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。     

基于流水避石原理的无人机三维航路规划方法

借鉴自然界流水避石现象,提出一种基于流体计算的无人机(UAV)三维(3D)航路规划方法.首先介绍了球心位于坐标原点时,球形障碍三维绕流问题的解析解.之后采用旋转平移矩阵与流线数据叠加方法生成了任意位置多障碍同时存在的三维流线.为验证解析解的有效性同时给出该方法基于数值模拟的计算过程,对适合无人机三维航路规划的流体模型和数值求解方法进行了分析,并给出了通过数值模拟求解航路的方法.最后,根据无人机机动约束对流线进行处理得到可飞航路,将航路长度、纵向和横侧向机动次数作为子目标函数对航路进行综合评价.仿真结果表明:解析法航路规划中,圆球障碍的地形建模简单计算量小,航路集中在由起点至终点的航路带间;数值法航路规划适合障碍分布复杂的地形,航路分布于规划空间中.这两种方法的航路平滑,能够满足无人机飞行约束,航路具有绕流意义的最优性,可以避免势场法的局部极小问题,并且可以提供多条备选航路.     

多架无人机的协同攻击航路规划

针对多架无人机协同攻击同一目标问题,提出了一种航路规划方法.首先根据已知的导弹、雷达等威胁的位置,通过Voronoi图建立初始进入航路,并利用B样条曲线修正初始航路产生无人机可飞航路,然后对多架无人机的航路进行协同修正以满足协同攻击要求.最后对无人机的退出航路规划进行了研究分析,并结合具体问题进行了仿真检验.     

无人机航路规划技术研究进展

无人机航路规划问题本质是多约束条件下,多目标函数求极值的优化问题.规划出满足任务要求、导航、安全性等约束的较优航路,对提高无人机的武器系统性能有重要意义.通过对无人机航路规划的研究,对无人机航路规划问题进行了概括和总结,阐述了无人机航路规划的框架结构以及静态全局规划和动态局部规划方法的研究现状.分析了近年来常用的几种规划算法,着重分析了启发式算法以及遗传算法.在此基础上,对今后的研究方向进行了展望.     

飞机突防波次规划中若干关键技术研究

现代空袭是以波次为单位实施攻击的,提出波次规划的概念.波次规划研究的主要内容包括不同波次空袭时编队内多机协同航路规划、多机航路碰撞检测及避碰技术、安全评估技术等,同时指出马尔可夫链在解决编队出动强度、编队数量等的应用前景.最后指出了多目标、多战区、多发射区的波次规划技术是未来研究的重点.     

基于PX4飞控的多旋翼无人机编队跟踪系统设计

为解决单架无人机续航能力不足、执行任务单薄、应用场合受限等问题，目前多无人机协同跟踪具有极其重要的研究价值。以多旋翼无人机为研究对象，设计了一种基于 PX4飞控的多旋翼无人机协同编队系统。利用飞控底层软件，将设计的制导律进行移植，通过ROS系统对无人机进行外部控制，各个僚机和长机之间能够实时获取其他无人机位置，然后通过控制器得到指令速度，从而形成预设跟踪编队。仿真实验结果表明，整个编队系统对目标的跟踪精确有效，并且所设计的制导律可以在PX4飞控架构下实现对地面目标的编队跟踪，提高了多旋翼编队跟踪系统的稳定性。     

自主多无人机的分散化协同控制

协同前提是无人机(UAV)平台间的通信和信息共享,无人机平台之间信息和计算是高度分布的,无人机平台的运动以及通信拓扑的变化,使得集中式协调控制结构很难实现。以最小通信量为基础的分散协同控制具有可扩展性、异构性和动态可重构性等特点,可靠性和鲁棒性较好。针对多无人机平台分散化协同的特点和要求,建立了集中和分散相结合的多无人机平台协同控制系统结构,集中式任务管理系统主要完成目标分配、通信管理和编队管理功能,分散式协同部分主要实现局部任务规划、协调策略及协调控制等功能。分别以多机协同目标跟踪、多机和多编队一致性协调、多机协同编队控制与重构等多无人机平台分散化协同控制技术为应用对象,探讨了分散化协调机制、策略、控制及其与信息之间关系。给出了部分算法的仿真结果。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

多无人机协同航迹规划技术研究

多无人机协同航迹规划是多无人机协同控制的重要组成部分。多无人机协同航迹规划能得到满足安全性、协同性和任务要求的较优航迹,这对提高无人机系统性能有重要的意义。介绍了多无人机协同航迹规划的问题描述和求解结构,总结了在协同规划问题中的约束条件和航迹协调方法,着重阐述了几种在多无人机编队中常用的控制方法。在此基础上,对未来可能的研究方向进行了展望。     

基于蜂群编队形式的气动耦合优化模型研究

为提高小型蜂群无人机紧密编队协同飞行时的整体气动效率,强化系统作战效能,文中以某蜂群无人机平台为研究对象,对其集群编队飞行时的气动耦合问题进行了深入研究。针对不同作战任务场景,设计了几类以典型长-僚机编队为模块单元的编队飞行结构,利用耦合涡流模型的数值仿真方法,完成了双机编队单元的寻优设计,同时基于双机编队单元优化结果,运用遗传算法,得到集群飞行时,各无人机单元气动增量数据传递信息,并辅以计算流体力学仿真验证,确定了完整的气动数据传递体系。最终建立了多任务、多条件、多目标导向的气动耦合优化模型,实现了集群优化飞行策略方法,达到了作战能力倍增的效果。     

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。     

An intelligent target detection method of UAV swarms based on improved KM algorithm

Complete and efficient detection of unknown targets is the most popular application of UAV swarms. Under most situations, targets have directional characteristics so that they can only be successfully detected within specific angles. In such cases, how to coordinate UAVs and allocate optimal paths for them to efficiently detect all the targets is the primary issue to be solved. In this paper, an intelligent target detection method is proposed for UAV swarms to achieve real-time detection requirements. First, a target-feature-information-based disintegration method is built up to divide the search space into a set of cubes. Theoretically, when the cubes are traversed, all the targets can be detected. Then, a Kuhn-Munkres (KM)-algorithm-based path planning method is proposed for UAVs to traverse the cubes. Finally, to further improve search efficiency, a 3D real-time probability map is established over the search space which estimates the possibility of detecting new targets at each point. This map is adopted to modify the weights in KM algorithm, thereby optimizing the UAVs’ paths during the search process. Simulation results show that with the proposed method, all targets, with detection angle limitations, can be found by UAVs. Moreover, by implementing the 3D probability map, the search efficiency is improved by 23.4%–78.1%.     

Collision free 4D path planning for multiple UAVs based on spatial refined voting mechanism and PSO approach

In this paper, a four-dimensional coordinated path planning algorithm for multiple UAVs is proposed, in which time variable is taken into account for each UAV as well as collision free and obstacle avoidance. A Spatial Refined Voting Mechanism(SRVM) is designed for standard Particle Swarm Optimization(PSO) to overcome the defects of local optimal and slow convergence.For each generation candidate particle positions are recorded and an adaptive cube is formed with own adaptive side length to indicate occupied regions. Then space voting begins and is sorted based on voting results, whose centers with bigger voting counts are seen as sub-optimal positions. The average of all particles of corresponding dimensions are calculated as the refined solutions. A time coordination method is developed by generating specified candidate paths for every UAV, making them arrive the same destination with the same time consumption. A spatial-temporal collision avoidance technique is introduced to make collision free. Distance to destination is constructed to improve the searching accuracy and velocity of particles. In addition, the objective function is redesigned by considering the obstacle and threat avoidance, Estimated Time of Arrival(ETA), separation maintenance and UAV self-constraints. Experimental results prove the effectiveness and efficiency of the algorithm.     

低空无人机路径规划算法综述

随着无人机技术的发展,无人机在低空的应用场景越来越多,复杂的低空环境对无人机路径规划算法提出了新的要求。本文总结了近年来常用的无人机路径规划算法,包括图搜索算法,线性规划算法,智能优化算法（遗传算法、粒子群算法、蚁群算法）,强化学习算法;对这些算法的原理、适用场景及其优缺点进行了归纳分析;并基于无人机发展现状对无人机路径规划算法进行了展望。     

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。     

基于改进人工势场法的无人机避让航迹规划

随着无人机技术的不断发展，以及无人机应用领域的不断扩展，无人机与有人机在低空空域的融合运行是我国通用航空事业发展的必然趋势，而感知与规避技术是无人机与有人机间避免碰撞的重要保障。在对感知与规避技术进行详细阐述的基础上，对其关键技术问题之一的避让航迹规划进行了研究。首先，针对传统人工势场法的局部震荡问题提出了解决方案；其次，结合感知与规避实际背景，对威胁区模型进行了优化，并对无人机自身性能约束进行了建模；最后，对改进算法进行了仿真验证，阐明了其对无人机动力能源消耗、避让时间和任务执行效率等方面的影响。     

基于改进人工势场算法的无人机群避障算法研究

针对无人机运动避障人工势场算法本身存在的极小值问题和局部最小值问题，采用改进的人工势场算法，提出了一种新的路径规划方法。不同于目前的人工势场法，该模型从双机相互作用开始，在障碍物斥力的基础上，增加了无人机之间的斥力，同时定义集群的前置形心作为另一个引力源。算法分析表明，该方法能够有效避免无人机陷入局部最小值，并增强了无人机机群的控制和避障能力。基于该无人机控制模型，给出了路径规划设计并进行了仿真实验。实验结果表明，基于该模型的无人机机群控制具有更好的避障性能和追踪目标的能力。     

固定翼无人机编队集结控制算法研究

针对固定翼无人机协同作战时的编队集结问题，提出了一种新的路径规划和位置分配方法，并设计了包括航迹跟踪、高度保持和速度控制在内的自动驾驶仪。该路径规划算法通过矩阵迭代得到一组较优的目标点分配方案，满足总航程较小和同时到达约束。根据得到的各无人机飞向目标点的航迹，算出无人机编队集结的代价矩阵。在每架无人机确定了应飞航路后，开始沿航路飞向目标点，在此过程中，纵向采用高度保持自动驾驶仪，横向采用航迹跟踪自动驾驶仪，控制无人机按规定航迹飞行。速度调节自动驾驶仪可根据速度指令调节油门大小加减速，跟踪上目标速度，进而实现编队集结。仿真结果验证了所提出的编队集结控制方法的有效性和可行性。     

高空长航时无人机总体参数多目标优化

以高空长航时无人机的总体方案研究为背景,对高空长航时无人机总体参数建立了多目标优化模型,运用多目标遗传算法进行优化设计,最后通过建立的计算机程序得出优化结果.多目标优化用于高空长航时无人机总体参数优化,可以更加合理地评价高空长航时无人机的总体参数的最佳组合,避免设计上的缺陷,提高设计效率.结果表明,高空长航时无人机优化后的总体性能得到改善,说明该方法适用于高空长航时无人机总体方案的优化设计,对方案研究有一定参考价值.