无人机航迹预见控制及其仿真研究

为了最大限度地发挥无人机的性能,机动快速地配合其它兵种作战,需要无人机在其有效使用范围内发挥其应有的潜力,在这方面飞行控制系统的性能起着决定性的作用。本文在对目前无人机航迹控制技术存在问题进行分析的基础上,利用数字预见控制的理论和方法设计控制算法作为航迹优化措施,优化无人机的飞行控制性能,提高其机动性和快速反应能力。仿真结果表明了该算法的有效性。     

无人机航迹跟踪控制与仿真

对于无人机的精确航迹跟踪问题进行了研究。系统分为基本姿态控制器设计和制导系统设计两个部分进行研究。利用多重时间尺度奇异摄动理论,结合非线性动态逆方法设计了基本姿态控制器,包括快逆回路和慢逆回路两部分。由引导飞机沿期望航迹的指令加速度解算出跟踪指令航迹所需要的制导力,求出飞机改变姿态所需的控制指令,作为基本姿态控制器的输入。针对某无人机模型进行了机动航迹跟踪仿真验证,仿真结果显示系统能够较好的跟踪指令机动航迹。证明了该方法的有效性和实用性。     

无人机三维航迹规划算法研究

在模拟仿真出无人机三维飞行环境的基础上,根据航迹规划的要求,建立对应数学模型,并采用蚁群算法进行优化仿真.针对基本蚁群算法存在的搜索时间长、容易陷入局部最优解等缺点,将蚂蚁当前位置与目标位置的距离信息反馈到系统中作为航迹规划的控制信息,同时对航迹节点的选择方法进行改进,以提高算法的效率.仿真实例结果表明,该算法可以规划出满足无人机飞行要求的航迹.     

无人机自主飞行航迹规划研究

在分析无人机飞行轨迹问题的基础上,建立二维、三维情况下的航迹规划模型,求得在飞行高度安全的前提下无人机的最短飞行轨迹。作出模型的基本假设,根据维数给出目标探测概率的计算过程以及最短航迹的规划思路。通过设计具体的仿真环境,对不同维数情况下的航迹分别进行求解和分析,验证了模型的合理性。     

无人机航迹规划与监控系统设计

无人机作为现代战争中广泛使用的设备,使无人机安全、准时完成任务。航迹规划就是针对各种任务需求,为无人机提供一条或多条可行航线,确保无人机处于自主飞行状态。本研究目的是研发通用性特征的无人机航迹规划与监控系统,在阐述设计该系统原则基础上,详细介绍无人机航迹规划与监控系统分层架构及用户控制层、数据管理层等,并提出开展各项测试。结果表明,所设计系统能顺利通过测试,达到实际应用的需求。     

基于EB-RRT*的无人机航迹规划算法研究

随着小型无人机的广泛应用,无人机的自动巡航能力变得至关重要。无人机航迹规划,是指其在已知环境地图信息下展开航迹规划以实现无碰撞地、平滑地从初始点到达目标点。针对现有算法依然存在收敛速度慢、遍历时间长和航迹曲线化无法满足实际无人机飞行条件等问题,首先提出了EB-RRT*(Efficient B-RRT*)算法,设计自适应避障提高算法收敛速度并减少内存占用;然后采用栅格分区的方法缩短附近节点的遍历时间;最后利用合理的降采样和三次贝塞尔插值算法对折点进行光滑化的处理,使算法最终生成相对平滑的航迹,为无人机实际飞行提供可行航迹规划方法。进行了多组不同环境复杂度的实验,并将该算法与其他算法进行对比,结果验证了所提算法的有效性。     

基于MapObjects的无人机遥感航迹实时显示算法研究

无人机航迹的实时显示是无人机遥感系统进行实时监测工作必不可少的功能之一。本文分析了Ma-pObjects控件动态层的特点,研究了基于MapObjects控件的动态数据显示常用算法,并指出该算法在无人机航迹实时动态显示应用上存在的问题。在此基础上提出了新的算法,详细阐述了该算法的核心思想及实现流程。最后在MapObjects控件和MS Visual Studio.Net开发环境下对相关实现细节进行了描述,并分析了该功能的性能状况。     

多无人机航迹规划的自适应B样条算法

无人机集群能更高效地完成复杂和具有挑战性的任务,航迹规划和编队控制是无人机集群的研究重点。针对复杂环境下的无人机编队控制问题,提出了一种结合分段自适应B样条（Piecewise Adaptive B-Spline,PABS）方法的领航-跟随策略。采用滚动时域控制及快速粒子群优化算法为领航者无人机生成一条安全的参考航迹,并根据跟随者与领航者保持的几何关系为跟随者无人机生成参考航迹。针对生成的跟随者航迹不平滑以及可能与障碍物发生碰撞的问题,使用PABS方法对跟随者航迹进行平滑和避障处理。实验表明,使用滚动时域控制及快速粒子群优化算法及PABS方法能为领航-跟随策略下的无人机编队生成安全平滑的航迹,相比于圆弧插补技术,PABS方法能使航迹更光滑。     

无人机在水环境监测中的航迹规划

无人机在水环境监测中,受其物理性能和风险因素影响无法一次性的对所有区域进行监测,充分发挥无人机的使用效率变得极为重要。提出了无人机在水环境监测中的最优航迹规划问题,建立了该问题的数学模型,在此基础上提出了一种基于遗传—模拟退火优化算法,采用网格空间表示与方向编码相结合的方法减小了计算量。仿真实验结果表明:该方法能够得到比遗传算法更优的解,可以有效解决无人机在水环境监测中的航迹规划问题。     

无人机视角下的多车辆跟踪算法研究

针对无人机视频中存在目标密集、运动噪声强而导致跟踪性能显著下降的问题,提出了一种改进YOLOv3的车辆检测算法及一种基于深度度量学习的多车辆跟踪算法。针对车辆检测的精度与实时性问题,采用深度可分离卷积网络MobileNetv3作为特征提取网络实现网络结构轻量化,同时采用CIoU Loss作为边框损失函数对网络进行训练。为了在多目标跟踪过程中提取到更具判别力的深度特征,提出了一种基于深度度量学习的多车辆跟踪算法,实验证明,本文提出的算法有效改善车辆ID跳变问题,速度上满足无人机交通视频下车辆跟踪的实时性要求,达到17 f/s。     

基于RPCCA的无人机目标跟踪定位算法

针对目前无人机(UAV)对于行人目标的识别准确度不高,数据传输不稳定并且易受干扰和现有无人机目标跟踪系统一般是利用卫星信号进行定位,传输数据成本较高且具有一定的局限性的问题,提出了基于正则化成对约束组件分析的无人机目标跟踪定位算法,利用正则化成对约束组件分析实现了无人机对目标的准确识别,利用WiFi进行大数据稳定、实时的传输,与基于卫星的定位算法可以形成互补,在此基础上,利用扩频通信进行重要数据的准确传输,改善了系统的抗干扰性能。实验结果表明:该算法不仅可以有效地识别与跟踪目标,而且可以实时传输无人机的位姿参数与目标检测结果。     

Research of a non-linearity control algorithm for UAV target tracking based on fuzzy logic systems

Microsystem Technologies - Target tracking is one of the most widely used applications of UAVs and visual based tracking is the main method for non-cooperative tracking. In non-cooperative tracking...     

一种空间曲线轨迹跟踪的无人机自适应导航控制算法

随着固定翼无人机飞行任务复杂化,为了实现高精度的空间曲线导航控制,基于L1-Navigation非线性导航控制算法,设计自适应模糊控制器优化固定翼无人机跟踪空间曲线导航控制方法。以球面上的空间八字曲线为例,对八字曲线建模,通过坐标转换求得目标航点位置来计算无人机飞行加速度。为了优化加速度控制无人机跟踪空间曲线性能,在L1-Navigation导航控制器中,针对增益系数设计一个双输入单输出模糊控制系统,以轨迹误差和轨迹误差变化率为输入量,以计算横向加速度的增益系数常数为输出量。最后,在Ardupilot飞控中进行飞行模拟实验,飞行实验表明,所提出方法能够精确跟踪空间曲线路径,并且有很好的自适应性。     

基于像素分类的多尺度无人机航拍目标旋转跟踪算法

针对无人机（UAV）跟踪过程中垂直跟踪框在处理尺度变化、相似物体和纵横比变化时限制了跟踪精度提升的问题,提出一种基于像素分类的多尺度UAV航拍目标旋转跟踪算法。首先,设计MS-ResNet以提取目标多尺度特征;然后,在具有正交特性的多通道响应图上设计像素二分类模块,从而进一步精确细化分类和回归分支的结果;同时,为了提高像素分类精度,使用并行通道空间注意力（scSE）模块在空间域和通道域上筛选目标特征;最后,在像素分类基础上生成贴合目标实际大小的旋转跟踪框,从而避免正样本受到污染。实验结果表明：所提算法在无人机跟踪数据集UAV123上的成功率和准确率分别为60.7%和79.5%、与孪生区域建议跟踪网络（SiamRPN）相比,成功率与准确率分别提升了5个百分点、2.7个百分点,同时速度为67.5 FPS,满足实时要求。所提算法具有良好的尺度适应能力、辨别能力和鲁棒性,能有效应对UAV跟踪任务。     

基于注意力特征融合的无人机多目标跟踪算法

随着无人机技术的不断发展,无人机多目标跟踪已成为无人机应用的关键技术之一.针对无人机视频中的复杂背景干扰、遮挡、视点高度和角度多变等问题,提出一种基于注意力特征融合的无人机多目标跟踪算法.首先,将改进的卷积注意力模块引入残差网络,建立三元组注意力特征提取网络;其次,在特征金字塔网络的结构上加入新的特征融合通道,设计多尺度特征融合模块,增强模型对多尺度目标的特征表达能力;最后,根据目标的重识别特征匹配与检测框匹配得到目标轨迹.仿真实验结果表明,该算法可有效提升无人机多目标跟踪的精度,具有较好的鲁棒性.     

基于多域对抗学习的无人机目标跟踪算法

针对无人机视频跟踪中正样本不足和单帧强判别特征易导致分类器过拟合的问题,提出一种基于多域对抗学习的实时无人机目标跟踪算法.将生成对抗网络引入到多域学习的特征生成中,利用对抗学习提高特征提取的鲁棒性;在卷积层中加入具有不同扩展系数的空洞卷积进行多尺度特征抽取,构建具有不同感受野的特征提取模块;在交叉熵损失函数中添加调制因子解决正负样本数量不平衡的问题.实验结果表明,该算法的跟踪精度、成功率均得到了提高.     

Adaptive sampling for UAV tracking

Neural Computing and Applications - Unmanned aerial vehicle (UAV)-based target tracking is a long-standing problem in UAV applications. In this paper, we develop a local kernel feature to encode...     

一种无人机三维航迹规划算法研究

在研究无人机三维航迹规划问题时,针对基于传统人工蜂群算法易陷入局部最优值、后期收敛速度变慢、寻优效率低的问题,提出了一种改进人工蜂群算法的无人机航迹规划方法。首先,在建立包括经纬度、海拔高度信息的三维飞行区域模型后,加入了地形约束模型,并引入新的综合航迹代价评价方式。然后,在算法中引入自适应搜索策略、新型概率选择策略与Logistic混沌搜索算子来增强其对原始信息的开采能力,提高其收敛速度以及加强其鲁棒性。最后,通过三维航迹规划仿真和面对突发威胁的局部航迹再规划仿真对所提算法的有效性进行了验证。结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于遗传算法和传统人工蜂群算法,适合用来解决无人机的三维航迹规划问题。     

室内RFID网络跟踪算法研究

随着RFID技术的不断发展和应用,基于RFID技术的定位系统已成为当前研究的热点问题。详细介绍了一种RFID定位算法,以阅读器网络为研究对象,存储在系统中的阅读器拓扑结构为母板,通过收集到的跟踪向量与母板匹配,寻找最佳路径。实验表明,RFID网络跟踪算法在大空间中能够准确地跟踪物体、检测阅读器工作状态;当阅读器出现故障时,算法仍能对物体跟踪定位,具有较好的鲁棒性。