无人机3D航迹规划及动态避障算法研究

规划一条高时效且低代价的三维(3D)航行轨迹,成为目前无人机广泛应用亟须解决的问题。针对蚁群算法在航迹规划中出现的航迹长度和平滑性不足问题,通过改进蚁群系统中的节点移动规则、构造多重启发信息并结合粒子群优化算法的全局搜索能力,提出了蚁群粒子群融合算法。同时,就飞行航迹中出现的动态避障问题和目标点变化问题,提出了改进生物启发神经动力学模型算法,该算法针对3D静态最优航迹中出现的障碍物和目标点变化,实现了局部在线航迹调整。实验仿真结果表明,蚁群粒子群融合算法能在3D静态环境中规划出一条期望航迹。同时,改进生物启发神经动力学模型算法不仅能对突发障碍动态避障,还能对动态目标点变化实时跟踪。     

多子群社会群体优化算法的无人机航迹规划

为了规划出一条航程短且安全性高的航迹，提出了多子群社会群体优化算法的航迹规划方法。建立了威胁模型和航迹规划模型，将航迹规划问题转化为带约束优化问题；在社会群体算法基础上，将个体分为多个子群，通过制定多渠道信息获取方法和多样式学习方式，改进了算法的提高阶段和获得阶段；通过子群重组实现了子群间信息交流，达到提高算法种群多样性的目的。使用基本测试函数对算法性能进行测试可以看出，多子群算法提高了算法的种群多样性和寻优能力。同时使用多子群算法和传统社会群体算法对无人机航迹进行规划，多子群算法规划航迹的目标函数比传统算法减少了6.65%，说明多子群算法规划的航迹在航程和安全性综合评价上优于传统算法。     

基于无人机倾斜摄影的三维路径规划

使用倾斜摄影无人机结合PhotoScan Pro对城市环境建立了三维模型，通过MATLAB对所建立的城市道路三维模型进行两点间的路径规划，结合飞行无人机实现了三维路径规划的测试。通过设立现实场景，在场景里设立像控点，使用无人机对设立场景进行三维建模，然后将模型导出至MATLAB进行三维路径规划，最后导出代码通过飞行无人机在现实场景进行飞行测试。测试结果表明：三维建模的环境与现实环境存在偏差，且根据模型得到的三维路径规划与现实也存在偏差，其偏差值受照片清晰度、照片组对齐度、像控点建立和拍摄角等的影响。采用倾斜摄影建立多个像控点后，得到的照片对齐率比不设置时的影像提高了7%，最终三维建模模型的完整还原度提高了4%。运用A～*算法通过结合MATLAB实现三维模型的三维路径规划，比对多条规划路线最终实现了三维路径规划。所提方案可供解决城市拥堵、交通规划提供参考。     

基于某种生物启发式算法的无人机航迹规划

无人机航迹规划问题是无人机实现自主飞行的重点和难点,本文提出了一种基于海洋生物启发式的算法,并将其应用于无人机航迹规划中。首先对飞行过程中的约束条件与威胁环境进行分析与建模,使用合适的规划空间方法,将种群初始化,根据位置更新策略不断进行种群迭代,使种群逐渐向最优解进化。仿真实验表明,该算法可有效提高全局搜索能力,避免陷入局部最优解,算法具有快速收敛和可靠性的特点,为无人机航迹规划研究提供了新思路。     

应用混沌萤火虫算法的无人机航迹规划

针对无人机在复杂多变环境下的飞行问题,提出了一种应用混沌萤火虫算法的航迹规划方法。在飞行区域已知的情况下,建立规划空间的二维模型与航迹代价模型,并将航迹规划问题转换成多维函数优化问题;利用萤火虫算法优越的寻优能力来搜索无人机的最优航线;引入立方映射混沌算子来提高算法的局部搜索能力和鲁棒性。通过标准函数测试与航迹规划仿真对提出的算法进行了验证,结果表明:相比其他算法,本算法能够较好地跳出局部最优的束缚,并快速、准确地获得全局最优解,可以满足无人机航迹规划的要求。     

考虑环境复杂度的机器人路径双向蚁群规划

为了减少机器人的路径长度、提高路径平滑性，提出了基于配对双向新型蚁群算法的路径规划方法。介绍了栅格环境模型的建立方法；给出了基于改进K-means的环境复杂度聚类方法，实现了以复杂度为标准的环境分区；将环境复杂度作为新型启发信息引入到蚁群算法中，引导蚂蚁选择简单环境区域。借鉴蚂蚁的双向搜索思想，提出了配对双向搜索的新型蚁群算法，并将该算法应用于栅格环境的路径规划。经仿真验证可以看出，与传统蚁群算法、文献[12]算法比，配对双向新型蚁群算法的路径长度最短、拐点数量最少、收敛时迭代次数最少，验证了这里算法在路径规划中的优越性。     

复合形引导蜂群寻优的无人机航迹多目标规划

为了提高无人机导航路径规划的精度和稳定性,提出了复合形引导蜂群寻优的无人机航迹多目标优化方法。使用坐标变换方法,将二维规划问题降为一维;建立了航迹规划的目标函数与约束条件;在传统人工蜂群基础上,改进了蜜源初始化方法,使前后航迹点相互关联,提高航迹可行率;为了提高收敛速度,改进了雇佣蜂和观察蜂的蜜源搜索方式,提出了随机搜索与最优蜜源引导相结合的位置更新方式;提出了Metropolis准则改进观察蜂蜜源选择策略,有利于算法跳出局部最优、保留潜在最优;使用复合形法引导蜂群整体向优质蜜源运动,提出了复合形引导蜂群寻优算法。经仿真验证,与传统算法和混沌扰动算法相比,复合形引导蜂群算法的收敛迭代次数分别减少了4倍和6倍,寻优时间降低了约一个数量级,且规划航迹更优、稳定性更好。     

人工势场引导蚁群算法的机器人导航路径规划

蚁群算法应用于路径规划时,算法前期信息素分布均匀,只依赖启发信息搜索最优路径,因此存在盲目搜索和收敛慢的问题;蚁群算法后期由于信息素的正反馈作用,使蚁群算法陷入局部最优时无法跳出.为了解决这些问题,提出了改进人工势场法引导蚁群算法的路径规划方法.介绍了栅格环境建模法;以人工势场法为基础,给出了路径中间点选择方法,取消了障碍物斥力而只保留目标点引力,在目标引力下实现路径规划;以改进人工势场法规划路径启发蚁群算法,减少前期路径规划盲目性,实现加快收敛的目的;改进信息素更新方法,使信息素遗留因子随路径优劣自适应变化.由仿真结果可以看出,相比于蚁群算法和文献[10]势场蚁群算法,这里算法规划路径最短、平均迭代次数最少、算法平均耗时最少.     

时间协同多无人机编队航迹规划

传统导弹武器科研实验时采用单无人机供靶的方式,在空域、人力资源紧张的条件下系统完备性差,同时也难以适应新型抗多目标武器科研实验的需求。因此,提出了一种基于时间协同的无人机编队航迹规划,将整个无人机编队飞行系统分为单机航迹规划层、实时在线多机协同规划层,单机航迹规划层采用基于Dubins的几何规划算法,并输出每架无人机4条可飞行路径至多机规划层,实时在线多机规划层采用基于路径长度最短、时间最小的最优算法解算出每架无人机的最优路径以及飞行速度,并提出绕圈等待他机的控制策略。仿真结果表明,使用该方法控制的多无人机系统能实现同一时刻到达各自的指定目标点的任务,即完成时间协同。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*