基于概率地图方法的无人机路径规划研究

论述了现有无人机路径规划算法普遍存在的一些问题,引入了一种快速、有效的无人机路径规划算法-概率地图方法,详细描述了概率地图方法的实现步骤,并对传统概率地图方法的执行流程作了改进,改进后的算法在时间特性上有了较大幅度提升。讨论了改进后的概率地图方法和传统的概率地图方法在无人机路径规划中的优缺点,并给出了仿真结果。总结了概率地图方法在工程应用中需要改进的一些方面。     

无人机初始路径规划空间建模方法研究

提出了一种无人机初始路径规划空间建模方法，重点在于将地形威胁和火力威胁分开建模，通过引入不可接受毁伤系数来评价威胁对航路的影响，并应用数学形态学骨架化算法生成初始路径规划空间。仿真结果表明，该方法生成初始路径规划空间小，各种建模约束条件符合战场实际环境，为航路奴．划算法的工程化应用奠定了基础。     

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。     

基于博弈论的无人机搜索路径规划

现阶段的无人机搜索路径规划主要以区域覆盖率以及搜索时间为指标,缺乏对目标运动行为的综合利用。本文以敌我双方为局中人,把敌我双方可能的行为作为策略集,建立博弈论模型,通过求解Nash均衡改进扫描式搜索路径规划算法。仿真表明,基于博弈模型的规划算法较改进前不仅能够满足对待搜索区域的完全覆盖,而且提高了无人机的任务完成率,说明了该算法的有效性。     

无威胁情况下任意两点间的无人机路径规划

针对无威胁情况下无人机的路径规划问题,提出了一种较简单、有效的路径规划方法:基于几何原理的无人机路径规划法。在提出了无威胁情况下路径规划的一些基本约定的基础上,重点研究了基于几何原理路径规划法的基本思想,并给出了路径规划的主要步骤。最后,通过一个仿真算例验证了此方法的有效性,并对此方法的优缺点进行了总结。     

多无人机3D侦察路径规划

针对现有路径规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪,而导致规划路径不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题。首先,提出将侦察区域重要性作为必要优化指标,与无人机能耗和飞行风险值等7个优化指标加权联合,构成路径优化过程中评估生成路径的多目标效用函数,从而使得规划路径可以反映侦察区域优先级特性。然后,提出了基于事件检测的侦察区域重要性值更新机制以提升路径规划方案对动态环境的适应性。最后,采用粒子群算法求解最优路径。仿真结果表明,利用所提路径规划方案生成的侦察路径能最大限度优先覆盖重要侦察区域,并且所提更新机制能够跟踪侦察区域中发生的新事件。     

固体废弃物逆向物流网络优化设计

针对固体废弃物的回收问题，构建了一个两层的逆向物流网络系统，研究了如何确定回收站和处理站的地址和数量，废弃物产生点的分配以及废弃物的存储和运输问题，建立了一个多目标的整数规划模型。最后用算例证明了模型的有效性。     

基于改进甲虫搜索算法的城市无人机路径规划

为提高无人机在城市多障碍物环境下执行任务时的安全性和路径平滑度,并获得最短路径,提出一种改进退火甲虫搜索算法。该算法在探索路径进行位置更新时不再完全依赖于甲虫左右触须的气味浓度差,而是在充分利用甲虫搜索算法较强的搜索能力的基础上,通过引入退火算法增加下一位置的邻域位置解,最终在邻域位置解中筛选得到下一步最佳位置。由退火算法的Metropolis准则对以上得到的最佳位置进行是否可以移动的判断,克服了经典甲虫搜索算法易陷入局部最优解的缺点。仿真结果表明：在城市多障碍物环境下,该算法在收敛速度和生成路径的安全性、平滑度和路径长度方面都优于甲虫搜索算法和蚁群算法。在当前多障碍物城市场景下,当初始步长和步长因子分别为16 m和0.99时,规划的路径最优。     

四维空间中的无人机动态路径规划及仿真

在无人机任务/路径规划仿真平台中,采用模型预测控制算法解决无人机的动态路径规划问题.具体规划过程中,加入任务对飞行时间的约束条件,通过控制飞行器的航向和速度,使其有效规避地形障碍和雷达威胁,并在预定时间到达目标点或新任务中的新目标点,从而将三维路径规划拓展到四维空间中去.仿真结果表明此平台能完成四维空间中的动态路径规划,并且算法能够使无人机以较小的时间误差到达目标点,而且能够处理突发任务情况下的动态路径规划问题.     

小型无人机协同覆盖侦察路径规划

针对多架小型无人机对含有障碍的区域覆盖侦察最佳路径规划问题,首先用方形单元格将待侦察区域离散化,利用基于初始位置的划分方法划分出与无人机对应的子区域,把问题转化为单无人机优化问题以降低计算复杂度;然后在最小生成树的基础上提出节点交换法,对各子区域的形状和最小生成树进行调整优化;最后依据优化后的最小生成树为每个子区域构建侦察路径。仿真验证了该方法产生的规划路径能够完全覆盖指定区域且无重叠,路径长度和转弯数最小。     

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...     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle,UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长,难以选择适合UAV任务特点的协同航迹等问题,提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm,MOFA)进化的多UAV协同航迹规划方...     

基于区间灰度的无人机航迹择优评价方法研究

本文给出一种基于区间灰度评价理论的无人机多航迹方案择优方法,提高了不确定飞行环境下,无人机航迹择优的精度和可靠度.针对无人机多航迹方案择优中存在的不确定性和威胁信息获取的不完全性,本文将反映不确定性的区间数,与刻画信息获取量的灰度组成的二元有序对,作为新的评价标度-区间灰度,并定义了决策结果可靠度指标;接着构建了基于区间灰度评价标度的无人机航迹方案择优方法.在无人机航迹规划方案的择优实证分析中,对比仿真了本文方法与区间决策方法,仿真结果表明:本文方法不仅能有效提升最优方案分别与次优和最差方案评价指标的离差,减少决策者的犹豫度;还能提供决策结果的可靠度信息,增加决策信心.     

混合种群RRT无人机航迹规划方法

快速扩展随机树（rapidly-exploring random tree,RRT）无人机航迹规划方法能够快速获得满足约束要求的可行航迹,但是无法获得接近最短航迹的较优航迹。针对航迹的最优性问题,提出了混合种群RRT无人机航迹规划方法。在基于环境势场的RRT算法的基础上,设计了一种种群优化方法,通过引入自优化种群和协同优化种群改善航迹段,使算法同时具有局部和全局寻优能力。在得到航迹节点的基础上,采用B样条曲线的平滑方法生成曲率连续的可跟踪航迹。仿真结果表明,所提算法能够综合考虑无人机航程代价和雷达威胁代价,快速地收敛得到接近最优且满足无人机动力学约束的可行航迹,在不同环境下也能有满意的收敛效率。     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程.使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除.通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规...     

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.     

基于改进A*算法的飞行器三维航迹规划算法

提出了改进A*算法并应用于飞行器航迹规划,该算法把地形平滑技术融合到路径搜索的过程中,使平滑处理只需满足路径选择方向的飞行坡度要求和飞行器过载限制,得到的最优航迹更加贴近地形。在相同的条件下对改进A*算法和传统算法进行仿真比较,传统算法需要35 s左右收敛得到优化航迹并且代价函数为32.15;改进算法能在24 s内找到代价函数最优的飞行器三维航迹且代价函数为28.26,仿真结果表明改进A*算法在收敛速度和最优路径代价函数结果都明显优于传统算法,是一种有效的三维航路规划方法。