīng)用［D］.哈爾濱：東北農(nóng)業(yè)大學(xué)，2015.

Collaborative Air?Ground Tracking Control of Unmanned Helicopter Based on Obstacle Avoidance Path Planning

YANG Jingwen， LI Tao， YANG Xin， JI Mingfei

（College of Automation Engineering， Nanjing University of Aeronautics and Astronautics， Nanjing Jiangsu 211106，China）

The paper aims to study the problem of obstacle avoidance in air?ground cooperative tracking control for the unmanned aerial helicopter (UAH),in which a new approach of designing the path obstacle avoidance plan and controller design is proposed.Initially, as for the uncertain linear UAH,by processing and judging two?dimensional environmental information within the warning range for the UAH,an obstacle avoidance strategy is proposed with the help of wall?following algorithm,and the flight angle of obstacle avoidance path and the tracking speed that can make up for bypass distance are calculated.Secondly,the proposed obstacle avoidance method is extended to the three?dimensional case,and the flight angle of the UAH is determined based on the obstacle information in the horizontal and vertical directions,which can reduce the bypass distance caused by the obstacle avoidance link as possible.Thirdly,based on two derived obstacle avoidance algorithms above,the artificial neural network (ANN) is introduced to estimate model uncertainty,and then the tracking control design schemes are established by using feedforward compensation and optimal control technologies.some simulations demonstrate the effectiveness of the proposed obstacle avoidance strategy and control algorithm.

Unmanned aerial helicopter ； Clearing tracking； Obstacle avoidance path planning； Artificial neural networ

TP13

A

10.12422/j.issn.1672?6952.2024.01.011

2023?03?31

2023?10?25

國家自然科學(xué)基金資助項(xiàng)目（62073164,61873127,61922042）；國防科技重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目（61422200306）。

楊靜雯（1998?），女，碩士研究生，從事無人直升機(jī)跟蹤控制方面的研究；E?mail：986594811@qq.com。

李濤（1979?），男，博士，副教授，從事網(wǎng)絡(luò)控制和飛行控制等方面的研究；E?mail：autolitao@nuaa.edu.cn。

楊靜雯,李濤,楊欣,等.基于避障路徑規(guī)劃的無人直升機(jī)空地跟蹤控制[J].遼寧石油化工大學(xué)學(xué)報(bào),2024,44(1):71-79.

YANG Jingwen,LI Tao,YANG Xin,et al.Collaborative Air?Ground Tracking Control of Unmanned Helicopter Based on Obstacle Avoidance Path Planning[J].Journal of Liaoning Petrochemical University,2024,44(1):71-79.

（編輯 王戩麗）