基于协同任务的无人机群航路规划算法

当前,无人机在航行途中,与无人机群和其他环境因素,例如,执行任务的目标地点、飞行障碍物共同构成一个庞杂的飞行环境,系统里的各部分既相互制约又相互影响,使得多机协同航路规划评估问题十分复杂,表现出飞行场景动态性与信息不确定性、任务艰难性、建模复杂性、组合多样性、计算复杂性和时间紧迫性等特点。特别是针对面向协同任务的航路规划评估,还要考虑时序、编队、任务等各方面因素,这些因素不仅仅是定量信息,还有很大一部分是定性信息。采用A-star算法将定量信息与定性信息进行合理融合,客观规划协同航路。通过实验仿真,路径规划算法能有效地避开多个路障点,在实际监测中具有较好的效果。     

基于K路径算法的多无人机协同航迹规划

对于满足无人机团队中各机同时到达目标这样一个特定的协同要求,首先采用K路径算法实现了无人机的多航迹规划,然后采用速度控制和K路径算法相结合的办法实现了各无人机之间的时间协同.对整个协同航迹规划问题,采用一种分散式求解方法,把高维优化问题分解成低维、计算量小、通讯数据少的问题.     

基于改进粒子群算法的多无人车协同侦察路径规划

为了解决多无人车协同侦察任务中的路径规划问题,采用一种改进的粒子群算法。传统的粒子群算法因为其收敛速度较慢,容易陷入局部最优,所以采用混沌初始化和自适应参数调节等方法来提高算法的收敛性、运算速度和精确度。通过对复杂地形条件下无人车协同侦察路径的模拟,验证了该算法能够迅速产生高精度侦察路径,满足无人车协同侦察的实际需要。     

基于生物地理学优化的多UCAV协同航迹规划

研究多无人机协同路径规划问题,为了获取从起始点到达目标点,能够避开各种阻碍的最优运动路径,提出了一种基于BBO的多UCAV协同航迹规划方法.通过对地形环境、航迹表示方式进行描述,将生物地理学优化算法运用于多UCAV协同航迹规划,对约束条件及威胁进行分析,建立了UCAV航迹规划模型及多UCAV协同航迹规划模型;对BBO算法适宜度向量编码及迁徙模型进行了分析,设计了相应的优化算子;最后,构建了多UCAV协同航迹规划的求解框架,并结合BBO算法开展了相应的仿真.仿真结果表明,改进方法较好地实现了多UCAV协同航迹规划的优化.     

基于改进蚁群算法的多无人机航路规划研究

无人机的航路规划研究是无人机任务控制系统的关键技术,在用Voronoi图法对威胁环境建模的摹础上,提出了基于Voronoi图的多行为蚁群算法,增强了蚂蚁之间的协同性,有效解决了可行解的收敛性与多样性之间的矛盾,并对求解过程加入了方向性引导,提高了算法的求解效率.在多机协同方面,利用上述算法分同起止点与不同起止点两种情况对多机协同航路规划进行了仿真,针对得到的多条初始航路,利用协同时间指标对多初始航路进行选择.最后用三次样条方法对协同最优航路进行了平滑处理.     

无人机-智能车队协同路径实时规划研究

在智能交通系统下的路径实时决策方法中,由于智能车队因路旁检测器未设置、故障或者通信信号中断等情况而导致接收不到道路信息的问题,引入无人机,使智能车队和无人机协同工作,称之为机测工作模式。该模式是根据车道上不同信号显示下的行驶时间以及在交叉口的延误时间,动态计算行驶时间并得到一条用时最少的路径。通过4种场景,利用Matlab仿真得到的结果和理论分析一致,验证了算法的有效性。     

基于RRT森林算法的高层消防多无人机室内协同路径规划

在多无人机 (Multi-unmanned aerial vehicles, Multi-UAVs) 协同执行高层消防救援任务的场景中, 室内复杂火场环境下路径规划是亟待解决难题之一. 针对快速搜索随机树算法 (Rapidly-exploring random tree, RRT) 搜索区域受限、耗时较长、结果可行性差等问题, 提出RRT森林算法. 通过随机选取根节点、生成随机树、连接合并随机树, 使高层消防多无人机在复杂室内环境下协同路径规划效率显著提高. 此外, 采用两次动态规划(Dynamic programming, DP)以及改进障碍物接近检测方法, 进一步提高路径的可行性. 最终, 通过仿真验证算法的有效性.     

多平台协同导弹攻击航路规划时间基准方法研究

多平台发射多枚反舰导弹协同航路规划是单枚导弹航路规划能力互补增效和提高作战效能的重要手段。针对多个发射平台发射反舰导弹协同攻击典型编队目标航路规划时的时间基准问题,在阐述导弹齐射攻击时多个发射平台协同攻击的模式和分类的基础上,按照协同基准、协同兵力以及攻击兵力与保障兵力的关系,建立了多枚导弹协同攻击时不同发射平台的作战流程。按照时间协同方法,在确定典型编队目标和导弹齐射数量的前提下,以两个潜艇平台各发射两枚反舰导弹为例,分析了各个发射平台获取目指信息时间、导弹攻击决策时间、导弹发射延迟时间和导弹航行时间,计算出了不同发射平台航路规划的基准发射时刻。解决了多个发射平台多枚反舰导弹同时临空问题,提高了导弹饱和攻击的作战效能。     

虚假数据注入攻击下多无人机韧性容错协同控制

针对同时具有虚假数据注入(false data injection, FDI)攻击与执行器故障下的多无人系统编队协同跟踪问题,提出了一种基于FDI攻击检测机制与故障观测器的韧性容错协同控制新方法。首先,以二阶非线性固定翼无人机模型作为多无人系统研究对象;其次,构建了带有概率约束的贝叶斯概率检测模型对FDI攻击进行检测,作为韧性容错协同控制器的辅助系统;之后,设计了包含执行器故障补偿的韧性容错协同跟踪控制器,并利用Lyapunov稳定性理论证明系统的渐进稳定;最后,通过仿真验证了设计的控制器针对FDI攻击与执行器故障的安全性与可靠性以及编队跟踪能力。     

对抗环境下多UCAV协同速度规划

在作战对抗环境下,由于目标威胁区域的密集排列,UCAV可能同时受到多个防空设施的威胁.为了有效优化控制飞行速度,利用威胁的火力范围和UCAV的攻击区确定各UCAV路径上的航路点,通过对各航路点之间的平均速度进行优化组合达到对整个飞行过程的速度控制,使飞行过程中所受总威胁值最小,飞行时间最接近预定值,同时满足UAV飞行特性约束,使用基于ε占优的多目标进化算法(MOEA)求解多目标优化速度.仿真结果表明算法能够对问题进行合理优化,获得一组高质量Pareto解,为决策者提供决策的依据.     

基于定制内点法的多无人机协同轨迹规划

为提高多无人机(Unmanned aerial vehicles, UAV)协同轨迹规划(Cooperative trajectory planning, CTP)效率, 在解耦序列凸优化(Sequential convex programming, SCP)方法基础上, 提出一种高效求解凸优化子问题的定制内点法. 首先引入松弛变量, 构建子问题的等价描述形式, 并推导该形式下的子问题最优性条件. 然后在预测−校正原对偶内点法的框架下, 构建一套高效求解最优性条件方程组的计算流程以降低子问题计算复杂度, 并利用约束矩阵特征提出一种快速计算原对偶搜索方向的方法以提高规划效率. 仿真结果表明, 在解耦序列凸优化框架下, 定制内点法可将协同轨迹规划耗时降低一个数量级, 达到秒级.     

基于遗传算法的飞行器多航迹规划

提出了基于遗传算法的飞行器多航迹规划方法。该方法设计了一种新的分类评价体系,有效地解决了在约束条件多、部分约束条件互相冲突情况下的航迹评价问题。同时采用实数编码的染色体表示方法和特殊设计的进化算子,所有个体在各自子种群中同时进化。最后每个种群取一条最优航迹从而得到多条航迹。计算机仿真结果证明了该方法的有效性。     

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。     

基于能耗优化的六足机器人摆动腿轨迹规划

以六足机器人单腿为研究对象,研究机器人摆动腿轨迹规划问题.由于摆动要消耗能量,所以提出了一种基于能耗优化的轨迹规划方案.结合以D-H法建立的机器人单腿运动学模型和腿部位置、速度、加速度等约束,采用多项式插值法在关节空间对机器人摆动腿进行轨迹规划.在考虑直流电机有效功率和热损耗的基础上,通过遗传算法对非线性等式和不等式约束下的非线性规划问题进行求解.仿真结果表明,所设计的方案能有效降低摆动腿能量消耗并保证轨迹连续平滑.     

动态环境下多重A算法的机器人路径规划方法

传统的A*算法仅适用于全局的静态环境,在求解路径规划问题时存在搜索效率低,路径不平滑等不足.针对这些问题,进行了以下改进:优化全局路径节点,引入删除冗余点准则与新增节点准则,使得全局路径更加平滑,更符合机器人运动学规律;结合滚动窗口法的思想,在每个滚动窗口内进行局部路径规划,首先根据前一步的节点信息确定局部子目标区域,...     

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.     

无人飞行器航迹规划的工程化稀疏A*算法

针对无人飞行器(unmanned aerial vehicle, UAV)低空突防的作战任务背景, 结合工程实际, 提出了一种面向工程化应用的稀疏A*算法求解航迹规划问题。考虑到UAV的机动性能、任务要求、作战环境威胁等因素, 分别从UAV的最大转弯角度、最小直飞距离和最大航程等约束条件对稀疏A*算法的节点搜索策略进行了设计。针对以固定角度进入目标的任务要求, 引入虚拟威胁圆满足UAV最大转弯角限制。同时, 设计了航路点信息结构, 并采用双向链表进行存储; 提出了基于最小二叉堆的OPEN表维护方法, 提高算法的实时性。最后, 通过规划实例对方法进行了验证。     

三维分层航迹规划算法研究与仿真

针对传统A*算法在飞行器航迹规划过程中产生节点较多,搜索时间较长等缺点,提出了一种改进的A*算法.该算法采用分层思想,将局部规划与全局规划相结合,并对代价函数进行了改进,在保证航迹优化的基础上,提高了搜索效率.仿真结果表明,运用该算法能够规划出符合工程应用的飞行器航迹.     

基于物流机器人的路径规划研究

本文描绘了物流机器人的路径规划问题。针对标准A*算法的路径规划时间长、计算节点多的问题,提出了在标准A*算法的基础山,使用改进的双向搜索的A*算法。通过使用MATLAB进行仿真和实验平台进行实验对标准A*算法和优化后的A*算法进行了对比,结果表明:改进的A*算法比标准的A*算法进行路径规划的时间更短,并且使用的节点更少。     

Trajectory tracking control for a miniature fixed-wing unmanned air vehicle

This article considers the problem of trajectory tracking control for a miniature fixed-wing unmanned air vehicle (UAV). With the UAV equipped with longitudinal and lateral autopilots, we adopt a kinematic model that takes into account the fact that the heading of the UAV is controlled by its roll motion and the autopilot responses to air speed and roll control commands are first order in nature. Backstepping techniques are applied to derive air speed and roll control commands from known air speed and heading control laws that explicitly account for air speed and heading rate constraints of the UAV. Regarding inaccurately known autopilot constants, a parameter adaptation technique is used to estimate autopilot constants. High-fidelity simulation results on a six degree-of-freedom (DOF) 12-state fixed-wing UAV model are presented to show the effectiveness of our approach.