基于凸面体圆弧航路的无人机自主避障算法

为解决无人机飞行过程中障碍物规避问题,提出一种新的三维自主避障算法.首先,根据障碍物的若干信息利用标准凸面体对不规则障碍物进行数学建模,用一个或多个标准凸面体覆盖障碍物整体或关键部分;然后,根据障碍物模型设计圆弧规避航路算法,将避障问题转化为跟踪规避航路控制问题,并定义避障判定、避障方向判断和成功避障规则;最后,结合非...     

双架次无人机(UAV)协同侦察的航路轨迹研究

本文介绍了交叉熵算法的基本原理、具体的建模方法、交叉熵算法的实时性和鲁棒性的特点,在实际应用中显示了良好的效果。鉴于军事侦察时间的紧迫性和空间的全面性的特点,依据无人机的具体应用技术特点,本文利用交叉熵算法对双架次的无人机的侦察路径进行规划,为路径规划提供了一种新的解决方法,并保证了侦察任务的路径规划在
在时间和效能上达到最优。     

无人机自主航路规划平台设计

基于人机交互的需求,设计了一款无人机自主航路规划平台。该平台主要应用于无人机飞行前的航路规划工作,能够在已知任务环境信息的基础上,根据任务需求,规划出一条有效航路,同时具备控制无人机飞行、飞行状态监控等功能。首先,在国内外无人机系统适航标准规范的基础上,针对突发或紧急任务下无人机地面操作员工作负荷增大等问题,对无人机航路规划系统设计的安全性要求和人机交互需求进行了归纳梳理;然后,基于航路规划系统功能需求,从航路规划、通信、控制、状态监控等方面,构建了航路规划平台,并采用MATLAB APP Designer完成了软件平台的开发;最终试验测试表明该平台符合设计需求。     

基于改进遗传蚁群算法的无人机航路规划

研究无人机航路,要在有限的时间内规划出最优路径.因此航路规划问题本质是多约束条件下函数求极值的优化问题,为了避免局部最优、减少计算时间是目前航路规划的关键技术.针对常用的规划算法存在收敛速度慢且易陷入局部最优这-问题,提出了一种改进的遗传蚁群算法.遗传算法阶段给出了一种小变异和引入新种群算子,维持了较优种群的多样性,蚁...     

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。     

基于粒子群算法的无人机航路规划与建模仿真

研究无人机航路规划问题,解决基本粒子群算法易陷入局部最优、收敛速度慢长导致人机作航路规划效率低的难题.为了提高无人机航路规划效率,提出了一种基于改进粒子群算法的无人机航路规划方法.在无人机航路规划建模过程中,如果粒子失活,该算法对其进行相应的变异与微调,重新激活粒子,保证了粒子群体在进化过程中具有较强的活力,能够快速逃逸出局部极值点,这样就以较快收敛速度找到最优航路.最后用改进的粒子群算法对无人机任务航路进行了仿真,仿真结果表明,相对于基本粒子群算法,该方法避免了陷入局部最优,并缩短了搜索时间,航路规划效率明显提高.该算法是一种有效的无人机航路优化算法.     

基于遗传算法的无人机航路规划优化研究

研究无人机航路规划优化问题,为了提高无人机航路规划效率和精度,传统的遗传算法易陷入局部最优、收敛速度慢导致无人机航路规划效率低、寻优精度较差等问题.为解决上述问题,提出了一种基于改进遗传算法的无人机航路规划方法.改进算法前期采用了保优选择策略和改进编码方案对无人机航路进行优化,加快了搜索速度、提高规划效率,使之适应大规模威胁问题求解;后期结合无人机特点,改进交叉和变异算子,通过改进使得每轮搜索后每-软的最优航路能更好地反映求解的质量,有效地加快了收敛,保持了稳定性.最后用改进的遗传算法对无人机航路规划进行了仿真.实验结果表明,方法避免了陷入局部最优、收敛速度加快、寻优精度提高,并缩短了搜索时间,航路规划效率明显提高.提出的算法可以引申应用于类似情况下的路线规划问题,具有-定的推广意义.     

基于优化粒子群算法的无人机航路规划

针对粒子群优化(PSO)算法的无人机(UAV)航路规划问题,引入惯性权重和自然选择对粒子群算法进行优化,以提高基本粒子群算法收敛速度,防止陷入局部最优.算法分析惯性权重对粒子群算法的影响,进而调整惯性因子,提高算法的搜索能力;利用自然选择的便利性和规律性等特点,更新粒子群算法的粒子;同时通过对无人机的可行航向进行限定,缩小搜索范围.仿真实验表明:基于粒子群优化算法的无人机航路规划不仅缩短了最优航路,而且提高了搜索速度.     

基于网格模型的无人机航路规划仿真

关于优化无人机覆盖路径规划,应便于实时调整航路.实施战场游弋侦察的无人机要搜索含有先验信息的任务区域,并且没有确定的目标点.针对战场环境瞬息万变,提出了网格模型的航路规划方法.首先,将无人机的任务环境区域划分为若干网格单元,并根据存在目标的概率赋予网格单元权值.接着,依据航路决策集合建立了控制模型,根据探测区域对环境网格的覆盖情况建立了探测模型,采用控制和探测模型计算有限步长内的航路价值,通过求解一个动态规划得到当前状态下的最优航路决策.最后通过对一架和多架无人机侦察给定区域的仿真,验证了方法的有效性,为设计航路提供了科学参考.     

QPSO在无人机侦察航路规划中的应用研究

对于侦察区内的防空威胁和目标分布情况,对飞行航路预先规划,可以减小被敌方发现和飞行距离,从而显著提高UAV侦察效率.在研究了粒子群算法的基础上,提出了具有量子行为的粒子群算法,并首次将该算法应用于无人机航路规划.目标函数主要考虑地面防空威胁与飞行距离这两个主要因素,并给出了航路规划的方法和步骤,该算法很好的解决了粒子群算法局部极值问题.实验结果表明,QPSO算法收敛快,得到的侦察航路较优,且很好的对威胁进行回避,能有效满足无人机飞行任务规划的要求.     

改进RRT算法陷阱空间下的无人机航迹规划

针对大部分航迹规划算法在陷阱空间下,存在规划时间长、成功率低的问题,提出了一种改进RRT算法。通过将人与RRT算法相结合,由人设置虚拟目标点,引导航迹搜索走出陷阱空间;同时对节点扩展进行优化,保证航迹搜索在可行域内;并设置快速收敛策略,删除冗余节点,使航迹搜索速度加快。最后,通过仿真验证表明,该方法在陷阱空间规划中具有良好的效果,可快速规划可行航迹。     

基于改进概率地图的无人机实时避障研究

基于空间点采样的概率地图方法能够很好地表示出自由空间的连通性,该方法已在路径规划领域得到了成功的应用。但是,由于在由已得到的采样点基础上构造连通图时,需要检查图的边是否与障碍物发生碰撞,即进行相交检验,限制了概率地图的构造速度,难以满足在实际应用中的实时性要求。针对无人机路径规划问题,以等高线地图作为任务空间,提出了一种新的采样模型,在该模型框架下,依据适当的规则构造临近点集,便可以避免相交检验,提高了路径规划速度。     

一种用于无人机着陆的地平线提取算法

针对着陆场不同天地场景中的地平线提取问题,结合Ostu方法与Hough变换,提出一种用于无人机着陆的地平线分步提取算法。在确定初始地平线的基础上,对其做粗化处理,得到目标地平线所在子图像域,在子图像域中完成最终目标的地平线提取。实验结果表明,该算法能准确有效地提取不同天地场景中的地平线。     

无人机目标检测量子多模式识别优化算法

研究了现阶段无人机雷达探测技术的难点与方法,分析了量子多模式识别网络模型与算法,根据Grover算法优化理论,提出了基于相位旋转的量子多模式识别算法(PRQMPRA).优化算法避免了在带冗余项的量子多模式识别算法(RQMPRA)中两个相位旋转均为π会导致搜索成功概率降低的缺陷.利用三种数据集对误差反向传播算法(EBPA...     

基于SURF的UAV快速目标识别算法

针对UAV（Unmanned Aerial Vehicle）侦察目标识别中的实时性和鲁棒性的要求,提出一种基于SURF（Speeded Up Robust Features）的快速目标识别算法。对UAV侦察图像进行预处理,采用不变矩构造遗传算法的适应度函数,利用遗传算法的全局搜索能力快速地提取可能包含目标的ROI（Region Of Interesting）区域。在ROI区域和模板图像中提取SURF特征点,采用最近邻的匹配算法搜索匹配对,从而精确确定目标的位置。仿真结果显示,该算法可以明显地提高目标识别的实时性并具有相当的鲁棒性。     

无人机平台下的行人与车辆目标实时检测

在无人机图像中快速准确地检测行人和车辆是一项有意义但又极具挑战的任务,其广泛应用于军事侦察、交通管制以及偏远地区救援等任务中.然而,由于无人机属于小型移动设备,其内存和计算能力非常有限,使得如何保证其检测实时性一直是难题.针对SSD算法模型过大、运行内存占用量过高、很难在无人机设备上运行的问题,精心设计了轻量级的基准网...     

基于Matlab／Simulink的无人机飞行仿真研究

该文以某小型无人机为研究对象,基于其数学模型,在Matlab／Simulink环境下并结合Stateflow的有限状态机实现了对该无人机飞行过程的仿真模拟。首先利用Matlab／Simulink,对小型无人机搭建了非线性数学模型,对其飞行控制律进行了研究;然后利用Stateflow模拟了无人机的飞行管理器,实现无人机多模态之间的转换;最后对无人机的控制规律进行了验证。其结果表明了该控制规律的合理性和有效性。     

多无人机系统分布式编队控制

利用具有虚拟领航者的二阶动态一致性协议讨论了三维空间内分布式无人机编队控制问题。利用反馈线性化的方法将无人机非线性动力学模型线性化,将控制输入转化为惯性坐标系中三个坐标轴方向的加速度。运用一致性算法求解线性化后的无人机模型,使无人机能够形成稳定的预期编队并跟随虚拟领航者沿特定航线以一定速度运动。定义了编队的误差函数并运用Lyapunov稳定性理论证明了系统的稳定性。仿真验证了模型和算法的有效性。     

基于专家PID的带臂四旋翼无人机控制方法

相较于未带臂的无人机,带臂无人机（UAV）的飞行轨迹会出现较大偏差,更难以稳定控制。为了解决带臂UAV的精确轨迹控制问题,提出基于专家PID的带臂四旋翼无人机控制方法。首先,将机械臂搭载于UAV上把它们作为整体,并通过拉格朗日方程建立了带臂UAV的运动学和动力学系统模型;其次,设计专家PID控制器用于对系统的稳定控制;然后利用五次多项式对带臂UAV的机械臂进行轨迹规划;最后,通过仿真验证专家PID控制方法对带臂UAV稳定控制的有效性。实验结果表明,相较于常规PID控制,所提基于专家PID的控制方法提高了系统的响应速度,且能够有效地抑制外部扰动;该方法对于动作情况下的机械臂能够稳定地跟踪其轨迹,且具有很好的抗扰性和鲁棒性。     

无人机遥感影像镶嵌技术综述

无人机影像镶嵌是低空遥感数据处理系统中的一个重要内容,其目的是将序列无人机影像拼接成一幅具有地理坐标的影像。为了使该领域的研究人员对当前无人机影像镶嵌方法有较全面的了解,对各种无人机影像镶嵌方法进行了综述。多项式法、卡尔曼滤波法、基于SfM点云匹配和传统空中三角测量法均需要地面控制点,而对偶四元数POS辅助空中三角测量方法无需或者只需少量地面控制点,将在无人机影像镶嵌领域有较为广阔的应用前景。