基于混合蚁群算法的无人机航路规划

无人机(UAV)航路规划的热点和难点在于如何满足安全性和实时性的同时,兼顾全局路径规划和局部路径重规划,以提高无人机的作战效率和生存概率。针对这一问题,在现有无人机航路规划研究基础之上,提出采用蚁群算法与人工势场法相结合的方法。蚁群算法用于全局航路规划,人工势场法用于局部路径重规划。仿真结果表明,两种算法结合所得优化航路较好反映了算法的有效性,可以为航路规划辅助决策研究提供借鉴和参考。     

基于随机策略搜索的多机三维路径规划方法

针对传统无能耗约束的多无人机路径规划方法难以适应复杂山地作业环境的应急救援要求,提出了一种基于LSTM-DPPO(long short-term memory-distributed proximal policy optimization)框架的多无人机三维路径规划算法。利用LSTM长短期记忆神经网络提取出多无人机在各自飞行过程中的重要特征状态信息序列,经过多次迭代更新后得到一个最优网络参数模型,结合能耗生成最优的三维探测路径。实验结果表明：该方法相对于传统路径规划方法效果显著,能在能耗最小的前提下规划出最优探测路径。     

基于DBN威胁评估的MPC无人机三维动态路径规划

模型预测控制(model predictive control, MPC)路径规划算法适用于三维动态环境下的无人机(unmanned aerial vehicle, UAV)路径规划;动态贝叶斯网络(dynamic Bayesian network, DBN)能够有效推理战场态势,对无人机进行威胁评估。针对威胁尾随无人机时的路径规划问题,构建DBN威胁评估模型,将UAV在战场环境中的威胁态势用威胁等级概率表示,与MPC路径规划算法相结合,得到基于DBN威胁评估的MPC UAV路径规划算法。通过多组仿真分析表明,在三维动态环境下,特别是威胁尾随无人机时,基于DBN威胁评估的MPC无人机路径规划算法可以得到有效的无人机路径。     

基于概率地图方法的无人飞行器快速航迹规划

在复杂大范围环境下,针对可自主导航的低空飞行无人飞行器,设计了一种基于概率地图方法(PRM)的快速规划方法.先采用启发式策略构造概率地图,通过局部规划算法检测路标地图连通性,再应用图搜索算法规划出路径,最后通过剖面规划等优化手段对航迹进行完善.试验表明该方法具有较高的效率和环境适应性,可在单处理器上进行有效的快速航迹规划.     

基于网格PRM的无人机多约束航路规划

目前,无人机航路规划技术存在约束条件少,不能满足实际飞行需求,规划效率低等不足,文章主要针对上述问题提出改进措施。首先,将航路约束条件进行分类,提出了基本约束、平台安全约束和链路载荷约束,并对约束条件建模,完善无人机航路约束模型。为了提高无人机航路规划效率,提出了网格概率地图法(grid-probabilistic-roadmap, GPRM),利用约束模型构建代价函数,实现无人机航路的多约束快速航路规划。GPRM的实验仿真表明,GPRM规划效率相比较传统PRM有显著提升,同时规划结果更加符合实际任务需求,证明基于GPRM的无人机航路规划具有一定的工程应用价值。     

基于混合动态贝叶斯网络的无人机路径重规划

针对无人机航迹规划的实时重规划能力,研究了局部路径构图的基本原则并提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型Voronoi图”表示出来,采用Dijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用Viterbi应用解码算法确定突发威胁体的实时位置及威胁等级,后依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径。用Matlab仿真验证,证明了算法有效性。     

基于正六边形栅格JPS算法的智能体路径规划

通过构建正六边形栅格地图, 并修改传统跳点搜索(jump point search, JPS)算法的邻居剪枝、强制邻居判断的规则和JPS策略, 提出一种新的正六边形栅格JPS算法, 并且利用该算法解决智能体在环境地图存在障碍物时的路径规划问题。利用Pycharm平台进行仿真研究, 并与传统正方形栅格A^*算法和JPS算法进行路径规划仿真比较, 结果表明正六边形栅格JPS算法可更好地实现路径规划, 所规划出的路径可避免穿越墙角的不安全行为、减少转向次数, 且该算法可减少路径规划时间, 提高了路径规划的质量和效率。     

“最后一公里”配送的分布式多无人机的任务分配和路径规划

无人机在完成"最后一公里"的货物配送时需解决任务分配与路径规划问题.本文将"区块链"思想引入拍卖算法中,对无人机编队的任务分配进行优化计算,计算方式由集成中心式计算转变为分布式多智能体间互联计算,使无人机编队在任务计划过程中重新对不合理的任务结果作出调整,使其总回报奖励更高,即分配总成本最少.在确定无人机配送的初末位置后,以路径长度、地形、雷达威胁、无人机碰撞为约束建立目标函数模型,利用改进的量子粒子群算法进行求解.与传统方法相比,本文提出的任务分配策略和路径规划方法可以得到更好的优化结果,并减少计算资源消耗.仿真结果表明:所提出的两种方法在计算效率和任务执行方面都是非常有效性的.     

基于改进鸽群层级的无人机集群视觉巡检模型

为解决无人机在执行输电线路巡检工作过程中易受环境干扰,以及传统单人单机工作模式巡检效率低下等问题,提出基于改进鸽群层级算法的无人机集群视觉巡检模型。根据载机车辆与待检塔位的GPS坐标计算出启航无人机的初始地标点,并规划运动轨迹;根据当前在巡无人机结束巡检点的位置更新待起飞无人机初始地标,实现启航与在巡无人机巡检地标的动态衔接,完成对地图指南针算子的改进;利用改进的自适应模板匹配算法优化在巡无人机的Adaboost视觉识别系统,通过自适应比对线路间距实现无人机与输电线路间相对位置的自主调整,在动态调节姿态的基础上提高检测质量。实验结果表明：相比于传统鸽群方法,该模型在巡检效率方面的在空巡检时间提高了12%、巡检距离提高了27.5%,风吹、地形变化的情况下巡线质量相比于常规识别模型分别提高了21%和15%。     

基于改进人工势场法的无人机航迹规划

针对传统人工势场(traditional artificial potential field, TAPF)方法在无人机航迹规划时航迹摆动幅度较大且容易陷入局部极小值的问题, 提出了一种改进人工势场法。首先在TAPF方法的基础上, 引入角度与速度调节因子, 模拟更真实的无人机飞行轨迹; 然后再引入辅助避障力, 实现避障的同时平滑轨迹; 最后对改进航迹规划算法与TAPF方法进行仿真实验。结果表明, 相较于传统算法, 改进后的航迹规划算法在航迹平滑性上有显著提升, 并且有效地避开了局部最小值点。     

基于共生仿真的UAV自适应路径规划决策支持平台研究

共生仿真系统是一种新的离散事件仿真范型,是系统仿真发展的新趋势之一。首先引入共生仿真思想,研究共生仿真系统体系结构及其各组成部分的功能;接着将共生仿真思想应用于动态环境下的无人机路径规划,分析并建立基于共生仿真的无人机自适应路径规划决策支持平台原型,为无人机的动态实时路径规划提供支撑;最后给出了一个原型实现。该研究既探索一条实现共生仿真的途径,也为研究动态环境下无人机自适应路径规划方法提供一种新的思路。     

一种无人机路径规划算法研究

指出了飞行器航迹规划与路径规划的区别；提出了一种给定威胁分布下的无人机路径规划算法。根据威胁分布情况构造无人机可能飞行的航路集，用voronoi图表示出来，采用Dijkstra算法搜索威胁分布图，求解粗略最短路径。在粗略最短路径的基础上，应用三次样条曲线和序列二次规划的方法求解最优路径。用Matlab进行仿真验证，证明了算法的有效性。     

基于LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm,SSA)在求解多无人机(unmanned aerial vehicle,UAV)协同航迹规划问题时收敛精度不高,易于陷入局部最优等问题,提出了一种使用对数螺旋策略和自适应步长策略的SSA (logarithmic spiral strategy a...     

基于自适应郊狼算法的无人机离线航迹规划

针对无人机(unmanned aerial vehicle,UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求,设计一种自适应郊狼算法,从最优化问题角度研究UAV离线航迹规划.建立UAV离线航迹规划的数学模型;在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制,使算法在搜索的过程中,智能选择合适的操作算子...     

基于多目标优化算法的多无人机协同航迹规划

多无人机协同航迹规划是无人机协同作战的关键技术之一。本文提出的一种针对多无人机协同航迹规划的多目标优化算法,即协同非支配排序进化算法(cooperated non dominated sorting genetic algorithms II,CO-NSGA II),针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法,克服了传统航迹规划中需要为各目标函数取权值的不足,并且可以生成多组可供选择的解。同时引入协同进化策略,将各无人机的航迹规划视作子种群,各子种群间进行合作,子种群内采用非支配排序进化算法(non-dominated sorting genetic algorithms II,NSGA II)进行独立优化。考虑到各机间的协同约束,用时间空间协同系数替代传统算法中的“拥挤距离”参数。仿真结果表明通过本文算法能够有效实现多无人机协同航迹规划。     

运动目标的多无人机编队覆盖搜索决策

针对无人机搜索运动目标时,由于目标运动状态的不确定性,传统静态环境下的无人机覆盖搜索航迹规划算法不再适用的问题,分析了无人机覆盖搜索的基本原则,提出了运动目标垂线搜索（moving target with vertical line search pattern, MTVL）算法,证明了在MTVL策略下的任务完成条件。对MTVL算法进行了改进,通过控制无人机的运动方向与搜索区域边界的角度,提出了运动目标斜线搜索（moving target with slanting line search pattern, MTSL）算法,从理论上分析了在MTSL策略下的任务完成条件并进行了仿真验证。仿真结果表明,提出的两种搜索策略在满足一定条件下都能够完成对指定区域的搜索任务,而无人机完成任务的能力取决于无人机速度与目标速度的比值、无人机数目等因素;完成同样的搜索任务,与MTVL算法相比,MTSL算法对无人机速度和无人机数目的要求更低。     

基于粒子群算法的地磁匹配航迹规划

针对无人机地磁匹配航迹规划问题,提出了一种基于粒子群优化算法的航迹规划方法.借鉴稀疏A-Star搜索算法的思想,将约束条件结合到搜索方法中,给出了基于地磁网格图的航迹节点扩展方法.结合无人机的机动性能约束和地磁匹配的自身特点,设计了一种适用于地磁匹配的航迹性能评价函数作为粒子群的适应度函数.仿真实验的结果表明:生成的航迹能够满足地磁匹配导航要求,且具有威胁规避的能力.最后,针对只在中制导段采用地磁匹配的情况提出了初步的解决方案,保证无人机顺利进入地磁匹配航迹段.     

基于3D-APF和约束动力学的无人机编队飞行控制

针对无人机编队的路径规划和队形保持问题, 提出了一种基于三维人工势能场(three-dimensional artifical potential field,3D-APF)的无人机编队路径规划与队形保持方法。对于无人机的路径规划,建立了改进的三维人工势函数。在此基础上,建立并推导了虚拟力环境下的无人机运动学模型。对于无人机的队形保持问题,运用约束动力学理论引入拉格朗日乘子建立含有队形约束的编队无人机约束动力学方程组,使编队无人机在整个飞行过程中保持期望队形。采用Penalty-Formulation对拉格朗日乘子进行求解,得到编队无人机约束动力学方程组。最后基于Matlab的仿真实验验证了所提方法的有效性。