无人机碰撞规避路径规划算法研究

无人机(unmanned aerial vehicle,UAV)技术是目前国内外的研究热点。无人机系统正向着智能化、自主化的方向发展,其中路径规划是无人机自主控制的重要组成部分及无人机飞行安全的重要保障。为优化无人机障碍规避路径规划算法,分别设立静态障碍物和动态障碍物环境,基于最小规避距离和航程比这2个指标,比较分析了人工势场法、模糊逻辑算法和蚁群算法对无人机碰撞规避路径规划的性能,并针对人工势场法易陷入局部极小值的缺陷提出了通过增加垂直引导斥力来使无人机逃离局部极小值的改进措施,实验仿真严谨可靠,为进一步融合多种算法、优化现有路径规划算法奠定了基础。     

基于改进APF的无人机编队航迹规划

传统APF应用于航迹规划存在不可达性、局部极小点、震荡等问题,文章提出了改进的APF模型,它的核心内容有:使用改进斥力势场函数,考虑无人机与目标的相对距离,确保目标点为整个势场的全局最小点,解决了威胁与目标点过近导致的目标不可达问题;使用随机波动法,解决了无人机陷入局部最小点而导致的规划失败问题;考虑传统势场法的震荡问题,提出障碍物联通法。同时,使用APF进行编队控制,保持紧密编队下的无人机编队距离。仿真结果表明,利用这种方法很好地实现了无人机编队的航迹规划。     

改进人工势场法的移动机器人路径规划

针对传统人工势场法应用于移动机器人路径规划存在的缺陷,建立了改进的人工势场模型:使用势场强度代替力矢量进行路径规划;在障碍物的斥力势场中添加系数项,解决障碍物与目标点过近导致的目标不可达问题;考虑移动障碍物速度与机器人速度的影响,将速度信息引入到势场函数中;引入"填平势场"引导机器人走出局部极小点.在改进人工势场模型基...     

基于改进斥力模型的人工势场局部路径规划

针对传统人工势场算法易陷入局部最优点问题,提出一种改进斥力模型的人工势场方法,以提高自动驾驶汽车的安全性和稳定性。根据汽车速度方向和障碍物位置的相对关系以及障碍物与道路边界之间的距离,确定斥力偏转方向和偏转角度,避免汽车陷入局部最优;重新设计斥力场函数,把汽车避障安全距离引入到斥力作用范围中,在斥力函数中引入对数函数以及纵向相对距离调节因子,减小规划路径的曲率以及总转角。仿真计算结果表明：在应用改进斥力模型的人工势场方法进行局部路径规划时,斥力偏转角的选取对路径的稳定性和安全性有直接影响,合适的斥力偏转角能避免路径规划时出现局部最优。在多障碍物环境下车辆需要连续避障时,改进斥力模型所规划的路径总转角以及曲率峰值显著下降,能有效提高行驶安全性指标。     

改进人工势场法和ID-BFS融合算法的无人艇路径规划研究

为解决传统人工势场法在无人艇路径规划中存在的问题,提出一种改进人工势场法和ID-BFS算法的融合算法。针对目标不可达问题,在斥力势场函数中添加目标点距离因子进行修正;针对局部极小值问题,提出一种利用虚拟目标点配合ID-BFS算法进行局部路径修正的方法;针对环境中存在大型不规则障碍物的情况,增加障碍物边界斥力模型,在障碍物实际边界处提供斥力,使算法不会穿越障碍物边界。作者结合类真实规划场景对算法进行仿真实验。试验结果表明,文中算法有效解决了传统算法存在的弊端:引入距离修正因子解决了目标不可达问题;基于虚拟目标点和融合ID-BFS算法的局部路径搜索法对局部极小值有一定的规避和逃离作用;添加障碍物边界斥力模型提高了算法在复杂环境下的适应性,并可以做到在复杂环境下的实时规划效果。     

基于改进人工势场法的多机动态改航路径规划

危险天气会影响航班的正常飞行,因此需要研究危险天气影响下的航班改航路径规划的问题。改进了传统人工势场法中的斥力势函数,将航空器与其对应的目标点之间的距离以及航空器与障碍物的运动速度考虑在内,建立了改进人工势场法的多机动态改航路径规划模型。该模型解决了航空器因受力不为零而徘徊运动的现象,并且适应动态运行环境。算例验证了该模型的有效性和可行性。     

电推进在电磁编队飞行碰撞规避控制中的应用

由于地球磁场的影响,电磁编队可以在近地轨道稳定飞行,通过改变电磁卫星磁极的电流大小来保持一定的编队队形.虽然地球磁场通常被看作偶极场,并随地球旋转,但地球磁场与电磁力场之间的相互作用被认为是一种内力.当电磁卫星编队突然遇到障碍物需要积极避障时,电磁力作为内力不能改变编队方向,因此,必须对电磁卫星编队施加外力,以实现碰撞规避控制.本文研究了电推进技术在电磁卫星编队碰撞规避中的应用.在此过程中,电推进提供编队转向所需的外部推力,而电磁力作为辅助推力共同作用实现碰撞规避.电推进采用多模态霍尔推力器,基于模糊推断的LQR重构控制方法进行碰撞规避过程的控制,并通过数字仿真验证了控制方法的有效性.     

改进人工势场法的无人机避障路径规划

为了解决人工势场法目标不可达、局部极小值陷阱及路径长度过长问题,提出一种基于传统人工势场法的无人机避障路径规划改进算法。通过将相对距离引入到斥力势场函数中解决目标不可达问题;将调控力引入传统人工势场法中解决局部极小值陷阱问题;将检测因子引入传统人工势场法中排除无效斥力影响,优化无人机避障路径,减小路径长度。最终仿真实验结果表明,改进算法有效解决了目标不可达、局部极小值陷阱、路径长度长问题,减小路径长度9%～15%。该算法相比于传统人工势场法,有效提高了避障效率。     

改进人工势场法的路径规划算法研究

针对基于传统人工势场法的机器人路径规划存在局部极小点的问题,提出了一种修改斥力方向和自主建立虚拟目标牵引点相结合的路径规划算法。该算法在修改斥力方向算法中设置了一个临界值,在机器人行走的过程中,若机器人与障碍物的距离大于临界值,机器人路径规划就采用修改斥力方向的算法,当机器人与障碍物的距离小于临界值时,机器人路径规划算法就从修改斥力方向算法转入自主建立虚拟目标牵引点算法。改进后的算法很好地解决了传统人工势场法的局部极小点问题,仿真结果证明了改进后算法的有效性。     

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.     

基于递阶模糊系统的人工势场法机器人路径规划

针对传统人工势场法在路径规划中容易出现局部极小点、障碍物前抖动、路径非最优等问题,提出了一种新的基于双层递阶模糊系统的人工势场法移动机器人路径规划方法.此方法通过一阶模糊系统来调整人工势场中斥力函数的斥力增益系数,使斥力的大小实时随环境的改变而改变;通过二阶模糊系统来改变斥力的方向,进而改变合力信息.仿真实验结果表明:该方法能使机器人快速地摆脱局部最小点,避免障碍物前抖动,并且达到优化路径的目的.     

基于邻近行为观测方法的多无人机分布式自适应编队控制

本文研究了基于邻近行为信息状态反馈的多无人机编队队形集结与保持问题.无人机个体根据期望的编队结构以及邻居无人机所在方位角区域的位置、速度和姿态信息进行自主决策,解决了传统分布式编队控制方法中通信拓扑强连通问题和多维度状态信息耦合问题.针对现有分布式编队控制算法中多无人机编队机动灵活性差的问题,以邻近无人机行为信息为观测...     

基于Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.     

模型预测控制下多移动机器人的跟踪与避障

提出了一种基于距离和速度的机器人之间的避障方法,通过与机器人避开障碍物的人工势场法相结合,建立一致性控制编队控制协议。首先,建立机器人之间的通信拓扑关系,以便机器人之间的信息交流。在编队控制层面上,设计具有避碰的编队控制律。然后,在编队跟踪层面上,运用模型预测控制方法,将编队误差运动问题按代价函数转化为最小优化问题。为了在线高效地求解该优化问题,运用了一种广义投影神经网络优化的方法,以便最优解作为控制输入。最后,对多移动机器人编队进行了仿真,验证了所提出策略的有效性。     

高速近距无人机协同编队控制器设计研究

针对高速飞行的无人机协同编队,机群中单机出现故障,需退出编队飞行,同时需快速近距或超近距重新编队问题。提出了一种快速近距协同编队控制器设计方法,弥补了突发"战事"鲁棒性低,时效性差的不足并对无人机编队飞行动态特性进行了分析。考虑到外界因素已知情形下,建立适合无人机纵向动力学模型和非定常气动力模型,根据编队速度、平尾偏角、推力矢量舵偏角及俯仰角速度作为控制器输入指令信号,研究编队飞行的动态特性。同时分析编队飞行间距误差收敛于很小固定值,协同飞行稳定性良好。仿真结果表明:该控制器能够有效提高近距或超近距重新编队的速度,而且能够保持协同编队飞行的稳定性,为高速近距无人机协同编队控制器设计提供一种思路。     

人工势场和虚拟领航者结合的多智能体编队

针对多智能体编队控制中的无碰撞、稳定队形保持和智能调整等问题,提出一种将人工势场和虚拟领航者相结合的多智能体编队控制方法。首先,利用人工势场定义智能体之间的相互作用力和期望距离;其次,由虚拟领航者固定智能体之间的方位角,并通过增加虚拟领航者的数量和分布位置在人工势场中控制群组的队形和指挥群组的运动;最后,利用系统的动能和人工势能构造的李亚普诺夫函数证明了多智能体编队系统的稳定性。仿真实验结果验证了本文提出算法的有效性,可实现无碰撞、稳定地保持和调整智能体系统的编队队形。     

航天器编队飞行自适应协同避碰控制

为解决航天器编队飞行系统中存在通信时延、参数不确定的跟踪问题,并实现避免碰撞的控制目标,基于编队航天器的相对运动非线性动力学模型和势函数方法,对航天器编队飞行系统的自适应协同避碰控制方法进行了研究. 首先,在全状态反馈控制的情况下,提出了一种对通信时延和参数不确定具有鲁棒性的自适应协同避碰控制律;其次,进一步考虑速度信息不可测量的情况,通过引入一种新型滤波器设计了无速度测量的自适应协同避碰控制律,使得编队航天器实现对期望轨迹的跟踪,同时能够保证航天器编队飞行系统中航天器在安全区域飞行,避免发生相互碰撞. 最后,针对全状态反馈和无速度测量反馈的情况分别分析了航天器编队飞行闭环系统的Lyapunov稳定性,显著增强了闭环系统对通信时延和参数不确定的鲁棒性.结果表明,所设计的两种自适应协同避碰控制律可以有效地保证编队飞行航天器对期望轨迹的跟踪,且系统可以实现避免碰撞的编队飞行任务.     

终端区多场景有人机/无人机空中碰撞风险研究

随着无人机产业的蓬勃发展和应用场景的不断拓展,无人机干扰航班正常运行的情况时有发生。为研究终端区内无人机与有人机的碰撞风险,本文构建3类典型场景:无人机与有人机在航路中运行;无人机与有人机自由飞行;无人机自由飞行,有人机在航路中或沿进离场程序飞行。场景一使用Reich模型,利用正态分布函数计算碰撞概率。场景二使用气体模型,考虑航空器速度大小方向对碰撞概率的影响。针对前两者的局限性,提出更符合实际运行场景三的改进碰撞模型,通过有人机与无人机的4D航迹冲突,结合蒙特卡洛法进行仿真,计算有人机与无人机的碰撞概率。结果表明,基于4D航迹冲突的碰撞概率计算方法能够满足终端区内有人机/无人机碰撞风险估算需求。     

机器人在未知环境条件下的动态避障

为了使机器人在工作过程中顺利的躲避行进途中的各类障碍物,采用人工势场法作为机器人的避障算法并针对传统人工势场法存在的目标不可达的问题进行了详细的分析.在传统人工势场法斥力函数中引入机器人与目标点的距离关系作为其中的因子,分别重新定义了势能函数中的斥力和引力,从而得到了新的势能函数,成功地解决了目标不可达的问题.基于Matlab平台的仿真结果表明,本方法控制的机器人能够较出色地躲避大小不一的障碍,最终到达指定位置.     

一种面向多无人机协同编队控制的改进深度神经网络方法

研究了多维度飞行数据下的协同编队控制问题,提出了一种基于改进深度神经网络的协同飞行控制方法。首先,使用深度神经网络在线整定PID控制器,设计了一种基于深度神经网络的PID控制器;其次,针对传统深度神经网络收敛速度慢、学习效率低的问题,同时为了满足多无人机编队飞行的实时性,在深度神经网络控制器中引入动量因子以提高网络的学习性能;最后,将所设计的改进深度神经网络控制器扩展到多无人机协同飞行任务场景实现协同编队飞行。对多无人机协同编队飞行进行仿真验证,仿真结果表明,所设计的改进深度神经网络编队控制器可以有效实现多无人机的编队生成与协同飞行。