基于改进强化学习算法的多无人机智能航迹规划

为实现复杂任务环境中多无人机的自主飞行, 本文采用改进的强化学习算法,设计了一种具有避碰避障功能的多无人机智能航迹规划策略。通过改进搜索策略、引入具有近似功能的神经网络函数、构造合理的立即回报函数等方法,提高算法运算的灵活性、降低无人机运算负担, 使得多无人机能够考虑复杂任务环境中风速等随机因素以及静态和动态威胁的影响, 自主规划出从初始位置到指定目标点的安全可行航迹。为了探索所提算法在实际飞行过程的可行性, 本文以四旋翼无人机为实验对象, 在基于ROS的仿真环境中验证了算法的可行性与有效性。     

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。     

基于改进约束差分进化算法的动态航迹规划

为解决三维复杂环境下无人机动态航迹规划问题,提出一种基于改进约束差分进化算法的动态航迹规划方法,以满足对实时性及动态搜索精度的要求.首先,根据无人机航迹规划特点将其描述为包括飞行约束及威胁约束在内的约束优化问题,并构造目标代价函数和约束限制函数;其次,将广义反向学习和自适应排序变异操作引入到约束差分进化算法中,以提高算法的多样性、收敛速度和寻优精度;最后,利用自适应权衡模型对各状态下的约束限制进行处理,充分利用“精英”个体信息,实现对目标适应值的合理转换.通过仿真实验以及与3种先进约束差分进化算法比较表明:所提方法能够有效实现静态及动态威胁回避,规划出安全适航的飞行路径,实现地形跟随;相较于其他3种算法,所提方法具有寻优性能好、鲁棒性强、收敛速度快和可靠性高等优势.     

基于深度确定性策略梯度强化学习算法的航迹规划研究

航迹规划是无人机走向智能化的重要组成部分。目前已有的传统航迹规划算法存在实时规划能力差、无法处理动态场景、航迹不平滑等问题，现有的强化学习算法虽然能够实时规划，但是大多数算法主要应用在二维场景下，且存在容易碰撞障碍物、到达率低、航迹不平滑和航迹质量低等问题。针对上述问题，提出基于改进深度确定性策略梯度的强化学习算法，该算法融合自注意力机制，提取障碍物特征，躲避障碍，解决到达率低、实时规划能力差的问题，重新设计奖励函数，惩罚无人机“后退”行为，引入方向向量夹角引导机制，解决航迹不平滑问题。仿真验证结果表明，提出的改进算法在复杂动态场景下达到93.5%的到达率，平均飞行距离减少7.3%，推理时间减少26.2%，推理时间短，航迹符合无人机的飞行要求。     

无人机航迹控制模块的优化设计与实现

当前在无人机作业过程中,能够根据预设的目的地信息自主控制飞行的模块,在多个最优方案条件下,需要预设复杂约束条件,否则就会存在寻优过程不收敛的问题,导致控制效果不佳。针对这一问题,研究了无人机航迹自主控制模块的改进设计。设计可以采集无人机的位置、速度等飞行信息,并上传至飞行主控器的模块硬件,软件在符合无人机飞行约束与威胁约束的条件下,规划获取后续飞行的最优航迹点。为了保证无人机飞行距离最短、高度最小,将无人机航迹自主控制问题变成优化问题。在面临多个最优方案条件下,构建基于鲸鱼算法的无人机航迹选择模型,以无人机飞行航线代价最小为目的,使用鲸鱼算法求解无人机航迹自主控制方案,完成软件设计。实验结果显示：使用所设计模块后,无人机可自主控制飞行航迹,成功避开静态威胁因素、动态威胁因素安全飞行至目的地。     

基于EB-RRT*的无人机航迹规划算法研究

随着小型无人机的广泛应用,无人机的自动巡航能力变得至关重要。无人机航迹规划,是指其在已知环境地图信息下展开航迹规划以实现无碰撞地、平滑地从初始点到达目标点。针对现有算法依然存在收敛速度慢、遍历时间长和航迹曲线化无法满足实际无人机飞行条件等问题,首先提出了EB-RRT*(Efficient B-RRT*)算法,设计自适应避障提高算法收敛速度并减少内存占用;然后采用栅格分区的方法缩短附近节点的遍历时间;最后利用合理的降采样和三次贝塞尔插值算法对折点进行光滑化的处理,使算法最终生成相对平滑的航迹,为无人机实际飞行提供可行航迹规划方法。进行了多组不同环境复杂度的实验,并将该算法与其他算法进行对比,结果验证了所提算法的有效性。     

基于稀疏A*搜索和改进人工势场的无人机动态航迹规划

针对不同属性的障碍物所构成的威胁分布模型, 本文提出了一种基于稀疏A*搜索算法预规划和改进人工势场相结合的无人机动态避障算法. 该算法首先对威胁分布建立栅格化模型; 然后根据静态威胁, 基于稀疏A*搜索算法进行全局航迹规划; 最后结合预规划路径和动态威胁分布, 利用改进人工势场法完成无人机的动态避障. 仿真结果表明, 该方法能够规划出给定威胁指标下的全局最优路径并达到良好的动态规避性能.     

基于图形模型动态感知下的多无人机航迹协同

为解决对当前形势估计不足以及对未来情况预测的问题.采用图形模型中动态贝叶斯网络(DBN)建立突发威胁体感知的模型,利用DBN的状态转移网络、观测转移网络及DBN的学习和推理算法,实现了对突发威胁体的动态感知.提出一种基干图形模型动态感知下的多架无人机航迹协同规划方法,并据此实现多无人机飞行航迹协同规划.仿真结果表明了这种基于图形模型动态感知下的多架无人机协同方法的正确性和可行性.     

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.     

基于改进人工势场和一致性协议的协同避障算法

协同避障是无人机（UAV）系统的关键技术之一，而UAV集群避障期间存在队形丢失、任务失效和能源消耗增加等问题。为解决这些问题，提出了一种基于改进人工势场和一致性协议的协同避障算法。首先，根据多旋翼UAV的控制律来设计保持速度、位置一致的控制协议，并采用归一化和高阶指数缩放变换人工势场力，从而解决势场力变化幅度过大导致的振荡失效问题；然后，引入人工势场力调整一致性协议期望编队，从而解决人工势场法与一致性协议组合算法的控制冲突问题。在复杂障碍环境下，所提算法与编队划分避障算法、动态窗口避障算法进行对比仿真的结果表明，所提算法的队形平均损失程度分别下降82.60%、64.38%，任务平均失效程度分别下降98.66%、86.01%，飞行路径总长度分别下降9.95%、17.63%。可见，所提算法适用于多障碍复杂飞行环境。     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

基于粒子群优化算法的无人机航迹规划

无人机作为侦察和作战的重要手段,重要的是保证侦察目标的准确性,对任务/航迹规划系统是无人机实现自主飞行和自主攻击的关键技术。在给出无人机航迹规划问题描述的基础上,提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,将约束条件和搜索算法相结合,从而有效减小搜索空间,得到一条全局最优路径并进行仿真。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,满足无人机作战要求,具有重要的现实意义。     

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.     

基于改进A*算法的无人机避障路径规划

近年来,物流行业的飞速发展,运输是物流的重要环节之一,根据数据显示,运输的成本占据整个物流成本的50%以上.无人机的使用有效的控制了运输成本,合理规划物流无人机的飞行路线,也起着至关重要的作用.在物流无人机的航迹规划中,必须保证无人机飞行过程中能够准确避开禁飞区.本文基于A^*算法,结合多种类型的禁飞区,设计出一种改进算法,能够找到任意两客户点间无人机避障飞行的最优路线.仿真结果表明,本文所设计的算法能够有效解决多类型禁飞区并存的无人机避障路径规划问题.     

基于改进人工势场法和自适应神经网络的共轴双旋翼无人机避障飞行控制

针对共轴双旋翼无人机(coaxial rotor unmanned aerial vehicle, CR-UAV)在未知和危险环境中飞行避障的控制问题，基于飞行态势图和改进人工势场算法，提出了一种新的避障方法。首先，该方法通过飞行态势图对障碍物信息进行建模，考虑了CR-UAV飞行控制的约束条件，可使无人机有效利用障碍物信息进行避障，避免了局部极小点的问题，无人机的控制和避障能力显著提高；其次，采用基于径向基函数的神经网络(RBFNN)对CR-UAV飞行中的干扰进行估计并实时补偿，采用非线性状态误差反馈实现CR-UAV的姿态跟踪控制，从而保持无人机避障飞行过程中的姿态稳定；最后，进行了仿真实验。从仿真结果可以看出，无人机在避障飞行具有良好的姿态稳定能力。     

面向无人机电力巡检航迹规划的语义服务方法

针对复杂环境下无人机电力巡检航迹规划问题,从信息处理角度提出一种语义服务方法.构建一个具有环境态势感知、航迹构造和语义策略图模型的语义服务框架;利用巡检关联比重对实体对象进行空间划分,通过OWL形式化表示和J ena推理刻画巡检航线特征位置的因果关系,提出语义空间距离计算和基于强化学习的路径选择机制.研发语义服务模拟演示系统,实验结果表明,在满足航向速率和空速的条件下,通过语义策略图和强化学习方法可以有效判断飞行特征点及干扰因素,同时语义规划的航迹代价能够快速收敛并趋于稳定,巡检对象覆盖率达到92.3％,实现无人机航迹规划在电力巡检的应用.     

基于MB-RRT*的无人机航迹规划算法研究

随着小型无人机的广泛应用,提高无人机的自动巡航能力变得至关重要。无人机航迹规划是指其在已知环境地图信息下展开航迹规划,实现无碰撞的、平滑的、从初始点到达目标点的路径。针对现有算法依然存在收敛速度慢、内存消耗大、航迹规划固定步长和航迹平滑度无法满足实际无人机飞行等问题,提出了MB-RRT*(Modified B-RRT*)算法,通过懒惰采样方法加快算法收敛速度并减少内存占用;设计自适应步长来解决算法在障碍物附近生长树的局限性问题,从而提高了找到初始可行解的速度和质量;然后利用降采样和3次贝塞尔插值算法实现了曲线拟合的功能,使算法最终生成相对平滑的航迹,为无人机实际飞行提供可行的航迹规划方法。最后在多组不同环境复杂度的实验中,通过与其他算法相比较,验证了所提算法的有效性。     

基于APSODE-MS算法的无人机航迹规划

无人机航迹规划是指在环境威胁与自身约束条件下,规划一条安全可行的航迹,是实现无人机自主化飞行的关键技术之一.为实现无人机在不同城市环境下能够快速规划一条安全可靠的航迹,提出一种基于自适应粒子群差分进化-最小捕捉(APSODE-MS)算法的无人机航迹规划方法.首先,建立城市环境航迹规划数学模型,以航程距离、威胁约束、违背约束代价3者的加权和作为目标函数;其次,在PSO算法中引入自适应非线性惯性权重,根据粒子偏离全局最优解的程度分配不同的搜索模式,结合动态差分进化(DE)算法加快粒子的收敛速度,引入改进的正态扰动提高跳出停滞与早熟现象的能力;最后,筛选关键航迹点,并采用最小捕捉轨迹(MS)算法对航迹进行光滑处理.仿真结果表明,所提出的APSODE-MS航迹规划方法能够在不同城市仿真环境下较好地完成规划任务,并能获得更优的航路,从而验证算法的有效性和鲁棒性.     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

贝叶斯框架下基于灰狼优化策略的多无人机巡检航迹规划

针对变电线路巡检无人机飞行控制的不确定性和动态变化性,提出贝叶斯框架下基于狼群优化策略的多无人机航迹规划方法。使用基于距离值函数的单元加权概念的有效贝叶斯形式,建立自动相关监视广播提供的不确定风险模型;提出一种基于灰狼优化策略的无人机最优轨迹求解算法,以解决变电线路上动态航迹构造问题;研发一个应用集成系统。实验表明：所提方法具有监控位置可达性和性能可行性,系统性能收敛稳定、航迹代价较小,对实现变电线路的巡检监控有借鉴价值。