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。     

空中交通管制智能化指挥的探索与研究

本文介绍了空中交通管制智能化指挥中冲突探测及解脱方案的研究,提出了冲突预判、建立冲突解脱程序经验库和方法的设计,基于建立分布式并行计算架构,搭建了研究仿真平台。通过引入计算机智能辅助决策,能有效降低管制指挥人员的工作压力、人力资源成本及空管运行的人为风险。同时可以充分利用空域与机场资源,为航空器节约能耗等运营成本。     

改进蚁群算法的飞机冲突解脱路径规划方法

冲突解脱是空中交通防撞系统中一个关键问题.提出了一种基于改进蚁群算法的冲突解脱路径规划方法.该方法通过优化蚁群算法初始搜索角度,减少了盲目搜索的时间.此外,在搜索过程中引入“精英策略”,对当前时刻寻找的最优解给予额外的信息素增强,使得算法的搜索具有一定的方向性,从而得到更优的规划路径,缩短算法的搜索时间.通过仿真验证,改进后的算法可以得到更优的冲突解脱路径,算法效率更高,在空中交通防撞系统中具有较好的发展前景.     

基于改进Dijkstra算法的防冲突最短路径规划研究

多无人机在执行作业任务时可能面临发生航迹冲突的矛盾,由此提出一种改进Dijkstra算法用来实现多无人机寻找最短且互不冲突航线的功能。在经典Dijkstra算法搜寻并对各航迹节点遍历运算的过程中,通过引入各节点的前驱节点变长回溯数组来记录各节点包含的所有前驱节点,找出各任务从起始点到达目标点所存在的全部可行的最短长度航线。再引入时间窗冲突判断模型从各任务的所有可行航线中将互不冲突的航线分离出来,一旦所有航线都冲突,则将其中一条最短航线中的冲突节点当作临时障碍点处理,通过改变回溯数组重新找出与其他任务互不冲突的一条最短航线。应用Matlab软件设计编写程序来进行算法验证,实验表明该改进算法在多无人机执行作业任务时可以规划出各任务包含的全部长度最短且互不冲突的航线,任务集合的规划效率有了明显提高。     

采用遗传算法的多机自由飞行冲突解脱策略

为了解决自由飞行时飞机间的冲突解脱问题,提出了一种能够快速准确解算最优航路的算法.遗传算法具有简单通用、鲁棒性强等特点,应用遗传算法通过改变飞行航向和飞行速度2种方式解决了两机及多机间自由飞行冲突解脱问题,同时还探讨了多机相对飞行时冲突解脱的有效飞行机制.仿真结果表明,无论是改变飞行航向还是改变飞行速度,算法均能够较快地得出最优冲突解脱路线,同时当多机在一点处存在冲突时,采用改变航向的解脱方式具有更好的适用性.     

基于遗传粒子群算法的飞行冲突解脱

飞行冲突解脱是空中交通流量控制与优化调度中的难点。针对遗传算法求解多机飞行冲突存在搜索速度慢、易陷入局部最优与早熟收敛的问题,提出一种遗传粒子群算法解决多机飞行冲突。该算法综合遗传算法的全局搜索能力和粒子群算法的记忆功能与快速收敛特性,能够有效地解决遗传算法求解飞行冲突存在的不足。仿真验证了该算法能够得出较好的结果,无论是在搜索速度还是在求解精度上都有明显的提高。     

结合进港排序的终端区冲突解脱策略研究

终端区相对于航路,空间狭小,航线密集,航班机动范围有限,已成为飞行事故高发区。针对终端区的特殊情况,提出一种结合进港排序的冲突解脱方法。首先利用进港优化算法对终端区内航班的降落时间进行优化,然后将得到的预计到达时间与实际到达时间差最小作为航班解脱冲突的目标函数,由此得到终端区航班的冲突解脱方法,既保证了飞行安全又提高了运行效率。利用某机场的场景和飞行数据进行仿真,结果表明,此方法有效地解决了终端区飞行冲突问题,同时使航班快速有序地降落到跑道。     

基于最优样本集在线模糊最小二乘支持向量机的飞行冲突网络态势预测

针对空中交通系统运行周期性和时变性的特点，结合复杂网络理论和模糊最小二乘支持向量机（LSSVM），提出一种基于最优样本集在线模糊最小二乘支持向量机（OTSOF-LSSVM）的飞行冲突网络态势预测方法。首先，基于三维的速度障碍法构建飞行冲突网络模型，并根据航空器的位置、航向和速度判断冲突；其次，分析飞行冲突网络拓扑指标的演化时间序列，得到与预测时刻在时间和距离上相关的样本组成最优样本集；最后，采用在线模糊LSSVM训练得到预测模型，并在模型更新过程中通过分块矩阵思想简化更新过程，提高算法效率。实验结果表明，所提方法能够快速、准确地预测空中态势，为管制员掌握空中交通的发展情况提供参考，并辅助进行冲突的预先调配。     

动静态结合排序决策的可满足性问题解决器

采用冲突驱动回溯、两观察变量法等思想,静态分析和动态更新相结合的排序决策,鼓励冲突,尽早剪除不满足解空间,提高算法速度.根据变量正反文字出现次数的乘积进行初始排序,优先考虑正反文字出现次数较多变量的赋值;采用冲突驱动、动态更新变量顺序、优先考虑发生冲突子句中变量的赋值,尽可能避免当前冲突.实验结果表明：与采用其他决策策略的解决器相比,文中的解决器拥有一定的速度优势.     

基于分离轴算法的机场场面飞行器冲突告警研究

为降低机场场面冲突事件的发生，设计一种机场场面飞机冲突告警系统。机场场面冲突检测过程分为两层：粗略检测层和精细检测层。粗略检测使用类包围球简化模型，精细检测划分飞机模型为5个凸多边形。为了提高算法检测速度，提出一种基于最近点的分离轴碰撞检测算法。此外，为降低虚警率，对顶点进行弧形检测。实验结果表明，该算法可有效降低程序时间复杂度，加快检测速度。此设计方案为实现低成本机场场面的冲突事件监控提供了重要参考。     

基于后悔值的多Agent冲突博弈强化学习模型

对于冲突博弈,研究了一种理性保守的行为选择方法,即最小化最坏情况下Agent的后悔值.在该方法下,Agent当前的行为策略在未来可能造成的损失最小,并且在没有任何其他Agent信息的条件下,能够得到Nash均衡混合策略.基于后悔值提出了多Agent复杂环境下冲突博弈的强化学习模型以及算法实现.该模型中通过引入交叉熵距离建立信念更新过程,进一步优化了冲突博弈时的行为选择策略.基于Markov重复博弈模型验证了算法的收敛性,分析了信念与最优策略的关系.此外,与MMDP(multi-agent markov decision process)下Q学习扩展算法相比,该算法在很大程度上减少了冲突发生的次数,增强了Agent行为的协调性,并且提高了系统的性能,有利于维持系统的稳定.     

基于双旋Lyapunov矢量场的无人机避障算法

提出一种基于双旋Lyapunov矢量场的无人机避障算法.首先,建立无人机和障碍物的模型,并根据无人机有限时间是否会侵犯障碍物安全圆设计避障判定规则;然后,基于最小侧向偏移量原则选定避障机动中无人机速度旋转方向为最优避障方向,选定其反方向为矢量场旋转方向,定义成功避障的标准并进行证明;最后,通过建立的障碍物合并规则提升避障效率,使得上述方法适用于未知环境下的无人机在线避障.仿真结果表明,在无人机性能约束下,所提出的算法对动态和静态障碍都能有效避障,算法性能优于Dubins路径和人工势场法.     

仓储式多AGV系统的路径规划研究及仿真

对于自动导引车（Automated Guided Vehicle,AGV）的单机路径规划问题,已存在很多静态算法可以有效求解。但由于AGV间抢占系统资源的相互影响和制约,多AGV的协同作业会出现死锁、碰撞冲突等问题,静态路径规划算法无法满足实时动态作业的系统需求。智能仓储系统中,多AGV动态路径规划的核心问题不再仅是单AGV快速求解最优路径,而在于多AGV的冲突避免或解决,达到整体协调最优。拟采用两种思路解决上诉问题：一种方案是对最有效的静态算法进行改进,并引入动态机制和冲突解决策略以满足作业需求;另一种方案提出一种具备多步前瞻性的主动避障算法,优化路径并提前避开交通拥堵路段,减少冲突可能性和重新寻路代价。实验结果表明两种算法都具有良好的鲁棒性,可有效解决冲突,且后者可持续扩展AGV数量,具有更高的系统效率。     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

基于STN的时间冲突检测与消解

针对已有的STN一致性检验算法只能检测时间冲突而不能消解冲突的问题,以负环检测算法为基础,提出一种结合冲突检测和冲突消解的迭代算法。设计基于调整代价的冲突消解方法,对负环检测进行增量处理,可提高冲突消解的合理性和速度,减轻计划者处理冲突的负担。实验结果证明该算法具有较高的效率。     

基于LGMD的无人机避障方法研究

为提高无人机避障的灵活性和可靠性，提出了一种基于LGMD（Lobula Giant Movement Detector）的无人机避障方法，通过将视场分割为上、下、左、右4个方位，形成4个方位竞争的LGMD（C-LGMD），并利用Matlab软件进行算法实现和视频仿真分析，最后将算法移植到无人机硬件系统，开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明，该算法能有效分辨来自不同方位的障碍物，具有较好的避障性能和鲁棒性；在实时飞行测试中，无人机在室内环境中可实现三维空间有效避障，验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。     

基于观测优化的双机协同控制与避障

为实现不确定环境下无人机对远程超视距目标的精确指示,考虑空中移动和静止障碍物,提出基于观测优化的双机协同控制与避障算法,从而增加测量信息,减小目标状态估计的不确定度.以费舍尔信息矩阵(FIM)表征所获取的目标信息,理论推导出三维空间中双机最优观测的指标函数,并设计无人机协同控制律,得到优化的无人机观测航迹,增强无人机协...     

Distributed optimal cooperative tracking control of multiple autonomous robots

This paper presents a unified distributed optimal control approach for multiple autonomous robots’ cooperative tracking as well as obstacle avoidance. An inverse optimal control strategy is employed to design cost functions such that three cooperative control objectives including cooperative tracking, obstacle avoidance, and control effort minimization, can be addressed in one optimal control design process. The optimal control law of each robot can be obtained in a closed-form and only depends on the local information from the neighbors, rather than all robots’ information. Three simulation scenarios, rendezvous to a pre-specified point, tracking a straight line reference with a constant velocity, and tracking a circular trajectory, demonstrate the desired cooperative tracking behaviors as well as obstacle avoidance capability.     

基于协作博弈的ZigBee能量优化路由算法

针对 ZigBee网络节点协作过程中,由于工作任务不均衡导致能耗不均问题,从带有竞价的博弈角度提出了基于协作博弈的ZigBee网络能量优化路由算法。首先建立了ZigBee路由博弈的系统模型以及能耗模型;其次,针对ZigBee网络节点建立了基于斯坦克贝格博弈的ZigBee协作博弈模型,分析了协作博弈的近似纳什均衡解,给出了优化的路由算法流程描述;最后的OPNET仿真实验表明,改进的路由算法能够在节点失效数目、能量消耗以及生存时间上得到了一定的改善。     

基于博弈论及Q学习的多Agent协作追捕算法

多Agent协作追捕问题是多Agent协调与协作研究中的一个典型问题。针对具有学习能力的单逃跑者追捕问题，提出了一种基于博弈论及Q学习的多Agent协作追捕算法。首先,建立协作追捕团队，并构建协作追捕的博弈模型；其次,通过对逃跑者策略选择的学习，建立逃跑者有限的Step-T累积奖赏的运动轨迹，并把运动轨迹调整到追捕者的策略集中；最后,求解协作追捕博弈得到Nash均衡解，每个Agent执行均衡策略完成追捕任务。同时,针对在求解中可能存在多个均衡解的问题，加入了虚拟行动行为选择算法来选择最优的均衡策略。C#仿真实验表明，所提算法能够有效地解决障碍环境中单个具有学习能力的逃跑者的追捕问题，实验数据对比分析表明该算法在同等条件下的追捕效率要优于纯博弈或纯学习的追捕算法。