基于群集行为的分布式多无人机编队动态避障控制

针对无人机编队保持和动态障碍物规避控制问题,本文提出了一种新的基于群集行为的分布式多无人机编队控制和避障控制算法.首先考虑了由机间气流等因素带来的干扰,基于吸引/排斥势场和一致性方法,设计了分布式无人机编队的队形保持控制算法,对编队内无人机之间的距离进行控制.进一步考虑外部移动障碍对无人机编队的影响,引入了排斥势场产生...     

3维动态环境下的无人机路径跟踪算法

针对固定翼无人机在动态环境下沿参考轨迹飞行时可能与未知障碍物发生碰撞的问题,提出了可实时避障的路径跟踪算法.采用3维毕达哥拉斯速端曲线(PH)作为参考飞行路径.PH曲线具有曲率连续、曲线平滑等特性,能满足固定翼无人机运动学约束,适于无人机飞行跟踪控制实现.给出了3维空间内稳定跟踪参数化曲线路径的充分条件.设计了非线性模型预测控制器使无人机能稳定跟踪3维PH参考路径,并改进了目标函数形式使无人机在沿参考路径飞行时能及时避开环境中未知的大型静止障碍物和移动障碍物,在避障后继续朝目标点飞行.最后通过MATLAB仿真实验验证了算法的有效性.     

基于凸面体圆弧航路的无人机自主避障算法

为解决无人机飞行过程中障碍物规避问题,提出一种新的三维自主避障算法.首先,根据障碍物的若干信息利用标准凸面体对不规则障碍物进行数学建模,用一个或多个标准凸面体覆盖障碍物整体或关键部分;然后,根据障碍物模型设计圆弧规避航路算法,将避障问题转化为跟踪规避航路控制问题,并定义避障判定、避障方向判断和成功避障规则;最后,结合非线性制导律和高度通道控制,实现无人机实时三维航路跟踪与自主避障.非线性数值仿真结果表明,避障算法能够有效地规避障碍物且三维航路跟踪精度好,能够应用于无人机的避障飞行任务.     

基于MPC的四旋翼无人机航迹跟踪控制系统

目前研究的四旋翼无人机航迹跟踪控制系统跟踪过程不稳定,导致跟踪结果不准确;为此基于MPC设计了一种新的四旋翼无人机航迹跟踪控制系统.通过空中飞行控制器、地面控制器和人工干预器实现了无人机航线的跟踪控制;空中飞行控制器包括GPS导航定位模块、姿态评估模块(MTI)、飞行控制系统计算机,显示模块等;地面控制器探测周围飞行环境,规避障碍物、规划安全航线,传输至空中自主飞行控制系统,包括无线通讯的数据连接电路和地面终端控制模块;人工干预模块能对飞行过程中发生的意外情况进行人工干预以避免突发情况造成危险;以VS2010为开发环境,利用C++软件设计软件流程;利用MPC多变量控制策略,以最优动态轨迹为控制目标,获取无人机的实时飞行状况,设定航线规划流程,实行航线动态规划;实验结果表明,所设计的无人机航迹跟踪控制系统稳定性较好,跟踪控制结果与预期的跟踪控制曲线重合度更高,平均误差控制在1 cm以内.     

未知环境下基于Elman网络力控制的移动机器人避障研究

避障控制一直是移动机器人路径规划的难点.提出了一种未知环境下基于神经网络的机器人动态避障方法,同时把混合力/位置控制结构应用到移动机器人的避障控制中.力控制算法是通过在移动机器人和障碍物之间形成虚拟力场,并对其整定,以使它们两者之间能保持期望距离.由于移动机器人的动力学模型和障碍物的不确定性也会对避障控制的性能造成影响,因此采用Elman神经网络来补偿不确定性,同时整定移动机器人和障碍物之间的精确距离.仿真实验表明该动态避障算法是有效的.     

基于贝叶斯决策的无人机飞行路径自动规划方法

传统无人机飞行路径自动规划方法无法获取全部障碍物信号,使无人机飞行不能达到避障效果,导致飞行路线规划效果较差;为此提出基于贝叶斯决策的无人机飞行路径自动规划方法;无人机飞行路径自动规划硬件模块包含自动规划模块、动画演示模块、地图导航模块和数据导出模块,自动规划模块负责控制无人机飞行;动画演示模块使用240PRO型号的LEWITT声卡,为展示飞机飞行路线提供声音;LS-TM8N地图导航模块通过串口将射频信号发送到天线的输入端,再由数据导出模块导出并保存相关数据;基于贝叶斯决策原理,结合贝叶斯元胞蚁群算法,计算贝叶斯先验概率和后验概率,规划无人机飞行路径,获取最优路径;实验结果表明,该方法遇到静态障碍物捕获的避障信号在-28～30mV范围内波动,动态障碍物捕获的避障信号在-27～30 mV范围内波动,与实际障碍物信号波动范围一致,避障效果较优.     

基于改进势场法的无人机编队协同避障控制算法

为了解决多无人机存在的自碰撞与障碍碰撞及编队通信架构等问题,在二阶模型的编队系统基础上,提出一种由图论和人工势场理论相结合的分布式编队控制策略。依据运动学原理建立无人机模型,以固定无向的通信拓补结构为基础,引入分段思想、旋转力、机间势场力来改进势场合力函数,以解决可能出现的目标不可达、死锁、编队安全问题,精准实现编队避障、避碰与航迹预规划;根据一致性理论对无人机状态误差进行修正,设计编队协同避障控制律以实现期望状态一致与航迹规划;通过构造Hamilton函数与反证法进行稳定收敛性分析,证明所提出控制算法的收敛一致性。通过仿真结果表明,无人机编队能够有效进行避障并快速达到期望一致。     

基于滚动速度障碍法的无人机山地航测避障路径规划研究

无人机在进行山地航测时,经常遭遇鸟类等动态障碍,若不能及时规避掉障碍,极容易发生坠机事故。为此,研究一种基于滚动速度障碍法的无人机山地航测避障路径规划方法。基于山地环境模型,结合飞行路径长度、路径平滑度建立一个综合目标函数并利用改进布谷鸟搜索算法求解,得到无人机山地航测的初始路径。对图像进行预处理后,识别无人机初始路径飞行过程中遇到的障碍物,并通过超声波测量无人机与障碍物之间的距离,以此建立速度障碍模型,实现速度障碍碰撞分析,通过滚动窗口的方式确定无人机与障碍物是否存在飞行冲突。基于滚动速度障碍避障方法实现滚动角度避障和速度避障,获取最终的优化路径,完成基于滚动速度障碍法的无人机山地航测避障路径规划。测试结果表明:航测避障路径长度为571.45m,平滑度为165.52,规划的方案更具合理性。     

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。     

基于柱状空间和改进A*算法的无人机规避方法

针对无人机避障问题,提出了基于改进A~*算法和柱状空间的无人机规避方法。首先,根据无人机飞行区域的障碍物分布情况,建立飞行区域的柱状空间;然后将障碍物对无人机的影响引入到估价函数中,重新设计启发函数;最后将基于柱状空间和改进A~*算法的无人机规避方法应用于无人机的规避中,并对规划的路径进行平滑处理。仿真结果表明,该算法能够有效地实现无人机的规避。     

基于模型预测控制与改进人工势场法的多无人机路径规划

模型预测控制(model predictive control,MPC)已成功地应用于无人机集群的路径规划.但其存在计算量大及单步运算时间长等不足,在实时运行中往往难以获得较高的控制频率.而离线的MPC需要准确的地图信息,难以处理地图中无法预测的动态障碍物.对此,提出一种结合离线MPC全局规划与在线改进人工势场法局部规划的方法.在利用MPC方法生成安全、平滑轨迹的同时,提高无人机在动态障碍物影响下的避障能力.通过引入调节力来处理传统人工势场法的局部极小值问题,并将目标与无人机的相对距离引入斥力函数,同时改进引力函数,以改善无人机在目标点处低速徘徊的问题.此外,设计一种事件触发的无人机轨迹变更与轨迹恢复策略,使无人机仅在必要时实施动态避障行为.在此基础上,最大化利用原来的规划轨迹.仿真验证结果表明,所提出的路径规划方法能够使无人机集群安全飞行至目标点,并且具有良好的动态避障能力.     

基于双旋Lyapunov矢量场的无人机避障算法

提出一种基于双旋Lyapunov矢量场的无人机避障算法.首先,建立无人机和障碍物的模型,并根据无人机有限时间是否会侵犯障碍物安全圆设计避障判定规则;然后,基于最小侧向偏移量原则选定避障机动中无人机速度旋转方向为最优避障方向,选定其反方向为矢量场旋转方向,定义成功避障的标准并进行证明;最后,通过建立的障碍物合并规则提升避障效率,使得上述方法适用于未知环境下的无人机在线避障.仿真结果表明,在无人机性能约束下,所提出的算法对动态和静态障碍都能有效避障,算法性能优于Dubins路径和人工势场法.     

采用滑模条件积分的无人驾驶汽车弯道超车路径规划与跟踪控制

针对无人驾驶汽车弯道超车场景,基于五次多项式曲线提出一种路径规划算法和基于滑模条件积分控制方法提出一种路径跟踪控制策略.首先,为了简化无人驾驶汽车弯道超车路径规划过程,将其分解成驶入超车道路径、保持超车道内行驶路径和驶回原车道路径3部分,并基于五次多项式曲线分别规划出满足汽车侧向加速度约束和动态障碍物避障约束的驶入超车道路径和驶回原车道路径,3部分路径平滑连接构成无人驾驶汽车弯道超车路径.随后,为了高精度的跟踪规划的路径,采用滑模条件积分控制方法设计具有强鲁棒性优点且无抖振的无人驾驶汽车路径跟踪控制策略,并采用李雅普诺夫稳定性理论证明其收敛性.最后,进行了算法的仿真验证,结果表明:所提出无人驾驶汽车路径规划算法和路径跟踪控制策略可以引导无人驾驶汽车安全、舒适的完成弯道超车操作,并且相对于斯坦利方法,具有更快的响应速度和更高的跟踪精度.     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

有界扰动下异质车辆队列分布式鲁棒经济预测控制

针对有界扰动下异质车辆队列节能与稳定分布式协同控制问题,提出一种新的分布式鲁棒经济模型预测控制(economic model predictive control, EMPC)策略.首先采用不确定误差模型描述有界扰动下异质车辆队列纵向行驶动态特性,再应用tube思想对系统约束进行紧缩设计,补偿有界扰动对系统造成的不确定性.其次,采用局部车辆行驶能耗模型描述车辆队列分布式经济性能优化的有限时域最优控制问题,并利用传统跟踪性能指标设计附加稳定收缩约束函数.进一步,基于系统收缩原理,建立车辆队列闭环系统关于有界扰动的输入-状态稳定性条件.最后,通过与车辆队列传统分布式鲁棒模型预测控制策略的数值仿真对比结果验证了所提出策略的有效性和优越性.     

基于图与势场法的多车道编队控制

多车协同驾驶能显著提高交通安全和效率,是未来5G网联自动驾驶技术的重要应用场景之一.传统上,多车协同驾驶的主要形式为单一车道上的无人车队列,其队列稳定性受队列长度、通信距离及延迟的限制.本文提出一种无人车编队方法,将单车道队列扩展为多车道护航编队.针对不同场景下的需求设计多车道编队调整策略,结合基于图的分布式控制,完成任意预定义的编队结构;同时,利用势场法对行车环境建立势场模型,实现无人车的避障轨迹规划,提高编队的避障能力;最后,结合纵横向控制器,实现无人车多车道护航编队控制.仿真实验表明,本文提出的无人车多车道护航编队方法,能适应不同交通场景,如道路变化、障碍车运动等,完成自动变换编队结构,实现安全、高效通行.     

一种协作式车队控制的新方法

针对协作式车队机动过程中存在燃油或制动延时的情况,建立车辆与车队动力学模型,综合考虑本车与相邻前车间的局部信息及领头车的全局信息,提出协作车队纵向控制策略.从避免Slinky-Effects效应出发,得到车队队列稳定条件,根据Lyapunov-Razumikhin方法证明车队中单车稳定性,并将两者相结合共同确定燃油或制动延时界限.在此基础上,分析车间距稳态误差及车队抖动与碰撞的避免条件.最后通过数字仿真检验上述设计,仿真结果对比表明了所提出控制策略具有较好的控制效果.     

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。     

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.