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。     

集群无人机队形重构及虚拟仿真验证

队形重构是集群无人机（UAV）控制的重要问题，指无人机按照要求安全、无碰撞地从一个队形变换到另一个队形，其难点在于快速规划最优安全轨迹并控制无人机进行轨迹姿态的高精度跟踪。针对集群无人机队形重构的上述问题，首先，基于CAPT（Concurrent Assignment and Planning of Trajectories）算法，解决了多无人机的目标分配和轨迹生成的实时性问题，实现了集群无人机的最优安全路径规划；其次，提出一种有限时间多变量积分滑模连续控制算法，解决了无人机轨迹姿态的高精度跟踪问题，并通过MATLAB仿真验证了该控制算法的有效性；最后，为了更加真实直观地演示无人机三维仿真效果，建立了基于Gazebo-ROS的无人机仿真平台，实现了12架四旋翼无人机队形重构"建模-仿真-可视化"的一体化仿真演示，验证了上述路径规划算法和轨迹姿态控制算法的有效性。     

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。     

改进速度障碍法的无人机局部路径规划算法

针对无人机基于环境感知进行局部路径再规划的实时与安全性问题，提出了一种基于改进速度障碍法的局部路径避障规划算法。将传统速度障碍法拓展到三维空间中，建立三维空间速度障碍模型，将机动性动态障碍物在速度空间中的运动不确定转化为位置不确定，实时性更好，提高了避障水平与安全裕度；通过定义和引入自适应威胁距离，提高了无人机在避障过程中对原航迹的利用率；利用空间几何分析，求解无人机空间自主避障的最优速度，实现局部路径动态实时规划。通过比较分析对遇、追击和交叉3种场景下的局部路径避障规划仿真结果，验证了该算法的实时性、可行性和有效性。     

固定翼无人机紧密编队的鲁棒协同跟踪控制

固定翼无人机（UAV）具有典型的欠驱动、非线性等特点,导致航点自主跟踪设计难度大,同时紧密编队飞行过程中无人机之间运动耦合与气动干扰明显,进一步增加了高性能控制设计难度。为此,本文针对固定翼无人机紧密编队飞行的航点自主跟踪问题,综合考虑轨迹平滑性、运动协同性和跟踪鲁棒性等需求,依托全驱系统建模方法提出了一种多层次鲁棒协同跟踪控制架构。该架构包括上层运动规划、中层协同滤波及底层鲁棒协同跟踪控制3个核心部分。上层运动规划根据离散航点指令,融合虚拟结构法和迭代线性二次型优化,实时生成可行、平滑的运动轨迹。在此基础上,为改善跟踪控制的瞬态性能,引入分布式协同滤波思想,对规划轨迹进行滤波处理,生成每架无人机个体的参考信号。最后,考虑到紧密编队中气动耦合与系统不确定性等挑战,设计了一种基于不确定性及干扰观测器的鲁棒协同跟踪控制方法,实现了编队轨迹的精确跟踪以及队形的可靠保持。所提出的鲁棒协同跟踪控制架构考虑了紧密编队飞行中的多种约束与挑战,实现了编队运动规划与跟踪控制的综合设计,可以有效提升系统自主性、协同性和鲁棒性。最后,通过5架固定翼无人机的紧密编队飞行仿真对所提方法进行综合测试,验证了方法的...     

障碍地形下的机器人轮足复合越障步态规划方法

为提高轮足复合机器人在障碍地形下的稳定性与通行效率，提出了一种轮足复合越障步态规划方法。首先基于轮足复合运动模式提出了一种机器人位姿调整算法，并给出了相应的足端轨迹方程与重心轨迹方程。其次基于轮足复合运动的运动学方程，给出了位姿调整阶段的轮速规划算法，使得每条腿足端轮子的滚动速度与足端的轨迹相匹配，以确保轮子在地面滚动时不发生滑动。虚拟样机仿真结果表明，应用该步态规划算法，机器人能够自主平稳地穿越障碍地形，从而验证了方法的有效性。     

月球探测器路径规划的基于案例的学习算法研究

讨论了基于案例的学习方法在月球探测器局部路径规划中的应用问题。基于案例的学习算法是人工智能中的一种学习方法 ,它根据过去的经验进行学习及问题求解 ,是一种增量式的学习过程。本文对基于案例的学习方法在月球探测器路径规划中的应用框架进行了一些讨论 ,提出了一些算法。     

考虑运动学约束的不规则目标遗传避碰规划算法

 针对复杂环境下不规则目标的路径规划问题,提出了一种带有运动学约束的遗传避碰规划算法。以舰载机在航母甲板上的路径规划问题作为研究对象,并且该算法可推广至其他具有此类约束的路径规划问题中,它较好地解决了目标形状复杂、障碍环境复杂、目标运动时带有回转半径约束等特殊问题。在传统遗传路径规划算法的基础上,针对性地设计了三维位置和姿态混合编码、三段法路径解码、轨迹包围盒的碰撞检测及距离计算等方法,并在遗传操作中引入惩罚项和修补策略来辅助算法寻优。最后,为得出复杂环境下的最优路径,基于VC++平台对算法进行了仿真验证。结果表明,在复杂障碍环境下,本文提出的算法可求得最优避碰路径,并满足预先设定的目标回转半径约束,能够有效地解决此类目标的避碰路径规划问题。     

结合跳点引导的无人机随机搜索避撞决策方法

针对无人机在城市空域环境和密集交通流下的避撞决策问题，提出马尔科夫决策过程（MDP）和蒙特卡洛树搜索（MCTS）算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限，容易陷入局部最优，导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势，建立离散路径点引导无人机并改进奖励函数来权衡飞行路线，在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真，其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中，改进后的算法相对于原始的蒙特卡洛树搜索算法，其冲突概率降低了36%并且飞行时间缩短47.8%。     

受限航路空域自主航迹规划与冲突管理技术

为了解决在基于航迹运行的空中交通管理自动化系统中人机意识同步的问题，以航路运行为对象，开展了面向受限空域的自主四维航迹（4DT）冲突探测与解脱（CD&R）技术研究。基于自由航线空域（FRA）环境，提出基于栅格的空域离散化处理与计算方法；在此基础上，提出受限空域自主航迹运行两阶段方法：阶段1运用可视图（VG）法和Dijkstra算法，实现了满足限制区约束的航空器期望航迹快速规划；阶段2提出航迹可达时空域模型及其图形化表达方法，并基于连续飞行动力学推导出了不同情况下的航空器位置更新模型，并采用局部冲突探测与解脱方法，以飞行距离最短为目标，实现航空器自主路径与速度联动规划，从而支撑空地、人机认知同步的无冲突四维航迹生成；最后，以中国西部典型空域为运行场景开展仿真实验，验证了所提方法的计算高效性和模型有效性，并对栅格尺寸和探测距离这2个关键参数进行了灵敏度分析。结果表明，所提方法能够支撑复杂空域高密度运行环境自主航迹运行，为推动自主空中交通系统发展提供了新思路和新方法。     

模块化可重构卫星在轨自重构的分层规划

模块化可重构卫星具有组织灵活、操作方便、适应性强等特点，可以有效降低卫星研制和发射成本、提高卫星对紧急任务的响应速度、延长卫星寿命。重构规划问题对模块的具体移动方式进行求解，是实现自重构需要解决的核心问题之一。针对同构式旋转立方结构，给出其离散运动模型，推导出运动空间求解算法。为降低重构规划问题的不确定性和复杂程度，采用分层规划策略，将规划任务分解为设计中间构型的上层规划和求解实现中间构型移动方式的下层规划，每层规划内部独立进行求解。设计了利用Kuhn-Munkres算法实现上层规划的重构规划算法，使中间构型具有较小的结构跨度，特别适合在轨自重构的重构规划问题求解。仿真结果表明了所提规划策略和所设计规划算法的可行性和有效性。     

基于改进冲突搜索的多智能体路径规划算法

多智能体路径规划问题在航空航天领域的多机任务中应用广泛但求解困难。基于改进冲突搜索的算法被设计用来快速求解多智能体路径规划问题。全局路径规划方面，首先设计综合考虑路径代价总和以及最大完工时间的多目标代价函数，其次提出基于唯一最短路径的冲突分类及消解方案，降低多智能体路径规划的计算量。在线冲突消解方面，利用速度障碍法在线检测和消解智能体与动态障碍物间的突发冲突。仿真结果表明，本文算法在全局路径规划方面保留基于冲突搜索算法的最优性并且降低了算法计算量，同时本文算法能够有效实现在线冲突检测与消解。     

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。     

非匹配包线下无人机空基回收拖曳系统协调运动规划

针对非匹配包线下固定翼无人机（UAV）拖曳式空基回收过程中的浮标轨迹稳定问题，提出一种盘旋拖曳系统运动规划方法，通过实时协调母机运动和缆绳收放从而实现浮标拖曳轨道精准稳定。首先，构建气流扰动下考虑缆绳弹性和收放特性的母机-缆绳-浮标组合体多体动力学模型。继而，综合考虑拖曳系统动力学约束和母机飞行能力、缆绳收放能力等物理约束，分别建立基于母机运动和基于母机运动-缆绳收放协调的盘旋拖曳系统运动规划最优控制模型。随后，采用hp自适应Radau伪谱法将所建最优控制模型转化为非线性规划问题，并通过SNOPT求解器解算。最终，通过平静大气下母机运动规划、常值风扰下母机运动规划和常值风扰下母机运动-缆绳收放协调运动规划等典型场景下的仿真实验对比分析表明，本方法可实现一定气流扰动和拖曳系统物理约束下浮标拖曳轨道精准稳定。     

基于多智能体强化学习的空间机械臂轨迹规划

针对某型六自由度（DOF）空间漂浮机械臂对运动目标捕捉场景,开展了基于深度强化学习的在线轨迹规划方法研究。首先给出了机械臂DH （Denavit-Hartenberg）模型,考虑组合体力学耦合特性建立了多刚体运动学和动力学模型。然后提出了一种改进深度确定性策略梯度算法,以各关节为决策智能体建立了多智能体自学习系统。而后建立了"线下集中学习,线上分布执行"的空间机械臂对匀速直线运动目标捕捉训练系统,构建以目标相对距离和总操作时间为参数的奖励函数。最后通过数学仿真验证,实现了机械臂对各向匀速运动目标的快速捕捉,平均完成耗时5.4 s。与传统基于随机采样的规划算法对比,本文提出的自主决策运动规划方法求解速度和鲁棒性更优。     

飞行器航迹规划算法综述

首先给出了飞行器航迹规划的概念和问题描述对航迹规划算法中的轨迹优化、路径规划和基于类比的航迹规划进行了分类介绍，其次对多飞行器编队航迹规划的两种控制方式进行了简单说明．最后指出了航迹规划中需要进一步研究的问题。     

规则回转体自动铺丝轨迹规划与丝束增减

为满足自动铺丝轨迹的满铺覆性要求，针对现阶段自动铺丝轨迹规划存在的不足，提出了不同的丝束增减算法。首先讨论纤维铺放方向的确定和中心轨迹数量的计算，设计不同铺放方向轨迹的生成算法。然后以丝束重叠系数为重要参数，对于纤维局部堆积和空缺问题提出单侧纤维裁剪算法和双侧纤维裁剪算法，并对裁剪后的重叠区域和间隙区域进行面积求解，使得纤维丝束均匀覆于芯模表面。最后基于CATIA CAA二次开发平台，将上述算法集成到纤维铺放CAD系统中，通过运动仿真系统验证算法的正确性。利用提出的丝束增减算法，实现了间隙/重叠区的均匀分布，尽量降低了富树脂区等相关缺陷的聚集对性能的不良影响。     

基于进化算法的测控飞机跟踪路径规划

提出一种基于进化算法的测控飞机跟踪路径规划方法,对进化算法进行了简单介绍,给出了规划算法的计算条件、算法要素和流程,并对3种假想的目标轨迹给出了规划结果。规划结果显示,该方法是可行的。     

非合作目标交会的双层MPC全局轨迹规划控制

针对空间非合作目标近距离视线交会中的全局最优鲁棒轨迹规划与控制问题,提出了基于高斯伪谱方法（GPM）和线性时变模型预测控制（LTVMPC）的双层模型预测控制（MPC）算法。在轨迹规划方面,以视线坐标系下的相对轨道动力学为模型、能量最少和控制精度最优为性能指标构建最优控制问题,利用GPM精度高、收敛速度快的特点将最优控制问题转化为易于求解的全局非线性规划问题,在MPC框架下求解得到全局最优的标称轨迹,克服了传统的MPC不适用于全局大范围非线性规划的缺点;在轨迹跟踪控制方面,考虑预测时域内状态转移矩阵的时变特性,设计了LTVMPC算法对标称轨迹进行追踪,避免了存在不确定性时轨迹的重规划,从而降低在线计算量,保证算法在线自主实施,并且采用滚动优化的策略使算法对不确定性具有鲁棒性。由于规划层和控制层考虑的约束相同,因此规划的轨迹是可控、可达的。数字仿真表明,在燃料消耗和交会时间等方面,提出的方法均显著优于传统的MPC方法,相较于传统的MPC方法,新算法的交会时间减少50%左右,燃料消耗降低30%以上。     

固定翼无人机编队的启发分布式模型预测控制

针对无人机编队飞行控制中队形保持、路径规划、重构、防撞等多重功能需求,采用启发型分布式模型预测控制框架,将需求转化为多目标优化问题中的代价函数与相容性约束求解,实现了对无人机编队飞行的一体化控制.同时,采用分阶段式的轨迹规划算法,融合模型预测轨迹规划与多项式轨迹规划,利用多项式轨迹系数实现高效的邻居轨迹信息交互,从而增大了模型预测控制的预测范围,并降低了规划控制过程中的计算量与通信量.最后,通过9架无人机的协同避障编队仿真,证明了该方法的有效性.