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。     

卫星编队队形重构避碰技术研究

提出了一种新的考虑避碰约束的编队队形重构路径规划方法.首先通过常规编队重构规划方法得出各星的机动策略,以此预测重构过程中各星最小距离,将此最小距离大于安全距离作为约束条件,重新规划出队形重构轨迹.仿真结果表明,该方法计算量小,能够快速地规划出考虑避碰约束时的队形重构卫星机动轨迹,且能有效节省能量消耗.     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

基于改进烟花?蚁群算法的海流环境下水下无人潜航器的避障路径规划

针对有海流和障碍物影响的环境中的水下无人潜航器(Unmanned Underwater Vehicle, UUV）的二维自主路径规划问题，应用改进烟花-蚁群混合算法进行了求解。首先，建立了含有随机分布障碍物的二维Lamb涡流海流环境模型，将圆形障碍物等效为方形栅格。其次，综合考虑能量消耗代价、航行时间代价、航行距离代价等优化目标，建立了路径规划数学模型。最后，应用改进烟花-蚁群混合算法对该非线性优化问题进行了求解，并进行了仿真实验。实验结果表明，该算法能够快速寻找到全局最优解，为水下无人潜航器的自主路径规划提供了一个新途径。     

考虑UAV性能约束的变速度自主避障算法研究

动态不确定环境下,为有效地提升UAV执行任务的安全性和可靠性,在UAV自主避障过程中考虑了自身的性能约束条件.在速度障碍圆弧法的基础上,考虑UAV的法向和纵向加速度约束范围,研究了速度障碍圆弧随速度矢量变化的规律,提出了一种考虑UAV性能约束的变速度自主避障算法.该算法在考虑自身性能约束条件下,为实现UAV对威胁障碍的避碰提供了更大的避碰裕度.最后,对考虑UAV性能约束的变速度自主避障算法进行了验证,仿真结果证明了算法的有效性和可行性.     

基于强化学习的多无人机避碰计算制导方法

针对大量固定翼无人机在有限空域内的协同避碰问题,提出了一种基于多智能体深度强化学习的计算制导方法。首先,将避碰制导过程抽象为序列决策问题,通过马尔可夫博弈理论对其进行数学描述。然后提出了一种基于深度神经网络技术的自主避碰制导决策方法,该网络使用改进的Actor-Critic模型进行训练,设计了实现该方法的机器学习架构,并给出了相关神经网络结构和机间协调机制。最后建立了一个实体数量可变的飞行场景模拟器,在其中进行"集中训练"和"分布执行"。为了验证算法的性能,在高航路密度场景中进行了仿真实验。仿真结果表明,提出的在线计算制导方法能够有效地降低多无人机在飞行过程中的碰撞概率,且对高航路密度场景具有很好的适应性。     

一种基于PH螺线的避障重规划路径修正方法

针对现有避障算法忽略重规划路径侵犯威胁障碍物安全圆的问题,提出了一种基于Pythagorean Hodograph(PH)螺线修正避障重规划路径的方法.该方法能够考虑无人飞行器路径规划的相关性能约束,且较其他路径修正算法复杂度较低、实时性高,能够满足UAV在线规避动静态障碍物的要求.仿真结果验证了该方法的有效性和可行性.     

基于势函数的护卫队形控制

利用Multi—agent理论研究一类位置一速度模型的护卫队形控制问题。研究的问题中同时考虑队形实现和过程避碰两个因素,基于势函数方法给出了控制器设计．在设计的控制器作用下,编队中的护卫者能按指定队形护卫被护卫者,并保证在运动过程中编队成员间不发生碰撞。     

基于改进人工势场法的无人直升机三维航迹规划

针对民用直升机的复杂贴地环境,开展了预设障碍物环境结合无人直升机飞行性能包线约束的航迹规划研究。首先,基于障碍物建模方法设计了航迹规划算法,解决了传统人工势场法较难适用于三维环境下无人直升机航迹规划的诸多问题,提出了一种改进的人工势场算法并扩展至三维空间。然后,针对三维环境中的目标不可达问题,建立了一种基于相对距离判断的斥力势场函数方法;针对局部极小值问题,发展了一种基于无人直升机飞行性能约束的航迹点回溯法以逃离出局部极小值区域的方法。最后,通过仿真验证分析了该算法的有效性。仿真结果表明：改进的人工势场法能够有效克服传统人工势场法的不足,实现无人直升机在飞行性能包线约束下的三维航迹规划。     

自由漂浮空间机器人点到点避奇异运动控制方法

针对具有冗余机械臂的自由漂浮空间机器人（Free Floating Space Robot, FFSR）点到点避免奇异性规划和控制问题,提出了一种冗余FFSR的点到点避免奇异控制方法。首先,该方法基于离散状态依赖李卡提方程（DSDRE）控制器设计方法,利用FFSR的动力学和运动学方程实现了FFSR系统方程的伪线性重构;然后,基于伪线性重构系统及DSDRE状态调节器设计方法实现了FFSR的关节角速度和末端位姿的同时跟踪控制;其次,根据跟踪控制器对FFSR广义雅克比矩阵（GJM）行满秩的设计要求,定义FFSR的奇异性判别依据,构造了避奇异约束函数;再次,由于冗余FFSR系统具有多逆运动学解特点,考虑关节角及关节角速度约束,结合避奇异约束函数设计了FFSR的期望轨迹在线规划器,进一步将设计的跟踪控制器与规划器相结合提出了冗余FFSR末端点到点避奇异运动控制方法。最后,为验证所提方法的有效性同时考虑简化计算,采用平面4连杆FFSR模型进行数值仿真,仿真结果表明所提点到点避奇异运动控制方法能够有效实现冗余FFSR系统的点到点避奇异运动。     

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%。     

考虑侧风情况下的无人机自主导航控制技术研究

随着无人机应用范围的扩大,要求无人机能精确跟踪预定航线.介绍了无人机侧向导航控制律、切换准则和控制参数的限定;分析了侧风对无人机自主飞行时姿态的影响,以及在一种常用侧向控制律下形成侧风偏差的原因,给出了解决的办法.Matlab软件数字仿真的结果对比表明了控制系统抗侧风偏差的有效性.     

复杂环境下翼伞系统的组合式航迹规划

传统翼伞系统的航迹规划主要考虑落点精度及逆风着陆等指标,而当空投区域环境较为复杂,在翼伞系统归航路径上存在障碍时,如何规避这些障碍也成为翼伞系统航迹规划所必须要考虑的因素。针对翼伞空投过程有可能遇到高山或者高大建筑物阻碍的问题,提出了一种复杂环境下翼伞系统的组合式航迹规划策略。该方法将翼伞空投的区域分为障碍区和着陆区,在障碍区中采用快速搜索随机树（RRT）算法进行可行路径搜索,考虑到RRT算法生成的轨迹包含棱角,导致路径不够平滑的问题,结合翼伞系统质点模型的运动特性,对其进行了适用性改进,以使规划的航迹满足实际翼伞空投需求。为了解决RRT算法搜索方向随机,难以满足逆风着陆的问题,当翼伞系统进入着陆区后采用分段归航的方式设计航迹,并借助遗传算法（GA）求解目标参数,实现翼伞系统能量控制及逆风着陆。提出的复杂环境下翼伞系统的组合式航迹规划策略求解速度较快,能够同时满足翼伞系统避障、能量控制及逆风着陆要求,得到的参考航迹较为平滑。     

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。     

基于A~*定长搜索算法的多无人机协同航迹规划

基于多无人机同时作业情况下的航迹规划问题,提出了一种A*定长航迹搜索算法.该算法通过选择代价值最接近给定值的节点作为最佳节点,得到定长规划航迹,接着进一步通过限定最佳节点的选择范围,改善了航迹的可飞性.仿真结果表明,利用该算法规划的定长航迹长度误差可以控制在1.4％以内,协同航迹长度误差可以控制在0.8％以内,能够满足多无人机同时到达的一般要求.     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

UAV feasible path planning based on disturbed fluid and trajectory propagation

In this paper, a novel algorithm based on disturbed fluid and trajectory propagation is developed to solve the three-dimensional(3-D) path planning problem of unmanned aerial vehicle(UAV) in static environment.Firstly, inspired by the phenomenon of streamlines avoiding obstacles, the algorithm based on disturbed fluid is developed and broadened.The effect of obstacles on original fluid field is quantified by the perturbation matrix, where the tangential matrix is first introduced.By modifying the original flow field, the modified one is then obtained, where the streamlines can be regarded as planned paths.And the path proves to avoid all obstacles smoothly and swiftly, follow the shape of obstacles effectively and reach the destination eventually.Then, by considering the kinematics and dynamics equations of UAV, the method called trajectory propagation is adopted to judge the feasibility of the path.If the planned path is unfeasible, repulsive and tangential parameters in the perturbation matrix will be adjusted adaptively based on the resolved state variables of UAV.In most cases, a flyable path can be obtained eventually.Simulation results demonstrate the effectiveness of this method.     

城市风场环境中的无人机快速航迹规划方法

密集的城市障碍环境以及复杂的城市风场干扰对航迹规划的实时性和航迹跟踪的准确性提出了严格要求,为此提出一种城市风场环境中的小型无人机(UAVs)快速航迹规划方法。首先,为了保证航迹规划的高效性,对固定翼无人机运动学方程进行了合理简化。其次,由于障碍环境中的最优航迹难以直接完全塑造,因此根据状态受限的最优控制理论给出了可以使用螺旋线与直线构建近似最优航迹的结论,并据此提出了一种针对城市环境的三维航迹规划方法。然后,通过对无人机运动学模型的分析,从规划角度提出了风场干扰下的航迹设计准则。仿真实验中,首先通过算法对比实验,验证了航迹规划方法的高效性;然后使用六自由度(DOF)飞机模型分别在无风场干扰和有风场干扰的环境下进行了航迹跟踪实验,实验结果证明了风场干扰下航迹设计准则的有效性。     

无人水面艇自适应路径跟踪算法

路径跟踪作为无人水面艇（Unmanned Surface Vehicle, USV）控制系统中必不可少的底层模块，受到国内外无人水面艇研究人员的普遍关注。为了提高无人水面艇路径跟踪的准确性和自适应性，提出了一种基于Mamdani模型的自适应模糊LOS控制策略(Mamdani Based on Line-of-Sight，MLOS）。相比传统LOS控制策略，该算法通过模糊控制修正LOS控制参数，削减了速度与LOS制导律之间的耦合，确保了路线跟踪的完成度，并且避免了传统LOS各项参数固定、不能实时调整而导致的船舶操纵性无法被充分利用的缺点。基于欠驱动水面滑行艇数学模型，通过理论分析和仿真试验证明了该算法的优越性和有效性。