动态优先级解耦的无人机集群轨迹分布式序列凸规划

针对无人机集群轨迹规划高维强耦合特征导致计算复杂度高的难题,提出了动态优先级解耦的序列凸规划方法(DPD-SCP),将耦合的集群轨迹规划问题拆分为若干单机凸规划子问题,通过分布式求解提高集群轨迹规划的计算效率与可扩展性。设计飞行时间驱动的动态优先级解耦机制,降低飞行时间短无人机优先级,挖掘其轨迹调整潜力,消除集群相互规避导致的迭代振荡问题,提升集群轨迹迭代的收敛速度。定制时间一致约束更新准则,避免集群飞行时间非正常增长情况,并理论证明了DPD-SCP方法能够生成满足动力学、避碰与时间一致约束的集群轨迹。仿真结果表明:所提的DPD-SCP方法的求解效率显著优于耦合SCP、串行优先级解耦SCP以及并行解耦SCP方法。