基于区域分割的无人机路径规划

研究无人机路径规划优化问题,针对在城市环境下执行飞行任务前,需要根据所经城市内已知的建筑物信息以及飞机本身性能的限制计算出飞行轨迹,并根据规划出的路径完成飞行任务。在给定起始点和目标点上,提出了一种城市建筑物遮挡模型的无人机路径规划方法。主要包含两方面的内容:一是利用圆柱虚拟城市建筑物环境使建筑物对无人机的遮挡面积可计算;二是在计算出无人机飞行的水平平面上(x,y)点遮挡值的基础上,给出了无人机搜索区域等分的沿对角线折线走法的优化路径规划,得到一条遮挡面积最小的路径并进行仿真。仿真结果表明,规划方法能够快速有效地完成规划任务,获得满意的航迹,为无人机优化路径提供了依据。     

无人机空中基站对地信道建模及功率覆盖预测

传统统计建模方法难以对特定场景下的无人机信道做出精确预测。针对城市场景下的无人机信道,结合确定性信道建模法,基于射线跟踪原理构建了一种无人机基站-地信道模型,该模型考虑了散射次数对接收功率的影响,将到达地面接收机的射线分为视距路径、一次散射路径和二次散射路径;给出了基于射线跟踪原理的传播损耗和3种路径相应的功率计算方法,该方法沿路径计算场强。在利用数字地图预处理技术对城市建筑物进行简化后,对该场景下无人机信道的传播路径、损耗、功率延迟分布以及功率覆盖情况进行了仿真验证。数值仿真结果表明,本模型能够准确复现城市传播环境及传播状况,覆盖预测结果可用于优化无人机部署。     

POMDP-APF：一种基于POMDP模型的APF无人机路径规划策略

针对无人机在路径规划过程中会遇到静态或者动态的障碍物,从而导致路径规划失败的问题,提出一种基于部分可观测马尔可夫决策过程（partially observable markov decision process,POMDP）模型的人工势场（artificial potential field,APF）无人机路径规划策略（POMDP-APF）。首先使用传感器获得的障碍物信息结合POMDP模型预测障碍物的未来位置,为无人机的路径规划做准备;其次,提出一种新的基于障碍物的正方体外接球的模型,保障无人机在路径规划过程中的安全性;最后,结合改进的APF算法实现无人机的路径规划。仿真结果表明,POMDP-APF策略在无人机实时路径规划中具有良好的可行性和有效性,使无人机能够有效避开障碍物,同时路径长度以及耗费时间更短。     

多雷达威胁环境下的无人机路径规划

根据雷达对无人机的瞬时探测概率模型以及无人机的运动特性,提出一种基于改进蚁群算法与Voronoi图相结合的无人机路径规划方法,使无人机突破雷达威胁环境的路径成本最低。将该方法与其他路径规划方法在所得路径燃油成本、威胁成本、总成本以及计算时间方面进行对比,表明该方法具有更低的路径成本和更少的计算时间。     

基于人工势场算法和RRT算法的多无人机路径规划

为了解决在城市和山区复杂环境中的多无人机任务分配及路径规划问题,提出了一种基于人工势场算法和RRT融合算法的多无人机协同路径规划方法。基于人工势场算法基础优化斥力函数,加入机间斥力因子,实现了协同避撞。引入RRT算法进行拓展搜索,解决了无人机陷入局部极值点时单一人工势场算法目标不可达的问题。通过三维路径规划仿真实验和算法对比实验验证该方法的可行性,结果表明,融合路径规划算法可以在约束条件下找到全局最优路径。     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

多无人机协同攻击路径规划研究

如何实现多架无人机规避复杂威胁区域对敌重要目标实施协同打击成为近来研究的难点,研究实现协同打击的关键是规划出多无人机从各自起始点到目标的最优协同攻击路径,以解决路径规划的关键技术为目的。对复杂威胁区域中,多无人机最优协同攻击路径规划进行了研究。首先,构建了多无人机最优协同攻击路径规划系统框架;其次,以人工智能A*算法为基础,结合无人机运动学方程对A*算法进行了改进,得到一种基于步长搜索的无人机路径快速生成算法;再次,基于改进的路径快速生成算法,以多无人机同时攻击目标为约束条件,进行变步长的协同攻击仿真计算。仿真验证了路径规划算法和协同攻击算法的有效性。     

基于遗传算法的输电线路无人机巡检路径规划

针对无人机有效、安全巡检输电线路的路径问题,提出了一种基于遗传算法的输电线路无人机巡检路径规划方法,采用极坐标编码方式对无人机巡检路径构造染色体;结合实际情况中的无人机巡检各种约束问题,设计了适合于无人机巡检路径规划的遗传算子;实验结果证明算法能综合考虑各种因素,提高了全局寻优能力,是解决实际输电线路无人机巡检路径规划问题的较好办法.     

未知复杂环境中的无人机平滑飞行路径规划

针对无人机实时路径规划问题,提出了一种基于双层决策的平滑路径规划方法,以弥补现有方法在复杂飞行环境中对路径平滑性优化的不足,增强路径的易跟踪性.本文首先给出路径平滑性度量,然后建模上、下层决策目标、威胁规避与无人机性能约束并引入变长规划时间,进而设计基于双层决策的路径规划模型.规划过程中通过嵌入启发式优化策略来进一步改善路径的全局与局部平滑度,并提高路径搜索效率.大量复杂场景中的仿真及与现有经典方法的对比结果表明:该方法能够实时避开复杂危险区域,规划适合飞行的、较短的平滑路径.     

无人机反应式扰动流体路径规划

针对复杂三维障碍环境,提出一种基于深度强化学习的无人机(Unmanned aerial vehicles, UAV)反应式扰动流体路径规划架构.该架构以一种受约束扰动流体动态系统算法作为路径规划的基本方法,根据无人机与各障碍的相对状态以及障碍物类型,通过经深度确定性策略梯度算法训练得到的动作网络在线生成对应障碍的反应系数和方向系数,继而可计算相应的总和扰动矩阵并以此修正无人机的飞行路径,实现反应式避障.此外,还研究了与所提路径规划方法相适配的深度强化学习训练环境规范性建模方法.仿真结果表明,在路径质量大致相同的情况下,该方法在实时性方面明显优于基于预测控制的在线路径规划方法.     

复杂城市环境下无人机三维路径规划

基于转移的快速扩展随机树(T-RRT)算法,能够较快寻找到机器人在二维复杂成本空间的低危险度路径,但面对无人机的三维飞行工况,其规划结果较差,针对此问题,提出了一种基于探索、启发和转移的EHT-RRT(exploring heuristic transition-based RRT)算法.首先,算法在T-RRT的基础上...     

基于改进蚁群算法的三维航迹规划

针对蚁群算法在无人机（UAV）三维航迹规划中存在的收敛速度慢、空间复杂度高的缺点,提出了一种基于改进蚁群算法的无人机（UAV）三维航迹规划方法。该方法改进了局部搜索策略、初始信息素调整因子并在启发函数中加入了路径偏移因子,从而降低了航迹搜索空间的复杂度,提高了算法的搜索效率和收敛速度。在利用DEM数字高程数据建立的搜索空间中,该算法与现有算法相比,规划航迹缩短约24.08%,运行时间减少约11.56%,表明改进蚁群算法在无人机（UAV）三维航迹规划中的可行性和有效性。     

自适应斥力系数的无人机路径规划

使用人工势场法进行无人机路径规划时,往往存在目标不可达、运动轨迹迂回反复和路径长度过长等问题.传统的人工势场法不能根据环境具体信息对斥力系数进行调整,而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长.针对以上问题,提出了一种基于深度学习的无人机自适应斥力系数路径规划方法.首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集,其次利用该样本集训练残差神经网络,最后通过残差神经网络计算适应环境的斥力系数,进而使用人工势场法进行路径规划.仿真实验表明,该方法在一定程度上解决了人工势场法规划中目标不可达、运动轨迹迂回反复和路径长度过长等问题,规划效果和规划时长方面均有优异表现,能很好地满足无人机路径规划中对当前环境的自适应要求和快速规划的要求.     

基于多曲率拟合模型的无人车路径规划研究

针对无人驾驶车辆的局部路径规划问题,提出一种基于多次曲率拟合模型的路径规划算法。鉴于无人车辆需要生成无碰路径的特点,建立了由三次曲率多项式产生的候选路径集,采用四重参数循环法解决了三次曲率多项式参数计算的问题,进而能够根据评价函数从候选路径集中选择出当前环境下的最优路径。所提出的无人车局部路径规划算法经现场多个路口通过性实验证明了有效性。     

基于集成约束无人机两步制航迹规划方法

无人机航迹规划是一个富含地形威胁、雷达威胁和自身可飞性等多约束的优化问题.采用两步制的规划框架,提出一种基于集成约束的无人机航迹规划方法.规划第1阶段采用基于多种群策略的差分进化优化方法,规划第2阶段采用海洋捕食者算法的Lévy运动优化;集成约束机制在搜索过程中动态更新约束策略来补偿可行解数量骤减,抑制搜索停滞.与典型算法和约束处理策略进行对比,实验结果表明,所提出无人机航迹规划方法收敛性好、稳定性强,能够有效地求解复杂多约束无人机航迹规划问题.     

双向蚁群算法的智能消防疏散图路径规划

当前我国正处在城市发展高速时期,综合建筑不断涌现,这时可根据火灾实时信息自动调整疏散路径的智能消防疏散图应运而生。路径规划算法是智能消防疏散图的重点研究方向之一。针对智能消防疏散图需结合火场信息动态规划路径等问题,提出了一种改进双向蚁群算法。添加了双向搜索策略,提高了算法全局搜索能力;结合A*算法改进了初始信息素分布,减小了算法初期搜索盲目性;改进了信息素更新策略,提高了算法收敛速度;结合火场信息和转向惩罚系数对算法蒸发系数、启发函数和转移概率进行改进,降低了陷入局部最优风险,提高了算法搜索效率和路径平滑性,并有效避开了火灾影响区域。通过仿真验证了算法有效性。     

无人机三维路径规划及避障方法

针对无人机(UAV)在三维环境中如何由起始点到目标点合理地规划路径避开障碍物,提出了一种基于改进粒子群算法与滚动策略相结合的UAV路径规划与避障方法.该方法首先以UAV为中心,通过传感器建立UAV的可视区域模型;其次结合滚动策略滚动探知UAV周围环境信息;最后,利用改进的粒子群算法进行路径搜索,并加入综合转角控制提高路径的平滑性.在传统粒子群算法中加入信息素与启发函数,增强算法的全局搜索能力,并对参数进行特定设计提高算法的收敛速度.仿真结果表明,该方法可以实现实时避障,所规划的路径相对平滑,且改进算法比传统算法具有较高的收敛性.     

静态威胁下的无人机航迹规划

无人机（Uninhabited Air Vehicle,UAV）由于其自身优点,已经在军事以及民用领域取得广泛使用。无人机的航迹规划本质可归结为一个多目标多约束条件的最优化问题。简单介绍无人机航迹规划的基本理论。运用神经网络算法针对静态环境下的火力威胁和非火力分别建模。运用遗传算法对无人机进行航迹规划。通过建立不同环境的模型仿真验证算法的优越性。