基于改进遗传算法的无人机路径规划

针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机(UAV)路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径.首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复...     

基于滚动速度障碍法的无人机山地航测避障路径规划研究

无人机在进行山地航测时,经常遭遇鸟类等动态障碍,若不能及时规避掉障碍,极容易发生坠机事故。为此,研究一种基于滚动速度障碍法的无人机山地航测避障路径规划方法。基于山地环境模型,结合飞行路径长度、路径平滑度建立一个综合目标函数并利用改进布谷鸟搜索算法求解,得到无人机山地航测的初始路径。对图像进行预处理后,识别无人机初始路径飞行过程中遇到的障碍物,并通过超声波测量无人机与障碍物之间的距离,以此建立速度障碍模型,实现速度障碍碰撞分析,通过滚动窗口的方式确定无人机与障碍物是否存在飞行冲突。基于滚动速度障碍避障方法实现滚动角度避障和速度避障,获取最终的优化路径,完成基于滚动速度障碍法的无人机山地航测避障路径规划。测试结果表明:航测避障路径长度为571.45m,平滑度为165.52,规划的方案更具合理性。     

An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning

This paper formulates the global route planning problem for the unmanned aerial vehicles (UAVs) as a constrained optimization problem in the three-dimensional environment and proposes an improved constrained differential evolution (DE) algorithm to generate an optimal feasible route. The flight route is designed to have a short length and a low flight altitude. The multiple constraints based on the realistic scenarios are taken into account, including maximum turning angle, maximum climbing/gliding slope, terrain, forbidden flying areas, map and threat area constraints. The proposed DE-based route planning algorithm combines the standard DE with the level comparison method and an improved strategy is proposed to control the satisfactory level. To show the high performance of the proposed method, we compare the proposed algorithm with six existing constrained optimization algorithms and five penalty function based methods. Numerical experiments in two test cases are carried out. Our proposed algorithm demonstrates a good performance in terms of the solution quality, robustness, and the constraint-handling ability.     

基于拓扑优化的四旋翼无人机结构设计

为实现某四旋翼无人机的轻量化结构设计,采用Inspire进行拓扑优化设计,并对获得的拓扑优化结构进行静力分析和动力学分析。分析结果表明,通过拓扑优化方法获得的无人机结构应力分布合理,结构位移小且频率较高,满足静态和动态结构设计要求。研究结果可为实现低成本、轻量化的四旋翼无人机结构设计提供一条新的途径。     

Asynchronous double-precision windows based unmanned aerial vehicle real-time path planning

A real-time path planning approach based on asynchronous double-precision windows is proposed for unmanned aerial vehicles (UAVs). In this proposed method, cursory paths and elaborate paths are planned respectively in the global and local windows. Specifically, global cursory path planner and local elaborate path planner are integrated by rolling two windows on different frequencies with different modes. Simulation results demonstrate that the proposed approach is effective for realizing a balance between t...     

无人机仿真训练系统

为了满足无人机地面操纵人员的训练需求,以某新型无人机为应用背景设计并实现了一种“无人机仿真训练系统”,该文介绍了该系统的构成及其在计算机上的实现过程,并提出了运用小波分析的方法对飞行数据进行滤波。该系统集指挥控制、链路通信、飞控模块、任务载荷及视景显示于一体,重现了无人机操纵人员控制该新型无人机的全过程。对于训练操纵人员,该“无人机仿真训练系统”是一种缩短培训周期,减少费用,更为先进的训练方法。该系统的研制成功,对于提高训练无人机操纵人员的效率和扩大新型无人机的广泛应用具有重要意义。     

仿灰狼合作捕食行为的无人机集群动态任务分配

大规模无人机集群可以承担单个无人机无法完成的复杂任务, 为提高无人机集群执行任务的成功率与可 靠性, 综合考虑资源均衡与多目标分配的任务规划必不可少. 灰狼是一种典型的团队合作狩猎动物, 在捕食过程中 体现出明显的社会层级结构与合作捕食行为. 通过分析灰狼群体的狩猎过程, 对灰狼的群体交互机制与合作捕食行 为建模; 在此基础上, 将灰狼合作捕食行为机制映射至无人机集群动态任务分配中, 给出了无人机集群动态任务分 配流程. 仿真结果表明, 当无人机集群数量与任务节点关系不同时, 所提无人机集群动态任务分配方法在资源均衡 度与有效性方面均有明显优势.     

无人机影像物方多视匹配算法

目的 像方无人机影像多视匹配方法忽视了影像之间的几何关系,而以MVLL（multi-view vertical line locus）为代表的物方多视匹配方法缺乏对地形之间相互约束的考虑。为此构建一种融合两类多视匹配方法优点的无人机影像物方多视匹配算法。方法 在MVLL匹配结构的基础上添加半全局匹配的相容性约束,不仅继承了原半全局算法对有弱纹理区域匹配效果好和物体边缘突出的优点,而且摆脱了需制作核线影像的繁琐过程;采用物方窗口SNCC（summed normalized cross correlation）一致性匹配测度计算方法,有效降低摄影角度和遮挡对匹配结果的影响;采用金字塔分层的策略以提高匹配的速度和可靠性。结果 选取自主研制的旋翼无人机三轴稳定平台获取了高分辨率无人机影像作为实验数据,从匹配效果、新匹配测度性能和匹配精度3个方面对算法进行了测试实验。本文算法整体匹配效果良好,物方窗口SNCC一致性匹配测度可有效消除匹配测度中的粗差,经过测定本文匹配算法生成的点云数据的高程精度为0.049 m,即约为1个GSD（ground space resolution）对应的地面大小。结论 本文算法充分利用了无人机影像的多视信息进行匹配计算,具有匹配效果好、鲁棒性强和匹配精度高的优势。     

无人飞行器航迹规划的工程化稀疏A*算法

针对无人飞行器(unmanned aerial vehicle, UAV)低空突防的作战任务背景, 结合工程实际, 提出了一种面向工程化应用的稀疏A*算法求解航迹规划问题。考虑到UAV的机动性能、任务要求、作战环境威胁等因素, 分别从UAV的最大转弯角度、最小直飞距离和最大航程等约束条件对稀疏A*算法的节点搜索策略进行了设计。针对以固定角度进入目标的任务要求, 引入虚拟威胁圆满足UAV最大转弯角限制。同时, 设计了航路点信息结构, 并采用双向链表进行存储; 提出了基于最小二叉堆的OPEN表维护方法, 提高算法的实时性。最后, 通过规划实例对方法进行了验证。     

Unmanned aerial vehicles using machine learning for autonomous flight; state-of-the-art

In recent years, since researchers began to study on Unmanned Aerial Vehicles (UAVs), UAVs have been integrated into today's everyday life, including civilian area and military area. Many researchers have tried to make use of UAVs as an ideal platform for inspection, delivery, surveillance, and so on. In particular, machine learning has been applied to UAVs for autonomous flight that enables UAVs do designated task more efficiently. In this paper, we review the history and the classification of machine learning, and discuss the state-of-the-art machine learning that has been applied to UAVs for autonomous flight. We provide control strategies including parameter tuning, adaptive control for uncertain environment, and real-time path planning, and object recognition that have been described in the literature.     

Immersion and invariance-based integrated guidance and control for unmanned aerial vehicle path following

An integrated guidance and control scheme is proposed on path following for the unmanned aerial vehicle. It is capable of handling the coupled non-linearities of the path's kinematics and the aircraft's dynamics independently. In the path coordinate, the guidance law is designed based on a nominal model, and the non-linearity of the path's kinematics is taken into full consideration. In the time coordinate, the flight control law is designed as a feed-forward controller, and it can guarantee the robustness of the guidance law with respect to the actual aircraft's dynamics. Instead of only employing Lyapunov method, the concept of immersion and invariance is also applied to explicitly analyse the stability in both time and path coordinates, and the asymptotic stability of the closed-loop system can be guaranteed. What is more, the regulation-based and immersion-based adaptive technologies are synthetically utilised to handle the unknown parameters. Finally, the numerical simulations demonstrate the effectiveness of the developed integrated guidance and control scheme.     

无人机空中通信数据库信息盲检索系统设计

对无人机空中通信数据库信息盲检索系统进行设计,能够有效解决传统盲检索系统存在的数据召回率低、细粒度差、检索准确度低及实时性差等问题。先给出无人机空中通信数据库信息盲检索系统的总体架构设计,通过对存储器结构进行改进,实现系统硬件部分的优化;采用Java语言和嵌入式开发库设计可视化检索页面,选取检索信息,增设中间件搜索功能,通过盲检索功能的实现,完成系统软件部分的开发,从而设计出无人机空中通信数据库信息盲检索系统。实验结果表明,该系统数据召回率高,细粒度强,检索准确度高,实时性好。     

基于多视角多监督网络的无人机图像定位方法

针对现有跨视角图像匹配算法精度低的问题,提出了一种基于多视角多监督网络（MMNet）的无人机（UAV）定位方法。首先,所提方法融合卫星视角和UAV视角,在统一的网络架构下学习全局和局部特征并以多监督方式训练分类网络并执行度量任务。具体来说,MMNet主要采用了重加权正则化三元组损失（RRT）学习全局特征,该损失利用重加权和距离正则化加权策略来解决多视角样本不平衡以及特征空间结构紊乱的问题。同时,为了关注目标地点中心建筑的上下文信息,MMNet对特征图进行方形环切割来获取局部特征。然后,分别用交叉熵损失和RRT执行分类和度量任务。最终,使用加权策略聚合全局和局部特征来表征目标地点图像。通过在当前流行的UAV数据集University-1652上进行实验,可知MMNet在UAV定位任务的召回率Recall@1 (R@1)及平均精准率（AP）上分别达到83.97%和86.96%。实验结果表明,相较于LCM、SFPN等方法,MMNet显著提升了跨视角图像的匹配精度,进而增强了UAV图像定位的实用性。     

基于改进教学算法的无人机航路规划

针对传统教-学优化（TLBO）算法进行航路规划时收敛速度慢、容易陷入局部最优的问题,提出一种自适应交叉教-学优化（AC-TLBO）算法。首先,该算法令传统教-学优化（TLBO）算法的教学因子随着迭代次数而发生变化,提高算法的学习速度;其次,当算法可能要陷入局部最优时,加入一定的扰动,使算法尽可能地跳出局部最优;最后,为了进一步提升算法的收敛效果,在算法中引入遗传算法的交叉环节。利用传统教-学优化（TLBO）算法、自适应交叉教-学优化（AC-TLBO）算法和量子粒子群优化（QPSO）算法进行无人机航路规划,仿真结果表明,在10次规划中,自适应交叉教-学优化（AC-TLBO）算法有8次找到了全局最优路径,而传统教-学优化（TLBO）算法和量子粒子群优化（QPSO）算法分别只找到了2次和1次;而且自适应交叉教-学优化（AC-TLBO）算法的收敛速度高于另外两种算法。     

基于场景图划分的无人机影像定位算法

针对大规模长序列无人机（UAV）影像定位中存在的速度慢、误差漂移等问题,结合UAV影像的特点,提出了一种基于场景图划分的UAV影像定位算法。首先,利用全球定位系统（GPS）辅助信息缩小特征匹配的空间搜索范围,从而加速同名点的提取;之后结合视觉一致性和空间一致性来构建场景图,并利用归一化割（Ncut）对其进行划分;接着,对各组场景图进行增量重建;最后,利用光束法平差（BA）融合场景图从而计算出场景的三维模型。此外,在BA阶段,所提算法对代价函数进行扩充,即加入了GPS空间约束信息。在四个UAV影像数据集上的实验结果表明,与COLMAP等多种运动恢复结构（SFM）算法相比,所提算法的定位速度提升了50%,重投影误差减小了41%,定位误差控制在0.5m之内。此外,通过有无GPS辅助下的算法的实验对比,可以得知引入相对和绝对GPS约束的BA有效解决了误差漂移问题,避免了出现歧义性结果,并且极大地减小了定位误差。     

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.     

无人机转偏角测量优化仿真研究

为了保证无人机飞行过程中的安全可靠性,需对无人机转角偏移量进行测量.传统的测量方法为了简化计算过程,保证同步性,忽略了无人机飞行中的转角方向偏移误差,以遗传算法进行迭代计算,由于子代不断继承父代的包含误差的基因,导致测量过程存在较大缺陷,提出一种基于改进遗传算法的无人机转角偏移测量方法,分析了无人机转角偏移测量原理,给出遗传算法的一般模型,在此基础上,引入随机方向法,给出选择空间,确定基点,对产生的个体数以及产生的个体进行记录统计,产生一个随机向量,通过判断比较各自的适应值,获取优良的个体,从而有效实现无人机转角偏移量的测量.仿真结果表明,所提方法在增强无人机转角偏移量测量精度及可靠性方面具有很高的优越性.     

TAMS: development of a multipurpose three-arm aerial manipulator system

This paper describes the concept, design and realization of a novel manipulator system for a multirotor aerial robot. The proposed manipulator system consists of three robotic arms attached to a multirotor frame. To overcome the limited payload capabilities in multirotor aerial platforms, the same set of on-board manipulators are used to realize various tasks, primarily the manipulation or grasping of objects of various sizes. Furthermore, they can provide aid in complex navigation tasks by doing physical, contact-based obstacle avoidance and are able to act as adaptive landing gear in uneven terrain. The design requirements and the analysis to realize these tasks is discussed. The proposal is supported with the successful demonstration of these tasks using the aerial multi manipulator system in an outdoor environment.     

无人飞行器纵向剖面轨迹优化

对飞行管理系统的纵向剖面轨迹优化功能进行了研究.以固定距离最省油为优化指标,用能量法动态地建立了3阶段轨迹优化模型.区别于固定推力只对速度寻优的传统的模型求解方法,把发动机推力和速度同时作为寻优变量,并结合无人飞行器飞行的物理过程,将3阶段轨迹优化模型进一步变换成非线性规划问题,利用再开始FR(Fletcher-Revees)共轭梯度法进行求解.最后以某型无人飞行器为例进行仿真验证,结果表明将发动机推力设为变量比推力固定求得的纵向剖面最优轨迹更省油,对节省燃油降低经济成本有一定的实用参考价值.     

基于分层思想的无人飞行器航路规划研究

在无人飞行器航路规划问题的研究中,为提高航路规划的效率和精度,针对传统遗传算法收敛速度慢、易陷入局部最优、寻优精度较差的问题,提出了一种分层思想的解决方法.首先用链接图法描述规划环境,通过采用Dijkstra算法寻找初始最优航路,并利用航路编码技术对初始航路进行优化;然后在已有的研究成果上,提出一种集混沌优化、模拟退火、遗传算法为一体的改进遗传算法(CGASA),在解决多目标多约束优化问题时取得了较好的结果;最后综合考虑飞行器的机动性能、威胁因素、飞越目标进入角度等代价的选取,利用改进遗传算法调整导航点的位置得出了满足性能要求的航路.