无人机航路规划研究

无人机航路规划的目的是无人机具有对象复杂任务进行快速规划重规划的能力，其中快速而有效的重规划尤其重要。在无人机飞行任务过程中，无人机需要根据局部地形、地貌、威胁等信息以及飞机本身机动能力的限制，实时地计算出飞行航路，并跟踪该航路完成了飞行任务。本文通过比较各种算法在航路规划应用中的优劣性，提出了Dynapath（动态规划）算法在无人机航路规划中的应用，给出了仿真结果。仿真结果表明：Dy-napath算法生成的最优参考航路基本上满足无人机任务飞行的要求，获得了良好的飞行品质。     

基于蚁群和粒子群的混合光网络路由优化算法

基于蚁群算法和粒子群算法的特性,提出解决光网络路由问题的混合算法。研究了将粒子群算法生成的信息素作为蚁群算法的初始解,然后利用蚁群算法寻找更优解,再由粒子群算法进行变异、交叉操作,得到了"三阶段"的混合算法。仿真结果表明,在解决光网络路由问题时,混合算法比其他几种优化算法效果较好。     

基于地面安全约束的无人机航路规划研究（英文）

随着无人机数量和飞行时间的快速增长,由无人机飞行风险引起的安全事故也逐渐增多。安全航路规划是在战略层面降低无人机运行风险的有效手段。考虑无人机航路的安全代价,基于地面风险评估提出了一种无人机安全航路规划模型。将航路下方区域栅格化处理,以每飞行小时地面人员伤亡率为量化指标,定义各栅格安全系数,并根据栅格安全系数构造航路安全代价函数。建立了兼顾航路安全性和飞行距离的总代价函数,并通过改进蚁群算法进行航路规划。模型的有效性通过城市空域物流无人机航路规划进行验证。结果表明,考虑地面安全约束的航路规划模型在无人机总飞行时间增加不大的情况下,能显著提高航路的整体安全性。     

基于改进蚁群算法的无人机冲突解脱技术（英文）

基于ADS-B监视数据,提出了一种基于线性外推法的机载无人机冲突探测与解脱方法,为可能发生的冲突提供预警。为解决多无人机冲突问题,引入基本蚁群算法,并通过加入速度调整策略来优化传统的基本蚁群算法的冲突简化模型。提出了一种基于速度调整策略和航向调整策略的多无人机冲突解脱方案。通过加入排序系统和角度信息,改进了蚁群算法。结果表明,改进的蚁群算法可为空域内多无人机规划无人机冲突解脱路径。改进后的蚁群算法,提高了计算效率,收敛出最优化目标所需时间减少了43.9%,且最终总延误距离减少了58.4%。     

固定翼无人机的4D无冲突航迹规划（英文）

基于4D航迹的运行(Four-dimensional trajectory-based operation,4D-TBO)有利于增强高效飞行的计划和执行,减少潜在冲突并解决即将出现的巨大航班需求。大多数与4D航迹规划有关的研究都集中在有人驾驶飞机上,而不是无人驾驶飞机(Unmanned aerial vehicle,UAV)。本文着重于为起飞前或飞行期间的固定翼无人机规划无冲突的4D航迹。文中提出了一种基于Tau理论的4D航迹生成技术,该技术将时间约束的飞行航路点纳入了飞行计划中。然后,通过粒子群优化(Particle swarm optimization,PSO)算法对4D航迹进行优化。仿真实验证明了所提出方法的有效性。     

一种新PSO混合算法在直升机配平中的应用

直升机配平计算是动力学分析的基础,其实质是求解高维复杂的非线性方程组。针对经典算法与智能算法的特点与不足,提出了一种求解非线性方程组的新粒子群方法。在粒子群(Particle swarm optimization, PSO)算法的基础上,根据模拟退火(Simulated annealing, SA)思想,引入了嵌入式LM (Levenberg-marquardt)优化 算子。该方法充分发挥了3种算法的优势,克服了LM算法初值敏感性,PSO算法易陷入局部极值等问题。通过UH-60A直升机实例配平计算,验证了本文算例模型的准确性。在此基础 上,针对某一前飞状态下的配平算例,在收敛可靠性和计算效率上通过与其他算法进行对比,表明该算法具有可靠的收敛性和较高的计算效率,进一步验证了该算法在配平问题上的可信度与实用性,为直升机飞行动力学问题的处理提供了一种新的有效方法。     

基于经验直觉的无人机威胁规避机动决策方法

针对无人机飞行过程中遇到威胁需要及时安全规避的问题,本文提出一种基于经验直觉的无人机机动规避决策算法.首先将无人机威胁安全规避机动过程中所获取的态势信息,按照规避机动区域进行结构化处理并标注相应的机动决策标签,建立基于数据的无人机情景决策知识库.其次,利用无人机情景决策知识库中的数据训练长短时记忆网络以实现情景与机动决...     

边缘网络下多无人机协同计算和资源分配联合优化策略

针对边缘网络环境下多人机之间存在计算负载不均，造成卸载任务失败的问题，提出了一种多无人机间协作的智能任务卸载方案。通过联合考虑多无人机任务分配、计算资源分配和无人机飞行轨迹，引入公平性指数建立了无人机公平负载最大化和能量消耗最小化问题。基于多智能体深度强化学习框架，提出了融合轨迹规划和任务卸载的分布式算法。仿真结果表明，所提出的多无人机协作方案可以显著提高任务完成率和负载公平度，并且有效适用于大规模用户设备场景。     

基于PEV准则的不确定随机多目标规划问题求解

为解决独立变量的不确定随机多目标规划问题在传统求解中存在分析不全面等问题,在期望值-方差准则下提出了一种新的求解方法。基于机会理论,引入不确定随机变量,在此基础上提出了不确定随机多目标规划问题;引入不确定随机变量的序关系,利用变量间的序关系把不确定随机多目标规划问题转化成不确定随机单目标规划问题,并通过期望值-方差准则把不确定随机单目标规划问题转化成确定的单目标规划问题进行求解;通过理论推导证明,在新准则下转化后的问题得到的最优解是原不确定随机多目标规划问题的有效解;最后,通过对无人机情报侦察监视任务分配问题的求解,利用改进的萤火虫算法求得有效飞行序列,验证了所提方法的可行性和有效性。     

一种基于负载均衡的多Agent路径规划算法

在分布式信息查询系统中,使用多个Agent协作完成查询任务是一种有效的方法,所有Agent的总行程影响网络的通信流量,单个Agent的最大负载决定了壹询任务的完成时间.现有方法大多研究如何减少Agent的总行程,未考虑Agent的负载均衡问题.本文提出一种基于负栽均衡的多Agent迁移路线规划(Load balancedmulti-agent planning,LBMAP)算法首先寻找图中一条包含所有节点的TSP回路,然后使用动态规划算法将该回路分为多段,每个Agent访问其中一段,算法兼顾了两个优化目标:最小化Agent的总行程、最小化Agent的关键负载.仿真实验表明:随着Agent平均访问节点数的增大,LBMAP算法的性能趋近于理论最优值.     

Cooperative Search of UAV Swarm Based on Ant Colony Optimization with Artificial Potential Field

An ant colony optimization with artificial potential field(ACOAPF)algorithm is proposed to solve the cooperative search mission planning problem of unmanned aerial vehicle(UAV) swarm. This algorithm adopts a distributed architecture where each UAV is considered as an ant and makes decision autonomously. At each decision step,the ants choose the next gird according to the state transition rule and update its own artificial potential field and pheromone map based on the current search results. Through iterations of this process,the cooperative search of UAV swarm for mission area is realized. The state transition rule is divided into two types. If the artificial potential force is larger than a threshold,the deterministic transition rule is adopted,otherwise a heuristic transition rule is used. The deterministic transition rule can ensure UAVs to avoid the threat or approach the target quickly. And the heuristics transition rule considering the pheromone and heuristic information ensures the continuous search of area with the goal of covering more unknown area and finding more targets. Finally,simulations are carried out to verify the effectiveness of the proposed ACOAPF algorithm for cooperative search mission of UAV swarm.     

基于速度矢量场的无人机实时动态航路规划

针对局域动态环境中无人机实时航路规划展开研究,提出了一种基于速度矢量场的二维动态实时航路规划方法。通过建立不同空间特征区域速度场模型,实现了速度场驱动下的无人机航路规划。文中采用虚拟目标点法解决了速度矢量场航路规划局部陷阱问题;采用探测步长法,实现了无人机机动约束的融合,解决了航路可飞性问题;在动态实时规划应用中,确立了环境信息更新方法,实现了对动态环境的描述。通过仿真验证,表明速度矢量场法能够根据动态环境信息及时规避威胁到达目标点,算法具有良好的完备性和实时性,适用于局域动态环境中的快速航迹规划。     

多旋翼无人机飞行控制自动调参技术

目前,多旋翼无人机控制器设计问题中存在着大量的依靠经验的调参工作。为了使调参简单而又可靠,本文基于控制器参数与控制系统性能响应存在的对应关系,提出了自动调参思想。在满足控制器各项性能指标的前提下,利用粒子群算法(Particle swarm optimization,PSO)提炼出优化目标和约束条件。对被控对象进行建模并搭建非线性模型。然后,利用工程实践方法估算出参数范围,并利用粒子群快速优化特点自动寻找在约束条件下符合性能指标的控制器参数。最后,通过Matlab/Simulink对模型进行仿真验证。仿真结果分析表明,PSD可快速准确地对飞行控制进行自动调参。     

Automatic UAV Positioning with Encoded Sign as Cooperative Target

In order to achieve the goal that unmanned aerial vehicle(UAV)automatically positioning during power inspection,a visual positioning method which utilizes encoded sign as cooperative target is proposed.Firstly,we discuss how to design the encoded sign and propose a robust decoding algorithm based on contour.Secondly,the Adaboost algorithm is used to train a classifier which can detect the encoded sign from image.Lastly,the position of UAV can be calculated by using the projective relation between the object points and their corresponding image points.Experiment includes two parts.First,simulated video data is used to verify the feasibility of the proposed method,and the results show that the average absolute error in each direction is below 0.02 m.Second,a video,acquired from an actual UAV flight,is used to calculate the position of UAV.The results show that the calculated trajectory is consistent with the actual flight path.The method runs at a speed of 0.153 sper frame.     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识，并结合粒子群算法，提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强，容易跳出局部最优陷井及启发式算法局部搜索能力强的优点，快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

基于改进微粒群算法的无人机姿态控制参数智能整定(英文)

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.     

基于数字地图预处理的实时航迹规划

地形跟随／地形回避，威胁回避（TF／TA2）实时航迹规划是自主式TF／TA2低空突防系统的关键技术之一，本文在数字地图预处理技术的基础上，提出了完全曲面的概念，从而使三维最优航迹规划转化为在安全曲面上的二维规划，降低民规划维数，减少了存储量和计算量，提高了实时航迹规划的速度，使之更适于在机载条件下实现，文中同时提出了对未预知崦由机载传感器实测到的障碍和威胁的处理方法，使最优航迹能有效地回避这些障碍和威胁，仿真结果表明，文中所提出的实时航迹规划算法是有效的。     

电弧熔丝增材制造复合填充路径规划算法

合理的路径规划可以提高电弧熔丝增材制造成形零件的表面质量和强度。针对电弧熔丝增材制造的特点,将多种增材制造路径规划算法相结合,提出了一种复合路径规划算法,实现了单空洞截面的填充,并进一步讨论了其他类型截面的路径规划方法。在填充截面过程中,内外表面采用轮廓偏置路径填充,保证了零件的表面质量;零件内部采用改进的扫描线算法进行填充,减少了空行程,提高了成形效率。实验验证了本文算法填充复杂截面轮廓的可行性。