【无人机编队】基于matlab匈牙利算法无人机编队队形实时切换【含Matlab源码 3439期】

💥💥💥💥💞💞💞💞💞💞欢迎来到凤凰科研社博客之家💞💞💞💞💞💞💥💥💥💥

✅博主简介：985研究生，热爱科研的Matlab仿真开发者，完整代码 论文复现 程序定制 期刊写作 科研合作 扫描文章底部QQ二维码。
🍎个人主页：凤凰科研社
🏆代码获取方式：扫描文章底部QQ二维码

⛳️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（凤凰科研社版）

⛳️关注微信公众号Matlab王者助手或Matlab海神之光，更多资源等你来！！

⛄一、无人机集群仿真简介

1 研究背景
四旋翼无人机具有成本较低、设备简单、飞行时间灵活等特点，近些年被广泛应用于军事和民用领域，如目标侦察、应急救援、农业植保、无人机灯光表演。随着任务复杂度的增加，单架无人机往往难以满足任务需求，因此无人机集群控制及其应用由此成为目前的研究热点，多无人机集群能够提高执行任务效率和灵活度。无人机队形变换控制方法是实现多无人机编队飞行的前提，集群无人机队形重构问题是我们要考虑的一个重要问题，让每架无人机都能从初始位置无碰撞的到达最终位置，进而保证队形重构过程中代价最小或能耗最优。其中目标分配问题最多利用匈牙利算法进行解决，但是在多无人机轨迹规划时普遍存在计算难度大、规划时间增长、规划效率难以满足实际需求的问题。因此，探索计算简便、效率高的多无人机路径规划算法是目前迫切需要的。

2 任务要求
（1）实验描述
十九架无人机组成的编队如图2.1所示，由F队形切换至Z队形，如果忽略本身以及外在约束条件的情况下，将会有多种不同的移动方案。但实际情形下无人机飞行距离越长，耗能也就越多，部分无人机到达目标的距离过长，消耗电力过多，从而提前降落。

图2.1： 编队实景图
使用传统匈牙利算法来解决队形变换的目标分配问题，其编队切换仿真图如下图，其中绿色方块表示无人机在F队形中的位置，红色圆点表示Z队形中无人机集群所要到达的各目标航点，黑色直线表示经分配后无人机由初始位置到达目标位置的直线路径。

图2.2： 匈牙利算法路径图
由上图可以看出，部分无人机到达目的地的直线路径过长，而大部分无人机初始位置与目标位置重合耗能少。移动路径长短不一，造成无人机耗能相差较大。所以我们需要寻求一种移动方式，使各个无人机移动路径长度趋于一致。
（2）实验要求
1、改进分配方案，使无人机在编队切换过程中飞行路径相近，飞行至目标航点时间一致，避免无人机耗能相差较大的问题。
2、集群无人机空中个别无人机能量不足或故障情况需退出，编队无人机数目发生变化，为维持编队队形需重新规划各无人机所在位置。

⛄二、部分源代码

%无人机动态演示
%A起始位置坐标
%B目标位置坐标
function run(A,B)
A=A10;
B=B10;
[m,n]=size(A);
N=m;%无人机个数
XY=[0 100 0 100];%绘制区域
v=ones(N,1); %速度1m/s
a=1; %加速度1m/s^2
n=0;
isok=zeros(N,1);
t=0;
T=0.05;
Tv=2;%加速时间
v_now=zeros(N,1);%当前速度
%% 更新距离
L=sqrt((A(:,1)-B(:,1)).^{2+(A(:,2)-B(:,2)).}2)+0.001;
%% 单位前进方向
F=[(B(:,1)-A(:,1)),(B(:,2)-A(:,2))];
F=[F(:,1)./L,F(:,2)./L];
p = plot(A(:,1),A(:,2),‘ro’,‘EraseMode’,‘background’,‘MarkerSize’,5);
axis(XY);
grid on;
while ~isequal(isok,ones(N,1)) %19架无人机未全归位
%% 更新绘图
set(p,‘XData’,A(:,1),‘YData’,A(:,2));
drawnow
axis(XY);
pause(T/2);
%% 更新距离
L=sqrt((A(:,1)-B(:,1)).^{2+(A(:,2)-B(:,2)).}2);
%% 更新位置
t=t+T;
for i=1:N
if L(i)<=0.001
isok(i)=1;%该机已到位
A(i,:)=B(i,:);
end
if t<=Tv %起始加速
v_now(i,1)=a*(t+T);
end
if L(i)<=v_now(i,1)2 && v_now(i,1)~=0 %终点0.5处减速
v_now(i,1)=v_now(i,1)-aT;
if v_now(i)<=a*T;
v_now(i)=0;
isok(i)=1;%该机已到位
%A(i,:)=B(i,:);
end
end

    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] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]巫茜,罗金彪,顾晓群,曾青.基于改进PSO的无人机三维航迹规划优化算法[J].兵器装备工程学报. 2021,42(08)

🍅 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