基于改进广义准光谱模型预测静态编程的多无人机协同轨迹优化方法

《Drones》：An Improved GS-MPSP Algorithm for Time-Cooperative Trajectory Optimization of Multiple CDUAVs

　　# 摘要针对多跨域无人机协同任务中难以同时满足终端状态约束与时间协同的问题，提出了一种基于改进的广义准光谱模型预测静态编程（GS-MPSP）的协同轨迹优化方法。首先，针对传统（原始）GS-MPSP在光谱系数空间更新控制变量时存在的局部控制信息耦合以及终端约束满足精度不足的问题，放弃光谱系数更新方案，直接在勒让德-高斯-洛巴托（LGL）节点空间对控制变量进行优化。通过勒让德正交投影方法将节点控制变量映射到精细网格上进行轨迹积分，使每个节点的控制调整能够独立响应终端约束需求。其次，在性能指标中引入气动阻力能量项，并构建动压、热流和过载约束的惩罚项，从而实现兼顾能量优化与路径约束满足的轨迹设计。进一步地，将改进的GS-MPSP算法与时间一致性协议嵌套，构建了两种多机协同架构，即分布式架构和去中心化架构。仿真结果表明，与传统（原始）GS-MPSP相比，本文方法平均将终端位置误差降低了83.8%（分布式）和87.6%（去中心化），即精度分别提高了6.2倍和8.1倍（最高达11.1倍），时间一致性误差降低了约20%，三架飞行器总能量损失降低了3.5%~4.2%；与高斯伪光谱法（GPM）相比，终端位置误差降低了94.5%~94.7%，计算时间缩短了约两个数量级；与轨迹塑形制导律（TSGL）方法相比，终端位置误差降低了约五个数量级，能量损失降低了24.9%~27.5%。在300次蒙特卡洛仿真中，协同任务完成率分别为94.33%和96.67%，时间一致性收敛率分别为100%和97.56%，且全程满足所有过程约束。本文方法可为复杂自主飞行任务中的多机协同轨迹规划提供有效解决方案。