无人机航路规划及视景仿真系统设计与实现

为提升无人机自主任务执行能力,对飞行特性、任务执行能力进行预演仿真,以减少实际试验投入、降低研制风险、缩短研发周期。针对某型无人机的飞行特性,开发了一套交互式无人机航路规划及视景仿真系统,解决了复杂飞行环境建模、三维空间大范围航路规划及大场景、真实环境三维场景建立等关键问题,实现对无人机的三维航路规划、视景仿真等功能,该系统是无人机模拟仿真系统的重要组成部分。仿真结果表明:该系统航路规划模块能适应不同环境的需求,规划速度快、规划结果准确,三维视景中直观显示无人机三维飞行特性,三维场景震撼真实,操作交互方便,可满足无人机任务飞行的航路规划及模拟验证等需求。     

城市密集不规则障碍空间无人机航路规划

随着国家低空开放和民用无人机的普及,小型无人机在城市空间的使用将会越来越广泛,城市空间的密集不规则障碍环境对无人机的安全提出了严峻挑战.针对传统的全局航路规划方法在密集不规则障碍环境中容易陷入局部"死区"而导致飞行危险的问题,通过设计当前航点到无人机视界的航路代价函数,建立了局部视界范围内的最优回溯模型,提出基于局部回溯和广度优先思想相结合的综合路径规划方法.仿真对比实验表明,本文提出的航路规划方法避免了传统的全局规划方法存在的局部"死区"问题,可在密集障碍环境中为无人机规划出安全可飞的航路,使无人机能够规避任意不规则形状的危险障碍,提高了无人机在城市低空环境中飞行的安全性.     

人工蜂群算法的无人机航路规划与平滑

航路规划是无人机(UAV)作战任务规划系统的关键组成部分,目标是在适当的时间内为UAV计算出最优或次最优的飞行航路.人工蜂群(ABC)算法是一种最新发展的模拟昆虫王国中蜜蜂群体寻找优良蜜源的群体智能优化算法.采用人工蜂群算法完成无人机的平滑航路规划,首先阐述了人工蜂群算法的基本原理,然后将无人机航路规划问题通过建模转换成为一个多维函数优化问题,利用人工蜂群算法的优势,找到多维函数的最优解,最后对优化后的航路进行了平滑,使UAV对规划后的航路可飞.仿真实验结果表明,此方法可有效规划出航路,且所规划的航路可飞.     

基于动态规划的无人机航路优化问题研究

无人机航路规划往往指无人机在初始位置、终止位置和一些目标任务结点确定之后的航迹优化问题;在无人机飞行任务执行过程中,无人机需要在参考飞行航线的约束下,根据局部地形、地貌、障碍、威胁等信息以及飞机本身机动能力的限制,实时的计算出飞行航路,并跟随该航迹完成飞行任务;在利用Dynapath(动态路径)算法进行参考航线优化的过程中,考虑了飞机机动性能的限制;在此基础上,详细讨论了参考航线由多航段组成时航路点的处理方法并进行了计算机仿真,仿真结果表明该方法可以比较理想地进行航路点的处理,得到比较良好的最优航迹。     

基于二重势函数法的集群航路规划

人工势场法由于其在构型组织能力上的不足,影响了该方法在集群航路规划上的应用,为此提出基于二重势函数法的集群航路规划法,通过第一重势能场形成集群到目标的可行路径,通过第二重势能场形成构型,从而实现集群航路规划.此外,针对人工势场法存在无谓避碰、陷阱问题等不足,通过引入碰撞危险度来确定障碍物影响距离以及虚拟障碍物,提出改进的人工势场法.所有改进措施均未改变简单且易于执行的传统势函数模型,为采用人工势场法实现集群航路规划提供了一种思路.仿真结果表明改进的人工势场法很好的克服了不足,所得路径也较为平滑,且以该方法为基础所构成的集群航路规划法在集群航路规划上具有较好的表现.     

多无人机航路重规划方法

提出了一种基于改进人工势场法的无人机航路重规划算法。在航路重规划中,设置多个节点,将无人机的航路分段,并重新构造斥力函数,无人机在突发威胁的边界调整航路,实时规划出避开突发威胁的可飞航路;仿真结果表明,该算法能够较好地满足航路规划的要求。     

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。     

基于遗传算法的无人机航路规划优化研究

研究无人机航路规划优化问题,为了提高无人机航路规划效率和精度,传统的遗传算法易陷入局部最优、收敛速度慢导致无人机航路规划效率低、寻优精度较差等问题.为解决上述问题,提出了一种基于改进遗传算法的无人机航路规划方法.改进算法前期采用了保优选择策略和改进编码方案对无人机航路进行优化,加快了搜索速度、提高规划效率,使之适应大规模威胁问题求解;后期结合无人机特点,改进交叉和变异算子,通过改进使得每轮搜索后每-软的最优航路能更好地反映求解的质量,有效地加快了收敛,保持了稳定性.最后用改进的遗传算法对无人机航路规划进行了仿真.实验结果表明,方法避免了陷入局部最优、收敛速度加快、寻优精度提高,并缩短了搜索时间,航路规划效率明显提高.提出的算法可以引申应用于类似情况下的路线规划问题,具有-定的推广意义.     

无人机自主航路规划平台设计

基于人机交互的需求,设计了一款无人机自主航路规划平台。该平台主要应用于无人机飞行前的航路规划工作,能够在已知任务环境信息的基础上,根据任务需求,规划出一条有效航路,同时具备控制无人机飞行、飞行状态监控等功能。首先,在国内外无人机系统适航标准规范的基础上,针对突发或紧急任务下无人机地面操作员工作负荷增大等问题,对无人机航路规划系统设计的安全性要求和人机交互需求进行了归纳梳理;然后,基于航路规划系统功能需求,从航路规划、通信、控制、状态监控等方面,构建了航路规划平台,并采用MATLAB APP Designer完成了软件平台的开发;最终试验测试表明该平台符合设计需求。     

基于边缘智能感知的无人机空间航迹规划方法

随着海量用频设备的涌现，无人机执行任务的电磁环境愈加复杂，对无人机认知环境和自主避障能力提出了更高的要求。鉴于此，提出了一种基于边缘智能感知的无人机空间航迹规划方法。首先，提出了一个基于边缘智能感知的无人机航迹规划框架，通过边缘服务器、传感器终端和无人机的协同通信与计算，提高无人机的环境感知和自主避障能力；其次，提出了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法优化的人工势场方法，避免无人机航迹规划陷入局部最小值点，同时行能耗；最后，在静态和动态干扰环境中对所提算法进行仿真实验，结果表明，与现有航迹规划方法相比，所提方法可以优化无人机的飞行航迹和传输数据速率，在静态和动态干扰环境中，无人机飞行能耗分别降低5.59%和11.99%,传输速率分别提高7.64%和16.52%,显著提高了无人机的通信稳定性和对复杂电磁环境的适应性。     

基于粒子群算法的无人机航路规划与建模仿真

研究无人机航路规划问题,解决基本粒子群算法易陷入局部最优、收敛速度慢长导致人机作航路规划效率低的难题.为了提高无人机航路规划效率,提出了一种基于改进粒子群算法的无人机航路规划方法.在无人机航路规划建模过程中,如果粒子失活,该算法对其进行相应的变异与微调,重新激活粒子,保证了粒子群体在进化过程中具有较强的活力,能够快速逃逸出局部极值点,这样就以较快收敛速度找到最优航路.最后用改进的粒子群算法对无人机任务航路进行了仿真,仿真结果表明,相对于基本粒子群算法,该方法避免了陷入局部最优,并缩短了搜索时间,航路规划效率明显提高.该算法是一种有效的无人机航路优化算法.     

基于改进人工势场法的机械手避障规划

针对三维环境中机械手在障碍物附近目标不可达问题和局部最小值问题,提出一种基于改进人工势场法的机械手避障方法.该方法以机械手末端所受合力的方向作为其运动方向,通过势场力的作用使机械手末端避开障碍物,解决障碍物附近目标不可达问题;采用X-Y平面内的角度偏移法,使机械手末端迅速跳出局部最小值,解决势场法的局部最小值问题;从而使机械手避开障碍物到达目标位置,并给出了机械手避障规划算法的具体实现步骤.将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的常规作业任务中,仿真实验结果表明,机械手末端沿着规划路径可跳出局部最小值,并避开障碍物,成功到达目标位置,验证了该算法的有效性.     

QPSO在无人机侦察航路规划中的应用研究

对于侦察区内的防空威胁和目标分布情况,对飞行航路预先规划,可以减小被敌方发现和飞行距离,从而显著提高UAV侦察效率.在研究了粒子群算法的基础上,提出了具有量子行为的粒子群算法,并首次将该算法应用于无人机航路规划.目标函数主要考虑地面防空威胁与飞行距离这两个主要因素,并给出了航路规划的方法和步骤,该算法很好的解决了粒子群算法局部极值问题.实验结果表明,QPSO算法收敛快,得到的侦察航路较优,且很好的对威胁进行回避,能有效满足无人机飞行任务规划的要求.     

优化蚁群算法在无人机航路规划中的应用

研究无人机航路规划问题,采用基本蚁群算法易陷入局部最优、搜索时间长导致人机作航路规划效率低的难题.为了提高无人机航路规划效率,提高速度和系统品质特性,提出了一种基于改进蚁群算法的无人机航路规划方法.算法前期采用了保留最优解和自适应航路点选择策略对路径进行优化,使之适应大规模问题求解;后期改进了基本蚁群算法中信息素、挥发因子的更新规则,通过改进使得每轮搜索后信息素的增量能更好地反映求解的质量,有效地避免陷入局部最优,加快了收敛,提高了搜索效率.采用改进的蚁群算法对无人机任务航路进行仿真,仿真结果表明,改进方法避免了陷入局部最优,并缩短了搜索时间,航路规划效率明显提高,证明是一种有效的无人机航路优化方法,可为实际应用提供参考.     

无人机航路自动规划优化方法研究与仿真

研究无人机航路规划的优化问题。无人机飞行的环境较为复杂,当外界环境较为复杂的情况下,选取的路径突变性强。频繁更改路径会造成路径计算模型出现粗规划过程,传统的路径规划方法在飞行航行频繁变化、模型出现粗规划时,模型很难收敛,路径规划结果不能达到最优,造成路径选取不准确。为解决上述问题,提出一直用于无人机最优路径计算的蜂群算法,设计了航路编码方案及随机化的初始航路生成算法,保证了算法的全局性;采用锦标赛算法实现选择过程,并提出了三种跟随蜂邻域搜索算法,提高了算法的收敛性,克服粗规划的弊端。仿真结果验证了对无人机路径规划带来极大改善。     

无人机群航路规划定量验证方法研究

无人机群航路规划是实现无人机群对目标协同搜索的关键，针对无人机群航路规划的优化、解算问题，提出了一种针对无人机群航路规划的定量验证方法，该方法运用概率迁移系统与随机多主体博弈模型构建了无人机群航路时空系统模型，使用概率空间时态逻辑对无人机群航路规划的质量指标进行了描述，通过自动验证算法实现质量指标的验证。该方法可实现对无人机群航路规划的建模、分析工作，完成对无人机群航路规划在任务完成度、飞行安全度和性能发挥度这3个方面质量指标的计算，为确定无人机群的较优航路提供理论依据。     

变步长稀疏A*算法的无人机航路规划

为实现不同条件下的无人机自主航路规划,提出一种变步长稀疏A*算法。当遭遇紧迫环境时,缩小稀疏A*算法（SAS）的搜索步长,使无人机安全通过,提高了搜索精度和算法的鲁棒性,否则,保持较大的搜索步长扩展,保证搜索的高效性;并依据动态稀疏A*算法（DSAS）的思想,给出了应用于实时航路规划的多步搜索方案。仿真结果表明,算法简单有效地实现了复杂环境下的航路规划以及动态环境下的在线实时航路规划。     

基于改进人工势场法的移动机器人路径规划

针对势场法的障碍物附近目标不可达的问题,改进了传统人工势场斥力函数,确保目标点是机器人的势场全局最小点,使得机器人顺利到达目标点。针对势场法的局部最小值问题,提出了一种连接局部最小值区域障碍物的方法,建立了机器人离散传感器模型,使机器人快速走出局部最小值区域。改进后的人工势场法适用于复杂室内环境下的机器人路径规划。仿真结果证明了该方法的有效性。     

自适应RRT无人机航路规划算法研究与仿真

在复杂环境的航路规划问题研究中,为了降低无人机的飞行代价,需要在规划耗时和路径质量两方面达到一个较好的均衡.为此,提出动态步长和自适应权重相结合的RRT算法,有效地解决了规划耗时和路径质量的均衡问题,并用三次多项式BSpline对路径进行平滑处理.仿真结果表明,在相同的任务环境中,与交叉PSO相比较,动态步长的自适应RRT算法失败次数减少了4252次,耗时降低了89ms,飞行距离减少了4.247 km,且平滑后的路径更加符合无人机实际飞行的需要.     

结合预设航线的多旋翼无人机避障算法

针对现有多旋翼无人机使用人工势场法进行避障的研究中,仅考虑目标点的安全抵达,少有考虑按预设航线飞行的作业需求,通过在人工势场法中赋予航线"线势场",将多旋翼无人机的避障与航线飞行进行结合,使无人机避障之后能重回航线.针对传统势场法中的引力场并不适用于无人机,对引力场进行了改进.解决了引入"线势场"后容易导致无人机陷入局部极小点的问题,通过仿真验证了上述改进的效果.