基于碰撞圆锥的无人机SLAM避障技术研究

为解决无人机在同时定位与地图创建时的障碍规避问题,采用基于碰撞圆锥的避障策略,通过建立一个碰撞圆锥,判断无人机避障的时机,以无人机的两维运动模型为例,对该算法进行仿真验证。结果表明,该算法不仅完成了无人机SLAM的功能,估计出无人机和障碍物中心的位置,而且达到了较好的避障效果。     

无人机跟踪地面目标无碰撞航迹规划

针对无人机自动跟踪目标过程中需要规避障碍物的问题,设计一种将跟踪制导律与改进人工势场法相结 合的航迹规划算法。对人工势场法进行适应性改进,建立无人机动力学模型,阐述定距离跟踪制导律的设计方法, 并采取加权求和与运动学约束的方式将定距跟踪制导律与人工势场法二者结合。仿真实验结果表明：该策略具备有 效性和可行性。     

基于流函数法的无人机航路规划

针对无人机的自身特点和飞行任务要求,研究了流函数法在无人机航路规划中的应用.在二维平面中,将地形障碍和雷达等威胁等效为圆柱,无人机目标点等效为汇（sink）,推导了流体运动的复势.提出了流函数法避障时存在滞点问题的解决方案,并将其应用到存在多个障碍物的环境中.考虑无人机最小平飞距离和最小转弯半径约束,用流函数法得到了无人机的规划航路.仿真结果表明,修正后的流函数法可以规划出平滑的航路,同时满足无人机航路规划的要求.     

基于改进势场法的移动机器人路径规划

针对传统势场法存在的路径不被识别、局部极小陷阱、振荡问题,提出适用于复杂障碍环境情况下机器人路径规划、结合多行为策略与可变影响范围的势场法。通过对障碍物影响范围做可变处理,消除问题共同必要条件,提前规避路径不识别、多障碍区导致的振荡、多障碍区导致的局部极小陷阱3个问题;采取新的步进与振荡分类方式,设计多行为行动策略,并给出各行为的准确起止条件,通过预判问题的共同表现形式以及起止条件的衔接进行行为切换,提前规避单障碍区导致的局部极小陷阱和单障碍区导致的振荡2个问题;基于数学仿真软件MATLAB平台的仿真结果验证所提方法在战场复杂障碍环境下的有效性与稳定性,与传统势场法、动态窗口法、A星算法、快速随机树算法的对比结果更突出了该方法的可行性与优越性。     

基于最优控制的无人机主动SLAM航迹规划

为降低无人机同时定位与地图创建的不确定性,加快无人机所处环境的搜索速度,设计一种基于最优控 制的主动SLAM 航迹规划算法。综合考虑各种因素,利用平均信息增益和新探索地标环境的表示方法,设计一种新 的目标函数,将无人机SLAM 作为组合优化问题进行处理,以达到最优控制全局优化的目的,同时在建立的简化无 人机运动模型基础上进行验证。仿真结果表明：该算法有效、可行,且优于随机SLAM 算法。     

基于Q学习的多无人机协同航迹规划方法

针对多无人机同时到达目标的航迹规划问题,建立战场环境模型和单无人机航迹规划的马尔可夫决策模型,基于Q学习算法解算航程最短的最优航迹,应用基于Q学习算法得到的经验矩阵快速解算各无人机的最短航迹并计算协同航程,通过调整绕行无人机的动作选择策略,得到各无人机满足时间协同的航迹组。考虑多无人机的避碰问题,通过设计后退参数确定局部重规划区域,基于深度Q学习理论,采用神经网络替代Q_table对局部多无人机航迹进行重规划,避免维度爆炸问题。对于先前未探明的障碍物,参考人工势场法思想设计障碍物Q矩阵,将其叠加至原Q矩阵,实现无人机的避碰。仿真结果表明：所提基于Q学习的多无人机协同航迹规划算法能够得到时间协同与碰撞避免的协同航迹,并对环境建模时所未探明的障碍物进行躲避;与A^*算法相比,针对在线应用问题,新算法具有更高的求解效率。     

无人机编队Dubins 航路规划及编队控制器设计

为完成无人机编队任务并解决无人机在飞行中因干扰而造成编队任务失败的问题,设计一种无人机编队 任务的Dubins 航路规划算法及控制器。根据无人机编队同时到达集结点的时间一致性要求,利用解析几何方法进行 航路设计,通过分析无人机飞行状态,设计了能够进行速度调整的控制器,并使用六自由度无人机模型验证了航路 算法及控制器的性能。仿真结果表明：该航路算法能够解算出各种编队任务的飞行航路,在控制器作用下能够很好 地完成编队任务。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

Aselsan公司展示新型Gezgin无人车

在2009年伊斯坦布尔的国际防务展（IDEF）上，土耳其Aselsan公司对外展示了其最新研制的Gezgin无人车（UGV）。Gezgin无人车的显著特点是内置了障碍规避系统，该系统采用同步定位和绘图（SLAM）算法。当遇到障碍物时，这种设计能够自动停车，以减少车载摄像机系统与操作系统以及后续指令响应之间的迟滞。当无人车采用路点导航自主模式时，规避系统将自动引导车辆在绕过障碍物后按既定路线继续行驶。     

基于任务区分的无人机航路规划方法

军用无人机飞行航路必须基于作战任务规划,在任务完成和飞行安全之间体现不同侧重.文中将无人机航路规划问题区分为固定航路规划和突防航路规划,阐明了各自的规划要点,提出的基于任务完成度的固定航路规划方法和基于改进蚁群算法的突防航路规划方法,能够满足无人机不同作战任务需求.通过算法仿真和作战仿真系统的应用实践,证明了文中方法的合理性和实用性.     

未知环境下基于PF-DQN 的无人机路径规划

为解决无人机无模型路径规划的问题,提出一种环境信息未知情况下基于势函数(PF)奖赏的DQN 路径 规划方法。建立无人机在环境中的连续状态空间,将360?等分成若干个角度作为航向角建立无人机的动作空间,设 计目标和障碍物对无人机的势函数奖赏,刻画不同动作对无人机的影响,并进行仿真实验。实验结果表明：PF-DQN 算法能较好地实现无人机在环境信息未知下的无碰撞路径规划,且势函数奖赏能加快无人机路径规划网络的训练 速度。     

人工势场和虚拟结构相结合的多水下机器人编队控制

传统的多水下机器人（AUV）编队算法,例如领航跟随法、虚拟结构法,对编队形成过程中AUV间的避碰问题和编队行进过程中的避障问题,没有进行有效解决。人工势场法可利用势函数进行避碰、避障,但队形组织能力略显不足。针对上述问题,提出了一种人工势场和虚拟结构相结合的多AUV编队控制算法。将系统分为3个部分：编队参考点、虚拟结构质点和AUV. 以编队参考点为中心形成期望的虚拟结构以组织队形;虚拟结构质点以期望的虚拟结构为运动目标,并在运动的过程中,通过人工势场斥函数,实现避碰和避障;AUV对虚拟结构质点进行目标跟踪,从而渐进形成AUV的队形。通过编队路径跟踪、编队队形变换和编队避障等一系列仿真实验,对算法的可靠性和灵活性进行充分验证。实验结果表明：在随机的初始位置条件下,多AUV系统可以快速无碰撞地形成队形;在编队行进过程中进行灵活的队形变换,并对障碍物有效避碰。     

基于多领导者的群体控制避障算法

为解决传统蜂拥控制算法改变拓扑或者群体宏观形状需要克服智能体间吸引力的问题,设计群体拓扑结 构易于改变的多智能体集群运动避障算法。基于包含控制协议与人工排斥势能函数,通过理论分析证明算法的稳定 性,并在Matlab 环境下进行群体避障仿真实验。结果表明：该算法能够顺利通过由障碍物构成的狭窄通道,具有良 好的群体队形可塑性。     

SLAM算法在AUV中的应用进展

同步定位与地图创建（SLAM）是水下航行器在全球范围内实现自主导航的一个基础且重要问题。首先介绍了SLAM算法在水下航行器应用的国内外最新进展,指出了SLAM算法所面临的问题,阐述了研究的环境描述、环境特征提取和不确定信息的描述等难点问题,并对SLAM算法的主要实现方式进行了归纳。最后结合水下航行器的特殊应用环境,探讨了未来SLAM算法的研究趋势和发展方向。     

基于区间直觉模糊决策的多无人机任务分配方法

针对多无人机在不确定环境下面向SEAD 约束的任务分配问题,提出一种基于区间直觉模糊决策的多无 人机任务分配方法。构建面向不确定环境下无人机的任务分配数学模型,将无人机和任务的不确定信息用区间直觉 模糊数表示;借助TOPSIS 原理,考虑区间直觉模糊数的曼哈顿距离和犹豫度对区间直觉模糊数进行比较,采用改 进后的离散差分进化算法求解得到最优的任务分配方案。结果表明：该分配模型合理,算法具有较好的收敛性。     

一种无人机自主变步长航迹规划方法

现有无人机航迹规划搜索算法大多采用定步长搜索算法，鉴于威胁分布具有不均匀性和突发性．提出了一种无人机自主变步长快速航迹搜索算法。该算法借鉴了稀疏A＊搜索算法的部分思想，结合威胁分布信息调整搜索步长，有效减少了搜索时间。仿真结果表明该算祛能够快速规划出满足任务需求及约束条件的无人机航迹。验证了算法的正确性和有效性。