一种高吞吐量的无人机轨迹规划方法

无人机由于具有完全可控的移动性以及快速部署等优点,成为无线通信领域的研究热点。研究一种无人机支持的多播信道,利用无人机作为移动发射机向多个地面节点发送信息,在无人机的有限任务通信时间内,设计一种连续圆飞行轨迹方法。面向随机分布的多个地面节点,设定距离阈值对地面节点进行分组,通过求解新型旅行商问题确定无人机对各个分组的通信顺序,在满足无人机与地面节点通信覆盖需求的情况下,对圆心、无人机的飞行速度以及飞行半径进行求解,确定各个分组的圆形飞行轨迹,进而生成连续圆飞行轨迹。为实现吞吐量最大化目标,基于连续圆轨迹,在轨迹、功率一定情况下进行功率和轨迹优化,并通过交替联合优化无人机轨迹和功率以提高无人机对地通信系统整体性能。仿真结果表明,与基准方案相比,该方法系统吞吐量明显提高。     

一种改进多机器人分布式滚动路径规划算法

针对多移动机器人全局静态环境未知的路径规划问题,采用了一个全局性能指标,在保证路径较优的情况下,最小化机器人的停顿时间,提出机器人之间以修正局部路径为主的协调策略。根据多机器人滚动路径算法的原理,设计了改进的多机器人分布式滚动路径规划算法。在已有仿真系统上进行测试,比较了所提出的协调策略与改变机器人移动速度协调策略对性能指标的影响。仿真结果表明,静态环境未知情况下,机器人可以并行规划各自的协调路径。     

弱通信条件下多水下自主航行器分布式编队轨迹规划

针对随机通信时延和时变通信拓扑条件下的多水下自主航行器编队轨迹规划问题,将随机梯度上升算法引入分布式模型预测控制方法中,提出一种在线分布式轨迹规划方法.首先,通过采样贝塞尔曲线,将轨迹规划问题转化为一系列优化问题.然后,通过拉格朗日对偶函数法分布式求解,在完成点对点轨迹规划任务的同时保持成员间通信连接.最后,基于拉格朗日对偶理论框架推导出所提出算法的收敛速度与最大通信时延的定量关系,通过在仿真场景下与现有方法的对比实验验证所提方法的可行性和有效性,并通过仿真实验探究水下自主航行器自身运动误差及定位误差对轨迹规划的影响.     

基于定制内点法的多无人机协同轨迹规划

为提高多无人机(Unmanned aerial vehicles, UAV)协同轨迹规划(Cooperative trajectory planning, CTP)效率, 在解耦序列凸优化(Sequential convex programming, SCP)方法基础上, 提出一种高效求解凸优化子问题的定制内点法. 首先引入松弛变量, 构建子问题的等价描述形式, 并推导该形式下的子问题最优性条件. 然后在预测−校正原对偶内点法的框架下, 构建一套高效求解最优性条件方程组的计算流程以降低子问题计算复杂度, 并利用约束矩阵特征提出一种快速计算原对偶搜索方向的方法以提高规划效率. 仿真结果表明, 在解耦序列凸优化框架下, 定制内点法可将协同轨迹规划耗时降低一个数量级, 达到秒级.     

基于滚动时域优化的无人飞行器轨迹规划

给出了寻求无人飞行器的最优轨迹的一种方法,其问题描述为使飞行器从初始状态飞行到目标状态,同时避免撞到障碍物。基于混合整数规划的滚动时域优化方法用来求解飞行器的轨迹规划问题。给出的仿真结果显示此方法的有效性以及在复杂环境下的可实时计算性。     

无人机中继通信轨迹和功率优化策略研究

为了提高无人机中继通信的吞吐量和传输效率,本文研究了多跳无人机中继通信系统中,在满足避碰约束,信息约束以及无人机发射功率等约束条件下,无人机飞行轨迹以及发射功率的优化策略,从而实现端到端的数据吞吐量最大化.     

一种多移动机器人的分布式滚动路径规划算法

本文研究了全局未知静态环境下多机器人路径规划问题，使用基于滚动窗口的机器人路径规划方法对机器人进行局部路径规划．并根据一定的规则在机器人之间进行路径的协调。仿真结果验证了算法的有效性。     

基于动态簇粒子群优化的无人机集群路径规划方法

路径规划对于无人机(UAV)集群的任务执行十分重要,而且高维场景中的计算通常很复杂.群体智能为解决该问题提供了较好的解决思路.粒子群优化(PSO)算法具有参数少、收敛速度快、操作简单等优点,尤其适用于路径规划问题,但它在应用时存在全局搜索能力差、容易陷入局部最优的问题.为了解决上述问题以提升无人机集群路径规划的效果,提出了动态簇粒子群优化(DCPSO)算法.首先,利用人工势场法和滚动时域控制原理建模UAV集群路径规划问题的任务场景;其次,引入Tent混沌映射和动态簇机制进一步提升全局搜索能力和搜索精度;最后,使用DCPSO算法优化模型的目标函数,以获得UAV集群的每个轨迹点的选择.在单峰/多峰、低维/高维不同组合的10种基准测试函数下的仿真实验结果表明,与PSO、鸽子启发优化(PIO)、麻雀搜索算法(SSA)和混沌扰动鸽群优化(CDPIO)算法相比,DCPSO算法具有更好的计算最优值、均值和方差,搜索精度更佳,稳定性更强.此外,UAV集群路径规划应用实例仿真结果也验证了DCPSO算法的性能与效果.     

基于滚动时域的无人机动态航迹规划

针对带有动力学约束的多旋翼无人机航迹规划问题,提出了一种基于滚动时域控制和快速粒子群优化(RHC-FPSO)方法。该方法引入了基于VORONOI图的代价图方法说明从航迹端点到达目标点的距离估计。根据滚动时域和人工势场法的思想,将路径规划问题转化为优化问题,以最小距离和其他性能指标为代价函数。设计评价函数准则,按照评价准则使用变权重粒子群优化算法求解。针对无人机靠近危险区飞行的问题,将斥力场引入到代价函数中,提升其安全性。仿真实验结果显示,使用文中方法可以有效地在满足约束条件下穿过障碍物区域,以及在复杂环境下可以动态计算。     

基于轨迹预测和分布式MADDPG的无人机集群追击决策

针对复杂任务环境下无人机（UAV）集群追击决策算法灵活性不足、泛化能力差等问题,提出一种基于轨迹预测的分布式多智能体深度确定性策略梯度（TP-DMADDPG）算法。首先,为增强追击任务的真实性,为目标机设计智能化逃逸策略;其次,考虑到因通信中断等原因导致的目标机信息缺失等情况,采用长短时记忆（LSTM）网络实时预测目标机的位置信息,并基于预测信息构建决策模型的状态空间;最后,依据分布式框架和多智能体深度确定性策略梯度（MADDPG）算法设计TP-DMADDPG算法,增强复杂空战进程中集群追击决策的灵活性和泛化能力。仿真实验结果表明,相较于深度确定性策略梯度（DDPG）、双延迟深度确定性策略梯度（TD3）和MADDPG算法,TP-DMADDPG算法将协同决策的成功率提升了至少15个百分点,能够解决不完备信息下追击智能化逃逸目标机的问题。     

面向无人机集群路径规划的智能优化算法综述

无人机集群通过协同完成既定任务是未来智能化、无人化作战的重要方式.路径规划是协同执行任务的首要问题,考虑到无人机集群路径规划的复杂性和多样性,近年来,国内外学者针对该问题开展了大量的研究,本文首先介绍了无人机集群路径规划模型,包括常用的规划空间表示方法、规划目标和约束条件等,其次重点梳理归纳了基于智能优化算法的无人机集群路径规划相关研究,并阐述了不同类型智能优化算法在路径规划问题上的优缺点,最后,分析展望了基于智能优化算法的无人机集群路径规划未来发展趋势.     

微型无人机集群低时延组网规划方法

微型无人机已广泛应用于航拍、植保、电力巡线等民用领域.但目前的微型无人机之间缺少信息交互和任务协作.针对搜索与营救场景,研究微型无人机集群的运动模式规划间题,以实现微型无人机的任务协同,完成对整个搜救区域的搜索,并将图像通过多跳传回地面.图像数据通常采用短距高吞吐量无线WiFi通信技术传输,但是WiFi有限的通信距离和...     

一种改进的异构型无人机集群协同侦测任务规划方法

为了解决现有方法中存在的异构无人机集群路径编码问题和路径优化问题,提出了一种改进的协同侦测任务规划方法。分析了协同侦测任务规划流程,建立了基于感知、决策和转移三个阶段的动态任务规划架构及对应的模型和算法。在任务规划模型层,提出一种基于极坐标系的决策输入解模型,并设计对应的路径编码方法,解决了异构型无人机集群的路径编码问题;在任务路径优化层,提出了一种改进的粒子群优化（Particle Swarm Optimization,PSO）算法,解决了异构型无人机集群的路径优化问题。在假设的三种时间敏感的移动目标类型和三种约束类型的任务条件下,进行了多次蒙特卡洛仿真。仿真结果表明,本文方法能有效解决异构无人机集群路径编码问题,并在路径优化性能方面相较于传统算法提升了25.8%。     

基于多目标粒子群算法的城市战无人机集群通信中无人机位置部署与轨迹联合优化研究

随着人类社会的发展,城市战已成为未来战争的重要样式之一。为城市战中的作战分队、作战要素、作战平台提供泛在互联、顽存抗扰的通信覆盖,是打赢城市战的关键因素之一。城市战的特殊环境使传统通信手段的通信距离、通信效果严重受限,目前世界各军事强国高度重视基于无人机集群的通信覆盖。首先建立了城市战环境的通信信道模型,其次以提高通信覆盖率和信号质量为目标,以无人机集群部署数量和功率为约束条件,基于多目标粒子群算法研究了无人机集群的部署位置和轨迹,以期为未来城市战中的无人机集群通信提供参考借鉴。     

针对固定翼无人机集群的快速任务规划算法

为解决固定翼无人机集群的快速任务规划问题,提出一种基于聚类算法和改进化学反应优化模型的快速集群任务规划算法,满足固定翼无人机集群对规划时间的限制和实际飞行中机载计算机工作场景。利用聚类的方式降低算法的计算负担,通过改进化学反应优化算法保证规划问题的可靠快速收敛,实现无人机集群的快速任务规划。数值仿真结果表明。在与同类算法的比较中该算法有更好的计算效率和收敛效果,通过硬件在环仿真实验模拟了算法在机载计算机环境下运行的效率和结果,验证了在真实场景下算法的可靠性。     

面向制造环境的工业机器人节能轨迹规划

在制造环境中,工业机器人节能轨迹规划的实际应用存在2个问题：机器人动力学参数未知;现有节能轨迹规划方法无法保证结果的稳定性．因此,本文提出了面向制造环境的工业机器人节能轨迹规划,包括基于平行BP（backpropagation）神经网络的近似动力学辨识和基于凸优化（CO）的节能轨迹求解法．以UR3机器人为实验平台,近似动力学模型的均方根误差（RMSE）可收敛至2.05×10^-3 N.m;且凸优化轨迹规划的求解稳定性优于现有的参数化轨迹规划．实验结果表明：本文提出的节能轨迹规划方案,能应对制造环境中机器人动力学参数未知的情况,同时保证轨迹规划结果的稳定性,因此更适用于制造环境中的工业机器人．     

面向复杂未知多障碍环境的多无人机分布式在线轨迹规划

考虑复杂未知多障碍环境对无人机实时轨迹规划性能的影响,提出了基于Tube-MPC和模型预测路径积分(model predictive path integral, MPPI)控制相结合的多无人机分布式实时轨迹规划框架与方法.首先,考虑无人机在多障碍环境下的避碰避障需求,构造代价函数表征轨迹规划过程中的约束条件,将多无人机的轨迹规划问题转化为随机最优控制问题.其次,借鉴Tube-MPC思想,设计并实现了多无人机分布式轨迹规划框架,通过将低频标称控制器与高频辅助控制器串联保证了系统的实时性和鲁棒性.再次,为避免传统方法在求解过程中的维数灾难,提出基于MPPI的多无人机异步轨迹规划方法,该方法通过基于GPU的并行蒙特卡洛(Monte-Carlo)随机前向采样技术,将多无人机随机最优控制问题的求解转化为给定代价函数下对采样轨迹期望的求解,进而获得最优控制序列,其显著特点是求解速度快且避免了基于梯度求解方法对约束条件和代价函数连续性及凸特性的要求.最后,通过Gazebo虚拟仿真平台,在复杂未知多障碍环境下对算法的有效性进行了验证.     

未知混动态环境下多无人机轨迹规划

实现多无人机在野外未知混动态环境下的快速在线重规划具有较大挑战。本文提出一种分布式的动力学规划方案,用于自主无人机集群在具有静态障碍和动态障碍的混动态环境中快速重规划动态可行轨迹。首先,提出一种改进的动力学路径搜索方法,利用最优相互避碰算法弥补动力学路径搜索难以处理动态障碍和搜索效率低下的不足,获取一条安全的参考路径。然后,根据参考路径拟合出一条初始轨迹并通过基于梯度的优化方法进行优化。为提高优化效率,提出了一种适配动力学规划方案的避障梯度构建方法,它充分利用已知信息快速构建避障梯度,使得轨迹优化可以在几毫秒以内完成。最后,通过与其他规划方案相比较,验证了本方案的可行性与快速性。     

非结构化场景下的无人车轨迹规划研究

针对传统无人车轨迹规划算法在非结构化场景下存在实时性较低和轨迹平滑性较差等问题,提出了一种前后端分离的轨迹规划算法。该算法的前端路径搜索部分对Hybrid A^*算法在控制空间进行搜索范围的剪枝且保留了车辆的运动学约束,并通过优化启发函数的计算方式,提高了图搜索的实时性。该算法的后端轨迹优化部分分为两个阶段：第一阶段设计了一个软约束非线性多目标优化器对路径进行局部优化,生成离散的轨迹位姿点和时间分配值;第二阶段基于五次样条曲线利用最小化Jerk的思想对离散位姿点进行平滑连接,提高了轨迹的平滑性。最后在室外停车场环境下对所提算法进行了实车测试,前端路径搜索和后端轨迹优化的实验结果表明该算法具有较高的实时性和轨迹平滑性。