基于NSGA-Ⅲ算法的多无人机协同航迹规划

当多架无人机协同作战时,需要进行协同航迹规划,以提升任务成功率.将协同航迹规划中的约束转换为多个目标后,对NSGA(Non-Dominated Sorting Genetic Algorithm)-Ⅲ算法与势场蚁群算法进行融合设计.算法首先对地图进行势场构建,使距离障碍物较近的节点不易被选择,并且引导搜索方向.然后对航...     

全域空间无人机集群协同干扰模型

为了提高无人机集群的协同干扰效果,本文基于3维方向图函数提出了一个全域空间无人机平台分布优化模型,基于遗传算法求解该模型,并进行了性能分析. 仿真结果显示,与传统的球面及柱面分布相比,该模型得到的主波束方向图的峰值旁瓣电平更优. 在此基础上．本文结合应用背景对无人机位置偏差、无人机毁伤情况、无人机集群容量、群内最小间距以及无人机集群分布范围进行了研究,得到了干扰效果对于误差及参数的依赖性．     

基于协同进化思想的人工鱼和粒子群混合优化算法

在分析人工鱼群算法(AFSA)、粒子群算法(PSO)存在不足的基础上,提出一种将PSO群与AFSA群作为两个独立进化的群,同时进行搜索的算法.该算法利用协同思想与正反馈机制,让AFSA群跟踪PSO群的全局最优解,PSO群跟踪AFSA群的全局最优解的算法.这样,一方面利用AFSA的快速找到全局极值邻域的能力克服PSO易陷入局部的不足;另一方面利用PSO的快速收敛能力来提高AFSA的收敛速度和求解精度.基于典型的函数和实例测试的结果都说明了该算法具有收敛速度较快、精度较高的特点.     

基于改进高斯伪谱法的多无人机协同轨迹规划

针对当前伪谱法求解无人机轨迹存在的计算量大、运算时间长以及难以保证最优性等问题,提出了将粒子群算法与高斯伪谱法相结合的改进方法。首先,使用粒子群算法进行航迹预规划,保证近似最优解的快速实现;其次,针对高斯伪谱法配点的相对位置选取,对粒子群预规划的航迹点做拟合处理,并以此作为高斯伪谱法的初始参考指令,从而解决伪谱法的初值敏感问题,加快优化算法的收敛速度。最后,综合考虑无人机编队性能指标、飞行环境以及协同飞行约束等进行实验。实验结果验证了初值选取的重要性,同时表明了所设计算法可提升解的最优性与收敛速度。研究结果可为多无人机协同飞行控制快速规划出多维度、高精度的引导指令,对实现智能自主化飞行有一定参考价值。     

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。     

基于多目标MQABC算法的无人机协同任务分配

针对多无人机协同任务分配问题经过单目标简化后对决策处理存在片面性和主观性等问题,提出了一种利用多目标自适应快速人工蜂群算法对其进行处理的方法.首先,建立多目标无人机协同任务分配模型;其次通过建立外部种群的约束处理技术及重置Harmonic平均距离循环策略对自适应快速人工蜂群算法(ABCSGQ)进行改进.另外通过定义自主决策准则引导多目标任务分配的方案选取.仿真实验结果表明:相比于多目标人工蜂群算法及非支配排序遗传算法,改进算法具有较好的分布性、收敛性及更高效的求解能力.     

三群协同粒子群优化算法

针对基本粒子群优化算法易陷入局部极值点、搜索精度低等缺点,提出了一种三群协同粒子群优化算法(TSC-PSO)。搜索时,如果全局极值连续若干代没有改善,粒子未找到全局最优点,就任选某个优群,将其群内粒子和差群粒子交换。仿真结果显示,对一些经典多峰值函数、非凸病态函数,TSC-PSO增强了全局搜索能力,具有比基本PSO更好的优化性能。     

集群无人机导航实验教学平台开发

随着多无人智能群体技术发展和应用场景的拓宽,对满足不同复杂环境下多无人智能群体及其搭载装置的多源导航系统可靠与稳定性能也提出了较高要求.应用场景的不断扩大,使得越来越多的行业对多无人智能群体的协同感知能力提出了迫切的应用及开发需求.针对多无人智能群体协同装置在面对多种多样的复杂协同工作环境下,容易出现导航系统中常用传感器受磁场等干扰性能不稳定的问题,除了需要进一步优化改进导航传感器自身的测量性能以外,更多地提高多智能群体协同装置的多类异构传感器信息融合的精度和可靠性显得尤为重要.为了应对这一实际需求,也为了使实验课程教学紧跟学科发展,需要开发一套适合于无人机集群导航研究的实验教学平台,供学生系统研究影响多智能体协同装置运行可靠性与安全性的导航问题.     

多机分布式协同搜索方法及模糊算法求解

针对未知环境下多无人机(UAV)分布式协同搜索问题,对分布式搜索的通信交互和决策最优性进行了分析,给出了分布式纳什均衡解的求解方法.在分布式控制框架下,建立了基于滚动优化的多机搜索的问题描述和状态空间模型,并针对传统协同收益指标的不足,提出了基于人工势场的协同收益模型,与模糊控制相结合,建立模糊规则求解协同收益,增加了决策的鲁棒性.仿真实验验证了提出的协同搜索方法的有效性.     

一种基于人工势场的无人机航迹规划算法

为了改进传统的人工势场法不能适应复杂环境、容易陷入最小值和在终点附近徘徊的情况,提出一种基于混沌理论的人工势场法的无人机航迹规划算法。在传统人工势场法原理的基础上,将混沌理论的搜索算法引入人工势场法中的斥力场、引力场的函数公式中,改变了各个障碍物斥力系数和目标点的引力系数,将改变后的系数代入计算,搜索出斥力场和引力场的最优系数组。本算法有如下优点:第一,考虑了障碍物对寻优过程的影响,排除了合力为零的情况。第二,通过迭代的方法,具有适应不同地图的能力。第三,适用于无人机的航迹规划。仿真实验结果和理论分析表明,混沌理论的人工势场法不仅解决了无人机在航迹规划中容易陷入最小值和在终点附近徘徊等问题,而且可以实现无人机在复杂环境下的航迹规划,缩短了飞行成本,节约了计算时间,提高了三维空间无人机航迹规划的速度和精度。     

文化算法在有人/无人机协同作战目标分配中的应用

针对有人/无人机协同作战目标分配问题,基于文化算法提出一种遗传算法和离散粒子群算法相结合的目标分配方法。根据有人/无人机协同目标分配问题的特性,结合文化算法的基本框架,建立了遗传算法和离散粒子群算法的交互机制,充分利用遗传算法和离散粒子群算法对优化问题的搜索能力,改善了2种算法易陷入局部最优的缺点,对约束条件下的有人/无人机协同作战目标分配问题进行了有效求解。实验结果表明,基于遗传和离散粒子群相结合的文化算法优于遗传算法和粒子群算法,收敛速度更快,能够快速找到目标分配问题的最优解。     

任务-中继无人机协同路径规划模型方法研究

为了实现多源节点与地面控制站连续的远程通信,提出了一种基于人工势场法的中继无人机动态路径规划模型求解方法。中继簇计算模块根据密度最大值聚类对中继簇进行动态划分,并实现中继节点数量的动态调整。中继节点动态路径规划模块根据人工势场法的思想,使中继无人机根据势场合力机动到合适位置,并具有动态避障和防碰撞的能力。对构建的模型在不同任务载荷设置下独立进行仿真实验,结果表明,中继无人机能够在多源节点与GCS之间完成可靠的多跳中继,在源节点数量不大于10且对空威胁区的数量不大于7的情况下通信链路的联通率均不小于99.83%。该方法能够有效地解决任务无人机远程通信中继的问题,为未来无人装备的发展和运用提供重要技术支撑。     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法.仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性.     

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.      

改进麻雀算法的无人机三维路径规划

为解决无人机在三维环境下的路径规划问题,本文通过麻雀搜索算法研究了路径规划方法。传统的麻雀搜索算法求解该问题时存在易陷入局部最优、收敛精度低等问题,针对该问题提出改进方法。首先,对种群中的发现者加入动态权重因子,使其能够提高局部搜索能力,同时提高收敛速度,同时引入高斯变异;追随者采用量子粒子群生成新解的方式;并且加入额外的柯西变异进行扰动,柯西变异的扰动幅度较小,可以增强局部搜索能力。通过仿真实验,.算法改进后分别与麻雀算法以及其他改进的麻雀算法进行对比,结果表明该算法收敛速度更快,求解精度更高,证明了该算法的有效性和可行性,可见在无人机三维路径规划中具有很大的发展前景。     

城市灾区无人机基站部署优化

通过优化无人机基站（UAV-BS）三维空间部署位置,以最小化满足通信需求的UAV-BS部署数量.针对城市灾区中UAV-BS的部署优化方法较少考虑到建筑的具体形状及位置对通信影响情况,在构建一个建筑物对UAV-BS视距（LoS）链路的遮挡模型的基础上,提出一种UAV-BS部署算法——PSO-PPGE.该算法首先采用粒子群算法（PSO）在目标区域搜索全局部署方案,然后基于相邻UAV-BS部署间的势博弈关系,根据遮挡信息及UAV-BS负载制定博弈策略,局部调整每个粒子中的UAV-BS位置,以提高UAV-BS的用户覆盖率,进而确定所需UAV-BS的最小数量.仿真结果表明,所提出的算法与PGE、PSO等优化算法相比,在最小化UAV-BS数量同时最大化用户覆盖率方面具有明显优势.     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

基于PSO和人工势场的机器人路径规划

文章提出了一种变形Gaussian函数作为势场模型,它能更准确地反映势场环境;通过分析震荡现象产生的原因,以及局部极小值点的特点,将粒子群算法引入到路径规划过程中,用于绕过障碍物或逃逸局部极小值;仿真结果表明,该方法能有效消除运动路径的震荡现象,极大地降低了陷入局部极小值的概率。     

一种多无人机协同定位与稠密地图构建算法

针对VINS-Mono(monoculor visual-inertial state)算法定位精度较低且构建的稀疏点云地图包含的信息较少无法用于无人机的自主导航的问题,提出了一种集中式多无人机协同定位与稠密地图构建算法。该算法通过提高回环闭合中特征点匹配准确度以优化多无人机之间的定位精度,为了建立多个无人机之间的连接约束,使用四种不同类型的坐标系进行坐标转换优化,采用双向检测匹配法对关键帧进行特征点匹配,结合PROSAC(progressive sampling consensus)算法剔除误匹配,通过对有回环闭合约束的多无人机的位姿与全局地图进行全局位姿图优化,结合Voxblox构建了可供五架无人机协同导航的全局稠密地图。在EuRoc数据集的五个序列中,提出的多无人机协同定位与稠密地图构建算法与VINS-MONO算法相比,绝对轨迹误差分别降低了34%、26%、42%、24%、19%。实验证明,改进算法有效提高了多无人机之间的定位精度,并且构建的全局一致稠密地图包含距离信息与梯度信息,可以用于多无人机的自主导航。     

基于混合粒子群算法的农情监测无人机路径规划

用无人机对果树病虫害进行巡航拍摄是有较大潜力的农情监测方法,本文以飞行时间最短为目标,建立了农情监测无人机路径规划的数学模型.结合遗传算法、模拟退火算法的思想,在粒子群算法中引入交叉、变异、替换操作,提出了一种混合粒子群算法来求解无人机路径规划的数学模型.实验表明,无人机路径规划数学模型可以被混合粒子群算法有效求解,且...