基于动态加权A*算法的无人机航迹规划

随着无人机航迹规划高维空间的扩展,无人机的飞行环境变得异常复杂,其外部威胁不再是简单的二维静态威胁,传统的蚁群算法和人工势场算法已经不能满足实时性和高复杂环境的要求。为解决上述问题,提出新的基于动态加权A^*算法的无人机航迹规划。首先对无人机的飞行环境进行建模,通过研究航迹规划的转弯半径、航迹段长度和最大航程限制等约束条件,用于保证无人机的安全飞行,从而降低坠机率和威胁概率;其次,通过研究无人机的航迹和外部威胁参数,设计出新的航行方式,降低航行危险和减少损失;然后,通过扩展顶点势能定位和网格图整体变化的动态权重,获得动态环境下的代价函数,增加避障搜索速度、精度和加深回避程度。最后,通过仿真结果表明,在同一应用环境下,所提算法与蚁群算法和人工势场算法相比,航迹路径最优、威胁代价最小和算法执行的时间最短。综上,基于动态加权A^*算法很好地应用于无人机航迹规划,降低了无人机航迹代价,缩短了算法完成时间,提高了复杂环境下无人机航迹规划的搜索速度和精度。     

基于MPC-PSO的无人机在线航迹规划

研究了无人机在战场环境部分已知突然出现动态威胁情况下的三维在线航迹规划问题.采用"预规划-在线轨迹跟踪"的模式,根据已知的环境信息,离线规划出UAV的参考航迹.然后UAV在飞行过程中,需要在跟踪参考航迹的基础上,对UAV未来一段航迹进行预测,然后利用粒子群算法优化出UAV的最优(或次优)的飞行航迹.与传统的在线规划方法粒子群和稀疏A*搜索算法相比,该方法有效地提高了规划航迹的可行性和实时性,降低了算法的复杂度.仿真表明该算法是一种有效的无人机路径规划算法.     

无人机航迹规划算法研究

航迹规划算法是无人机应用的关键技术之一。本文主要结合蚁群算法对无人机三维航迹规划进行了系统的研究。针对无人机三维航迹规划的复杂性及其搜索空间大且效率低的问题,提出了一种基于蚁群算法的航迹滚动规划方法,并将地形条件与航迹规划的约束条件加入搜索算法中,以使规划的航迹更符合实际情形。仿真实例结果表明,所提出的规划方法可以规划出满足无人机飞行要求的航迹。     

基于人工免疫网络的机器人局部路径规划

为解决复杂环境下机器人路径规划问题,提出了基于人工免疫网络(artificial immune network,AIN)的移动机器人局部路径规划算法。建立了AIN与机器人局部路径规划问题的映射关系,给出了算法流程,最后对提出的方法进行了仿真验证,并与人工势场法进行了比较,结果表明该方法在复杂障碍物环境下是可行和有效的。     

基于遗传算法的无人机航迹规划研究

本文研究了一种用遗传算法进行无人机航迹规划的方法,指出了无人机航迹规划的定义;提出了一种给定威胁及障碍分布下的无人机路径规划算法。根据威胁及障碍分布情况构造无人机可能飞行的航路集voronoi图,采用Dijkstra算法搜索威胁及障碍分布图,求解初始最短路径。在初始最短路径基础上,采用遗传算法优化初始路径。最后进行仿真实验,结果验证了遗传算法能提高航迹质量。     

飞行机器人的电力杆塔巡检路径规划

针对飞行机器人进行电力杆塔巡检路径规划.对内存有限的嵌入式飞行器,结合飞行机器人的运动性能约束,基于采样优化方法,提出了一种改进的RRT*FN路径规划算法.仿真环境设置为有障碍物的二维简单环境、三维复杂环境和电力杆塔巡检路径规划,结果表明本文所提出算法较其他RRT算法在最大节点数受限情况下保持其快速性和有效性.     

基于数字地图预处理的飞行器航迹规划

针对飞行器在低空复杂空域下航迹的规划,研究了地形条件以及地表威胁对飞行器飞行的影响。通过对数字地图以及静态威胁的分析,探究了数字地图的处理方法,并用埃尔米特插值函数进一步对地图进行平滑处理,减少最优航迹的搜索范围。通过设计地形跟随、地形回避以及威胁躲避的方法,保障了飞行器的安全。深入分析粒子群算法,在飞行器执行任务前实现对三维航迹的规划。通过仿真,展示了地图处理前后的区别,实现了三维最优航迹的离线规划。     

基于A~*的快速三维航迹规划算法

针对标准启发式A*搜索算法所存在的规划速度慢以及受限于二维空间问题,提出了一种基于A*的快速三维航迹规划算法.该方法以基本A*算法为理论基础,并将约束条件结合在搜索算法中,在三维规划空间中将地形高度信息通过所确立的高度代价转换函数简化计算并达到快速规划要求.算法分析和实验表明,该方法能在三维环境空间中快速规划出所需航迹以满足任务需求.     

多旋翼无人机低空航迹规划问题

无人机航迹规划是确保飞行安全高效的重要因素,针对使用二维地图进行航迹规划飞行存在航点精度差、飞机姿态不稳定等问题,通过对多旋翼无人机飞行状态特性分析,讨论了一种利用倾斜摄影三维模型进行复杂地域航迹规划的新方法,并采用实装飞行的方式进行验证,结果表明该方法对在地形复杂地区航迹规划具有较好实用价值.     

无人飞行器延时航迹规划方法

编队飞行中无人飞行器由于战场态势改变等原因常常需要延迟打击目标。在定高飞行模式下,提出了基于分层规划的延时航迹规划方法,首先基于最小风险值选择最佳延时机动区域,然后采用基于解析法的延时航迹规划算法,生成满足延迟时间和飞行约束条件要求的延时机动航迹。通过分析计算各个航迹段附近区域的风险值,确定了无人飞行器延时机动的安全飞行区域;基于解析法提出徘徊延时航迹的规划算法,并用该算法生成满足飞抵时间延迟量要求的延时航迹。仿真结果显示,徘徊延时航迹规划算法能够高效准确地规划出需要的延时航迹,规划总时间在规定的时间范围内,较好地满足了无人飞行器需要延时飞行的时间要求。     

复杂环境下的移动机器人路径规划

为了提高移动机器人在复杂环境下的路径规划能力, 通过双层路径规划思想研究了移动机器人路径规划问题：用栅格法对机器人工作环境进行建模,首先采用改进的遗传算法进行全局路径规划,解决了由于交叉概率和变异概率选择不当导致最优个体丢失的问题;然后,在规划好的全局路径的基础上利用改进的人工势场法进行局部动态避障,解决了局部极小点问题。结果表明：移动机器人能够在复杂环境下规划出一条无碰撞的优化路径。可见改进算法的有效性。     

面向城市超低空物流场景的最小风险路径规划算法

随着城市超低空物流运输场景的迅速发展，无人机路径规划的安全性显得尤为重要，针对现有路径规划算法无法满足超低空物流运输无人机在密集障碍物场景下进行安全轨迹规划的问题，本文基于A*算法，将三维环境依据飞行高度划分为多个高度层，以规划风险最小轨迹为目标，从时间、风险两个维度对A*算法的成本估计函数进行重构，从而提出面向城市超低空物流场景的最小危险路径规划算法。仿真实验一表明，本文提出的最小风险路径规划算法在3种不同城市场景，15种不同运行环境中，相比于传统轨迹规划算法，规划得到的路径安全距离平均增加60%，安全性显著提高；本文也将该算法应用于多无人机多高度层的复杂城市场景中，实验结果表明，本文提出的最小风险路径规划算法在兼顾航程的同时可以为多架无人机规划安全性更高的路径；在实验三中运用蒙特卡洛法证明本文算法在路径规划算法中的可靠性与鲁棒性，为城市超低空物流场景提供了安全性更高的路径规划方法。     

基于冲突点避让机制选择的航空器滑行路径优化

针对航空器地面滑行的问题,提出了冲突点选择避让机制来优化航空器滑行路径。通过构建地面滑行路径的节点-路段模型,以航空器全部滑行到预定节点所用时间最短为目标,建立了路径滑行优化模型。通过建立可行路径集,利用启发式搜索算法,从静态路径规划、动态路径规划两阶段对滑行路线进行优化,得到航空器滑行优化路径。以某机场某一时段内航班到离港时间数据为例,对算法进行了验证,结果显示:经算法优化后,可减少时间段内各航班的最短滑行路径的冲突,缩短滑行时间,滑行道使用较分散,可降低航空器滑行中运行风险。     

航班多级动态规划策略与运行控制优化

为实现航班运行控制的全局规划和控制策略定量评价,打破传统多集中于规章手册的定性分析的运行控制技术方法,建立航班运行控制最短路径最小代价的策略构架图,提出三级控制策略的最优性动态规划运行控制模型;设计改进的动态规划递推方程,通过数值计算算法,得到表格形式的最优控制与最优代价函数,解决了航班运行控制决策这一类非线性离散复合型规划问题无法得到最优控制解析表达式的困难。最后,引入航班运行实例测试模型和算法的适应性和优越性,实验结果表明,动态全局规划不同于传统的每个航班独自分阶段的“点式思维模式”,实现了整个公司所有航班、所有航站和所有机队的全局运行控制优化。     

基于人工势场的机器人动态路径规划新方法

针对传统机器人路径规划方法仅考虑静态环境的问题,建立了一种基于人工势场的移动机器人动态路径规划新方法.移动机器人运动环境通常是复杂多变的,在动态环境下,目标点、障碍物可能都是运动的,另外,存在运动轨迹未知的随机障碍物等,针对移动环境的动态情况,在传统人工势场法相对位置势场的基础上引入相对速度势场,充分利用量子粒子群算法,对引力势场和斥力势场的增益系数进行一定的优化.以量子粒子群的优化算法进行快速全局搜索,结合人工势场操作,对引力场和斥力场增益系数进行优化,该方法易于实时快速地对机器人进行控制.仿真结果表明,基于量子粒子群算法的人工势场法的路径规划模型能够得到平滑、安全的路径,具有较高的性能.该方法可以有效地实现机器人的动态路径规划.     

油浸式变压器微型仿生鱼全局路径规划策略

为有效检测大型变压器内部的故障位置和故障类型,通过利用微型仿生鱼对变压器内部进行视觉观测,可较直观的检查变压器内部故障。微型仿生鱼在检测过程中的路径规划是仿生鱼任务完成的关键。针对变压器内部复杂的三维空间,本文提出了基于人工势场法和蚁群算法的三维全局路径规划策略,并利用LABVIEW对变压器微型仿生鱼的三维全局路径规划结果进行了仿真分析。分析结果表明：当引入了人工势场法的相关机理,蚁群算法将不再盲目进行搜索,而是优先选取人工势场合力方向的临近栅格点,提高了算法搜索速度和全局寻优能力。基于人工势场法和蚁群算法的三维全局路径规划策略对微型仿生鱼进行了有效路径规划,具有较好的实用性,这对后续变压器微型仿生鱼样机的控制提供了重要参考。     

基于弹道下降方式的无人机风险评估与航路规划

针对无人机系统失效后对地面人员及财产安全的威胁,提出了一种基于弹道下降方式下的无人机风险评估及航路规划方法。分析了无人机失效后的下降特点及规律,采用栅格法划分空域环境,以地面不同属性构建低空空域环境风险评估模型。结合无人机飞行的风险值、路径长度和空域情况,建立了多目标、多约束的无人机飞行航路规划模型。利用改进蚁群算法进行求解：优化转移概率,避免蚂蚁陷入死区间和减少盲目搜索;对信息素的更新进行改进,调整自适应系数增强最优路径的信息素浓度,提高算法收敛速度与稳定性。相比传统蚁群算法的路径规划,运行时间缩短6.7%、最优路径风险值降低41.45%、整体性能提高18.0%。仿真结果表明：本文模型及改进算法可以在提高路径安全性的前提下,缩短规划路径生成时间且保障运行的经济性。     

基于增强拓扑神经演化强化学习的水面无人艇局部路径规划

针对水面无人艇(unmanned surface vessel, USV)在复杂环境下的局部路径规划问题,对USV路径规划问题进行了数学建模,提出了基于增强拓扑神经演化(neuroevolution of augmenting topologies, NEAT)算法的局部路径规划方法;设计了神经网络初始结构和演化参数,对初始神经网络结构进行演化实现避障及到达指定目标的路径规划任务;通过设计适应度函数,实现路径点数目的优化。仿真结果表明:利用NEAT算法演化神经网络的方法能够使USV在复杂的环境中准确避开障碍物并到达目标点,且在路径点数目和鲁棒性方面优于传统的模糊逻辑算法与人工势场算法。     

复杂环境下移动机器人路径规划算法

对复杂环境下移动机器人全局和局部路径规划问题进行研究,提出一种全局-局部混合模式的路径规划方法.首先,对全局运动空间进行建模,运用全局模式规划一条从起点到终点的全局路径;然后,针对空间中影响机器人运动的移动物体,通过位置、速度分析碰撞的可能性,从而进行局部路径规划;最后,基于MATLAB仿真平台,将文中方法与经典人工势场法、改进人工势场法进行对比实验.实验结果表明:文中方法在机器人路径规划任务中的总时长和总长度均优于其他两种方法.