无人驾驶汽车离散优化的轨迹规划算法

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法.该算法将带有时间戳的三维轨迹规划问题解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系.通过分层采样的方法构建路径Lattice图搜索初始路径,并基于多目标A~*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量.同时,优化轨迹规划,使轨迹收敛到全局最优解.最后,通过仿真实验,验证了该算法的有效性和可靠性.     

基于离散优化的无人驾驶汽车轨迹规划

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法。该算法将带有时间戳的三维轨迹规划问题,解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系。通过分层采样的方法构建路径Lattice图搜索初始路径,以及基于多目标A*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量。同时,结合优化的方法对轨迹进行优化,使轨迹收敛到全局最优解。最后,通过仿真实验,验证了该算法的有效性和可靠性。     

基于GIS与约束条件下的最优路径规划研究

根据无人地面车辆自主导航的需求,提出一种给定任务点的约束条件下的最优路径实现方法. 首先基于地理信息系统（GIS）平台构建为车辆行驶提供先验信息的GIS数据库,并设计研究基于计算几何的路段匹配算法,同时结合A*算法进行全局路径规划. 然后根据无人地面车辆的运动特性和对路口识别的需求提出了新的路口模型,同时为保证无人地面车辆行驶轨迹的平滑性和对路口识别的精确性,对路口轨迹和U-turn轨迹进行了算法设计. 最后提出了动态重规划的行驶策略. 实际跑车实验证明了该设计算法的有效性.      

基于地图建立的无人地面车路径规划

 提出一种同时完成地图建立与路径规划的算法。该算法为两层控制结构,其上层实现子目标点的生成,下层完成局部路径规划及运动控制。根据系统实时性的要求,以N个系统周期为触发条件执行子目标点生成程序。其中无人地面车通过传感器不断获取环境信息并进行处理,完成网格占据方式的地图建立与实时更新;将地图建立的结果作为数据输入,利用A*路径规划算法生成子目标点。根据子目标点生成结果,在每个系统周期内,通过基于模糊控制的底层快速算法完成无人地面车到子目标点的运动控制。以Pioneer 3-AT型无人地面车为试验平台在未知的复杂环境中对该算法进行验证,取得了良好的地图建立和路径规划效果,证明了该算法具有良好的实时性和准确性。     

结构化道路下基于层次分析法的智能车避障轨迹规划

为实现结构化道路下智能车最优避障轨迹的规划,设计了基于层次分析法的轨迹择优体系。首先,以三次B样条曲线为路径规划器,生成满足曲率连续且曲率最值受控的路径,并以此构造路径簇;其次,为实现主客观指标的量化表达,以平滑性和经济性为准则,以路径长度、曲率和、曲率变化率和以及偏离目标点的距离为子准则,构造AHP路径择优体系,筛选出最优的路径;然后,采用三次多项式表征速度相对时间的变化,以满足速度、加速度、加速度导数的连续;最后,参考国家标准设计测试场景,验证方法的稳定性与算法的实时性。经5 000次循环仿真测试表明:算法具有较高的实时性,0.1 s内能规划出可行轨迹的概率在94%,0.16 s内则能100%规划出可行轨迹;规划的轨迹便于车辆跟踪,方法具有较高的稳定性,实车峰值横向误差小于0.21 m,峰值车速误差小于0.42 m/s,平均车速误差小于0.11 m/s,总体呈收敛的趋势。     

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法. 上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量. 下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率. 通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.     

高速公路弯道换道决策及运动规划优化

弯道换道决策及运动规划算法主要影响自动驾驶汽车的安全性和操纵稳定性。针对高速公路弯道换道场景决策的安全性和行驶效率不够高的问题,提出新的基于主车相对前车的驾驶不满意度的决策算法。为了提高运动规划算法实时性,采用路径-速度解耦框架进行主车换道轨迹规划。对于路径规划,选择五次多项式曲线,采用考虑安全、舒适和高效性的4个换道路径评价指标,实现最优路径规划。对于速度规划,结合动态规划与二次规划优化获取平滑速度规划曲线。仿真结果表明基于驾驶不满意度的换道决策模型能选择更高效和安全的行驶方式。在典型的主车换道场景,主车最大质心侧偏角,最大横摆角速度的数值均小,表明换道轨迹规划算法能确保主车换道的安全性和操纵稳定性。     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

基于Bezier曲线的自主移动机器人最优路径规划

以自主移动机器人为研究对象,以足球机器人为研究平台,针对足球机器人运动轨迹的实际特点,提出了一种基于3次Bezier曲线的最优路径规划方法.该方法以足球机器人实际比赛时的速度、加速度和有效躲避运动轨迹上的障碍物作为路径规划的约束条件,以所规划路径和机器人到达目标点花费时间最短为规划目标.同时将Bezier曲线规划方法与粒子群优化算法相结合,通过粒子群优化方法对产生轨迹的各粒子进行选择更新,并调整各约束条件的权重系数,从而增强了路径规划的有效性和精度.最后通过仿真实验验证该方法有效可行.     

无人靶车动态避障研究

无人靶车是军事训练中必不可少的一部分。为了测试各类精准打击武器,需要无人靶车自主移动到目标点。由于测试武器的场地环境比较复杂,所以需要无人靶车躲避移动过程中突如其来的障碍物。基于贪心初始化算法的动态避障算法（Greedy Initialization Dynamic Obstacle Avoidance, GIDOA）可以求解无人靶车动态避障路径规划问题（Dynamic Obstacle Avoidance Routing for Unmanned Target Vehicle, DOARUTV）。该算法在传统的D~*算法（Digital Smart Technologies for Amateur Radio）的基础上进行改进,结合贪心初始化算法,有效地探索了初始解,加快了算法迭代速度。为了验证该算法的可行性和有效性,使用Python编程语言将GIDOA和迪克斯特拉算法（Dijkstra）、A~*算法（A-star Algorithm）进行对比。实验结果表明：GIDOA能够解决具有动态避障功能的无人靶车问题,对比Dijkstra算法和A*算法更适合DOARUTV的求解。     

基于分层策略的多无人机最优协同航路规划

基于分层策略将多无人机协同航路规划分为航路规划层、协同控制层和航迹控制层进行研究。航路规划层采用基于K均值和遗传算法的航路规划方法,为每架无人机提供多条备选航路;针对传统协同控制算法在求解协同变量出现无解的情况,设计了新的协同变量求解步骤;航迹控制层基于无人机六自由度模型和协同变量建立了终端时间固定的最优航迹控制模型,并采用勒让德伪谱法将最优控制问题转化为非线性规划问题,并利用CFSQP对模型进行了求解,实现了对无人机航迹控制变量和姿态的规划。仿真结果表明,利用该方法得到的无人机协同航路具有较高的可操作性,且计算量较小,效率较高,得到的无人机控制指令平滑,易于操控。     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。     

基于演化深度神经网络的无人机协同无源定位动态航迹规划

 针对多无人机在无源定位过程中协同动态规划航迹提高定位精度问题,提出基于演化深度神经网络的分布式动态航迹优化方法。首先将演化计算与深层前向反馈神经网络结合,设计基于演化神经网络的无人机协同无源定位动态航迹规划框架。以多无人机到达角（AOA）协同定位为例,利用定位过程中对目标估计的克拉美罗界（CRLB）生成最优训练集。通过无人机下一时刻与目标形成的相对构型作为系统学习的行为,从而得到下一时刻优化后的航迹点。实验结果表明,该方法相对于传统中心控制的无人机协同定位方法,具有更低的处理延时,能够以更短时间达到定位精度。     

基于改进差分进化算法的无人机在线低空突防航迹规划

为了解决无人机在部分未知敌对环境中的低空突防航迹规划问题,提出了一种改进的差分进化算法.该算法的进化模型采用冯.诺伊曼拓扑结构,并对其进行拓展,使种群在进化初期保持多样性,避免进化早期陷入局部最优,而进化后期加快收敛速度.该算法改进了差分进化算子中的变异操作,从而加快算法的收敛速度,快速找到多目标优化问题的最优解;同时,采用将绝对笛卡儿坐标和相对极坐标相结合的编码方式以提高搜索效率.将该算法用于无人机在线航迹规划仿真实验,并和未改进的算法结果作比较,验证了该算法的有效性.     

穿越恶劣天气区域的无人机航迹规划

研究无人机穿越恶劣天气区域的航迹规划问题. 充分考虑无人机飞行过程中可能遭遇的恶劣天气,并建立数学模型. 以人工势场法为基础引入附加控制力,航迹规划任务通过优化附加控制力实现. 采用任务完成概率这一关于空间的客观物理量刻画势场,从而解除了过去建立势场的苛刻要求. 仿真结果表明所提出的方法能有效完成恶劣天气条件下的无人机航迹规划任务,同时,继承了传统人工势场法的优点,改善其容易陷入局部极值、势场的建立缺乏实际意义的固有缺陷.      

基于激光雷达的无人机违规航行轨迹数据自动捕获方法

为了解决传统方法对无人机违规航行轨迹数据捕获的精度和实时性低的问题,通过激光雷达研究了一种新的无人机违规航行轨迹数据自动捕获方法。建立激光雷达信号和目标场景作用过程模型,将每束激光在目标场景表面的映射部分当成激光脚印,完成对激光束相应激光脚印的响应函数和激光雷达发射信号的时间分布函数的卷积计算,获取激光脚印相应目标区域和激光雷达信号作用后反馈的回波信号。依据反馈的回波信号建立单次成像回波峰值点轨迹分布模型,获取无人机航行轨迹数据。针对无人机实际航行轨迹和预定义航行轨迹,采用优化的修正豪斯多夫距离公式(MHD)进行轨迹数据匹配程度衡量,按照经验设定阈值,若匹配度超过阈值,则认为实际轨迹与预设定无人机航行轨迹不匹配,将相应实际轨迹当成无人机违规航行轨迹,对违规航行轨迹数据进行捕获。结果表明:所提方法可及时检测处无人机违规航迹,报警时间比其他方法时效性高;所提方法捕获的无人机违规航行轨迹数据与真实数据偏差小。可见所提方法实时性与精度均较高。     

轨迹和干扰功率联合优化的无人机主动窃听算法

研究一种无人机(UAV)作为合法窃听器的无线通信窃听算法.首先,将一个合法窃听器(UAV(E))用于窃听可疑发射器(UAV(B))发送到地面可疑接收器的可疑信息.然后,利用可疑系统的特点,提出一种有效的主动干扰方案,从而最大限度地提高有效窃听速率;针对构造的原问题是一个优化变量耦合的混合非凸优化问题,应用更新速率辅助的块坐标下降和连续凸优化技术,在每次迭代中交替优化无人机轨迹和干扰功率.最后,针对非凸的无人机轨迹优化和干扰功率优化问题,分别利用连续凸优化算法将原非凸问题转化为近似的次优化问题,再使用凸优化方法进行求解.仿真结果表明:相较于其他基准算法,文中算法具有更高的有效窃听速率.     

基于混沌遗传算法的航迹优化研究*

在实际作战环境中,如何选择最优的航迹路线是无人机任务规划系统中最重要的问题之一。首先,在有效巡查区域中建立以总路程最少和时间均衡度最小的双目标航迹优化模型,然后提出一种基于混沌遗传算法的航迹规划;该算法利用Logistic混沌序列确定遗传算法交叉和变异点,保证了算法收敛精度,削弱了因交叉强度大而产生的抖振问题,并将该算法应用到了航空规划问题上进行实验仿真,仿真结果表明该方法提高了遗传算法的精确度。     

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.     

基于粒子群算法的固定时间多约束无人机轨迹规划

针对粒子群算法在轨迹规划时,将无人机视为质点,未考虑无人机的飞行时间、角度等参数的不足,提出一种数值方法结合粒子群算法的轨迹规划求解方法。首先,考虑到对每个时刻控制变量进行优化会耗费大量的时间,将无人机的飞行时间离散为一定数量的切比雪夫配点,在这些离散的配点处优化控制变量以减小计算负担;其次,将角速度作为控制变量,运用曲线拟合求解出角速度与时间的函数,经过积分求出无人机的角度、位置与时间的函数;再次,将结果代入粒子群优化模型并结合无人机运动学模型进行优化求解,根据分配的时间计算出最终的角速度、角度以及位置坐标;最后,在复杂环境下进行无人机轨迹规划仿真,通过与已有方法的对比,验证所提求解方法的有效性和可行性。结果表明,所提出的轨迹求解方法可以求出包括位置在内的各个运动学参数,规划出光滑的轨迹并且成功避开前进过程中的障碍物。所提方法有效提升了轨迹规划的求解维度,对实现智能自主化飞行有一定的参考价值。