基于稀疏A*搜索和改进人工势场的无人机动态航迹规划

针对不同属性的障碍物所构成的威胁分布模型, 本文提出了一种基于稀疏A*搜索算法预规划和改进人工势场相结合的无人机动态避障算法. 该算法首先对威胁分布建立栅格化模型; 然后根据静态威胁, 基于稀疏A*搜索算法进行全局航迹规划; 最后结合预规划路径和动态威胁分布, 利用改进人工势场法完成无人机的动态避障. 仿真结果表明, 该方法能够规划出给定威胁指标下的全局最优路径并达到良好的动态规避性能.     

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.     

基于A*算法的无人机跟踪目标的航迹规划

针对无人机跟踪目标的航迹规划问题,文章提出了一种双评估函数的改进A*算法;首先,根据无人机在跟踪目标时的飞行特点提出了航迹规划策略,并结合无人机的油耗、航迹长短和机动性能等约束条件来设计中间目标点的评估函数和航迹片段的评估函数;之后,采用加权法对A*算法进行改进,以使航迹的优化与时间耗费之间找到平衡点;同时,改进在Open表中插入与删除节点的方式,提高计算效率;最后,通过对跟踪航迹的仿真,表明该算法可以快速、有效地为无人机在跟踪目标时规划出优化的航迹.     

无人机三维航路动态规划及导引控制研究

为研究无人机三维航路动态规划,提出了一种工程实用性强的A*三维航路优化算法,将无人机的机动性能、飞行航程、飞行高度等约束条件有效分割到解空间。为了加快搜索速度,引入启发式权重系数对搜索策略进行改进,利用加权值自适应方法对算法的评价函数进行设计,提高航迹点搜索效率,并设计了导引控制律,基于优化算法获取的航路,能够使无人机很好地跟随规划的最优路径,同时生成的期望控制指令充分考虑了无人机本身的机动性能以及实时性要求,解决了航迹规划与航迹跟踪之间的问题,最后进行了仿真验证,结果表明,该方法是可行和有效的,有着较高的优化效率;易于实现,工程实用性强。     

基于改进蚁群算法的三维航迹规划

针对蚁群算法在无人机（UAV）三维航迹规划中存在的收敛速度慢、空间复杂度高的缺点,提出了一种基于改进蚁群算法的无人机（UAV）三维航迹规划方法。该方法改进了局部搜索策略、初始信息素调整因子并在启发函数中加入了路径偏移因子,从而降低了航迹搜索空间的复杂度,提高了算法的搜索效率和收敛速度。在利用DEM数字高程数据建立的搜索空间中,该算法与现有算法相比,规划航迹缩短约24.08%,运行时间减少约11.56%,表明改进蚁群算法在无人机（UAV）三维航迹规划中的可行性和有效性。     

3维复杂山地环境下旋翼无人飞行器高时效航迹规划策略

针对3维复杂山地环境中执行无碰撞低空飞行任务的旋翼无人飞行器,提出了一种高时效、低代价的航迹规划策略,设计并采用了改进的稀疏A*算法和生物启发神经动力学模型的融合算法.该算法在稀疏A*全局优化搜索的基础之上融入生物启发神经动力学模型来调整局部航线以加快最优航迹的形成,并运用神经动力学模型来实时获取和处理环境中的局部动态信息,实现了融合算法的在线规划能力,从而解决了传统最优路径搜索算法无法实现的动态规划的难题.通过在3维空间中设置多峰山地,尤其是凹形山体作为障碍进行仿真实验,实验结果表明,该融合算法不仅降低了A*算法的复杂度和耗时,而且改善了生物启发神经动力学模型尚未考虑的代价花费问题,更能够在线应对任务空间中的突发威胁,使旋翼无人飞行器在动、静态障碍物相结合的复杂环境下能够规划出一条安全、快速抵达目标点的低代价且优质的航迹.     

基于改进A~*算法的灾后井下无人机航迹规划

针对传统A~*算法应用在煤矿灾后井下环境侦测的无人机航迹规划中存在搜索点冗余、遇到突发威胁时实时性较差等问题,提出了一种逆向变权重稀疏A~*算法。根据无人机自身性能约束及灾后井下威胁模型,从目标点到起始点进行全局静态航迹规划,避免大量无效搜索;根据无人机执行任务的需要设置不同权重系数,得到侧重航程或安全的航迹;通过引入次目标点策略,仅对被突发威胁覆盖的航迹进行修正,可在短时间内有效避开突发威胁。仿真结果表明,利用该算法进行航迹规划用时较短,无人机受到的威胁较小,可有效保障航迹规划的实时性和安全性。     

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.     

基于遗传算法的UAV自适应航迹规划

根据遗传算法与动态的稀疏A*搜索(Dynamic Sparse A*Search,DASA)算法各自的特点,提出一种组合优化算法来实现在不确定战场环境中自适应航迹规划.在无人机(UAV,Unmanned Aerial Vehicles)飞行前,采用全局搜索能力强的遗传算法进行全局搜索,对从起始点到目标点的飞行航线进行规划,生成全局最优或次优的可行参考飞行航线;在无人机任务执行阶段,以参考飞行航线为基准,采用DASA算法进行在线实时航迹再规划.仿真结果表明,与遗传算法相比,该组合算法不但能生成近似最优解,而且能够满足在线实时应用的要求.     

融合改进A*与DWA算法的机器人动态路径规划

传统A*算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A*与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A*算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A*算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A*与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。     

多约束条件下无人机航迹规划

针对多约束条件下的无人机航迹快速规划问题,建立了导航精度约束下无人机航迹规划模型,并设计了“基于Dijkstra算法的航迹规划法”求解模型。通过校正策略优选、校正方案优选和O-D邻接矩阵处理方式,简化搜索路径,降低计算量,提高执行效率,从而实现对传统Dijkstra算法的改进。在满足导航精度约束条件的前提下,以航迹长度最短和经过校正点数量最少为研究目标进行仿真实验,并将所得结果与传统Dijkstra算法和遗传算法所得结果分别进行对比,发现此算法在精度与复杂度方面均优于传统算法和遗传算法。此结果表明,导航精度约束下无人机航迹规划模型和“基于Dijkstra算法的航迹规划法”在解决多约束下无人机航迹规划问题方面具有一定的正确性、有效性和先进性。     

基于改进粒子群算法的UAV航迹规划方法

结合当前无人机集群发展趋势,针对航迹规划算法和策略问题开展研究,在分析经典粒子群算法和传统航迹规划方法基础上,提出了一种基于改进粒子群算法的航迹规划方法,将无人机航迹规划分为整体航迹规划和节点间航迹规划两部分,针对两部分对于搜索速度和解的精度的不同需求,结合环境模型及约束条件,分别设计粒子群航迹规划算法的评价函数;对于节点间粒子群航迹规划,通过设计分段式惯性权重调整公式改进粒子群算法,在保证了算法的搜索速度的同时,提高了航迹规划解的精度。通过仿真验证了该方法的正确性和可行性,横向对比其他算法策略分析了该方法的优越性。最后在算法自主实时性方向上对于后续的工作开展提出了期望。     

基于改进多目标蚁群算法的无人机路径规划

针对无人机SEAD任务的路径规划问题,利用VORONOI图构建初始路径,分析了路径代价计算方法,并使用改进的多目标蚁群算法对路径进行优化选择。针对该特殊应用场景,引入了各路径段与起始点—目标点连线的夹角信息作为新的启发信息,加快了算法的搜索速度,同时改进启发信息的计算公式,适当缩小各可选路径段启发信息量的差异,加强了蚁群算法的全局搜索能力。仿真结果显示,与基本多目标蚁群算法相比,改进后的算法有效提高了路径搜索的效率和质量。     

多约束下多无人机的任务规划研究综述

高度信息化的发展使得无人机作战优势凸显。准确的无人机任务规划技术是完成给定任务的重要保障。任务分配、路径规划是构成无人机任务规划技术的两个核心部分。基于该技术,首先讨论了无人机任务规划的发展状况、分类标准、体系结构。其次,分别详细介绍了影响任务分配、路径规划的重要指标,如分类标准、约束指标、相应模型、代表算法、评价指标等,然后,分别分析对比求解任务分配的启发式算法、数学规划方法、随机智能优化算法的优缺点和求解路径规划的数学规划方法、人工势场法、基于图形学法、智能优化算法的优缺点;最后,总结了无人机任务规划存在的开放性问题、未来发展方向和研究重点。     

基于改进A*算法的无人机避障路径规划

近年来,物流行业的飞速发展,运输是物流的重要环节之一,根据数据显示,运输的成本占据整个物流成本的50%以上.无人机的使用有效的控制了运输成本,合理规划物流无人机的飞行路线,也起着至关重要的作用.在物流无人机的航迹规划中,必须保证无人机飞行过程中能够准确避开禁飞区.本文基于A^*算法,结合多种类型的禁飞区,设计出一种改进算法,能够找到任意两客户点间无人机避障飞行的最优路线.仿真结果表明,本文所设计的算法能够有效解决多类型禁飞区并存的无人机避障路径规划问题.     

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.     

多无人机协同航路规划的共同进化方法

面向多无人机协同作战的航路设计问题,提出了一种较新颖的多无人机协同航路规划共同进化方法.将航路映射到进化计算个体建立了基于共同进化计算的航路规划问题模型,以此为基础重点讨论了个体适应度设计等关键问题.以SEAD任务为想定,对多无人机协同航路规划共同进化方法进行了仿真.仿真结果表明该方法能够快速为多无人机找到协同航路,能够综合考虑无人机航路的燃油、安全、避碰以及任务协同等指标,可以解决多无人机协同执行任务的航路设计问题,且具有较好的收敛性和线性时间性.     

Cooperative and Geometric Learning Algorithm (CGLA) for path planning of UAVs with limited information

In this paper, we propose a new learning algorithm, named as the Cooperative and Geometric Learning Algorithm (CGLA), to solve problems of maneuverability, collision avoidance and information sharing in path planning for Unmanned Aerial Vehicles (UAVs). The contributions of CGLA are three folds: (1) CGLA is designed for path planning based on cooperation of multiple UAVs. Technically, CGLA exploits a new defined individual cost matrix, which leads to an efficient path planning algorithm for multiple UAVs. (2) The convergence of the proposed algorithm for calculating the cost matrix is proven theoretically, and the optimal path in terms of path length and risk measure from a starting point to a target point can be calculated in polynomial time. (3) In CGLA, the proposed individual weight matrix can be efficiently calculated and adaptively updated based on the geometric distance and risk information shared among UAVs. Finally, risk evaluation is introduced first time in this paper for UAV navigation and extensive computer simulation results validate the effectiveness and feasibility of CGLA for safe navigation of multiple UAVs.     

基于平面点集的Voroni图的近似构造

现有的平面上点的Voronoi图的构造方法一般很难扩展到一般平面图形的Voronoi图的构造上。以平面点集中的每个点作为生长核,以相同的速率向外扩张,直到彼此相遇为止而在平面上形成的图形即为平面点集的近似的Voronoi图。在VC 6.0的环境下实现了该算法,并将其与分治法所得的结果进行了比较。该算法直观、计算简单,通用性好。对于一般的平面图形,选取有代表性的边界点,再按照平面点集中Voronoi图的近似构造方法,就可以得到一般平面图形的近似的Voronoi图。