一种动态不确定环境下UAV自主避障算法

在动态不确定环境下,考虑威胁障碍物的机动性和无人飞行器(unmanned aerial vehicle, UAV)携带传感器的探测误差,可有效地提高UAV执行任务的安全性和可靠性。本文在速度障碍法的基础上,将动态不确定性通过威胁障碍速度矢量方向角的偏差进行表示,并建立了动态不确定性速度障碍模型(dynamic velocity obstacle model, DVOM);为量化动态不确定环境下威胁障碍物的影响,基于速度障碍圆弧法,给出了DVOM速度障碍圆弧法,并在此基础上,提出了一种动态不确定环境下UAV自主避障算法。最后,以Pythagorean Hodograph (PH)曲线路径规划为例对考虑动态不确定性的UAV自主避障算法进行了验证,仿真结果验证了算法的有效性和可行性。     

基于速度障碍法的多UAV可飞行航迹优化生成

研究无人飞行器(unmanned aerial vehicle, UAV)在线可飞行航迹的自主规划对UAV适应非结构化环境、提高机动作战能力具有重要的现实意义。提出了一种基于Pythagorean-Hodograph (PH)曲线的UAV在线航迹生成算法,可以根据UAV当前的飞行状态、目标点信息及传感器探测信息实时规划出曲率连续的可避碰飞行航迹。考虑系统动态性能约束,采用分布估计算法对航迹参数进行优化选取,提出基于区间选优的全局精英个体概率选择机制,提高了航迹生成的速度及精度。根据速度障碍法原理,结合PH曲线的特点,给出了高动态环境下多UAV的实时动态避碰规划算法,该算法能使轨迹快速趋近于目标。对一组UAV的航迹规划在不同环境下进行了仿真实验,仿真结果证明了算法的有效性和实用性。     

基于视野和速度引导的无人机集群避障算法

在未来的多无人机(unmanned aerial vehicle, UAV)空中作战中,无人机集群在未知空域中安全飞行是集群研究中的重要内容。针对无人机集群避障以及集群形态保持问题,提出了一种基于视野和速度引导(visual field and velocity guidance, VFVG)的集群避撞算法。基于视野法设计集群自适应通讯拓扑机制,结合远吸近斥势力原则及一致性方法,在保持集群形态的同时,加速了集群无人机个体间的避障信息的传递。在此基础上,提出将极限环与人工势场法相结合构造避障速度引导项,解决了集群遇障分群困难、避障徘徊停滞等问题。引入避障时间指标,验证了算法的避障效率。仿真结果表明,该方法能够使多无人机以良好的集群形态安全快速平稳地通过复杂障碍区域,有效提高了集群避障成功率和避障效率。     

舰载机牵引系统甲板调运避碰路径规划

针对舰载机牵引系统的甲板调运过程,提出了一种适用于复杂障碍物环境中不规则形状目标的路径规划方法。针对舰载机外轮廓特点,建立了目标的凸构型描述形式,并推导了多目标间碰撞检测及距离计算方法,在此基础上提出了舰载机牵连运动的轨迹跟踪控制算法,同时引入行为动力学方法实现牵引系统的避碰路径规划。为提高复杂环境下的避碰能力,基于广义符号阈值函数,提出了避障行为策略改进方法。仿真结果表明,本文提出的算法能够有效地解决舰载机牵引系统的避碰路径规划问题。     

基于前视声呐信息的AUV避碰规划研究

在复杂海洋环境中,利用前视声呐获取的障碍物信息指导自治水下机器人（AUV）进行局部避碰。主要采用强化学习的方法对AUV进行控制和决策,综合Q学习算法、BP神经网络和人工势场法对AUV进行避碰规划。强化学习的方法强调AUV在环境的影响中学习,通过环境对不同行为的评价性反馈信号来改变行为选择策略。并且在环境发生变化时,AUV通过学习来实现对新环境的适应,不断改进其自治能力,进而实现在不确定环境下的避障任务。开发了AUV运动规划的虚拟仿真软件系统,仿真实验证明了算法的合理性与可行性。     

时间和角度约束下的双圆弧路径规划

为满足无人飞行器(unmanned aerial vehicle, UAV)打击目标的时间、角度约束,提出了基于双圆弧轨迹的路径规划方法。对UAV初始、末端速度方向情况进行了分类,分别推导了对应的双圆弧参数解析形式及其单调性。同时,根据双圆弧参数解析式,得到生成路径的唯一自由度,减少了路径规划参数输入。分析了双圆弧路径长度与路径参数之间的关系,设计了多UAV协同攻击路径规划方案。数值仿真结果证明了双圆弧路径规划的有效性和实用性。     

复杂海事安全条件下的船舶应急航线决策方法

针对船舶作业需要满足的复杂海事安全条件,提出一种基于改进智能水滴-交互速度障碍的船舶应急航线自主决策方法.通过引入最优解邻域扩张机制增加解的多样性,对基本智能水滴算法进行改进,避免算法在寻优过程中陷入局部最优解导致算法"早熟".利用改进的智能水滴算法对已知环境进行全局航线决策,再利用交互速度障碍法根据遇到的动态障碍物进行局部航线重规划.仿真实验证明航线决策方法可以快速有效地规划出最优航线并实现实时动态避碰.     

改进速度障碍法的无人艇局部路径规划

针对传统速度障碍(velocity obstacles, VO)法进行局部路径规划时避碰路径长、避碰时间长以及忽略紧迫局面会遇中避让责任的约束等问题，提出一种适用于水面无人艇(unmanned surface vehicle, USV)的改进VO法。将四元船舶领域和碰撞威胁距离引入VO避碰时机的计算中，确定了避碰阈值；将最晚施舵距离作为碰撞危险局面过渡到紧迫局面的临界值，构建了紧迫局面模型；设计了USV避碰模型，并通过国际海上避碰规则(International Regulations for Collision Avoidance at Sea, GOLREGs)进行约束。比较分析了对遇、右交叉、左交叉和追越4种会遇的避碰仿真。仿真结果表明：改进的VO法平均路径缩短39.88%、平均时间减少44.26%,改进后的局部规划能够在保证安全避碰的条件下满足GOLREGs第8条和第13～17条的避让要求。     

交叉粒群算法在无人机航路规划中的应用

随着现代战场环境的日益复杂和作战范围的不断扩大,给无人机（unmanned aerial vehicle, UAV）执行空中侦察、监视、作战等任务带来了严重挑战。为了提高UAV的作战效率和生存概率,从UAV的威胁空间建模出发,根据战场分布的威胁区域,先利用威胁回避技术快速地给出一条从起始点到目标点的粗选航路;然后在此基础上,应用粒群算法和遗传算法中交叉和变异操作相结合的思想,对粗选规划航路进行全局优化,从而找出一条能确保自身安全并威胁代价最小的最优飞行航路。仿真结果说明,该方法是有效、可行的。     

复杂环境下基于A*算法的无人机路径再规划

针对实际战场环境中规避突然出现的危险/威胁区域或任务变更时的无人机(unmanned aerial vehicle, UAV)路径动态再规划问题,为了适应复杂动态环境下危险/威胁区域需建模为圆形、凹/凸多边形以及可能存在相邻危险/威胁区域的间距较小甚至重叠的情形,对基于A*算法的线段求交无人机路径规划方法进行改进以适应圆形、凹/凸多边形危险/威胁区域同时存在的情形,提出了子节点安全性检测策略,采用基于A*算法的两步寻优路径搜索策略,进行UAV路径动态规划。仿真结果表明,采用本文提出的改进方法可实现上述复杂环境下的无人机路径动态再规划。     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

面向未知环境的无人机障碍规避制导律设计

针对未知障碍规避问题给出了一种障碍规避制导律。将参考点航路跟踪制导法(reference point guidance, RPG)进行改进作为障碍规避制导律,对无人机与障碍的相对运动关系进行分析,确定了规避制导的时机和参考点选取的原则,用非线性微分方程对障碍规避过程进行建模,在此基础上分析了制导参数对系统性能的影响,确定了参数选取原则。仿真结果表明,改进后的RPG能够引导无人机安全规避突发或未知的几何形状不规则的障碍,能够避免不同任务阶段制导律切换过程中存在的安全隐患。     

基于速度障碍法的无人机避障与航迹恢复策略

针对在融合空域内,面临复杂障碍物时无人机飞行冲突解脱和航迹恢复问题,在速度障碍法的基础上提出了一种几何优化方法,并对这个问题进行了严格的数学描述。首先，根据无人机与障碍物之间的相对位置和速度关系,基于航迹预推模型确定其冲突类型,以及是否满足各解脱策略的条件。然后，选取相应的解脱策略。待冲突解脱完成后,无人机恢复至原飞行航线。之后，通过几何分析与理论推导证明该模型能够有效解决飞行冲突,并且给出了具体的冲突解脱和航迹恢复的时间。最后，在仿真中,所提方法根据不同场景自主选择冲突解脱策略,结果显示该方法简单高效。     

基于碰撞危险度的无陷阱动态航路规划

由于人工势场法中障碍物的影响距离通常为一个固定值,不可避免地导致无谓避碰行为的出现,极大影响航路规划的效率。本文在动态环境下,针对无谓避碰行为,提出碰撞危险度评估模型和障碍物影响距离确定模型;针对障碍物在目标附近目标不可及问题(goals nonreachable with obstacles nearby,GNRON),提出能够区别评估障碍物的时间碰撞危险度模型;针对陷阱问题,提出虚拟障碍物法,以此构成基于碰撞危险度的无陷阱动态航路规划法。仿真结果表明该方法能够有效避免无谓避碰行为和陷阱问题的发生,且无GNRON问题,所得路径也较短且平滑。     

基于行为动力学的移动机器人安全导航方法

研究机器人行为动力学方法的导航问题,该方法在动态环境下存在碰撞危险。提出一种改进迭代最近点算法,可以在机器人导航过程中实时获取障碍物的位姿变化。根据位姿变化将障碍物分为静止障碍物、移动障碍物。结合环境信息的不完整性和运动障碍物速度信息,提出可感知速度障碍物（perceivable velocity obstacles, PVO）概念,该概念定义的障碍物是机器人感知障碍物区域沿其相对运动方向膨胀得到的避障区域,是一种虚拟障碍物。将PVO作为障碍物应用于行为动力学方法完成机器人导航控制。所提出的改进方法在不改变原有行为动力学方法的基础上,增加了安全导航功能,简单易用。仿真实例证实,在动态环境下,改进的行为动力学导航方法比经典的行为动力学导航方法更加安全。     

基于碰撞预测的无碰撞航路规划

人工势场法作为路径规划的一种算法,由于其数学描述简洁且易于执行,所得路径较短且平滑,在许多工程领域中被广泛使用.由于势函数斥力作用仅考虑机器人与障碍物的距离,这就使航路规划在障碍物附近无差别的采取避碰措施,这就导致无谓避碰行为的出现,极大影响航路规划的效率,且容易出现狭窄通道无法识别以及由周边多个障碍物的合斥力造成的局部极小值问题.针对无谓避碰行为,提出碰撞危险度评估模型和障碍物影响距离确定模型,针对局部极小值和航路点震荡问题,提出虚拟障碍物法和过滤震荡点法,以此构成基于碰撞预测的航路规划法.仿真结果表明该方法能够有效的避免无谓避碰行为,且无局部极小值和航路点震荡问题,所得路径也较短.     

全局未知环境下智能群体群集运动与避障控制

研究了在全局环境未知且存在静态障碍物的情况下,智能群体的群集运动控制问题.模型在人工势能结合速度一致策略的基础上,利用了滚动窗口的方法实时产生虚拟领航者引导群体向目标位置运行;并利用极限环方法解决了群体避障问题.基于滚动窗口方法构造的虚拟领航者,充分地利用了实时测得的局部环境信息,具有自适应性;极限环方法避障使得群体能够平滑地绕过障碍物,克服了传统人工势场法避障的局部最小问题.     

基于层次分解策略无人机编队避障方法

针对危险模式下无人机编队问题,提出基于层次分解策略的编队避障方法.通过构建Voronoi图,利用K路径算法为各无人机找到多条备选航路;然后建立协同函数,为各无人机规划出既能满足时间协同要求,又能满足整体代价最优(次优)的障碍物规避航迹.并设计了无人机编队的通行规则,解决了无人机在避障飞行过程中有可能产生的碰撞冲突问题.仿真结果验证了算法的有效性.