基于改进一致性理论的无人机编队航迹在线规划

针对无人机编队在飞行过程中任务发生变化的情形,提出了基于改进一致性理论的无人机编队航迹在线规划方法。首先,针对一致性算法进行改进,引入人工势场法,提出了考虑机间距离和相对速度的防碰撞策略;基于无人机相对位置和状态量,提出了考虑无人机转弯半径和速度的转弯策略。其次,基于编队拆分思想和RRT*算法,提出了基于拆分编队思想的在线航迹规划方法。仿真结果表明：防碰撞策略能使无人机之间在编队成形前保持安全距离,不发生碰撞;转弯策略能使编队在转弯过程中保持队形;编队重组的在线航迹规划方法能满足执行新增任务的情形。     

基于遗传算法的无人机航迹规划

研究了基于遗传算法的无人机全局路径规划算法,建立了综合评价航程总长度、威胁概率和平均地形高度的多目标优化函数,并针对此优化函数设计了基于相对距离转角的遗传算法编码方案,进化计算结果稳定,达到了利用三维地形规避威胁的目的.进而研究了基于路径规划点生成光滑航迹的鲁棒性算法,利用MATLAB和VRML接口实现了无人机全局航迹...     

复杂动态环境下基于DMPC-PSO的多无人机在线航迹规划

本文采用"有限集中指挥-分布式自主协调"的控制结构,研究多无人机协同低空突防航迹规划,对战场环境信息部分已知的情况,提出了多无人机航迹"预规划-在线轨迹跟踪"的模式,采用分布式模型预测控制和粒子群优化(DMPC-PSO)算法对多无人机的航迹进行预测和优化.仿真结果表明:利用该方法规划的多无人机的航迹不仅要满足低空突防的要求,具有良好的地形跟随、地形回避、威胁回避性能,更具有高的实时性与环境适应性,能在复杂战场环境发生变化时,及时在线调整以满足无人机安全、航迹最优等性能的要求.     

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.     

基于乌贼算法的无人机航迹规划

乌贼算法是一种新型的启发式仿生优化算法。提出了一种基于乌贼算法的无人机航迹规划算法。所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性。乌贼算法与传统的启发式算法相比,拥有更快的收敛速度。在此基础上设计的基于乌贼算法的概率地图航迹规划算法能够有效的缩小概率地图的规划空间,使得航迹规划搜索范围减少、时间缩短。仿真实验表明,该方案比传统概率地图航迹规划方法更能满足无人机航迹规划的要求。     

基于启发式搜索算法的无人机航迹快速规划

基于无人机导航系统的自身特点,无人机在导航过程中会出现无法精确定位的情况,从而产生定位误差。如果不能及时校正随时间累积的定位误差,会使无人机无法到达预定目的地,从而导致飞行任务失败。为避免这种情况的发生,本文研究了考虑定位误差的无人机航迹快速规划问题。以航迹距离最短为目标,考虑定位误差校正约束与航迹约束,建立了混合整数规划模型。根据深度优先搜索算法与回溯算法的特点,设计了启发式深度优先搜索+回溯算法来求解问题,并在此算法基础上加入模拟退火机制对解的质量进行优化。以某飞行区域的数据为例进行仿真实验,结果表明启发式深度优先搜索+回溯算法可以快速有效地求解考虑定位误差的无人机航迹规划问题。     

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。     

基于固定翼无人机的航迹规划优化模型

无人机航迹规划是无人机研究领域中的重要方面,也是自主系统中不可分割的一个整体部分.文章在前人研究基础上,提出了一种基于有威胁情形中固定翼无人机的航迹规划优化模型.此模型对飞行航迹进行航迹平滑处理时,提出了一种基于微分几何原理的约束条件改进策略.     

无人机快速航迹规划算法

基于快速搜索树提出了一种快速高效同时具有鲁棒性的航迹规划算法.该算法主要包括3部分:选择采样点、搜索扩展树上距采样点最近的节点和扩展节点.首先产生采样点,以一定概率选取目标点作为采样点来提高航迹的质量和规划速度;然后找出搜索树上距采样点最近的节点;最后扩展节点,扩展节点时把航迹约束条件结合到节点扩展过程中,保证了航迹的可行性.这个过程不断迭代,直到找到目标点.仿真结果显示本方法能快速找到近似最优解并且对规划环境有一定的鲁棒性.     

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。     

基于蚁群算法的无人机航迹规划研究

现如今,无人机应用的关键技术无外于乎航迹规划算法。基于这个现状,该文将针对无人机航迹规划进行系统研究,构建了无人机航迹规划的空间模型,在此之中结合蚁群算法,保证规划的真实可靠性。考虑到现在无人机应用的复杂以及不能完全利用有效空间的问题,提出以蚁群算法为基础的一种新型的航迹规划方法,并在其中考虑到地形,约束条件等外部因素,因此保证了航迹可以在现实中应用。最后,阐述了无人机航迹规划面临的关键问题及未来发展趋势。     

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。     

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Voronoi图的无人机快速航迹规划研究

Voronoi图的快速构建是快速完成基于Voronoi图的航迹规划的关键。针对Voronoi图构建效率不高的问题,提出了一种快速构建Voronoi图的方法。首先,利用改进的Bowyer-Watson算法构建Delaunay三角网。在确定待插入点的影响域时,引入bool类型的数组对已构建三角网中的三角形是否为Delaunay三角形进行标记,从而缩小三角形的遍历范围,加快Delaunay三角网的构建速度。然后用间接法得到Voronoi图。此外,对航迹规划过程中起始航迹和终止航迹的确定进行了讨论,完成了基于Voronoi图的无人机航迹规划。结果表明,采用提出的间接法能快速完成Voronoi图的构造。当母点(威胁点)为20 000个时,只需要20 s的时间。对快速完成无人机的航迹规划具有重要的意义。     

基于气象威胁场的无人机三维航迹规划

针对无人机航迹规划中气象威胁要素模糊性强、不确定性高等特点,提出了改进的BP神经网络的气象威胁度评估方法,对区域内气象威胁要素进行评估以建立表征气象威胁的气象威胁场。在所建立的气象威胁场上采用改进稀疏A*算法进行三维航迹规划,改进稀疏A*算法通过引入自适应操作提高了收敛速度以及效率。仿真结果表明,这种威胁评估方法可较为准确地评估区域内的气象威胁,改进稀疏A*算法能够准确、快速地在三维气象威胁场上寻找到最优航迹,具有一定的应用价值。     

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%.     

基于二维自由空间的无人机实时航迹规划

针对未知环境中无人机的实时航迹规划,提出了一种利用方向引导向量的航迹规划方法。通过仿真实验证明,该算法在完全未知的环境中,可以很好地引导无人机找到目标点,实现无人机在线的实时决策。     

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.     

基于引导点的无人机三维航迹规划方法

为提高无人机航迹规划的速度,提出了一种基于引导点的航迹规划方法. 该方法结合了不同规划方法的优势,将无人机航迹规划分为两个层次:全局规划和局部规划. 全局规划利用遗传算法规划出最优或次优的区域点集,然后产生区域的引导点列;局部规划根据全局规划提供的引导点列,利用SAS(sparse A search)算法快速规划出满足约束条件的可行航迹. 仿真实验表明,该方法较好地结合了遗传算法和SAS算法的优势,规划航迹效果优于单一的遗传算法和SAS算法,并且有效地提高了规划速度.