多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

一种凸多边形区域的无人机覆盖航迹规划算法

 覆盖航迹规划技术对于提高无人机的侦察能力和目标搜索能力具有重要的意义。首先从能量、路程、时间角度,理论上证明了转弯过程比直线平飞过程的效率低。其次给出了凸多边形跨度和宽度的定义,并把凸多边形区域的覆盖航迹规划问题转化为求凸多边形宽度的问题。最后证明了凸多边形区域的宽度只可能出现于“点边式”跨度之中,并给出了一种高效的“点边式”宽度算法。无人机只需要沿着宽度出现时的支撑平线方向飞行,即可以取得最少的转弯次数。通过仿真分析,证明了所提出的算法能够有效解决无人机在凸多边形区域中的覆盖航迹规划问题。     

未知区域无人机协同搜索方法及效率分析

随着无人机技术的广泛使用,利用多架次无人机集群的自主协同控制,对某片区域进行覆盖侦察和目标搜索成为该领域的热点和难点问题。本文基于Voronoi图构型的多无人机区域覆盖模型实现了对未知区域的搜索覆盖面积和搜索时间的优化部署,基于概率地图信息更新融合的协同搜索策略实现了无人机自主协同控制,最后利用Matlab平台仿真并比较了不同情况下无人机集群搜索的效率。     

海上无人机多机协同巡检航迹规划方法

随着无人机技术应用的不断深入,如何提高无人机编队的协同能力及在复杂动态环境的自适应性,已成为“集群智能”的 1个重要研究方向。文章对海上无人机多机协同航迹规划整体流程进行了分析,分别阐释了静态和动态场景下的多机协同规划方法。静态场景下主要采用分支定界法建立静态问题模型,为每架无人机划分作业区域、生成作业路径,使得整个巡检作业的航迹长度代价与作业时间代价最小;动态场景下主要针对气象变化、连续跟监、海域变化 3种突发场景,侧重于协同决策和路径规划设计对应的目标函数,采用启发式算法为整个巡检作业进行自适应航迹规划,以确保安全性和效率性。实验结果显示,无人机协同路径规划能够根据环境变化和任务需求动态调整多无人机的巡检路径,快速给出不同突发情况下的最佳动态调整方案,以应对复杂的海上环境并动态规避障碍物。     

多无人机协同路径规划研究综述

多无人机协同路径规划是多无人机协同控制的重要研究内容之一。首先介绍了多无人机协同路径规划的问题描述、数学模型和求解框架,然后总结出在路径规划中常见的几类环境表示方法,最后分别介绍了在多无人机协同路径规划中用到的几类路径规划算法。此外还提出了多无人机协同路径规划应关注的几个问题及可能的发展方向。     

基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

多植保无人机协同路径规划

为实现多植保无人机（UAVs）协同作业，并提高作业效率，提出了一种基于改进粒子群优化（PSO）的多植保无人机协同路径规划算法。根据作业区域的形状面积和植保UAV的作业参数划分各架UAV作业区域，采用栅格法生成各区域全覆盖作业航线。以各架植保UAV各架次植保作业距离为算法寻优变量，在确保各架UAV补给时间满足间隔分布约束条件下，综合考虑补给总次数、返航补给总时间、总耗时和最小补给时间间隔4项因素，并构成目标函数，通过采用改进PSO算法，实现了对各UAV返航顺序和返航点位置的寻优。仿真分析结果表明，相较于最大作业距离规划和最小返航距离规划，本文提出的规划算法表现出了较优的性能和较好的作业区域适应性，证实了其有效性和实用性。     

突防飞行与多区域搜索一体化侦察航迹规划

针对战场环境下无人机的侦察路径规划问题，首先设计突防飞行与多目标区域搜索的一体化侦察航迹规划策略。然后针对侦察任务中的突防问题，在传统快速扩展随机树(RRT)的改进算法基础上，提出一种基于改进RRT^*的无人机突防航迹规划方法，通过设计目标偏置算法解决了传统RRT算法采样点随机性大、收敛速度慢等问题。针对侦察任务中的目标搜索问题，使用改进的旋转卡壳路径规划器(RCPP)进行覆盖式航迹规划，提高了搜索覆盖率。最终通过对比仿真试验，验证了所提出算法的优越性，以及算法应用于战场侦察任务的有效性。     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标,考虑传感器探测概率与虚警概率,提出了重访机制驱动的协同搜索规划（RMD-CSP）方法,以降低目标遗漏与误判概率。考虑无人机飞行性能约束,以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图）,利用无人机实时探测信息,基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制,通过增加长时间未被重访区域的环境不确定度,引导无人机搜索该区域,降低移动目标的遗漏概率;定制基于目标函数权重更新的重访机制,引导无人机快速重访发现新的疑似目标的区域,对疑似目标进行再次确认,减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构,将搜索规划问题分解为一系列短时域规划问题,提升了求解效率。在典型任务想定下,通过数值仿真试验验证了所提方法的有效性。仿真结果表明,RMD-CSP能够在秒级时间内生成每个时域的搜索航迹,相比于光栅式搜索方法与标准的概率启发式搜索方法,能够引导无人机捕获更多的移动目标,同时减少误判次数,有效提升了多无人机协同搜索的任务效能。     

基于分布式模型预测控制的多UAV协同区域搜索

针对多无人机(UAV)协同区域搜索问题展开研究。提出了一种基于分布式模型预测控制(DMPC)的多UAV分布式优化搜索方法。首先基于传统的搜索图模型,建立了多UAV协同搜索的问题描述和状态空间模型,然后在DMPC框架下,将集中式多UAV在线优化决策问题转化为各架UAV的小规模分布式优化问题,采用基于纳什最优和粒子群优化(PSO)相结合的算法实现对每个子系统优化问题的迭代求解。仿真结果表明:DMPC方法能够有效地降低多UAV协同搜索决策问题的求解规模,是一种可行的方法。     

基于罚函数序列凸规划的多无人机轨迹规划

多无人机（UAVs）轨迹规划是具有非线性运动约束和非凸路径约束的最优控制问题。引入序列凸规划思想,将非凸最优控制问题近似为一系列凸优化子问题,并利用成熟的凸优化算法进行求解,以更好地权衡最优性和时效性。首先,建立了多无人机协同轨迹规划的非凸最优控制模型。然后,利用离散化和凸近似方法将其转换为凸优化问题,包括对无人机运动模型的线性化,以及对威胁规避约束和无人机碰撞约束的凸化。同时,提出了一种离散点间的威胁规避方法,保证无人机在离散轨迹点间的飞行安全。在凸优化模型的基础上,给出了基于罚函数序列凸规划求解多无人机轨迹规划的具体框架。最后,通过数值仿真验证了方法的有效性,结果表明该方法在多机轨迹规划结果的最优性和时效性都要优于伪谱法,而且优势随编队数量的增加而增大。     

多滑翔飞行器时间协同轨迹快速规划

从高超声速飞行器集群"探测-打击-评估"一体化任务需求出发,针对多滑翔飞行器时间协同再入轨迹规划问题进行研究,提出集群再入的协同形式及轨迹规划方案,基于改进序列凸化算法解决了再入总飞行时间的精确控制问题,从而实现滑翔段时间协同。首先,给出了滑翔飞行器集群的协同策略,将求解模型转化为协同时间的确定、协同时间约束下的轨迹规划子问题。将模型中的时间项误差等加入罚函数,提高了协同轨迹求解可行性。引入飞行路径角预设剖面作为软约束,并通过罚函数与信赖域自适应调整,以避免轨迹求解时的振荡问题,提高了序列凸化算法的收敛性。以CAV-H飞行器模型为例验证了算法的有效性,仿真结果表明,所提算法对初值的敏感性低,求解得到的再入总时间可调范围与伪谱法一致,轨迹规划结果的平滑性及计算时间均优于伪谱法。     

基于遗传算法的凸多边形区域航迹规划

提出了基于遗传算法的凸多边形区域航迹规划方法,针对飞行器转弯角和边界限制的航迹约束条件,改进了航迹编码方式,采用了基于方向编码的回溯方法生成航迹;同时改进了遗传算法的交叉算子和变异算子。仿真结果表明,该方法能快速有效地完成飞行器航迹规划任务,获得符合适应度要求的优化航迹。     

基于障碍凸化的改进环流APF路径规划

为改善人工势场法（APF）在复杂障碍环境下的路径规划能力，提出基于障碍凸化的改进环流APF路径规划方法。通过改变APF方法斥力势场的方向，使其形成绕行障碍边缘的环流，改善了APF方法在平台-目标位置连线与障碍边界垂直时可能陷入局部极小值的问题。针对多边形障碍（凹、凸）与圆形障碍，给出包括障碍初始化与相交障碍集合迭代凸化步骤的障碍凸化方法，将复杂障碍空间转换成为凸障碍的空间，避免平台进入凹多边形或相交障碍产生的凹区域而无解的问题。在仿真环境中，对比了传统APF方法、未使用障碍凸化的环流APF方法、使用障碍凸化的环流APF方法的路径规划结果，并分析了不同障碍数量、相交障碍数量条件下的方法计算耗时。根据结果，使用障碍凸化的环流APF方法能够明显改善APF方法在复杂障碍环境下的路径规划能力，方法实时性好，每个障碍所需的单步计算耗时约为0.02~0.03 ms，能够支持平台在复杂障碍环境下的在线路径规划。     

基于凸优化的再入轨迹三维剖面规划方法

可重复使用飞行器一般采用大升阻比气动外形，再入轨迹三维剖面规划方法可充分发挥这类飞行器固有的机动能力。计算量大是制约三维剖面规划应用的难题，为提高计算效率，提出了一种基于凸优化的再入轨迹三维剖面规划方法。首先，分析运动方程特性，利用定义新的控制变量、约束松弛、连续线性化等技术，将原始非凸的三维剖面规划问题转化为一个凸优化问题。其次，将指令反解步骤嵌入至序列凸化算法中，通过迭代求解凸优化子问题，获得原问题的可行解。数值仿真结果表明所提方法具有较高的求解精度和确定的收敛性质，飞行器的机动能力得到充分发挥；与伪谱法的结果对比表明凸优化方法在轨迹规划问题上具有更高的求解效率。