基于改进快速扩展随机树方法的隐身无人机突防航迹规划

针对隐身无人机在日趋严密的雷达防御系统下的生存问题,提出了基于改进快速扩展随机树的隐身突防航迹规划方法.本文首先对隐身突防航迹规划中无人机的动态雷达散射截面积和雷达的发现准则这两个关键问题进行了分析和建模,然后针对现有算法在解决隐身飞机航迹规划问题时的不足,设计了改进快速扩展随机树算法,将无人机的雷达散射截面积随姿态变化的情况考虑到新节点生成中,并且结合滚动时域策略计算时域范围内所有节点的瞬时发现概率均值,以判断新节点可行性.仿真结果和对比研究表明,算法的改进策略能够处理隐身突防航迹规划的两个特性,并且可在复杂环境下快速生成更优的突防路径.     

基于Dubins路径的无人艇运动规划算法

针对无人艇运动规划问题,通过Dubins路径的理论分析,提出一种利用纯粹几何方法的Dubins路径计算方法。该方法中没有出现解方程组的运算,而是首先根据无人艇运动状态计算转向圆,然后利用几何方法计算转向圆间的公切线,最后通过公切线连接得到Dubins路径。通过5组仿真实验验证了所提方法的有效性。前4组仿真实验分别设计了计算Dubins路径过程中可能出现的各种情形,以验证算法适用于多种情况的Dubins路径计算。最后一组仿真实验用于无人艇的路径规划及运动状态调整,仿真结果表明,基于Dubins路径的无人艇运动规划算法是可行的。     

基于正态云自适应遗传算法的无人机航路规划

为了克服标准遗传算法在无人机航路规划中存在的搜索速度慢、容易陷入局部最优等缺点,应用一种基于正态云改进的自适应遗传算法。建立无人机航路规划模型,将地理直角坐标系旋转,引入转弯角度约束,简化遗传编码的复杂度。改进算法由X条件云发生器产生种群的交叉概率和变异概率组成。正态云滴的稳定倾向性保护较优个体从而对全局最优值进行自适应定位,随机性保持个体多样性从而避免搜索陷入局部极值。仿真结果表明,该算法能使无人机在战场环境中快速地选择最优航路,规划的效率和成功率相对于标准遗传算法有明显提高,具有良好的应用前景。     

城市密集不规则障碍空间无人机航路规划

随着国家低空开放和民用无人机的普及,小型无人机在城市空间的使用将会越来越广泛,城市空间的密集不规则障碍环境对无人机的安全提出了严峻挑战.针对传统的全局航路规划方法在密集不规则障碍环境中容易陷入局部"死区"而导致飞行危险的问题,通过设计当前航点到无人机视界的航路代价函数,建立了局部视界范围内的最优回溯模型,提出基于局部回溯和广度优先思想相结合的综合路径规划方法.仿真对比实验表明,本文提出的航路规划方法避免了传统的全局规划方法存在的局部"死区"问题,可在密集障碍环境中为无人机规划出安全可飞的航路,使无人机能够规避任意不规则形状的危险障碍,提高了无人机在城市低空环境中飞行的安全性.     

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。     

人工蜂群算法的无人机航路规划与平滑

航路规划是无人机(UAV)作战任务规划系统的关键组成部分,目标是在适当的时间内为UAV计算出最优或次最优的飞行航路.人工蜂群(ABC)算法是一种最新发展的模拟昆虫王国中蜜蜂群体寻找优良蜜源的群体智能优化算法.采用人工蜂群算法完成无人机的平滑航路规划,首先阐述了人工蜂群算法的基本原理,然后将无人机航路规划问题通过建模转换成为一个多维函数优化问题,利用人工蜂群算法的优势,找到多维函数的最优解,最后对优化后的航路进行了平滑,使UAV对规划后的航路可飞.仿真实验结果表明,此方法可有效规划出航路,且所规划的航路可飞.     

基于滚动速度障碍法的无人机山地航测避障路径规划研究

无人机在进行山地航测时,经常遭遇鸟类等动态障碍,若不能及时规避掉障碍,极容易发生坠机事故。为此,研究一种基于滚动速度障碍法的无人机山地航测避障路径规划方法。基于山地环境模型,结合飞行路径长度、路径平滑度建立一个综合目标函数并利用改进布谷鸟搜索算法求解,得到无人机山地航测的初始路径。对图像进行预处理后,识别无人机初始路径飞行过程中遇到的障碍物,并通过超声波测量无人机与障碍物之间的距离,以此建立速度障碍模型,实现速度障碍碰撞分析,通过滚动窗口的方式确定无人机与障碍物是否存在飞行冲突。基于滚动速度障碍避障方法实现滚动角度避障和速度避障,获取最终的优化路径,完成基于滚动速度障碍法的无人机山地航测避障路径规划。测试结果表明:航测避障路径长度为571.45m,平滑度为165.52,规划的方案更具合理性。     

基于贝叶斯决策的无人机飞行路径自动规划方法

传统无人机飞行路径自动规划方法无法获取全部障碍物信号,使无人机飞行不能达到避障效果,导致飞行路线规划效果较差;为此提出基于贝叶斯决策的无人机飞行路径自动规划方法;无人机飞行路径自动规划硬件模块包含自动规划模块、动画演示模块、地图导航模块和数据导出模块,自动规划模块负责控制无人机飞行;动画演示模块使用240PRO型号的LEWITT声卡,为展示飞机飞行路线提供声音;LS-TM8N地图导航模块通过串口将射频信号发送到天线的输入端,再由数据导出模块导出并保存相关数据;基于贝叶斯决策原理,结合贝叶斯元胞蚁群算法,计算贝叶斯先验概率和后验概率,规划无人机飞行路径,获取最优路径;实验结果表明,该方法遇到静态障碍物捕获的避障信号在-28～30mV范围内波动,动态障碍物捕获的避障信号在-27～30 mV范围内波动,与实际障碍物信号波动范围一致,避障效果较优.     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

未知复杂环境中的无人机平滑飞行路径规划

针对无人机实时路径规划问题,提出了一种基于双层决策的平滑路径规划方法,以弥补现有方法在复杂飞行环境中对路径平滑性优化的不足,增强路径的易跟踪性.本文首先给出路径平滑性度量,然后建模上、下层决策目标、威胁规避与无人机性能约束并引入变长规划时间,进而设计基于双层决策的路径规划模型.规划过程中通过嵌入启发式优化策略来进一步改善路径的全局与局部平滑度,并提高路径搜索效率.大量复杂场景中的仿真及与现有经典方法的对比结果表明:该方法能够实时避开复杂危险区域,规划适合飞行的、较短的平滑路径.     

无人机的自动着陆控制

无人机的自动着陆控制是无人机控制中的一个难点,文中给出了一种无人机自动着陆的控制方法,并在某型无人机上得到了应用.基于无人机真实的风洞试验数据,利用MATLAB建立了无人机自动着陆的线性化模型和非线性模型,设计了无人机自动着陆导引控制方案及控制律,并在实际飞行试验中得到了验证,最终的飞行试验结果表明了所设计的自动着陆控制律能满足自动着陆的要求,并具有很好的静态和动态特性.     

基于IMPSiamCAR孪生网络无人机目标跟踪算法

针对无人机进行目标跟踪时,目标存在尺度变化大、易受遮挡、相似物干扰等问题,在SiamCAR的基础上提出IMPSiamCAR算法。该算法使用改进的ResNet50网络提取目标特征,引入通道注意力机制使模型学习不同通道的语义信息,按特征的重要程度为通道分配不同的权重,使算法能更加关注存在跟踪目标的区域;再将融合后的目标特征送入区域回归网络进行正负样本分类、中心度计算及边界框回归;最后得到每一帧中目标的位置。在UAV123数据集与OTB100数据集上测试的实验结果表明,提出的算法与对比算法相比,有更高的跟踪精度与成功率,能较好地应对遮挡、相似物干扰、尺度变化等挑战;并且在VOT2018和UAV123数据集上进行实时性测试的结果表明,所提算法可以满足无人机实时性的要求。     

无人机技术在观音阁水库的应用研究

随着无人机技术的不断发展,其在水利行业的应用受到广泛的关注。为提升水利信息化水平,运用无人机技术作为空间数据获取的重要手段,是对卫星、有人飞机遥感等传统遥感技术的有力补充。以无人机技术为核心,以其在观音阁水库的测绘应用为实例,介绍无人机地面站的操作流程,以及图像数据处理软件Pix4Dmapper的使用方法,论证无人机具有适用地形广泛,影像传输实时性强,运行成本低,操纵快速高效等优点;最后剖析无人机技术在山洪灾害、水资源、水利工程测量规划等方面的应用方向,并指出其在水利行业发展亟需解决的问题。     

Neural Network Based Feedback Linearization Control of an Unmanned Aerial Vehicle

This paper presents a flight control design for an unmanned aerial vehicle (UAV) using a nonlinear autoregressive moving average (NARMA-L2) neural network based feedback linearization and output redefinition technique.The UAV investigated is non- minimum phase.The output redefinition technique is used in such a way that the resulting system to be inverted is a minimum phase system.The NARMA-L2 neural network is trained off-line for forward dynamics of the UAV model with redefined output and is then inverted to force the real output to approximately track a command input.Simulation results show that the proposed approaches have good performance.     

无人机吊挂飞行的非线性控制方法设计

针对四旋翼无人机吊挂飞行系统,本文设计了一种新型控制策略.本文首先建立了四旋翼无人机吊挂系统的数学模型.其中负载被看作由刚性绳悬挂在四旋翼无人机重心位置的质点.之后本文通过能量分析的方法设计了针对此系统的非线性控制器.本文提出的控制方法可以在抑制吊挂负载摆动的同时将四旋翼无人机移动到目标位置.本文运用李雅普诺夫稳定性分析和拉塞尔不变性原理对闭环系统的稳定性进行了证明.最后,通过数值仿真,分别将本控制器镇定控制和调节控制的控制效果与线性二次调节器(linear-quadratic regulator,LQR)控制器进行了对比.     

基于拓扑优化的四旋翼无人机结构设计

为实现某四旋翼无人机的轻量化结构设计,采用Inspire进行拓扑优化设计,并对获得的拓扑优化结构进行静力分析和动力学分析。分析结果表明,通过拓扑优化方法获得的无人机结构应力分布合理,结构位移小且频率较高,满足静态和动态结构设计要求。研究结果可为实现低成本、轻量化的四旋翼无人机结构设计提供一条新的途径。     

旋翼无人机变速下的多图像目标监测仿真

旋翼无人机在变速状态下的多图像目标识别对飞行性能有着重要的影响.旋翼无人机变速状态下,采集的多目标图像受到飞行不定速度的影响,造成采集的识别目标图像之间会出现可识别特征叠加、特征纯正缝隙和重叠等问题,造成可识别图像特征不连续.利用传统算法识别飞机变速下采集的多目标图像特征,无法对不联系的图像特征进行建模,一旦发生飞行速度变化,会造成无人机多目标识别结果出现较大偏差.提出采用经验模态分解算法的旋翼无人机多目标识别方法.根据旋翼无人机采集的不同目标的航拍图像,进行经验模态分解,针对分解结果进行重构,实现变速下多目标航拍图像融合.将融合处理后的结果,进行特征点提取和空间位置计算,实现旋翼无人机的多目标识别.实验结果表明,利用改进算法进行旋翼无人机的多目标识别,能够提高变速下多图像目标识别的准确性.     

基于改进遗传算法的无人机路径规划

针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机(UAV)路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径.首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复...     

多无人机空中加油的最优会合航路规划

为了空中加油能面向多架无人机,本文提出了空中加油的三维最优会合航路规划算法.多架无人机分布在不同区域,需要加油机沿预定的规划航路飞行会合,以完成空中加油任务.由于加油机可同时服务的受油机数量有限,需要寻找最优分配策略将无人机预分配至不同加油区域与之会合.本文首先根据加、受油机在各加油区域的最短会合时间,将最优分配问题建模为整数线性规划问题,求解得到加油机与各无人机的最优会合点.随后,本文提出了三维空间Dubins路径延长算法,保证各无人机按照分配结果与加油机同时到达会合点.最后,分别针对二维和三维多架无人机空中加油任务进行仿真.仿真结果表明本文提出的最优会合航路规划算法得到的Dubins航路,可以保证空中加油会合任务在最短时间内完成.     

基于知识库的无人机作战自主决策方法的研究

提高无人机的自主决策能力是提升无人机在现代战争中作战能力的重要手段。通过对无人机对地作战过程的研究,分析归纳影响无人机自主决策的相关因素,并将无法用数学模型描述的军事规则使用产生式规则来表达,建立作战规则库。然后提出一种基于知识库的自主决策方法,该方法通过动态贝叶斯网络模拟人对态势的认知,通过产生式规则进行决策,其中加入实体的状态描述来控制决策流程,以此来完成无人机的自主决策。仿真结果表明,该方法科学有效,可使无人机自主做出合理决策。