买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种人工引导下的无人机集群轨迹规划控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119781490B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411784157.8，技术领域涉及：G05D1/46；该发明授权一种人工引导下的无人机集群轨迹规划控制方法是由邓亦敏;邓健;段海滨;张兆宇设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种人工引导下的无人机集群轨迹规划控制方法在说明书摘要公布了：本发明公开一种人工引导下的无人机集群轨迹规划控制方法，包括：步骤一：利用人工引导的信息对轨迹优化问题建模；步骤二：设计基于局部交互机制的集群控制方法；步骤三：基于当前环境生成人工引导无人机的初始轨迹；步骤四：人在回路中的轨迹快速重规划。本发明方法可以快速将人类操作员的意图通过人机交互界面转化为无人机集群的控制指令，提高了人机协作的效率，保证了群体的安全。然后，考虑集群的通信负担，将机群内的无人机分为人工引导无人机和下级无人机。人工引导的无人机跟踪规划的轨迹。对于下级无人机，基于局部交互机制，设计了相应的控制算法。这使得无人机集群能够安全协同地穿越动态、密集的环境。

本发明授权一种人工引导下的无人机集群轨迹规划控制方法在权利要求书中公布了：1.一种人工引导下的无人机集群轨迹规划控制方法，其特征在于：该方法包括步骤如下： 步骤一：利用人工引导的信息对轨迹优化问题建模，具体包括：将人工引导无人机的轨迹优化问题建模，被表述为无约束非线性优化问题，分别包括人工引导惩罚项、碰撞惩罚项、控制输入惩罚项、轨迹平滑度、动力学可行性； 步骤二：设计基于局部交互机制的集群控制方法，具体包括：依据下级无人机的运动学、动力学模型设计使个体能够保持彼此之间相对距离的编队保持控制量、避障控制量、防止个体相互碰撞控制量、速度对齐控制量、达到期望高度的控制量、使无人机集群速度收敛的控制量和防止集群过度分散的控制量； 步骤三：基于当前环境生成人工引导无人机的初始轨迹，具体包括：使用快速遍历随机树算法在包含长方体和圆柱体的凸障碍物的静态环境中找到从起点到目标的无碰撞路径，然后从获得的路径求解二次规划问题来生成初始最小加加速度轨迹，接着再对初始轨迹进行优化； 步骤四：人在回路中的轨迹快速重规划，具体包括：如果轨迹需要在人工引导下重规划，基于步骤一所设计的优化问题进行实时、快速地重规划； 所述步骤一中，利用人工引导的信息对轨迹优化问题建模，具体过程如下： 所规划的轨迹都是时间t参数化的3阶均匀B样条曲线st表征，其中Q为位置控制点，V为速度控制点，A为加速度控制点，J为加加速度控制点，每段轨迹的时间为dt； 人工引导的无人机的轨迹优化问题包括五个方面，被表述为无约束非线性优化问题，代价函数如下： 其中，Q表示位置控制点，fh是人工引导惩罚项，fc是碰撞惩罚项，fu是控制输入惩罚项，fs表示轨迹平滑度，fd表示动力学可行性，ftotal表示总的代价函数，λ1,λ2,λ3,λ4,λ5分别表示对应优化项的权重； 操作员首先在人机界面上单击鼠标选择起始位置，为控制点的移动设置所需的方向；然后，拖动并释放鼠标以完成设置；通过将人类决策整合到算法中，操作员的选择被纳入轨迹优化过程，实现人机协作；在人机界面中，操作员点击鼠标的位置为pstart，操作员松开鼠标的位置为pend；控制点Qi受人类操作员的影响，位于以pstart为中心、半径为r的球体内，i表示位置控制点Q的索引； fh如下式所示： 其中，chg＝||pstart-pend||2表示人工引导的强度，表示控制点的期望的引导位置； 碰撞惩罚项fc： 其中，dQi表示控制点Qi和最近的障碍物的距离， 控制输入惩罚项fu： 平滑度惩罚项fs： 动力学可行性惩罚项fd：动力学可行性惩罚防止规划的轨迹超过无人机的物理限制，将这种软约束设计为具有连续二阶导数的平滑函数； fd＝fv+fa6 其中， x,y分别表示横坐标和纵坐标，z表示高度；述优化问题采用有限内存柏萝登-弗莱彻-戈德福布-生纳算法求解； 所述步骤二的具体过程如下： 将无人机集群分为最高层的人工引导无人机和多个下级无人机，形成层次结构；人工引导无人机排名第1，而下级无人机排名从第2位到第n位； 在无人机集群中，下级无人机在人工引导无人机的引导下，通过人工势场方法实现协同飞行；下级无人机遵循基于同伴状态的简单局部交互规则，包括内聚、对齐和分离；无人机集群中下级无人机的动力学模型如下： 其中，mi是每个下级无人机的质量，设置为1kg；vi，ui分别是每个从属无人机的欧式空间位置矢量、速度矢量和控制输入，-kivi是速度阻尼项；令x,y分别表示横坐标和纵坐标，z表示高度，每个下级无人机的控制输入由以下方程式给出： uf是使个体能够保持彼此之间相对距离的编队保持控制量： 其中，kf是控制增益，表示个体i,j之间的距离，wj表示j对i影响权重，rcomm和rd表示水平方向的通信距离和i,j之间的期望距离； uobs是避障控制量： 其中，kobs是控制增益，表示个体i和障碍物j表面之间的距离的平方，rsense表示个体对障碍物的感知距离； uc表示防止个体相互碰撞控制量： 其中，kc表示控制增益，rlim是势场函数对于个体j产生影响的距离；对齐控制量uv_hg将个体i的速度与人工引导无人机的速度对齐： 其中，kv_hg是控制增益，表示人工引导无人机的速度； uh_hg引导无人机下级无人机i达到期望高度的控制量： 其中，kh_hg为控制增益，表示人工引导无人机的高度； uvn使下级无人机的速度收敛的控制量，如下式所示： 其中，kvn为控制增益； 聚集控制量uco下级无人机之间保持适当的间距，以防止集群过度分散，如下式所示： 其中，kco表示控制增益，rlim2表示聚集控制分量的最小交互距离，超过该距离，下级无人机开始相互聚集； 所述步骤四的具体过程如下： 在回路中的轨迹重规划框架，基于MATLAB图形交互界面设计人机交互界面，捕获人类操作员的意图；即使没有人类操作员的直接干预，无人机集群依靠其预设算法和机载传感器数据，根据四个关键指标自主规划其轨迹：安全性、动态可行性、能效和轨迹平滑性；在紧急情况下，操作员通过人机交互界面快速干预，重新规划轨迹，确保整个无人机集群的安全稳定飞行； 首先初始化标识符Flagreplan和Flagoptimized；如果Flagreplan＝0，Flagoptimized＝0，表明人工引导并没有被考虑，在这之后，令Flagoptimized＝1；如果Flagreplan＝1，Flagoptimized＝0，表明需要人工引导，基于公式1进行轨迹优化；在整个人工引导的流程中，人工引导无人机需要精确跟踪规划出来的参考轨迹；如果在这个过程中操作员介入，令Flagreplan＝1，Flagoptimized＝0； 对于下级无人机而言，如果那么 其中，Rank表示个体的层级，基于步骤三计算相关下级无人机的控制量；其中，下级无人机的位置向量和速度向量如下式所示： 其中，xi,yi,zi分别表示个体的横坐标、纵坐标和高度，Vi,ψi,λ表示个体的高度变化率；如果当前仿真时长t小于最大仿真时长tmax，并且人工引导无人机没有到达目标点，t＝t+dt，其中dt是仿真步长。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。