基于人工蜂群算法的无人机航迹规划研究

为求解航迹规划问题,引入人工蜂群(ABC)算法,并将航迹空间以网格划分,通过固定起始节点和设定最大允许航迹节点数等方法,解决了ABC算法应用于航迹规划的2个难题:航迹节点不固定和邻域构造困难,实现了将ABC算法应用于航迹规划问题.通过典型的实例仿真对算法性能进行测试,并与其他智能优化算法进行比较,结果表明:该算法不仅增加了解的多样性,有效克服了停滞行为的过早出现,而且能够加快收敛速度,得到全局最优解或近似解,是解决航迹规划和其他组合优化问题的一种有效算法.     

无人机三维航迹规划算法研究

在模拟仿真出无人机三维飞行环境的基础上,根据航迹规划的要求,建立对应数学模型,并采用蚁群算法进行优化仿真.针对基本蚁群算法存在的搜索时间长、容易陷入局部最优解等缺点,将蚂蚁当前位置与目标位置的距离信息反馈到系统中作为航迹规划的控制信息,同时对航迹节点的选择方法进行改进,以提高算法的效率.仿真实例结果表明,该算法可以规划出满足无人机飞行要求的航迹.     

改进DDPG无人机航迹规划算法

针对无人机飞行过程存在未知威胁使智能算法处理复杂度高,导致航迹实时规划困难,以及深度强化学习中调整DDPG算法参数,存在时间成本过高的问题,提出一种改进DDPG航迹规划算法.围绕无人机航迹规划问题,构建飞行场景模型,根据飞行动力学理论,搭建动作空间,依据非稀疏化思想,设计奖励函数,结合人工蜂群算法,改进DDPG算法模型...     

基于云模型蜂群算法的无人机航迹规划

针对无人机(UAV)在复杂战场环境下的生存问题,提出了一种基于云模型的人工蜂群算法的航迹规划。在算法中引入一维正态云模型,利用云模型随机性和稳定性的特点来提高传统人工蜂群算法(ABC)的鲁棒性并避免陷入局部最优,同时引入一个新的概率选择策略来保证种群的多样性。采用改进算法来处理UAV的航迹规划问题时,首先将航迹规划问题通过建模转换成一个多维函数优化问题,然后结合云模型和ABC算法的优势,最后用UAV航迹规划任务对新算法进行测试。仿真实验验证了改进算法在解决UAV航迹规划上的可行性和优越性。     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

无人机三维实时航迹规划仿真平台

无人机航迹规划是任务规划中的关键技术,为得到一条既安全可靠又全局代价最优的三维航迹.针对实现实时动态规划最佳航迹,利用图形用户界面开发环境,规则网格的数字高程地图模型建立了基于地形因素的多种威胁源模型,采用改进型概率地图法(probabilistic roadmap method,PRM)与最短路径搜索-Dijkstra算法相结合的方法规划了三维航迹.最终设计的平台能够实现多种航迹规划算法的搜索,二维与三维、实时与非实时、单机与多机的航迹规划仿真.通过平台的实际运行,证明了改进PRM算法的高效性,同时验证了该平台的有效性与实用性.     

无人机低空突防航迹规划算法研究

结合低空突防中的地形跟随/地形回避/威胁回避( TF/TA2)技术,在分析无人机各种机动性能以及A-Star算法的基础上,提出了一种基于局部空间搜索最优节点的方法,将A-Star算法进行稀疏化处理;设计了更贴近实际的航迹代价计算方法,将算法与数字地形相结合进行仿真计算.仿真结果表明,设计的航迹规划算法兼顾了算法效率、航...     

基于改进A*算法的无人机航迹规划

在无人机航迹规划问题的研究中,针对在执行飞行任务前,需要根据所经区域内已知的地形、地貌、障碍和威胁等信息以及飞机本身机动能力的限制计算出飞行航迹, 并根据规划出的航迹完成飞行任务.能准确识别起始点到目标航路,提出了一种基于改进A*算法的无人机航迹规划方法,将无人机自身的性能和飞行任务结合到A*算法中去,在节点的搜索过程中解决了A*算法大空间搜索耗时多的问题.通过简单的路径消减算法去除不必要的航迹点,使得规划出来的航迹能够最大程度上满足无人机的运动特性.仿真结果表明采用的方法计算速度快并且规划达到最优性能.     

无人机三维实时航迹规划

无人机航迹规划是无人机任务规划中最重要也是最复杂的环节,针对基本粒子群航迹规划算法后期容易陷入局部最优解、算法容易“早熟”、规划出的航迹精度不高等问题,提出了一种以并行方式进行的双种群粒子群航迹规划算法;双种群粒子群算法由两个向相反方向搜索的种群构成,这两个种群协同优化,扩展了搜索范围,克服了基本粒子群算法后期容易陷入局部最优解的问题,提高了航迹的精度;如果无人机在飞行过程中检测到突发威胁,则寻找邻近航迹点作为实时重规划点,规划其到目标点的航迹;通过仿真验证了算法的有效性,并满足了实时性的要求。     

改进PRM算法的无人机航迹规划

针对传统随机路标图(PRM)算法对航迹规划的自由空间进行随机采样表现出的随机性,和在狭窄通道中可能出现的航迹无解问题,提出一种改进PRM的航迹规划算法。通过将障碍物的边界点作为确定采样点,并对栅格地图的自由空间建立最优可行区域,降低传统PRM算法随机采样点的分散性,使路径搜索具有明确性,以此来提高算法在时间和空间上的利用率。为验证算法的有效性,采用MATLAB仿真平台建立无人机二维和三维空间,进行航迹规划对比实验。实验结果表明:在三维空间中,改进PRM算法较传统PRM算法航迹规划时间降低2. 469%至5. 721%,航迹长度减少0. 89%至1. 54%。     

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.     

拉格朗日松弛的无人机路径规划

提出了基于城市建筑物遮挡模型的无人驾驶飞行器（简称无人机）路径规划方法,主要包含两方面的内容：一是利用圆柱体虚拟城市的建筑物环境,使建筑物对无人机的遮挡面积可计算,另外,由于建筑物的相对位置会相互遮挡,不可以进行简单的面积加法。采用程序实现了无人机的遮挡总和的计算,即每个建筑物遮挡面积的并集。二是在计算出无人机飞行的水平平面上（x,y）点的遮挡曲面值的基础上,给出了无人机基于拉格朗日松弛算法的优化路径规划,即走一条遮挡面积最小的路径的方法。给出matlab仿真结果,实验结果表明该方法是十分有效的。     

基于改进D*算法的无人机室内路径规划

针对多旋翼飞行器室内无GPS信号时的导航问题,本文采用二维码阵列构建室内定位系统,基于改进D*算法实现无人机室内路径规划,从而实现飞行器在室内的自主导航和避障。基于ArUco二维码设计了地面阵列为无人机提供了全局精确定位信息,使用改进D*算法保证了无人机在飞行过程中能自主进行路径规划和飞行。通过设计实验对改进D*算法进行了数值仿真验证,并在实际无人机的飞行中应用。实验结果证明:所提改进算法较传统D*算法能更好地保证无人机的飞行安全,同时基于二维码阵列的定位方式不但具有较高精度同时成本低易于实现。     

复杂环境下无人机快速航迹规划研究

针对一般航迹规划算法在复杂环境下适用性差、耗时长、容易失效的问题,提出了一种复合快速航迹生成算法。该算法采用新型的多逻辑威胁值网点法为环境建模形式,在此基础上将加以改进后的粒子群算法引入到航迹近似最优解的快速求取过程中,对所得的航迹近似解进行分段局部优化以及可飞性修正处理,将近似解变为最优解。仿真结果显示该复合算法通用性好、速度快、精度高,能较好地应用于复杂环境下无人机航迹的快速求解。     

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。     

UAV path planning method for avoiding restricted areas

Intelligent Service Robotics - Recently, the industry of drone systems has come into the spotlight because a new potential market has been revealed. A considerable number of drones are deployed...     

Autonomous UAV path planning and estimation

Unmanned aerial vehicles (UAVs) have shown promise in recent years for autonomous sensing. UAVs systems have been proposed for a wide range of applications such as mapping, surveillance, search, and tracking operations. The recent availability of low-cost UAVs suggests the use of teams of vehicles to perform sensing tasks. To leverage the capabilities of a team of vehicles, efficient methods of decentralized sensing and cooperative path planning are necessary. The goal of this work is to examine practical control strategies for a team of fixed-wing vehicles performing cooperative sensing. We seek to develop decentralized, autonomous control strategies that can account for a wide variety of sensing missions. Sensing goals are posed from an information theoretic standpoint to design strategies that explicitly minimize uncertainty. This work proposes a tightly coupled approach, in which sensor models and estimation objectives are used online for path planning.     

基于流体扰动计算的无人机三维无碰撞航路规划

针对三维多架无人机(UAV)入侵的情况,提出一种基于流体扰动计算方法与交互多模型(IMM)算法相结合的无碰撞航路规划算法.首先将流体扰动计算方法用于三维单机入侵情况下的无碰撞航路规划,并简要分析该方法的特点.然后将改进的流体扰动计算方法运用到三维多机入侵的情况,并采用机动目标多模型跟踪算法对机动入侵机进行跟踪并对其未来运动态势进行预测,再结合滚动优化思想在线调整影响系数,在无人机性能约束要求下对避撞航路进行实时的局部优化,最终规划出一条三维可飞行的无碰撞航路.仿真结果表明,该算法能够规避多架入侵机,航路平滑可飞,满足实时性要求.