本发明属于无人机集群决策与控制，具体涉及一种基于风险触发的多无人机协同预警与安全控制方法，适用于复杂密集障碍物环境中多无人机系统的协同安全飞行控制。
背景技术：
1、得益于自动化控制和人工智能技术的快速发展，多无人机系统被广泛应用于各种领域，如农业应用、监察探测、搜寻与搜救任务等。然而多无人机系统在复杂密集障碍物环境中的安全飞行控制问题仍是一项核心技术挑战。许多关于无人机的研究都聚焦于提高其飞行安全性。在多无人机系统的实际应用中，各种多源复合干扰、执行器/传感器故障、恶意攻击以及外部障碍物等风险因素均对其安全性构成严重威胁，会导致系统性能的显著降低，甚至引发灾难性的安全事故。针对这些风险因素，许多专家学者提出了有效的应对措施，例如复合分层抗干扰控制理论可以针对性地对控制系统的不同干扰进行分离、估计、学习和补偿，从而促进了一系列低保守性的精细控制器设计，具备高鲁棒性的同时实现高精度的控制目标。此外，还有鲁棒控制、容错控制等前沿技术均对不同恶劣条件下提高多无人机系统的安全性具有良好效果。
2、针对外部障碍物的自主避障以及多无人机之间的机间避撞对于多无人机系统是至关重要的安全性问题之一。虽然目前已有许多不同的避障技术被提出和应用，如势场法、线性/非线性模型预测控制等。但现有技术通常强依赖于无人机个体的感知距离和范围，只能实现无人机对正前方的障碍物进行快速规避。另外，现有的避障控制策略通常基于确定性的安全距离保持或相关约束条件，然而无人机系统的自身状态估计以及对外部障碍物的感知信息会受到各种噪声和干扰的影响，具有较强的不确定性。虽然基于确定性设置的方法能有效提高无人机系统的安全性，但同时也具有较强的保守性。为了科学地平衡多无人机系统飞行过程中的安全性和保守性，应充分考虑不确定性/概率性信息。由于机会约束具有限制不安全事件发生概率的直观和实际作用，因此被广泛应用于描述安全问题中的不确定性。但机会约束具有非凸性，在实际应用中难以求解，因此学者们基于机会约束发展了条件风险价值，即损失分布在最坏情况分位数内的损失条件期望。条件风险价值已被广泛应用于风险条件下机器人运动规划和控制的安全性分析。此外，基于条件风险价值的安全性分析可以区分最坏情况的尾部事件，即考虑了罕见但极不安全的事件，这将进一步提高多无人机系统的安全性。
3、综上所述，尽管目前已有许多方法可用于实现多无人机系统的安全避障控制，但受限于无人机个体感知能力的局限性，无法对个体感知范围外的动态障碍物实现安全规避。另外，现有方法未充分考虑不确定性，避障机动距离大、保守性高。
技术实现思路
1、为克服现有方法的缺陷，针对复杂密集障碍物环境中多无人机系统的安全飞行问题，本发明提供一种基于风险触发的多无人机协同预警与安全控制方法。本发明能保证无人机编队在密集静态和/或动态障碍物环境中的飞行安全性和生存能力。
2、为达到上述目的，本发明采用如下技术方案：
3、一种基于风险触发的多无人机协同预警与安全控制方法，包括以下步骤：
4、第一步，考虑系统状态估计与障碍物感知不确定性，构建无人机与外部静态和/或动态障碍物之间、以及多无人机之间的安全损失模型；
5、第二步，基于安全损失模型和条件风险价值量化评估多无人机系统的碰撞风险；
6、第三步，设计协同预警与避障机动触发机制，考虑无人机与动态障碍物运动的相对速度、距离，设计安全阈值；
7、第四步，设计基于风险触发的分布式安全控制器，该分布式安全控制器由基础编队控制项、避障控制项以及机间避撞控制项构成。
8、进一步地，所述第一步具体如下：
9、考虑多无人机系统的状态估计不确定性和无人机对外部静态和/或动态障碍物的感知不确定性，将所估计的无人机系统状态和传感器获得的障碍物位置信息建模为具有联合概率密度函数的一般随机向量。
10、为了量化评估多无人机的安全风险，构造基于相对距离信息的安全损失模型，用于量化表征无人机的不安全程度。将无人机与探测到的障碍物近似为圆形，半径分别为和，另外，引入额外的安全边界和，则多无人机之间的安全距离描述为：
11、，
12、无人机与外部障碍物之间的安全距离描述为：
13、，
14、进一步地，考虑无人机与其邻居之间的距离以及与外部障碍物之间的距离，构造多无人机之间的安全损失模型为：
15、，
16、无人机与外部障碍物之间的安全损失模型为：
17、，
18、式中，分别表示第j架无人机和第k个障碍物与第i架无人机之间的相对距离。
19、理想状态下，通过保证和即可保证多无人机避免发生碰撞。然而，由于无人机的状态估计和对障碍物的位置感知存在不确定性，因此基于上述确定性的约束条件描述无人机的碰撞风险过于保守。针对不确定性问题，采用条件风险价值对多无人机的碰撞风险进行量化评估。
20、所述第二步具体如下：
21、基于第一步所构建的安全损失模型，结合条件风险价值量化评估多无人机系统的碰撞风险。多无人机之间安全损失的条件风险价值可由下式计算：
22、，
23、相似地，无人机与障碍物之间的条件风险价值可由下式计算：
24、，
25、式中，z为风险价值，为置信度。基于上式，可量化评估多无人机系统的碰撞风险。
26、所述第三步具体如下：
27、考虑无人机以及动态障碍物的相对运动速度、方向以及相对距离，设计机间安全阈值如下式所示：
28、，
29、相似地，设计无人机与障碍物之间的安全阈值为：
30、，
31、式中，为正的权重系数，表示第i架无人机与第j架无人机之间的相对速度，表示第i架无人机与第k个动态障碍物之间的相对速度，，，分别表示第i架无人机、第j架无人机以及第k个动态障碍物的运动速度。
32、基于第二步中的碰撞风险量化评估结果和以上安全阈值，引入事件触发机制的思想，设计如下多无人机协同预警机制：
33、，
34、其中，为第i架无人机所有邻居节点的集合。上式表示一旦第j架无人机的风险条件被触发，即使第j架无人机自身无法感知到障碍物信息，但它能立即收到其邻居节点的定向预警，从而获得第k个障碍物的相关状态信息，进而完成避障机动。
35、所述第四步具体如下：
36、该安全控制器包括基础编队控制项、机间避撞控制项以及避障控制项构成。首先，基础编队控制项如下式所示：
37、，
38、式中和为增益矩阵，和为无人机在编队中的相对位置参数，表示期望轨迹，和为多无人机之间的通信拓扑图权重系数。
39、基于第二步的风险量化评估结果和第三步的安全阈值，设计基于风险触发的多无人机机间避撞控制项如下：
40、，
41、式中和为增益矩阵。
42、设计基于风险触发的多无人机避障控制项如下：
43、，
44、式中，为增益矩阵，和为正的增益系数，是一个旋转矩阵，其定义为：
45、，
46、其中是一个旋转角，由下式给出：
47、，
48、其中表示无人机的感知距离。
49、最后，结合基础编队控制项、机间避撞控制项以及避障控制项作为无人机安全控制器为：
50、，
51、式中，以及为权重系数，表示第i架无人机所面临的所有障碍物集合，包括其自身感知到的障碍物以及其邻居节点预警的障碍物。
52、本发明与现有技术相比的有益效果在于：
53、本发明主要面向密集静态和/或动态障碍物环境中的无人机编队系统。相比于传统无人机编队避障控制方法，本发明可对环境中的障碍物风险信息进行量化评估，进而通过风险触发机制实现多无人机之间的协同预警，从而突破无人机个体感知能力的局限性，实现对无人机个体感知范围外的动态障碍物的安全规避，增加无人机编队在密集障碍物环境中的安全性。另外，基于风险触发的安全控制器设计，可有效减少无人机编队避障的机动距离，同时降低保守性。本发明首先考虑系统状态估计与障碍物感知不确定性，构建无人机与外部静态和/或动态障碍物之间、以及多无人机之间的安全损失模型；然后基于安全损失模型和条件风险价值量化评估多无人机系统的碰撞风险；其次设计协同预警与避障机动触发机制，考虑无人机与动态障碍物运动的相对速度、距离，设计安全阈值；最后设计基于风险触发的分布式安全控制器，该分布式安全控制器由基础编队控制项、避障控制项以及机间避撞控制项构成。
1.一种基于风险触发的多无人机协同预警与安全控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于风险触发的多无人机协同预警与安全控制方法，其特征在于，所述第一步具体如下：
3.根据权利要求1所述的一种基于风险触发的多无人机协同预警与安全控制方法，其特征在于，所述第二步具体如下：
4.根据权利要求1所述的一种基于风险触发的多无人机协同预警与安全控制方法，其特征在于，所述第三步具体如下：
5.根据权利要求1所述的一种基于风险触发的多无人机协同预警与安全控制方法，其特征在于，所述第四步具体如下：
