多无人机协同航路规划的共同进化方法

面向多无人机协同作战的航路设计问题,提出了一种较新颖的多无人机协同航路规划共同进化方法.将航路映射到进化计算个体建立了基于共同进化计算的航路规划问题模型,以此为基础重点讨论了个体适应度设计等关键问题.以SEAD任务为想定,对多无人机协同航路规划共同进化方法进行了仿真.仿真结果表明该方法能够快速为多无人机找到协同航路,能够综合考虑无人机航路的燃油、安全、避碰以及任务协同等指标,可以解决多无人机协同执行任务的航路设计问题,且具有较好的收敛性和线性时间性.     

基于改进人工势场法的无人机在线航路规划算法

在线航路规划能够使无人机针对动态变化的环境快速有效地生成相适应的飞行航路,是无人机任务规划系统必需的能力之一。基于人工势场法提出一种三维在线航路规划方法,使无人机在应对动态变化的飞行环境时能实时规划出保障飞行安全并满足其任务执行效率指标的飞行航路。此航路规划方法在环境构建过程中引入了参考航路引力场和自适应的时间扰动因子,解决了原人工势场法在航路规划中容易陷入势场局部最小值而导致无法用适感环境动态变化区域的问题。在此基础上,提出一种虚拟目标法以更有效地解决人工势场法遇到的局部极值陷阱问题。通过仿真验证表明:所提出的无人机在线航路规划方法比传统的人工势场法更容易跳出势场的局部最小值,且有较好的避障能力。     

基于动态目标概率分布的核电站无人机航路强化学习规划

针对核电站空中动态入侵目标,本文提出了一种基于动态目标概率分布的无人机航路强化学习规划算法,实现了对空中入侵目标的有效拦截.根据入侵目标的状态信息基于概率扩散原理计算目标的概率分布,推理目标可能出现的位置.在此基础上,设计了基于航路点转移规则的行动空间和基于目标概率分布的报酬函数动态更新机制,通过Q-学习不断优化路径,构建了基于目标概率分布和强化学习的无人机航路规划框架,实现了无人机航路强化学习规划.仿真结果表明,该方法能够针对核电站空中入侵目标,实现目标点变化情况下无人机的自主航路规划.     

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.     

基于网格模型的无人机航路规划仿真

关于优化无人机覆盖路径规划,应便于实时调整航路.实施战场游弋侦察的无人机要搜索含有先验信息的任务区域,并且没有确定的目标点.针对战场环境瞬息万变,提出了网格模型的航路规划方法.首先,将无人机的任务环境区域划分为若干网格单元,并根据存在目标的概率赋予网格单元权值.接着,依据航路决策集合建立了控制模型,根据探测区域对环境网格的覆盖情况建立了探测模型,采用控制和探测模型计算有限步长内的航路价值,通过求解一个动态规划得到当前状态下的最优航路决策.最后通过对一架和多架无人机侦察给定区域的仿真,验证了方法的有效性,为设计航路提供了科学参考.     

基于协同任务的无人机群航路规划算法

当前,无人机在航行途中,与无人机群和其他环境因素,例如,执行任务的目标地点、飞行障碍物共同构成一个庞杂的飞行环境,系统里的各部分既相互制约又相互影响,使得多机协同航路规划评估问题十分复杂,表现出飞行场景动态性与信息不确定性、任务艰难性、建模复杂性、组合多样性、计算复杂性和时间紧迫性等特点。特别是针对面向协同任务的航路规划评估,还要考虑时序、编队、任务等各方面因素,这些因素不仅仅是定量信息,还有很大一部分是定性信息。采用A-star算法将定量信息与定性信息进行合理融合,客观规划协同航路。通过实验仿真,路径规划算法能有效地避开多个路障点,在实际监测中具有较好的效果。     

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。     

基于改进遗传蚁群算法的无人机航路规划

研究无人机航路,要在有限的时间内规划出最优路径.因此航路规划问题本质是多约束条件下函数求极值的优化问题,为了避免局部最优、减少计算时间是目前航路规划的关键技术.针对常用的规划算法存在收敛速度慢且易陷入局部最优这-问题,提出了一种改进的遗传蚁群算法.遗传算法阶段给出了一种小变异和引入新种群算子,维持了较优种群的多样性,蚁...     

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。     

无人机航路规划环境模型研究

通过威胁信息的分层转化,利用信息融合原理构造无人机航路规划的环境模型。在对原始数字地图二维三次插值处理的基础上,分别针对无人机的最大爬升坡度、最小离地间隙以及纵向转弯曲率约束进行了数字地形的调整。分别对探测威胁和火力威胁进行分析,以雷达发现概率、水平距离以及遮蔽影响因素构造探测威胁转化模型,以击落概率和导弹最大作用半径构造火力威胁转换模型,以地形因素的形式融入预处理后的数字地图中,经相关约束调整构造出无人机航路规划环境模型。     

A Novel Navigation Method for Autonomous Mobile Vehicles

This paper presents a novel navigation method for Autonomous Mobile Vehicle in unknown environments. The proposed navigator consists of an Obstacle Avoider (OA), a Goal Seeker (GS), a Navigation Supervisor (NS) and an Environment Evaluator (EE). The fuzzy actions inferred by the OA and the GS are weighted by the NS using the local and global environmental information and fused through fuzzy set operation to produce a command action, from which the final crisp action is determined by defuzzification. The EE tunes the supports of the fuzzy sets for the OA and the NS; therefore, the capability of the navigation method is enhanced. Simulation shows that the navigator is able to perform successful navigation task in various unknown or partially known environments, and it has satisfactory ability in tackling moving obstacles. More importantly, it has smooth action and exceptionally good robustness to sensor noise.     

基于行为模糊控制的移动机器人路径规划

针对未知环境下移动机器人路径规划和提高自主导航安全性问题,基于行为的控制结构思想,在此基础上提出了一种基于模糊控制的移动机器人路径规划算法;根据传感器接收的障碍物和目标距离方位信息,将路径规划分成避障行为、趋向目标行为;结合模糊逻辑理论和人类驾驶经验,制定模糊规则,输出转角和速度;仿真结果表明,移动机器人能够克服环境中的不确定性,有效地实现良好的路径规划,验证了模糊控制算法的可行性,体现了该路径规划策略的有效性和正确性。     

一种目标导向运动控制算法

结合微小型轮式机器人灵活简便的控制特点,提出了一种新的目标导向运动控制算法,它采用首尾相切的直线段和圆弧构成基本运动路径,可以轻易地实现机器人的入口控制问题。与普通目标导向算法相比,该算法运算十分简单,控制代价非常小,极易在微小型机器人上实现和推广。仿真结果验证了控制算法的有效性。     

基于虚拟子目标点的移动机器入路径规划

传统的反应式路径规划算法有时会出现＂死锁现象＂,为此设计了一种基于虚拟子目标点的移动机器人路径规划算法。首先根据已知的环境信息生成一条连接初始点和目标点的全局路径,移动机器人在沿全局路径行走时通过传感器探测周围的实时环境信息并寻找障碍物的转弯处,然后在该障碍物的转弯处设置虚拟子目标点,根据虚拟子目标点构建局部路径,机器人沿着局部路径走到该子目标点并进入下一个路径规划循环。仿真结果验证了该算法的有效性。     

模糊优化算法及其在视觉机器人路径规划中的应用

提出了视觉机器人路径规划的模糊满意优化方法.该算法基于预测控制滚动优化机制,将系统优化目标和受限约束通过模糊隶属度来表示,形成多目标模糊优化问题,解决了在全局环境未知情况下的优化路径问题,仿真结果验证了该方法的有效性.     

基于双层模糊逻辑的多机器人路径规划与避碰

针对无通信情况下的多机器人系统在未知动态环境下的路径规划问题,设计了基于双层模糊逻辑的多机器人路径规划与动态避碰系统。方向模糊控制器充分考虑了障碍物的距离信息和目标的角度信息,转化为机器人与障碍物的碰撞可能性,从而输出转向角度实现机器人的动态避障;速度模糊控制器将障碍物的距离信息作为输入,将速度因子作为输出,提高了多机器人路径规划与动态避碰系统的效率和鲁棒性。在Pioneer3-DX机器人实体上验证了该系统的可行性。     

基于模糊控制的自主寻迹机器人设计

以飞思卡尔16 bit单片机MC9S12XS128为核心控制单元,设计了寻迹传感器,避障模块、驱动模块以及调试模块等硬件电路.在控制算法上采用模糊控制对小车进行控制,使得机器人能自动采集信息,分析外部环境,控制电机转向及寻迹,实现了机器人的自动寻迹以及避障功能.     

基于神经网络的改进行为协调控制及其在智能轮椅路径规划中的应用

针对传统的基于行为的智能轮椅的路径规划方法在室外非结构环境下的路径规划效果差的问题,提出一种新的智能轮椅的路径规划算法.该算法利用模糊逻辑设计了基本控制行为,并在此基础上结合大量实际经验使用神经网络设计了行为协调控制器.改进的算法将仲裁机制和命令融合机制2种行为协调方法有效结合起来,并吸收了这2种行为协调方法的优点,从而改善了系统的反应速度,极大提高了控制精确;另一方面,该算法还可以识别陷阱区域并通过自主改变行为的权重方法控制轮椅逃出陷阱区域,因而具备了较强的人工智能特征.仿真和实物实验验证了该算法智能性高且实现简单,适用于室外非结构化环境下的机器人路径规划.     

基于传感器信息的水下机器人滚动路径规划

针对环境中障碍物为任意形状的水下机器人路径规划问题,提出了基于传感器信息的水下机器人滚动路径规划方法,该法充分利用传感器在每一采样时刻的规划窗口内实时探知的环境信息,用模糊控制方法给出机器人下一步的行走方法,探讨了凹形障碍区域中机器人的逃离方法,仿真结果表明了所提方法是有效的。     

改进人工势场法在机器人路径规划中的应用

为解决传统人工势场法用于机器人路径规划时会出现规划失败的问题,分析了由于局部极小点问题而导致规划失败的原因。在已改进人工势场函数的基础上,提出了通过增加虚拟目标点和原目标点共同对机器人产生引力的方法来解决传统人工势场法中出现的局部极小点问题。在Mobotsim中对算法的仿真结果表明了该方法的可行性和有效性。