一种高吞吐量的无人机轨迹规划方法

无人机由于具有完全可控的移动性以及快速部署等优点,成为无线通信领域的研究热点。研究一种无人机支持的多播信道,利用无人机作为移动发射机向多个地面节点发送信息,在无人机的有限任务通信时间内,设计一种连续圆飞行轨迹方法。面向随机分布的多个地面节点,设定距离阈值对地面节点进行分组,通过求解新型旅行商问题确定无人机对各个分组的通信顺序,在满足无人机与地面节点通信覆盖需求的情况下,对圆心、无人机的飞行速度以及飞行半径进行求解,确定各个分组的圆形飞行轨迹,进而生成连续圆飞行轨迹。为实现吞吐量最大化目标,基于连续圆轨迹,在轨迹、功率一定情况下进行功率和轨迹优化,并通过交替联合优化无人机轨迹和功率以提高无人机对地通信系统整体性能。仿真结果表明,与基准方案相比,该方法系统吞吐量明显提高。     

基于几何法的无人机航迹规划

针对无人机的三维航迹规划问题,提出了一种基于几何法的航迹规划算法.通过对无人机飞行航迹的分析,将无人机航迹看作是由一系列直线、圆弧和螺旋线的有序组成.研究了无人机最大过载系数、最大平飞速度、升限等性能与航迹可行性的关系,得出生成最优航迹的限定条件.讨论了几何法无人机航迹规划的步骤.按照几何原理对无人机航迹进行了规划,将无人战斗机的机动性能在航迹中充分体现出来.计算机仿真结果表明用几何法规划的航迹具有较好的适用性.     

基于MB-RRT*的无人机多点航迹规划算法研究

随着小型无人机的广泛应用,无人机的自动巡航能力至关重要。多点航迹规划作为复杂的无人机航行任务之一,要求为无人机规划出一条最优航迹或次优航迹,如距离最短、速度最快或者时间最短,并保证其在不碰撞已知障碍物的条件下遍历所有特定的航点。针对无序的多点航迹规划问题,基于MB-RRT*算法并结合原本用于解决TSP问题的贪心策略提出了贪心MB-RRT*算法,其通过牺牲一定的航迹质量,来提高解决无人机多点航迹规划问题的速度,减少时间代价。最后在二维地图环境和三维环境下进行实验,验证了所提算法的可行性和有效性。     

基于高维多目标优化的多无人机协同航迹规划

随着无人机应用领域的增多,多无人机协同航迹规划问题变得愈发重要.然而,现存的多无人机协同航迹规划问题大多将多个目标加权转换为单目标问题进行优化,为减少多目标加权的主观性,本文提出一种基于高维多目标优化的多无人机协同航迹规划模型,此模型可以同时优化多无人机航迹距离代价、多无人机航迹威胁代价、多无人机航迹能耗代价,以及多无...     

基于事件驱动的无人机吊挂系统在线自适应轨迹规划

本文针对四旋翼无人机吊挂系统空运过程中负载摆角的非线性最优调节问题, 提出了一种基于事件驱动的在线自适应轨迹规划策略. 在事件驱动的自适应评价网框架下, 利用神经网络的逼近学习能力得到吊挂负载摆动抑制的折现最优控制律. 同时结合该控制律进一步规划四旋翼无人机的飞行轨迹, 实现了对无人机位置的精确调节和吊挂负载摆动的快速抑制, 并且显著降低了无人机机载处理器的计算负担. 然后采用基于Lyapunov稳定性的分析方法, 证明了神经网络输出权值估计误差一致最终有界, 并证明了无人机位置跟踪误差和吊挂负载摆动运动的收敛. 最后, 通过飞行对比实验验证了所提出的轨迹规划策略的有效性.     

基于分解法与轨迹搜索的无人机群轨迹多目标优化模型

基于深度学习（DL）的传统多目标求解器存在模型利用率低以及容易陷入局部最优的问题。针对这些问题,提出了基于分解法与轨迹搜索的无人机群轨迹多目标优化模型（DTMO-UT）。所提模型包含编码与解码部分。首先,编码部分由设备编码器（Dencoder）和权重编码器（Wencoder）组成,用于提取物联网（IoT）设备的状态信息与权重向量的特征,其中权重向量代表分解多目标优化问题（MOP）的标量优化子问题,因此解决所有子问题即可解决该MOP。权重编码器可以实现对所有子问题的编码,从而提高了模型的利用率。然后,使用包含轨迹解码器（Tdecoder）的解码部分对编码特征进行解码,以生成帕累托最优解。最后,为了减少贪婪策略陷入局部最优的现象,为轨迹解码器设计轨迹搜索技术,即通过生成多个候选轨迹选标量值最优的轨迹作为帕累托最优解,从而增强了轨迹解码器在轨迹规划时的探索能力,并获得质量更好的帕累托集。仿真实验结果表明,所提模型相较于主流的基于DL的MOP求解器,在模型参数量降低98.93%的情况下,MOP解的分布性提高了0.076%,延展性提高了0.014%,平均综合性提高了1.23%,表现出较强的实用性...     

面向复杂未知多障碍环境的多无人机分布式在线轨迹规划

考虑复杂未知多障碍环境对无人机实时轨迹规划性能的影响,提出了基于Tube-MPC和模型预测路径积分(model predictive path integral, MPPI)控制相结合的多无人机分布式实时轨迹规划框架与方法.首先,考虑无人机在多障碍环境下的避碰避障需求,构造代价函数表征轨迹规划过程中的约束条件,将多无人机的轨迹规划问题转化为随机最优控制问题.其次,借鉴Tube-MPC思想,设计并实现了多无人机分布式轨迹规划框架,通过将低频标称控制器与高频辅助控制器串联保证了系统的实时性和鲁棒性.再次,为避免传统方法在求解过程中的维数灾难,提出基于MPPI的多无人机异步轨迹规划方法,该方法通过基于GPU的并行蒙特卡洛(Monte-Carlo)随机前向采样技术,将多无人机随机最优控制问题的求解转化为给定代价函数下对采样轨迹期望的求解,进而获得最优控制序列,其显著特点是求解速度快且避免了基于梯度求解方法对约束条件和代价函数连续性及凸特性的要求.最后,通过Gazebo虚拟仿真平台,在复杂未知多障碍环境下对算法的有效性进行了验证.     

无人机多阶段航迹预测协同任务规划

针对多无人机(Unmanned Aerial Vehicles, UAVs)协同控制问题,提出了一种UAVs多阶段航迹预测分布式任务规划方法;定义从一次任务分配开始到其中一项任务完成为一个任务周期;在每个规划周期,首先,各UAV使用A*算法快速预测到所有任务目标的路径,提供至任务分配;然后,采用聚类算法修改目标价值向量,协商分配结果,并实时计算探测范围内的最短路径;最后,采用三次B样条曲线平滑所分配的最短路径,在线规划出满足飞行约束的飞行航迹;通过仿真实验对算法的有效性进行了验证,结果表明,提出的算法能够实时获得近似最优的任务分配结果并规划出可飞行航迹,并有效处理突发任务。     

基于协同进化的多无人机航迹规划研究

关于多无人机航迹优化研究,针对复杂环境下多无人机(UAV)系统的航迹规划,达到摧毁目标最大化,解决不同无人机之间的协同和防撞问题,提出了一种利用合作型协同进化算法的多无人机三维航迹规划方法.利用数字地图建立了无人机安全飞行曲面,采用并行进化的方案,将每个无人机航迹规划当作一个子问题,通过协同函数和无人机间的防撞设计实现各无人机间的时间协同和空间防撞.各子种群采用自适应的进化方法,在保持多样性的同时,保证了算法收敛的快速性.仿真结果表明,算法有效实用,能快速得到各无人机的低空突防三维航迹,可为多无人机航迹优化提供手段.     

基于遗传算法的多机器人系统最优轨迹规划

针对关节型多机器人系统在静态环境下的点到点的轨迹规划问题,提出了一种基于遗传算法的最优轨迹规划策略.采用遗传算法在综合考虑各机器人沿轨迹运动的安全性、运动代价以及运动学约束的基础上为单个机器人规划最优的运动轨迹,并通过协调各机器人沿预定轨迹运行的时间避免机器人之间碰撞的发生.针对含有3个二自由度平面关节型机器人的多机器人系统进行了仿真实验,实验结果验证了该方法的有效性.     

带定位误差约束的多无人机快速协同航迹规划北大核心

在战场中,采用多架无人机协同配合对目标进行打击可以有效提高目标毁伤概率。实施过程中,无人机除了会受到自身的硬件约束,还会遇到环境约束以及任务要求约束等众多软硬约束条件。针对无人机执行打击任务过程中存在的定位误差校正约束、转弯半径约束以及时间协同约束等,建立了多约束条件下多无人机快速协同航迹规划的混合整数规划模型,利用CPLEX进行求解。仿真结果表明,上述模型可以为多架无人机生成合理航迹,确保有效执行任务。     

基于决策知识学习的多无人机航迹协同规划

考虑无人机群体行为决策与状态变化的内在驱动,从信息处理角度提出基于决策知识学习的多无人机航迹协同规划方法.首先,基于马尔科夫决策过程对无人机的行为状态进行知识表示,形成关于连续动作空间的决策知识;然后,提出基于知识决策学习的深度确定性策略梯度算法,实现无人机在决策知识层次上的协同规划.实验结果表明:在研发设计演示系统的基础上,所提方法通过强化学习能够得到一个最优航迹规划策略,同时使航迹综合评价和平均奖励收敛稳定,为无人机任务执行提供了决策支持.     

通信距离受限下无人机集群轨迹分布式滚动规划

针对通信距离受限下无人机集群轨迹规划时效性与安全性问题,本文构建了分布式滚动规划框架,提出了局部优先级解耦的序列凸优化方法 (local-priority-decoupled sequential convex programming,LPD-SCP),将集群轨迹规划问题分解为一系列短时域单机凸优化子问题,在保证求解效率的基础上确保了轨迹的安全性.本文推导了确保飞行安全的可行规划时域长度,设计了通信距离受限的局部优先级解耦机制,根据通信状态动态调整邻域内无人机规避优先级,实现通信距离受限下的机间避撞.更进一步,定制了轨迹时间一致协调策略,通过更新飞行时间下边界约束,实现邻域内无人机飞行时间一致性.理论分析了所提LPD-SCP能够通过多次滚动规划获得满足约束的集群轨迹.数值仿真试验结果表明:LPD-SCP能够在通信距离受限条件下规划出满足飞行动力学、机间避碰与时间一致约束的协同轨迹,且15架无人机短时域集结轨迹生成时间不大于4 s.     

多无人机辅助移动边缘计算中的轨迹优化

在无人机辅助移动边缘计算网络中,优化无人机的飞行轨迹可以显著提升无线网络的各项性能指标。该文主要以加权最小化无人机的飞行能耗和接收卸载任务的能耗为目标,考虑满足无人机自身的机械特性和多无人机之间飞行轨迹需满足碰撞避免的约束条件,协同优化多架无人机的飞行轨迹和无人机与地面设备之间的卸载决策参数。建立的基于能耗最小化的多无人机飞行轨迹的优化问题中,目标函数非线性,约束条件非凸。针对这些问题,通过引入辅助变量转化非凸的优化条件,并通过连续凸优化的方法转化非线性的优化问题求解。仿真结果表明,所提多无人机的轨迹优化算法,较好地优化了所有无人机的飞行轨迹,在保证所有地面设备任务卸载完成的前提下明显改善了无人机的能耗性能。     

具有回程约束的多无人机基站的带宽功率与轨迹优化

考虑一个多无人机组网的无线通信系统,多架无人机搭载的空中基站为覆盖区域内的多组用户提供服务。在网络中,由于频谱资源受限,基站的回程链路与用户的数据链路共享相同的频谱,为了合理利用频谱资源并提高用户的通信性能,以达到所有地面用户的最小平均速率最大化的目的,联合优化回程链路和数据链路的带宽、功率以及无人机基站的飞行轨迹,这种联合优化受限于无人机的移动性、频谱带宽以及传输功率。联合优化涉及的问题是非凸的,并且难以得到最优解,因此提出一种高效算法获取高性能的次优解。仿真结果表明,所提出的联合优化算法实现的最小用户速率明显高于基准方案。     

基于改进分段Gauss伪谱法的带推力高超声速 飞行器再入轨迹规划

再入轨迹规划是高超声速飞行器领域的热点问题,已吸引了众多国内外专家的关注. Gauss伪谱法以及分段Gauss伪谱法是解决含有多约束轨迹规划问题的一类有效工具.然而,发动机多次点火熄火导致推力不连续以及点火时刻控制输入的连续性要求是带推力高超声速飞行器再入轨迹优化面临的新挑战.本文将问题简化为多脉冲再入轨迹规划问题,基于改进分段Gauss伪谱法生成满足多条件约束的最优再入轨迹.通过设置分段Gauss伪谱法连续性条件,确保飞行器状态与控制输入在分段点处连续衔接.通过无动力自由再入与带推力再入算例对改进分段Gauss伪谱法进行说明,仿真结果也表明,改进分段Gauss伪谱法可有效求解带推力高超声速飞行器再入轨迹规划.     

基于Q学习的无人机辅助W SN数据采集轨迹规划

针对无人机辅助采集无线传感器网络数据时各节点数据产生速率随机和汇聚节点状态不一致的场景,提出基于Q学习的非连续无人机轨迹规划算法Q-TDUD,以提高无人机能量效率和数据采集效率.基于各节点在周期内数据产生速率的随机性建立汇聚节点的汇聚延时模型,应用强化学习中的Q学习算法将各汇聚节点的延迟时间和采集链路的上行传输速率归一...     

基于改进蚁群算法的机器人轨迹规划

为优化机器人末端执行器的工作轨迹,提高工作效率,减少能量损耗,建立了以运动时间和路径最短、冲击最小为目标的优化模型。在传统蚁群算法的基础上,引入带方向信息的全局启发因子来提高最优路径的搜索效率,并利用蚂蚁的死亡机制和惩罚函数来避免遇到陷阱时形成的路径死锁情况。测试结果表明,改进后的蚁群算法收敛速度更快,能够在较短时间内规划出满足条件的最优路径。     

无人机多机多作业协同电力巡检路径规划研究

为了保证电力巡检任务时间最小化和覆盖率最大化的目标,考虑到无人机电池寿命有限,当无人机数量固定时,在扫描周期内,某些目标可能无法被任何无人机覆盖。为此,将电力巡检扫描覆盖问题视作一个最小时间最大覆盖(MTMC)问题,即多无人机在最小任务时间内达到最大电力巡检目标覆盖率。针对巡检任务构建目标函数及约束条件,提出基于权重的目标扫描覆盖算法求解MTMC问题。通过仿真分析,所提方法可以在106.54 min内获得100%覆盖率。与CycleSplit和G-MSCR算法相比,所提算法的任务时间减少了约12%。