基于改进MOGOA的无人机群航迹规划研究

针对电子侦察系统中反辐射无人机群进行辐射源无源定位时机群的编队形式会对定位精度产生影响的问题,将克拉美-罗界(Cramer-Rao lower bound,CRLB)作为定位精度方面的优化目标,与其他优化目标、约束一起引入机群的航迹规划中,使无人机群运动过程中保持良好编队,确保无源定位精度.文中针对多优化目标复杂环境中航迹规划算法寻优能力不高的问题,提出了一种基于改进多目标蝗虫算法(IMOGOA)的无人机群3维航迹规划方法,通过对MOGOA的选择方式、收敛参数进行改进从而提高算法的收敛性能以及全局搜索性能.首先,建立无人机群航迹规划的运动学模型,并引入距离约束,除定位精度以外还引入了路程、威胁代价等作为航迹规划的优化目标函数,然后,对改进多目标蝗虫算法进行详细说明,最后设计基于IMOGOA的无人机群航迹规划方案的算法流程,并在设定场景中对该算法的性能进行了仿真分析.结果表明,所提出的IMOGOA能够成功地规划出无人机群从初始位置到辐射源位置处的3维航迹,同时使无人机群在运动过程中保持良好的定位精度,经IMOGOA规划的机群编队定位精度最高可达1.2%,性能明显优于正方形编队和随机编队,并通过将IMOGOA与原始蝗虫算法(GOA)、原始多目标蝗虫算法进行对比,结果表明IMOGOA的收敛速度比MOGOA快11.1%,搜索性能相较GOA提升13.8%.     

基于空间综合威胁体的无人机航迹规划方法研究

传统规划多数在平面中模拟威胁,难以真实表达威胁对无人机的影响范围,为了提高无人机飞行中的安全性和稳定性,在航迹规划中尽量规避周围环境的威胁,本文提出了一种基于空间综合威胁体的航迹规划方法,在目标区域内建立空间综合威胁体模型并进行分析及计算,最后进行航迹规划.空间综合威胁体的限制可有效减少待扩展节点的数量,提高航迹规划计算的效率.     

基于改进蚁群算法的多旋翼无人机航迹规划研究

航迹规划需要无人机快速到达目标点来减少航程,同时要躲避障碍物减小威胁。针对传统的蚁群算法在无人机航迹规划中易出现极值、收敛速度慢等缺陷,文章提出了一种改进的蚁群算法。对环境地图进行坐标转换来避免蚂蚁在最后节点可能横跨多个单元;利用起始点与目标点位置来初始化信息素分布,信息素挥发因子采用时间和空间的自适应更新策略,增强了算法的全局搜索能力和效率;设计了方向和角度最优的启发信息,并构造相应的综合评价函数;最后对航迹采用三阶B样条曲线平滑处理。仿真结果表明,改进后的蚁群算法能够快速收敛于最优航迹,并能很好地适应无人机的飞行要求。     

基于改进双向A星和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划,并提出基于碰撞检测的动态步长和双向去除冗余点方法,在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性.仿真实验表明,所提方法规划的路径长度短、耗时少,并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。     

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.     

基于改进马尔可夫决策过程模型的多机协同航路规划研究

该文针对多无人机在复杂环境下执行作战任务易受环境威胁影响的问题,提出一种基于改进马尔可夫决策过程模型的多无人机航路规划算法。利用离散化雷达威胁信息,设计多无人机作战环境与状态空间数目;将目标点方位空间离散化,进而合理分配状态转移概率;将雷达威胁与马尔可夫决策过程模型相结合,在无模型均匀结构的报酬函数基础上引入非均匀结构雷达威胁模型,建立改进马尔可夫决策过程模型执行策略搜索,为多无人机进行飞行航路规划。仿真结果表明,该方法不仅能为多无人机快速规划出合理有效的飞行路径,还使得多无人机航路威胁代价和综合代价降低了25%,保障在复杂战场态势下无人机高效执行任务的安全性。     

基于改进分散搜索算法的无人机路径规划

针对在敌情信息不明环境中无人机侦查路径规划问题,建立了车辆路由问题模型(VRP),提出了基于分散搜索的改进混合搜索算法.基于Bayes方法计算出点到点之间的威胁概率,并生成了一个赋权图,将无人机路径规划问题转化为车辆路由寻优模型.采用混合路径规划算法求解.该算法将模拟退火嵌入到分散搜索算法的框架中,充分利用了分散搜索的全局搜索能力与模拟退火的局部搜索能力来优化无人机的侦查路径,混合算法在保证时效性的同时提升了求解的质量.仿真结果验证了算法的有效性.     

一种基于双目视觉的无人机自主导航系统

针对无人机实时自主导航问题,本文设计并实现了一种能自主感知未知室外环境,实时自动规划路径的旋翼无人机系统.首先利用双目视觉,使用经光束法平差(BA)优化的经典SLAM系统,ORB SLAM2算法获取无人机位姿信息;再以"推扫式"感知方法和改进的绝对误差和(SAD)算法获取环境信息和障碍物点.其次,结合无人机位姿信息与环境障碍物点生成局部障碍物地图,同时使用并行计算框架,提高系统性能.针对无人机系统实时性问题,设计的SAD算法只关注固定视差大小的像素块的稀疏匹配.最后,根据生成的当前局部环境障碍物地图与本地轨迹库,自主选择运动轨迹,有效自主规避障碍物,达到实时局部路径规划的效果.以上功能全部在无人机搭载的嵌入式处理器Nvidia Jetson TX2中完成处理.仿真与实际飞行实验表明:设计的系统基本实现无人机在未知室外场景下的实时自主感知与路径规划,在采集视频分辨率为1 280×720时,处理速度能达到60帧/s,为完善低成本无人机的避障与导航功能提供一种参考.     

基于改进型A*-Markov联合模型的无人机航路规划

实验一种基于改进型A~*算法来对无人机进行任务路径规划.引入了无人机的机动步长、转角限制和飞行高度,有效地缩减了无人机搜索空间,除此之外还引入了地形、任务等约束条件,使航路规划更接近于真实环境.考虑到规划过程中敌方能力的不确定性,以及无人机在航路中的生存概率的不可知性,采用八状态Markov模型评估无人机的飞行状态.该模型与A~*算法结合时在威胁区域内完成任务后,由于时间的积累向外扩展时生存代价值越高,导致迭代次数过多,而同心圆模型越向外扩展时生存代价值越低的优点可避免该问题,因此引入同心圆模型与Markov模型的联合模型.仿真实验结果表明,该方法可以有效地检测航路中飞机的各种状态的概率,以此对整个航路进行评估,并且有效降低了仅采用Markov模型时在威胁区域内完成任务点后规划新航路迭代次数过多的问题.     

基于改进RRT的无人机电力杆塔巡检路径规划

为了达到无人机在电力输电线路环境中能够进行有效的路径规划以及轨迹跟踪的目的,立足于RRT(Rapidly Exploring Random Trees)算法,提出一种在电力输电线路中适用于无人机的路径规划算法．该算法在融合无人机的动力学特性,及RRT扩展的随机性的基础上,通过设计最大航向角以及路径高度的约束,使得规划的路径在高度方向上向目标点渐进逼近,并能克服传统RRT在狭窄空间规划失败的问题.算法在ROS(Robot Operating System)-Gazebo环境中进行了仿真试验,验证了该算法在电力输电线路环境下的实用性.     

大规模无线传感网络数据收集的无人机路径规划

针对部署在地表交通困难的大规模无线传感网络,采用目前可控无人机(unmanned aerial vehicles, UAV)进行数据收集能够达到更好的效果. 然而,考虑到无人机自身有限的资源,以及网络中存在大量传感器节点的情况,无人机飞行路径规划对于顺利完成数据收集任务具有重要作用. 无人机路径规划可以看作经典的旅行商问题(traveling salesman problem,TSP). 针对部署具有均匀性特点的大规模无线传感网络,提出了一种规则化快速路径规划(fast path planning with rules, FPPWR)算法. 该算法通过网格划分,将全局区域飞行路径的求解划分到多个较小的方格中进行,并通过成对算子路径优化算法在初等飞行路径上将方格区域中的路径合并为全局路径. 实验证明,该算法在保证了较高精度的同时,显著提升了路径规划的效率.      

基于配送模式的无人机城市配送路径规划

无人机以其“小、快、灵活”的优势逐渐应用于城市物流配送当中。本文首先论述了无人机配送模式,分为机车协同模式与无人机独立运行模式。其次阐述了无人机配送路径规划的影响因素,包括能耗、禁区障碍物等绕飞因素以及不确定的自然环境。最后根据两种配送模式,探讨了内外因素对无人机配送路径规划的影响。结果说明非线性无人机能耗模型更符合无人机实际运行特征;风、温度等天气因素影响其城市配送飞行方向与电量能耗等;禁飞区、时间窗等外部因素也影响无人机路径规划。实际运行中无人机会受到多重因素共同影响,能耗与外部因素对无人机路径规划影响问题研究还有待进一步完善。     

基于Q学习的无人机三维航迹规划算法

针对现有的基于强化学习的无人机航迹规划方法因无法充分考虑无人机的航迹约束而使规划获得的航迹可用性较差的问题,提出一种更有效的无人机三维航迹规划算法.该算法利用无人机的航迹约束条件指导规划空间离散化,不仅降低了最终的离散规划问题的规模,而且也在一定程度上提高了规划获得的航迹的可用性,通过在回报函数中引入回报成型技术,使算法具有满意的收敛速度.无人机三维航迹规划的典型仿真结果表明了所提出算法的有效性.     

基于改进粒子群算法的城市物流无人机路径规划

城市物流无人机路径规划是无人机任务规划系统的一项核心内容。为安全、高效实现物流无人机路径规划问题,首先,采用栅格法进行环境建模,考虑无人机性能限制,以路径长度最短、无人机高度变化以及栅格危险度最小为目标,建立多约束物流无人机路径规划模型。其次,针对传统粒子群算法存在的问题,引入Singer映射改进粒子初始分布、线性调整加速因子和最大速度,粒子位置新更新策略,及动态调整惯性权值,应用改进的粒子群优化算法求解模型。最后,进行了算例仿真分析。当栅格粒度取5米,路径节点取5个,代价函数权值分别取0.1、0.4和0.5时,与其他4种算法相比,本文算法总代价值最佳,分别减少44.5%、3.5%、42.8%和30%。结果表明,本文的模型与算法用于无人机路径规划是可行的和有效的。     

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。     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

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。     

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。