基于路径-速度解耦的无人机编队协同轨迹规划

针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径-速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization, CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径，对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法, DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。     

无动力无人机进场阶段三维Dubins路径跟踪方法

针对无人机进场阶段失去推力后,如何使其跟踪一条给定进场路径这一特殊情况,提出了一种3维Dubins路径跟踪方法,该方法首先利用Dubins曲线解决无人机故障位置任意性及其路径求解实时性高的路径规划问题;然后为了跟踪所生成的3维Dubins路径,设计了一种基于切换平面的自适应非线性制导方法,其中切换平面用来解决圆弧制导与直线制导之间的过渡问题,而自适应规则降低横纵向制导律之间的相互影响,从而提高了系统的跟踪精度。最后通过仿真实验验证了该方法的有效性。     

有人/无人机编队队形集结控制研究

针对有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队队形集结控制问题，设计了一种基于航迹规划-跟踪的MAV/UAV编队集结控制策略。首先，考虑编队队形集结边界约束与防碰撞约束条件，设计了一种基于Dubins曲线与协同模拟退火粒子群优化相结合的编队集结航迹规划算法。然后，以规划得到的集结航迹作为期望航迹，设计了一种双回路结构的非线性路径跟踪控制方法。最后，利用Matlab软件对设计的航迹规划与跟踪控制方法进行了仿真对比实验，仿真结果验证了方法的有效性和优越性。     

一种无人机平滑飞行轨迹规划方法

针对现有无人机飞行轨迹规划结果存在折点的问题,提出了一种给定威胁分布下的无人机平滑飞行轨迹规划方法.该方法根据战场威胁分布确定无人机可行节点,并依据威胁代价与距离代价构造综合代价指标,生成赋权图;采用Dijkstra算法求解一条由初始点到目标点综合代价最优的参考轨迹,并可根据任务需求对综合代价指标的权值进行调整,得到满足任务要求的参考轨迹.在参考轨迹基础上,结合无人机自身机动性能约束,采用圆弧拟合方法生成无人机平滑飞行轨迹.仿真结果表明该方法可以快速生成满足任务需求的无人机平滑飞行轨迹.     

基于MAS的无人机新型编队算法

无人机群极大地拓宽了无人机的应用领域,有效地弥补了单架无人机执行任务的缺陷。本文针对无人机群的运动一致性和编队控制,将领导者-跟随者法中领导者与跟随者的控制算法进行集成,设计了一种基于多智能体系统(MAS)的新型无人机编队控制算法。该算法既适用于领导者又适用于跟随者,并且可随机指定无人机为领导者,领导者可以受到跟随者导航反馈的影响,提高了系统的适应性和可伸缩性。理论分析表明,无人机群不会发生碰撞并且能够收敛到期望的编队队形。再经过数值模拟验证了算法的速度和轨迹跟踪能力。结果表明,该算法能保证一群无人机按预定的编队和航迹飞行。     

改进Quatre算法的无人机编队快速集结方法

为了提高多无人机在编队集结过程中的稳定性, 提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary, IQuatre)算法的无人机编队集结方法。首先, 基于分布式模型预测控制(distributed model predictive control, DMPC)建立无人机编队的运动预测模型, 通过预测无人机的“未来态”规避编队内碰撞风险, 滚动优化的数学模型提高了无人机到达指定位置的稳定性, 使得无人机更好、更快地加入编队飞行; 其次, 对Quatre算法进行种群优化改进, 将携带最优基因的父代个体有选择性地加入子代种群, 加快种群收敛。实验结果表明, 基于DMPC的无人机编队集结未出现碰撞情况, 减小了无人机调整状态过程中出现的位置偏差; 对比仿真验证了IQuatre算法能够提高编队集结的稳定性, 较原Quatre算法减少了5.2%的平均迭代次数, 在计算时间上节约了4.6%, 位置误差减小了0.45 m。     

多无人机集结问题分布式求解方法

针对多无人机协同对地打击的任务区集结问题,建立了基于一致性理论的分布式控制结构,设计了结合航迹规划与轨迹控制的策略以实现多无人机同时到达。以提高一致性算法收敛速度为目的,引入状态观测器,改进了含有虚拟Leader的一致性控制算法,并对新算法的收敛性和快速性进行了数学证明。仿真结果表明,本文的方法能够有效实现多无人机同时集结到目标位置,改进的算法具有更快的收敛速度。     

基于改进势场的无人机编队恢复与一致性仿真

针对多无人机编队防撞、编队恢复及位置和速度收敛一致性问题,提出以改进势场原理与一致性理论为基础的分布式协同编队控制算法。建立静态障碍物模型、无人机质点模型与二阶系统动态模型;定义含协调因子和通信权重的机间协调势场函数,实现防撞和队形恢复的控制目标;在基本一致性协议中引入编队中心参考向量、期望速度和速度镇定项,实现位置和速度的收敛一致性;结合改进的一致性协议与改进势场作用下的合加速度设计协同编队控制算法,并由Hamilton函数证明该算法的稳定收敛性。仿真结果表明：该方法可以实现防撞、队形恢复及位置与速度收敛一致的控制目标。     

基于3D-APF和约束动力学的无人机编队飞行控制

针对无人机编队的路径规划和队形保持问题, 提出了一种基于三维人工势能场(three-dimensional artifical potential field,3D-APF)的无人机编队路径规划与队形保持方法。对于无人机的路径规划,建立了改进的三维人工势函数。在此基础上,建立并推导了虚拟力环境下的无人机运动学模型。对于无人机的队形保持问题,运用约束动力学理论引入拉格朗日乘子建立含有队形约束的编队无人机约束动力学方程组,使编队无人机在整个飞行过程中保持期望队形。采用Penalty-Formulation对拉格朗日乘子进行求解,得到编队无人机约束动力学方程组。最后基于Matlab的仿真实验验证了所提方法的有效性。     

基于层次分解策略无人机编队避障方法

针对危险模式下无人机编队问题,提出基于层次分解策略的编队避障方法.通过构建Voronoi图,利用K路径算法为各无人机找到多条备选航路;然后建立协同函数,为各无人机规划出既能满足时间协同要求,又能满足整体代价最优(次优)的障碍物规避航迹.并设计了无人机编队的通行规则,解决了无人机在避障飞行过程中有可能产生的碰撞冲突问题.仿真结果验证了算法的有效性.     

基于速度障碍法的多UAV可飞行航迹优化生成

研究无人飞行器(unmanned aerial vehicle, UAV)在线可飞行航迹的自主规划对UAV适应非结构化环境、提高机动作战能力具有重要的现实意义。提出了一种基于Pythagorean-Hodograph (PH)曲线的UAV在线航迹生成算法,可以根据UAV当前的飞行状态、目标点信息及传感器探测信息实时规划出曲率连续的可避碰飞行航迹。考虑系统动态性能约束,采用分布估计算法对航迹参数进行优化选取,提出基于区间选优的全局精英个体概率选择机制,提高了航迹生成的速度及精度。根据速度障碍法原理,结合PH曲线的特点,给出了高动态环境下多UAV的实时动态避碰规划算法,该算法能使轨迹快速趋近于目标。对一组UAV的航迹规划在不同环境下进行了仿真实验,仿真结果证明了算法的有效性和实用性。     

基于NURBS和GOBL-ACDE的航迹规划算法

针对复杂地形条件下无人机低空突防动态航迹规划实时性及精确性的问题,提出了基于广义反向学习的自适应约束差分进化(generalized opposition-based learning adaptive constrained differential evolution, GOBL-ACDE)算法,结合非均匀有理B样条(non-uniform rational B-spline, NURBS)平滑策略,提高了多威胁复杂地形下动态航迹规划的精确性、高效性及适航性。首先,构建航迹规划任务模型,建立目标代价及约束限制函数,提出一种高度转换方法,有效提高低空突防能力;其次,将NURBS平滑策略与B样条插值以及贝塞尔曲线对比分析;再次,应用广义反向学习、自适应排序变异及自适应权衡模型,改善约束条件下算法动态性、收敛性及寻优性能;最后,通过静态与动态环境对比仿真试验,验证了所提方法在多威胁复杂地形下寻优精度高、鲁棒性强、动态性好以及可靠性优的特点,能够规划出精确、高效、适航的低空突防航迹。     

基于LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm, SSA)在求解多无人机(unmanned aerial vehicle, UAV)协同航迹规划问题时收敛精度不高, 易于陷入局部最优等问题, 提出了一种使用对数螺旋策略和自适应步长策略的SSA(logarithmic spiral strategy and adaptive step size strategy of the SSA, LASSA)多UAV协同航迹规划方法。首先利用分层规划思想, 先建立单UAV航迹规划模型, 然后再建立时间协同多UAV航迹规划模型, 将航迹规划问题转化为函数优化问题。其次, 采用对数螺旋策略, 扩大对周围空间的搜索, 增强种群个体多样, 并利用自适应步长策略, 更好地控制开发和探索行为。最后,利用LASSA对提出的航迹规划模型进行求解。仿真结果表明, 本文提出的LASSA能够在满足时间协同的条件下, 规划出代价近似最优、符合约束的协同飞行航迹, 证明了本文提出的基于LASSA的多UAV协同航迹规划方法的有效性和改进算法的优越性。     

一种无人机路径规划算法研究

指出了飞行器航迹规划与路径规划的区别；提出了一种给定威胁分布下的无人机路径规划算法。根据威胁分布情况构造无人机可能飞行的航路集，用voronoi图表示出来，采用Dijkstra算法搜索威胁分布图，求解粗略最短路径。在粗略最短路径的基础上，应用三次样条曲线和序列二次规划的方法求解最优路径。用Matlab进行仿真验证，证明了算法的有效性。     

时间和角度约束下的双圆弧路径规划

为满足无人飞行器(unmanned aerial vehicle, UAV)打击目标的时间、角度约束,提出了基于双圆弧轨迹的路径规划方法。对UAV初始、末端速度方向情况进行了分类,分别推导了对应的双圆弧参数解析形式及其单调性。同时,根据双圆弧参数解析式,得到生成路径的唯一自由度,减少了路径规划参数输入。分析了双圆弧路径长度与路径参数之间的关系,设计了多UAV协同攻击路径规划方案。数值仿真结果证明了双圆弧路径规划的有效性和实用性。     

基于粒子群优化算法的无人战斗机路径规划方法

对于无人机的路径规划问题,从和机器人路径规划问题的差别入手,通过粒子群优化算法对有限数目的采样航点的优化,使用高次B样条曲线拟合出满足路径最短且威胁最小的无人战斗机的飞行路径。研究了路径规划约束的数学模型、粒子构造方式和粒子的评价适应度函数。通过仿真对目前出现的基于粒子群优化算法的无人机路径的多项式拟合方法和所提出的基于B样条拟合的方法进行了比较。仿真结果表明,使用粒子群算法优化出来的B样条曲线比多项式拟合法和几何方法更加合理有效。     

无人机鲁棒轨迹线性化控制航迹跟踪设计

研究一种鲁棒轨迹线性化控制方法并将其应用于无人机(unmanned aerial vehicle, UAV)航迹跟踪控制设计。通过理论分析指明传统轨迹线性化控制方法对系统中的不确定性存在鲁棒性不足的问题,采用改进隐层自适应神经网络对不确定性进行补偿,并利用Lyapunov理论证明了跟踪误差的有界性,最后将该方法应用到无人机三维航迹跟踪控制中。仿真结果表明,当参数摄动在20%时,该控制方法仍能使UAV很好地跟踪理想航迹,从而验证了该方法的有效性。     

基于PCE方法的无人机轨迹规划与分析

针对无人机轨迹规划过程中不确定因素的特点,提出了一种利用多项式混沌展开(polynomial chaos expansion, PCE),并获得基于人工势能法的模型最优参数的无人机轨迹规划方法。通过建立PCE代理模型,利用随机配置点法进行快速求解,规避了对已有的最优控制模型直接优化带来的计算资源不足的问题;通过Sobol灵敏度分析,减少不确定性参数在轨迹规划模型中的计算量;通过无人机轨迹规划案例,证明了方法的有效性。仿真结果表明：该方法与经典的人工势能模型相比,增加了不确定性分析,提高了模型计算效率。