无人机辅助的无线可充电传感网充电路径规划方案

针对传统无线可充电传感网(WRSNs)存在传感器节点较为分散导致的充电效率低问题,提出了一种基于对WRSN进行分簇的无人机(UAV)充电路径优化方案(Optimized Charging Path Scheme, OCPS).方案首先将目标区域根据聚类算法划分为不大于充电器最大可覆盖范围的子区域并称其为簇;然后确定各簇区域锚点以及优先级并对充电最优路径进行选择;最后借助无人机给所有簇内传感器节点充能并返回充电中心(Charge Center, CC).仿真实验验证了方案的可行性,实验结果与AEC、MUC方案相比,OCPS方案的充电效率分别提高了约19.5%、27.9%,平均饿死节点数分别降低0.3、1.2个.与CRP、HCCA方案相比,OCPS的飞行长度与充电时长都有明显缩短.     

考虑充电设施的无人机配送路径规划研究

为解决偏远农村地区物流配送存在的困难,对无人机配送进行系统性规划,共分3个阶段：考虑到续航里程限度,建立了充电设施选址模型;从绿色路由的角度,以最小化总能耗作为目标,建立了考虑充电设施的无人机多包裹配送路径规划模型;根据实际无人机数量进行任务分配,建立了任务分配模型。第一、三阶段的模型应用SCIP求解器求解。对第二阶段的混合整数非线性规划模型,设计了双层启发式算法CW节约-改进和修复乌鸦搜索算法(CW-IRCSA)求解。实验表明,对于洪格尔高勒镇的案例,充电设施的选址有利于节约资源,能得到能耗最低的配送路径,且任务分配合理;对于100个及以下的需求点规模,与CW节约-离散修复乌鸦搜索算法(CW-DRCSA)、CW节约-修复模拟退火(CW-RSA)相比,CW-IRCSA算法具有较高的求解精确度;在偏远地区,相对于传统卡车配送模式,无人机配送成本平均节约61.45%。     

面向智慧观光农业的无人机路径规划策略

为提高无人机在观光农业混合型无线传感器网络中的数据采集效率,提出一种基于深度强化学习的无人机路径规划策略。基于社会力模型引入人流参量,结合Semi-Markov-Option分层强化学习方法以降低模型复杂度,基于Rainbow算法提出SMO-Rainbow(Semi-Markov-Option-Rainbow)路径规划策略。在ε-greedy探索策略中引入Tanh函数,提出AT-ε-greedy(adaptive-Tanh-greedy)策略,进一步平衡深度强化学习模型训练中的探索与利用阶段。实验结果表明,在观光农业场景中,所提路径规划策略与其它深度强化学习无人机路径规划策略相比,数据采集效率与训练稳定性均更优,有效降低了模型训练难度。     

基于模型的强化学习在无人机路径规划中的应用

针对当前强化学习算法在无人机升空平台路径规划任务中样本效率低、算法鲁棒性较差的问题,提出一种基于模型的内在奖励强化学习算法。采用并行架构将数据收集操作和策略更新操作完全解耦,提升算法学习效率,并运用内在奖励的方法提高智能体对环境的探索效率,避免收敛到次优策略。在策略学习过程中,智能体针对模拟环境的动态模型进行学习,从而在有限步内更好地预测状态、奖励等信息。在此基础上,通过结合有限步的规划计算以及神经网络的预测,提升价值函数的预测精准度,以利用较少的经验数据完成智能体的训练。实验结果表明,相比同样架构的无模型强化学习算法,该算法达到相同训练水平所需的经验数据量减少近600幕数据,样本效率和算法鲁棒性都有大幅提升,相比传统的非强化学习启发类算法,分数提升接近8 000分,与MVE等主流的基于模型的强化学习算法相比,平均分数可以提升接近2 000分,且在样本效率和稳定性上都有明显提高。     

基于深度强化学习的无人机区域覆盖路径规划研究

基于深度强化学习技术进行无人机区域覆盖路径规划问题研究,通过搭建环境模型和仿真平台,构建并训练智能体网络等过程,设计并实现了一套基于深度强化学习的无人机区域覆盖路径规划框架.仿真实验结果表明,设计的无人机区域覆盖路径规划框架不仅可以在静态环境下实现完全覆盖,在有移动障碍物的动态环境下同样地可以实现完全覆盖,对无人机区域...     

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.     

基于强化学习的无线可充电传感网移动充电路径优化

无线传感器网络在环境感知、目标跟踪等方面占据了重要地位。为了能够及时地为传感器节点补充能量,提出了一种基于强化学习的低功耗、高能效的移动路径充电算法。无线传感器网络采用移动充电车对传感器节点进行充电,将Q-Learning算法与epsilon-greedy算法相结合,以最短路径依次完成所有传感器节点的充电。现有的相关研究通常忽略了传感器节点自身所能承受电量的最大值,容易导致传感器节点因充电过程中电量超出最大值而暂停工作,因此限制了移动充电车的充电时间。结果表明,所提移动充电策略的效用更高,与传统的Q-Learning算法和贪心算法相比,训练周期大幅度下降且实现了能量利用率最大化。     

一种智能无线充电系统设计

针对目前市场上存在的大部分无线充电系统充电效率低、充电电量可控性差等问题,文章设计了一种全新的智能无线充电系统。该系统在电池模块中嵌入电量采集模块、低功耗主控芯片和2.4G通信模块,充电模块中嵌入同样的主控和通信模块。充电模块可通过2.4G无线通信接收电池的实时电压和充电电流等信息,根据内置的智能算法,通过振幅调制载波功率限制,实现自适应动态输出。实验表明,在有效距离内,该系统具有较高的充电效率,具体充电情况可根据电池实时电量信息进行智能控制,有效地预防了电池过充和过放等问题。该智能无线充电系统具有低功耗、转换效率高、能够对充放电智能管理等特点,可广泛应用于智能家居、智能医疗、智能穿戴等领域,具有良好的社会价值和经济价值。     

一种为地面WSN充电的无人机碰撞规避路径规划方法

多个无人机为大面积分布的地面传感器节点无线充电的应用中,飞行路线的规划关系着无线传感器网络的覆盖率及生命周期,但无人机有限的续航时间及规避碰撞等约束增加了路径规划的难度。文中首先提出一种集中式逐次贪婪路径规划算法(Sequential Geedy Route Planning Scheme,SGRP),令无人机在已知节点位置信息的情况下,根据自身的资源逐个将节点纳入任务集并放置在路径的最合适顺序上。理论证明,SGRP算法在最差情况下也能获得最优规划算法50%的性能。接着在SGRP算法的基础上,基于改进的CPA碰撞检测模型设计了逐次贪婪碰撞规避路径规划算法SGACRP。该算法每次迭代选择一个节点、无人机及路径顺序的最佳匹配组合,在最大化收益的同时满足了无人机资源受限及碰撞规避的要求。最后以时间折扣型函数作为无人机收益函数,通过仿真验证了碰撞规避措施的有效性,同时验证了碰撞规避算法虽然增加了无线传感器网络的总充电完成时间,但并不影响其监测率。另一方面,仿真证明了根据与目标点的距离设置节点的固定收益,能有效改善地面无线传感器网络的监测概率。     

未知复杂环境中的无人机平滑飞行路径规划

针对无人机实时路径规划问题,提出了一种基于双层决策的平滑路径规划方法,以弥补现有方法在复杂飞行环境中对路径平滑性优化的不足,增强路径的易跟踪性.本文首先给出路径平滑性度量,然后建模上、下层决策目标、威胁规避与无人机性能约束并引入变长规划时间,进而设计基于双层决策的路径规划模型.规划过程中通过嵌入启发式优化策略来进一步改善路径的全局与局部平滑度,并提高路径搜索效率.大量复杂场景中的仿真及与现有经典方法的对比结果表明:该方法能够实时避开复杂危险区域,规划适合飞行的、较短的平滑路径.     

小型四旋翼无人机双闭环轨迹跟踪与控制

近年来, 无人飞行器控制繁荣发展对控制精度与品质要求日益增高. 为了应对这一挑战, 本文基于奇异摄 动的思想设计了四旋翼无人机非线性轨迹跟踪控制器. 首先, 基于牛顿欧拉定律建立了四旋翼无人飞行器非线性 奇异摄动形式的数学模型. 然后, 引入奇异摄动理论, 通过时间尺度分解的方法将系统解耦成内环快子系统和外环 慢子系统. 再者, 根据非线性动态逆的思想分别建立快、慢伪线性子系统, 并基于此分别设计外环轨迹跟踪、内环稳 定子控制器, 综合子控制器生成应用于原系统的全阶控制器以兼顾跟踪精度和鲁棒特性. 针对内环快系统, 采用线 性二次调节控制器以实现稳定快速地控制飞行器旋转动态; 针对外环慢系统, 运用经典的比例–微分–积分控制器 以跟踪所给定的轨迹. 最后给出了仿真实例说明本文结论的有效性.     

有向切换通信拓扑下多无人机分布式编队控制

本文对多无人机分布式时变编队控制问题进行了研究. 无人机之间的通信拓扑假定是有向和切换的. 基于 自身状态与邻居状态的相对局部信息构建了分布式编队控制器. 通过引入一个恰当的编队误差向量, 将有向切换 通信拓扑下的多无人机编队问题转化为一个切换系统的镇定问题. 基于Lyapunov稳定性分析方法得到了达成编队 的充分性条件. 仿真实验结果验证了结论的有效性.     

Flocking control of a fleet of unmanned aerial vehicles

Current applications using single unmanned vehicle have been gradually extended to multiple ones due to their increased efficiency in mission accomplishment, expanded coverage areas and ranges, as well as enhanced system reliability. This paper presents a flocking control method with application to a fleet of unmanned quadrotor helicopters (UQHs). Three critical characteristics of formation keeping, collision avoidance, and velocity matching have been taken into account in the algorithm development to make it capable of accomplishing the desired objectives (like forest/pipeline surveillance) by safely and efficiently operating a group of UQHs. To achieve these, three layered system design philosophy is considered in this study. The first layer is the flocking controller which is designed based on the kinematics of UQH. The modified Cucker and Smale model is used for guaranteeing the convergence of UQHs to flocking, while a repelling force between each two UQHs is also added for ensuring a specified safety distance. The second layer is the motion controller which is devised based on the kinetics of UQH by employing the augmented state-feedback control approach to greatly minimize the steady-state error. The last layer is the UQH system along with its actuators. Two primary contributions have been made in this work: first, different from most of the existing works conducted on agents with double integrator dynamics, a new flocking control algorithm has been designed and implemented on a group of UQHs with nonlinear dynamics. Furthermore, the constraint of fixed neighbouring distance in formation has been relaxed expecting to significantly reduce the complexity caused by the increase of agents number and provide more flexibility to the formation control. Extensive numerical simulations on a group of UQH nonlinear models have been carried out to verify the effectiveness of the proposed method.     

基于改进快速扩展随机树方法的隐身无人机突防航迹规划

针对隐身无人机在日趋严密的雷达防御系统下的生存问题,提出了基于改进快速扩展随机树的隐身突防航迹规划方法.本文首先对隐身突防航迹规划中无人机的动态雷达散射截面积和雷达的发现准则这两个关键问题进行了分析和建模,然后针对现有算法在解决隐身飞机航迹规划问题时的不足,设计了改进快速扩展随机树算法,将无人机的雷达散射截面积随姿态变化的情况考虑到新节点生成中,并且结合滚动时域策略计算时域范围内所有节点的瞬时发现概率均值,以判断新节点可行性.仿真结果和对比研究表明,算法的改进策略能够处理隐身突防航迹规划的两个特性,并且可在复杂环境下快速生成更优的突防路径.     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

用于清洗绝缘子的四旋翼无人机抗回冲力控制

本文主要针对利用四旋翼无人机清洗绝缘子时受到的回冲力干扰及姿态控制问题,提出了一种用于清洗绝缘子的无人机抗回冲力控制方法.对于无人机系统,本文运用非线性控制方法中的反步法来设计姿态控制器,使其达到输入状态稳定,并对外部扰动具有鲁棒性.本文首先根据无人机运动模型建立了其动力学方程.之后,运用动量定理和流体力学中的伯努利方...     

The use of unmanned aerial vehicles and wireless sensor networks for spraying pesticides

The application of pesticides and fertilizers in agricultural areas is of crucial importance for crop yields. The use of aircrafts is becoming increasingly common in carrying out this task mainly because of their speed and effectiveness in the spraying operation. However, some factors may reduce the yield, or even cause damage (e.g., crop areas not covered in the spraying process, overlapping spraying of crop areas, applying pesticides on the outer edge of the crop). Weather conditions, such as the intensity and direction of the wind while spraying, add further complexity to the problem of maintaining control. In this paper, we describe an architecture to address the problem of self-adjustment of the UAV routes when spraying chemicals in a crop field. We propose and evaluate an algorithm to adjust the UAV route to changes in wind intensity and direction. The algorithm to adapt the path runs in the UAV and its input is the feedback obtained from the wireless sensor network (WSN) deployed in the crop field. Moreover, we evaluate the impact of the number of communication messages between the UAV and the WSN. The results show that the use of the feedback information from the sensors to make adjustments to the routes could significantly reduce the waste of pesticides and fertilizers.     

动态事件触发的无人机非线性系统故障检测

本文在Hi/H1优化框架下, 研究基于动态事件触发的无人机非线性系统故障检测问题. 高空、长航时无人 机需要通过通信网络与地面站进行数据交互, 以实现故障检测等复杂功能. 为了充分利用有限的通信资源, 采用动 态事件触发机制决定是否将测量输入输出数据传送给故障检测模块, 若传输数据不满足触发条件则被丢弃, 因此, 故障检测性能不仅受到干扰和故障影响, 还受到非事件触发时刻数据与实际系统数据误差影响, 即事件触发传输误 差影响. 为此, 针对无人机非线性系统, 提出一种新的动态事件触发Hi/H1故障检测方法. 该方法可以在动态事件触 发条件下, 实现故障检测滤波器残差与事件传输误差完全解耦, 能够避免连续通信和Zeno现象. 在Hi/H1优化框架 下, 通过Riccati方程递归计算, 得到动态事件触发故障检测滤波器的最优解. 最后, 以无人机非线性姿态控制系统为 例, 验证所提方法的有效性和可行性.     

无人机多机动目标自主探测与跟踪

无人机机载相机图像中机动目标尺寸较小而且会发生显著变化,加上大量的背景噪声干扰,给目标探测和跟踪带来很大困难.针对这些问题,本文提出了一种在无人机机载相机图像序列中自主探测与跟踪多个机动目标的方法.首先,提取目标的图像数字特征并采用级联分类算法进行特征分类,得到目标的强分类器,对目标进行自主探测搜索.然后,基于全局最优关联算法对探测回波进行关联滤波,实现对多个机动目标的跟踪与识别,其中最优关联代价矩阵融合了距离和方向信息,提高了关联和跟踪的鲁棒性.将无人机航拍图像序列中的地面坦克作为目标进行实验,结果表明本文算法可以实现对多个机动目标的自主探测和跟踪,并具有较好的跟踪鲁棒性.