一种基于蚁群智能算法的航迹优化方法

航路规划是飞机地形回避系统的一个关键环节,是完成低空飞行任务的基础。针对飞机地形回避过程的航路规划技术进行研究,利用k均值算法对地形采样点进行聚类,建立地形障碍空间模型。运用狄克斯特拉算法进行初始航迹规划,然后利用蚁群智能算法对航迹进行优化,缩短整个航线的航程。通过仿真验证了方案的可行性和合理性。     

基于改进进化算法的无人机航迹规划

基于进化算法的无人机航迹规划已经得到了广泛的研究;但是由于其进化算子的多样化,还存在许多不足之处。针对现有进化算法的缺点引入一种新的坐标系,提出了一种定向进化策略,使每个航迹点根据具体情况进行定向变异。为了测试改进算法在航迹规划中的避障能力,进行了一系列的仿真实验。仿真结果表明基于改进进化算子的进化算法在无人机航迹规划应用中具有很大的优越性。     

基于改进蚁群算法的无人机航迹规划

针对无人机在指定地点执行侦察、 巡逻或攻击等任务, 将无人机执行任务的航迹代价模型转化为旅行商问题, 采用改进蚁群算法实现航迹规划。通过引入去交叉禁忌搜索策略, 对基本蚁群算法进行改进, 以解决在收敛后期易陷入局部最优的问题。同时, 利用数值仿真对所研究的基于改进蚁群算法的无人机航迹规划算法进行验证。仿真结果表明, 该算法能提高了无人机航迹优化能力。     

基于改进粒子群优化的多无人机协同航迹规划

由于航迹规划可以为多无人机飞行控制提供参考指令,且当前粒子群航迹规划算法存在收敛速度慢,成功率不高的缺点,故提出了一种综合改进粒子群的多无人机协同航迹规划算法,考虑了无人机性能约束、障碍与威胁约束、空间协同与时间协同约束。首先,通过对学习因子线性化调整,实现了粒子惯性和最优行为的平衡;其次,引入混沌初始化,改善了粒子分布质量;然后,基于遗传变异思想设计了取代策略,同时提出了调速机制,提升了算法收敛速度。最后,将综合改进粒子群算法进行仿真验证,规划结果成功率高、收敛速度快且航迹代价小,可见改进算法的有效性。     

人工免疫算法路径规划在林火救援中的应用

为解决复杂环境下双机林火救援路径规划问题,提出用人工免疫算法规划三维飞行航迹。借鉴人工免疫算法规划机器人路径的方法,通过考虑飞机飞行特性和双机路径规划的要求,为双机异地出发同时到达规划出三维飞行路线,并对算法的主要影响因素进行了分析和估计,获得规划航迹的最优参数,用于设计安全高效的飞行航迹。研究结果表明,该方法能规划出复杂环境下双机飞行航迹,利用参数优化后的人工免疫算法不但能快速有效地规划三维航迹,而且丰富了航迹规划方法研究。     

一种无人机分层三维航迹规划方法

针对SAS算法在三维航迹规划问题应用中的不足,提出了一种基于分层策略的三维航迹规划方法。该方法分为两个层次:粗粒度的SAS快速航迹规划和细粒度的遗传算法优化。SAS算法以较大步长快速找到搜索图中的最优解,建立航迹通道。在航迹通道内利用改进的遗传算法对航迹进行优化。设计了一种定向变异算子用于航迹的平滑。仿真实验表明,该方法规划的三维航迹能满足地形跟随和规避威胁的要求,同时具有良好的平滑特性。     

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%.     

基于改进PH曲线的无人机航迹规划

 航迹规划是无人机任务规划的重要组成部分。针对现有航迹规划存在的不足, 提出一种基于改进pythagorean hodo-graph(PH)曲线的航迹规划方法。该方法结合了PH 曲线的曲率连续性和粒子群优化算法的快速搜索特点, 将PH 曲线的控制点选取通过粒子群算法进行优化, 可以快速得到避障安全、满足最大曲率限制和曲率连续的最优PH 路径。仿真结果表明了该方法的有效性。     

航迹规划算法在无人机电力巡线系统中的应用

无人机在电网巡检中具有安全性高、检测结果准确、可长时间持续工作等优点。文章对无人机在电力巡检中常用的几种飞行模式进行分析,并对无人机在电力巡线中自主规划航迹加以优化,提出了基于航迹规划的电力巡线方案,同时在地面工作站上标定开始和结束位置,借助航迹规划算法获取待飞航点,组成航线,从而实现对线路的跟踪。     

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。     

移动机器人路径规划算法综述

为提高机器人路径规划的搜索速度,缩短搜索时间,总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史,并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结,并从移动机器人对环境掌握情况的角度出发,将移动机器人路径规划分成全局规划和局部规划两类,然后对全局规划和局部规划的相关算法进行综述,同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。     

知识引导的智能优化算法在航路规划中的应用

为了提高智能优化算法对航路规划问题的求解质量和效率,提出了一种知识引导型智能优化算法的航路规划求解框架.与传统引导进化不同的是,考虑到以往所用知识的局限性,该框架并不是采用从前期优化过程中挖掘出来的知识,而是采用航路规划特定领域知识.为了描述引导方式,将智能优化算法形式化定义为3个引导对象的集合,从而将引导方式划分为7类单独或组合形式.根据航路规划特定领域知识的各自特点选择对应的引导方式,并将其结构化为能够改进算法性能的元策略,以粒子群优化算法为例对求解框架进行验证,仿真实验结果表明,特定领域知识的引导能够非常显著地提高算法的全局搜索性能和收敛速度.     

多约束条件下基于改进遗传算法的移动机器人路径规划

针对在多约束条件下移动机器人在路径规划中搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及困难度这3种因素的影响,通过分析多约束条件下遗传算法在初始化种群时计算方法的不足,提出利用SPS(surrounding point set)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力;增加平滑算子和删除算子,删除相对最终路径而言不必要的点,同时使路径更加平滑;结合小生境法以保持种群多样性,避免出现算法早熟现象.仿真结果表明,改进后的算法在路径长度,路径平滑度以及路径困难度方面均有一定的优势,同时算法的收敛速度也略有提高.     

向人脑学习的UCAV认知导航航迹规划研究

认知导航是支撑无人作战飞机自主飞行的重要导航方式,智能在线航迹规划是认知导航亟待解决的热点问题。为满足无人作战飞机的自主飞行能力需求,从"向人脑学习"的角度提出了无人作战飞机认知导航航迹规划新技术。首先分析了无人飞行器在线航路规划技术的研究现状,指出了其存在的主要问题,总结了技术发展趋势;其次针对当今在线航迹规划技术难以解决的环境/任务智能自适应问题,提出了"向人脑学习"的仿生航迹规划新方法,阐述了新方法的基本内涵与认知循环,明确了认知导航航迹规划的主要功能;最后对认知导航航迹规划的各项关键技术进行了剖析,指明了需要克服的难题。     

环境自适应软体机器人驱动方式和路径规划研究

软体机器人具有优越的柔软性能,能够灵活的穿越狭小的空间,并且对非结构化环境具有较强的自主适应能力．驱动方式和路径规划是软体机器人的关键,其驱动分为有缆驱动和无缆驱动．采用气动、形状记忆合金、电活性聚合物、聚合凝胶等作为驱动器．气动、形状记忆合金之类的驱动器灵活度低、自由度少;电活性聚合物以及聚合凝胶之类的驱动器灵活度高、自由度高．软体机器人的路径规划主要采用人工智能算法,在实际使用中还存在一系列的问题需要继续研究．比如概率路线法和碰撞检测法都易陷入局部最小点与最优点：遗传算法运算效率不高、在线规划困难：神经网络算法泛化能力差等．现在可用的智能算法都只适用特定的物体而不适用通用可变形物体．未来需要致力于柔性驱动器以及新型路径规划算法的研究．     

基于粒群行为与克隆的移动机器人进化路径规划

针对移动机器人路径规划, 将粒群行为和生命科学中的免疫克隆原理、进化算法相结合, 将过去进化过程中的经验通过粒群行为来体现, 提出了一种结合粒群行为和免疫克隆的移动机器人进化规划, 较快速地规划出性能是全局优化的可行路径. 分析了粒群行为的二种学习方式对路径规划的作用, 研究了通过调整粒群行为操作中的参数实现多路径规划. 通过仿真实验, 对上述算法进行了验证.     

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。     

大数据环境下高校智慧校园信息化模式探究

随着信息化与高校教学管理工作的不断推进,为解决大数据环境下,高校教学管理向智能化、信息化方 向迈进,针对目前高校智慧校园信息化教学管理模式创新问题,结合实际应用,对存在的问题和不足进行分 析,探讨了产生问题的原因,提出目前高校智慧校园信息化教学管理模式的创新路径,为强化高校教学管理建 设和高校教育事业的现代化发展提供新理念。     

遗传算法在机器人路径规划中的研究综述

遗传算法(genetic algorithm, GA)是一种在机器人路径规划中应用最广泛的智能算法。近年来,机器人路径规划问题是各行业实践应用的热点问题。在分析GA优缺点的基础上,对GA在机器人路径规划应用领域进行深入调查,论述了现阶段国内外各领域发展现状,并阐述了现阶段存在的技术难点。最后对GA在机器人路径规划的发展趋势进行了展望。     

用于导管架全遍历检测的ROV路径规划

导管架平台是海洋油气开发中常使用的平台,但其所处的海洋环境使导管架经常受到流体冲蚀、海水腐蚀等,因此需要定期检查维护。为了缩短ＲOV( Ｒemotely Operated Vehicle) 的行走路程,减少检测维护费用,提高路径规划的智能程度,以惠州油田某型导管架平台为研究对象,针对ＲOV 对导管架进行单面和整体检测两种检测情况,结合图论和组合优化等理论进行了路径规划研究。通过仿真分析得出导管架全遍历的最优路线,所提出的路径规划方法和仿真结果具有较大的理论价值和实际指导意义。