由于毕设题目是与无人机相关，于是借此机会了解一些无人机平台自主协同的相关知识，这篇文章是读《无人机编队飞行技术》之后的一些简单的概念总结。
全篇书名《无人机编队飞行技术》-王新民、王晓燕、肖堃
基本概念
无人机编队飞行定义
无人机的编队飞行，是指两架或两架以上具有自主功能的无人机为适应任务要求而进行的一定结构的某种队形排列和任务分配的组织模式。它既包括编队飞行的队形设计、飞行过程中的队形保持和根据外部情况及任务需求进行队形的动态调整变化，也包括飞行任务的规划和组织，以体现整个无人机群的协同一致性。其中，带队的那架无人机称为长机，而其余的无人机称为僚机。
无人机编队飞行的优势
可以扩大视野可以高精度定位，多角度成像可用于演示验证星载设备可提高无人机的整体效率可以提高命中率可以减小整体的飞行阻力关键技术
最快目标跟踪与最邻近目标跟踪
队形重构的研究内容
怎样在飞行中实时调整无人机位置使得性能良好的无人机能在飞行中完成对编队队形的重构，从而保持队形不变或者达到最优队形。
航迹规划结构框图
航迹规划层的目的
根据任务要求、威胁分布、无人机机动特性、燃料限制，选择K条能使无人机回避地方威胁，安全完成预定任务的飞行路径，规划结果用一系列航路点表示。
航迹规划算法
概率地图算法——PRM
首先通过随机地在规划空间中产生一定数量的节点，并连接起来建立路标图。然后在某启发性条件的引导下，更多的节点被局限在一个狭小的空间里，路标图由此被强化，生成的Roadmap可以看成是一幅地图，通过地图可以查询出需要的航迹。
Dijkstra算法
Dijkstra算法作为一种最小航迹选择算法，能够在短时间内对节点遍历搜索，在可行解中寻求到最优解，使无人机的飞行航迹最短。
人工势场APF算法
人工势场的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生的“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。
K算法
K算法是在Dijkstra算法基础上，不只求出最短路径，还要求出次优化的K条路径。
小生境粒子群算法
基于小生境粒子群的无人机编队协同航迹规划方法，首先满足各种航迹约束的条件下，序贯产生粒子构成航迹集合，避免种群中粒子的有效性测试，无须进行多次初始化；通过引入改进的聚类小生境生成策略，在航迹规划空间内构造不同的相互独立的小生境种群；在每个小生境粒群体中利用粒子群算法进行速度和位置的更新，每个粒子群的全局极值尽在自己的小生境群体中起作用，追逐不同的极值点；并且引入种群淘汰策略，每隔一定代数，对陷入局部最优的最劣子种群进行随机初始化，从而避免了算法早熟收敛，保证了收敛到全局最优。当进化过程中航迹代价函数趋于稳定或达到最大迭代次数时，进行过程结束，每个小生境子种群将分别生成一条各自的最优航迹，从而为飞行器生成了多条不同的可选航迹。
由于缺少对相关控制理论的研究，所以本篇摘要只对其基础概念及相关算法给出了简单的理解。阅读完整本书，我了解了无人机编队飞行的基本知识和关键技术，明白了要解决一个工程实际问题，必须先建立起研究对象的数学模型，然后利用数学的方法加以解决，同时也学会了人工势场这种很神奇的方法，希望能够将这种思维应用到以后我可能研究的领域。
如果觉得《读书笔记——无人机编队飞行技术》对你有帮助，请点赞、收藏，并留下你的观点哦！
