面向频谱测绘任务的多无人机协同航迹规划方法

针对非合作环境下的传统频谱地图测绘方法中存在的低精度、低效率问题,本文提出了一种基于人工势场法的多无人机协同航迹规划方法。首先,构建了多无人机协同测绘方案及优化目标;然后,通过多无人机的预先航迹规划完成对环境的初步感知,并基于感知信息提出基于人工势场法的多无人机协同航迹参数设计方法;之后,基于设计的参数及采集的数据完成航迹的再规划,从而有效规避多无人机飞行过程中可能存在的重复采集数据及无人机之间发生碰撞等问题。仿真结果表明,相比与传统单无人机航迹规划方法,本文所提航迹规划方法能够高效、高精度、安全地完成测绘任务,所得结果满足了多架无人机协同飞行要求,具有较强的理论与实用价值。      

基于队形变化的多无人机航迹规划算法

针对多无人机在复杂环境下的航迹规划问题,文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构,设计了一种以时间与航程作为衡量指标的代价函数,求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹,结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上,文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明,无人机编队实现了在复杂环境下航迹规划与避障,同时为跟随者规划出最优航迹,与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。     

基于改进人工势场的物流无人机三维航迹规划

针对传统人工势场(Traditional Artificial Potential Field, TAPF)法在物流无人机航迹规划中存在的目标不可达、易陷于局部最优等问题,提出了一种改进的人工势场法。在斥力势场函数中添加无人机和目标点之间的相对距离,解决目标不可达问题;采用一种球体模型策略跳出局部最优的陷阱。仿真结果表明,改进的人工势场法能够灵巧地避开所有障碍物并有效地规划出符合要求的最佳航迹。     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

基于改进RRT-Connect的协同航迹规划

提出一种基于改进双向快速扩展随机树(RRT-Connect)算法的无人机协同航迹规划方法.首先针对基本RRT-Connect算法效率较低且采样具有随机性的缺陷,提出一种改进RRT-Connect算法,通过控制采样范围、引入目标引力来降低无效采样,加快算法的收敛性;利用混沌序列来保证采样节点一定的随机性.利用改进RRT-...     

地形跟随中的航迹规划与跟踪

航迹规划与航迹跟踪的结合是无人飞行器执行地形跟随任务的方案之一.根据目标区域地形高程数据,将地形跟随最优航迹规划转化为二次规划问题.以矢量场法为制导策略,并给出可行矢量场的参数设计和以航迹倾斜角为被控量的航迹跟踪控制器.仿真验证规划结果满足地形跟随的预定安全高度要求和飞行器机动性能约束,所提制导策略具备精确且可靠的航迹...     

采用改进粒子群算法的无人机协同航迹规划

为合理解决多无人机协同航迹规划问题,提出了两种解决方法。针对提出的空间直接法,将多无人机三维协同航迹规划问题简化为具有时间约束的二维航迹规划,并对传统协同变量和协同函数进行新的构建,最后结合一种改进的粒子群算法作了进一步的仿真实验,并取得了比较理想的结果。     

基于改进蚁群算法的无人机协同航迹规划研究

无人机群协同作战中,如何确定各无人机的航迹是整个规划问题的基础和关键,直接影响到作战效率.采用层次分解策略,首先对威胁场进行Voronoi图环境建模,然后利用改进蚁群算法,提出带有方向性引导性的信息素更新策略,减小迷失蚂蚁对算法收敛性的影响.同时,从时域和空域方面考虑多机协同问题,在满足最小时间窗基础上,最后仿真得到了...     

基于改进遗传算法的UAV航迹规划

针对实际作战环境中的UAV航迹规划,提出一种基于改进遗传算法的UAV航迹规划方法;通过骨架化算法生成规划搜索空间,对规划搜索空间中的信息进行提取,求解出规划搜索空间中航迹点的杀伤概率;根据规划搜索空间中的信息,采用特殊的基因编码方式,使用遗传算法为UAV找到K条备选航迹,提高了航迹规划效率;根据设定的航迹选取原则,求出最优航迹并对其按不同步长进行平滑处理,最终得到满足UAV机动性要求的可飞航迹。     

基于物理规划的无人机多目标航迹规划

无人机航迹规划是典型的多目标优化问题, 传统的线性加权和法需反复迭代以确定一组满足工程特性需求的目标权重系数。物理规划方法通过构造偏好函数直接反映规划人员对航迹规划各目标的特性需求, 避免了因为反复迭代确定各目标权重系数所导致计算量大的缺陷, 因此,将物理规划方法与粒子群优化算法相结合用于无人机多目标航迹规划。仿真实验验证了该航迹规划方法能够获得各目标偏好结构下的折中解。     

改进粒子群算法的多无人机航迹优化

针对多无人机协同搜索多运动目标航迹优化问题,建立基于搜索概率图的信息环境模型,提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法),用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障,以及无人机与目标之间的虚拟吸引力加快目标搜索;通过非线性的指数函数参数调整法对粒子群参数进行调整,并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新,来引导无人机对目标进行搜索。仿真结果表明,与其他算法相比,所提算法在搜索目标方面具有很大的优势,缩短了路径长度;避免了陷入局部最优解,具有较好的收敛性;能够有效地实现多无人机之间的协同搜索,提高了搜索效率。     

一种基于跟随领航法的多机器人的编队及避障控制方法

主要针对未知环境下多移动机器人的编队及避障问题,设计了基于跟随领航的编队及避障控制算法,使多机器人能保持一定的编队队形且无碰撞,并能使机器人在未知的局部障碍环境下也能够安全躲避障碍物,在通过障碍物之后依然能恢复之前的编队队形。对多机器人系统设计并进行仿真实验,实验结果表明,该方法对于实现多移动机器人的编队和避障控制具有良好的效果。     

基于SAS算法的三维多UAV协同航迹规划方法

在实际应用中航迹规划着重考虑的是规划出的航迹应具有良好的可靠性能,针对多UAV协同航迹规划有多个约束条件且环境复杂、规划耗时长等问题,使用智能算法解决多UAV协同航迹规划问题无法确保规划航迹的可靠性能。因此,提出了一种启发式SAS算法,用以解决此问题。仿真结果证明,使用该算法规划出的航迹具有较高的可靠性。     

基于改进蚁群算法的无人机灾区航迹规划

针对传统蚁群算法用于无人机航迹规划时在大空间多维数转弯次数多、收敛速度慢甚至不收敛等问题,提出了一种改进蚁群算法。根据地图构建三维空间模型,采用对空间切片的方式来避免在寻优过程中跨越多个单元格;通过每一代最优路径来更新信息素以及引入距离启发量的策略,增强了算法的收敛性和效率,得出改进蚁群算法相对于传统蚁群算法和快速搜索随机树算法在搜索效率上分别提高了65.9%和18.1%,在平均转弯角度上分别减少了48%和61.2%,在航迹长度上比传统蚁群算法缩短了38.5%的结果。研究所提出的改进蚁群算法能为无人机救灾快速路径规划提供有效的解决方案。     

基于改进混沌遗传算法的无人机航迹规划

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主规划的关键。提出了一种基于混沌遗传算法的航迹规划方法,该方法首先由Voronoi图生成初始航迹,然后采用混沌遗传算法在生成的航迹空间中寻优。主要对近年来出现的混沌遗传算法进行了改进以使其更具智能化。该方法采用幂函数载波代替传统混沌优化算法中的线性载波;为进一步提高混沌映射迭代序列的均匀性,提出了确定区间的随机幂指数概念并将其应用到混沌遗传算法中。仿真结果表明,该方法可以提高混沌遗传算法收敛的精确性。     

基于改进RRT算法的无人机航迹规划

为了提高无人机的作战效率,航迹规划系统必须为无人机设计出安全系数高,能量消耗少,处理时间短,同时还必须满足飞行器自身物理特性的威胁回避轨迹。基于上述研究目的,本文选择快速随机搜索树算法(RRT)作为迹规划航算法主体,结合Dijkstra算法改进了RRT算法,完成最小航迹代价飞行轨迹的设计。     

基于人工势场法的集群避障算法应用研究

针对无人机集群避障的问题,选用效率高、应用普遍的人工势场法作为避障算法, 结合一致性编队理论,采用领航者—跟随者编队算法对无人机进行编队控制。并且对于障碍物增加虚拟障碍点进行重新拟合,以优化避障路径。结合以上内容有效地解决了无人机集群的避障应用问题。     

基于改进蚁群算法的无人机低空突防三维航迹规划

探讨了无人机低空突防三维航迹规划中地形、威胁以及航迹代价评估等模型的建立方法.将蚁群算法引入无人机航迹规划,针对传统蚁群算法易出现停滞现象,引入偏航角对启发信息进行调整改进;建立优先搜索集,使蚁群算法更快速有效地搜索到最优航迹.仿真实验结果证明了该规划方法的效率.     

三维多无人机系统协同任务规划关键问题综述

随着无人机技术的迅猛发展,人们对无人机技术的需求越来越广泛,已从单机简单任务向多机协同执行多个复杂任务、且自主协调、无人干预、群体合作的方向发展.而多无人机系统的协同任务规划技术,是无人机自主导航飞行和无人机之间自主协调配合共同完成任务的关键.这一任务规划决定了无人机各类资源的协调和执行目标的合理分配,无人机协调可飞飞行航迹的规划,以及在飞行过程中,取代人为干预,实时协调化解多机飞行时可能产生的各种冲突和问题.因此,对多无人机系统协同任务规划的关键问题,如目标分配、航迹规划、在线重规划等深入研究,是提高多机系统执行任务能力的重要环节.近年来,该领域的研究日益广泛,但还存在诸多问题需要解决,尤其迫切需要研究在三维战场环境下的多机协同任务规划方法.