基于HTGVNS算法的卡车与无人机协同配送方法

在现代物流中,针对最后一公里配送中的成本高昂、耗时长、道路不易通行等难题,首次引入卡车与无人机协同配送模式,并以总配送时间最小化为目标,建立混合整数规划模型(MIP)。提出一种新的混合禁忌可变邻域搜索算法(HTGVNS)进行求解。算法利用旅行商问题(TSP)求解器和系统性邻域变化的探索能力求解卡车路径,将客户分配给无人机形成聚类,再使用禁忌搜索过程来优化无人机路径。通过求解不同规模算例验证了所建模型的可行性和算法的有效性。结果表明卡车与无人机协同配送模式能有效地减少配送时间,提高配送效率。     

多投递下带时间窗的卡车与无人机协同配送问题

无人机因其碳排放少、灵活性高、成本低等优势被越来越多地用于物流配送。考虑到无人机单投递情况下负载利用不足和卡车在客户点等待客户时间窗开启过程的时间损失,针对带时间窗的卡车与无人机协同配送问题进行优化,提出一种多投递下带时间窗的卡车与无人机协同配送(VRPDTW-MD)问题。提出了基于VRPDTW-MD特点的遗传算法对其求解,算法中,设计了多种交汇节点变异算子、交汇节点修复算子和服务节点交叉算子,用于调整卡车与无人机相互之间的交会点以及访问点。通过不同类型与规模算例求解验证了问题和算法的有效性,分析了不同卡车与无人机协同配送模式对运营成本的影响,为“卡车+无人机”模式的配送路径规划提供决策依据。     

城市物流无人机飞行任务剖面构建与优化

无人机应用于物流行业中末端配送环节已成为未来的发展趋势。针对现有物流无人机路径规划研究中对起飞、爬升、下降、着陆及备降等飞行任务剖面考虑较少的问题,提出了完整飞行任务剖面构建与优化的方法。首先,通过实际调研,建立物流无人机飞行任务剖面及参数化表达方法。然后,建立各阶段飞行任务剖面的数学模型,并基于模拟退火算法和粒子群算法对物流无人机飞行任务剖面进行优化。研究结果表明,优化后的飞行任务剖面耗能显著优于原始任务剖面,并可提高运行效率。     

基于IMM-UIF的多无人机纯角度机动目标跟踪

针对单无人机不能及时捕捉到目标的运动状态信息,很容易跟丢目标的问题,结合无迹信息滤波(UIF)算法和交互多模型(IMM)算法,提出了基于IMM-UIF的多无人机分布式融合估计算法。将各个无人机上的观测信息传输至中心节点,并统一优化各无人机的控制输入。仿真结果表明,基于IMM-UIF的多无人机分布式融合估计算法比基于IMM-UIF的单无人机跟踪精度提高了约30%,有效融合多无人机平台的量测信息,实现对目标稳定的高精度跟踪。     

无人机车辆组合物流配送路径规划探讨

近年来无人机在各个领域的应用逐渐兴起,尤其是在物流运输领域发展迅速。在物流运输领域的应用主要是与车辆进行组合运输,国内外的学者针对无人机和车辆组合运输的路径规划问题进行了许多研究。主要论述了目前车辆和无人机组合运行的4种模式,包括车辆支持无人机运行模式、无人机支持车辆运行模式、无人机与车辆独立的运行模式、无人机和车辆同步的运行模式。探究了目前无人机和车辆组合路径规划问题考虑的因素,包括无人机电池电量、运送包裹数量和时间窗等。对有无人机参与的车辆路径规划问题的目标优化进行了总结,目前的研究主要分为3类,包括考虑最短配送时间、最小总成本和多目标规划。这些研究对未来无人机配送问题的研究具有重要的指导意义。     

基于多指标动态优先级的无人机协同路径规划

针对复杂城市环境下多无人机（UAVS）协同巡检、配送等任务,提出一种基于多指标动态优先级的协同路径规划方法,以节省运行成本和增加任务效率。综合考虑碰撞风险、总路程、等待时间等指标构建动态优先级模型,并在优先级单边避碰机制下,定制组合规避策略以处理局部冲突,更好地权衡协同规划效率和路径质量。针对无人机个体路径规划,在Lazy Theta*算法基础上引入拥堵权值地图,引导无人机避开拥堵区域,降低冲突发生可能性。对比仿真试验表明：提出的个体规划算法可以减少拥堵区域和降低拥堵持续时间,提出的多指标动态优先级协同规划算法相比于飞行时间驱动的动态优先级,能够提高规划效率和结果最优性。     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

高效粒子群算法研究及飞翼无人机气动隐身优化设计

针对飞翼布局无人机气动隐身多目标优化设计问题,以无人机翼面为设计对象,开展气动、隐身多目标优化设计研究。采用FFD方法实现飞翼布局的参数化表达;分别采用基于雷诺平均N-S方程的计算流体力学方法(CFD)及大面元物理光学法(LEPO)配合一致性几何绕射理论(UTD)计算边缘绕射场的RCS分析方法计算飞翼布局无人机的气动、隐身性能;选择结合基于动态超体积期望改善(EHVI)加点的动态Kriging代理模型与ASMOPSO算法的高效多目标粒子群算法对飞翼布局无人机进行综合寻优设计研究。在较少的调用真实目标函数的情况下,获得了比较优秀的Pareto前沿,通过对所选解的分析比较可知优化后的飞翼布局无人机在气动及隐身方面均优于原始构型。     

联合连通拓扑下多无人机编队控制

针对在联合连通拓扑条件下的多无人机系统,研究了具有二阶动力学系统模型的多无人机系统时变编队控制问题。基于一致性理论,设计了一致性控制器,将联合连通拓扑条件下的编队控制问题简化为低阶时间平均系统的渐进稳定性问题。利用Lyapunov函数证明了所设计的控制器能够实现编队控制,并利用线性矩阵不等式(LMI)方法给出了控制器的设计算法。在三维空间中,对多无人机系统进行了仿真,验证了所设计的一致性控制器能够使得多无人机系统在联合连通拓扑条件下形成时变编队。     

多无人机系统协同多任务分配模型与仿真

针对多约束条件下的多无人机系统协同多任务分配问题(CMTAP),提出了利用多约束条件下的多车场车辆路径问题(MDVRPMC)对协同多任务分配问题进行建模,在设计基于Pareto最优的遗传模拟退火算法的基础上,对存在任务点动态时间窗口约束、任务类型约束、无人机任务能力约束等条件下的协同多任务分配问题进行了求解.实例仿真表...     

基于蚁群算法的无人机协同多任务分配

采用蚁群算法对无人机协同多任务分配问题(CMTAP)进行研究。在通用CMTAP模型的基础上,综合考虑包括动态任务时间约束和无人机任务能力的差别多类复杂约束条件,建立扩展的协同多任务分配模型。在多子群蚁群算法的基础上,提出了基于分工机制的蚁群算法对CMTAP进行求解。根据协同多任务分配的特点,设计了基于任务能力评估的问题解构造策略和基于任务代价的状态转移规则,提高了算法的性能。仿真实验结果表明该方法能有效地解决无人机协同多任务分配问题。     

基于复杂网络的无人机飞行冲突解脱算法

为解决局部空域内的无人机（UAV）群相撞和可能发生连锁碰撞问题,创新地以复杂网络理论为基础,将无人机群的飞行冲突解脱分为关键节点选择和避撞方向选择2个步骤实施,最大限度地保证无人机群受威胁时的安全性。通过分析无人机群的状态信息,选择最重要无人机（关键节点）进行避撞,同时遵循鲁棒性最小原则进行避撞方向选择。通过2个典型无人机飞行案例的仿真实验,验证该策略不仅可以有效解决当前无人机的冲突问题,而且可以防止连锁碰撞,实现整体的最优化。大量仿真实验验证了所提算法的可行性和可扩展性,以及与随机选择方向避撞算法进行比较,结果表明该算法能够提升无人机群的安全性。     

基于阶层标识的无人机自主精准降落系统

随着微小型无人机（UAV）在航拍、测绘、环境监测、快递投送等民用领域的广泛应用,对微小型无人机的可用性和可靠性提出了更高的要求。为了使微小型无人机能够精确地完成自主降落,由于计算机视觉部署成本低、独立性强、信息丰富等特点,提出了通过识别匹配一种多层嵌套二维编码的阶层降落标识来进行相对定位的算法,并展示了与之对应的阶层标识检测及定位的无人机自主降落系统,由于编码的信息量与其他系统相比,具有高低空的高识别率、编码空间大等特点,故此系统可同时支持单个或多个停机坪的配置,且成本低廉,无需添加机载设备成本。最后对该系统进行仿真验证和实飞测试,表明所提出算法能够有效地实现无人机全自主降落。     

基于多机协作的认知无人机网络能效联合优化

针对无人机（UAV）通信网络中频谱资源紧缺的问题,构建基于认知无线电的多无人机通信网络,通过多机协作频谱感知有效探索授权频谱。提出一种基于Bisection算法的迭代算法,通过联合优化感知时间和判决门限对构建的复杂非凸问题求解,显著提高了无人机次级认知网络的能量效率（EE）。分析了无人机飞行过程中能效的变化情况,仿真结果表明,存在最优感知时间使能效获得最大值,且判决门限的选择会影响该能效最优值;提出的高能效迭代算法具有较好收敛性,有效提高了认知无人机网络的能量利用率。     

基于能量优化的无人机机动轨迹生成方法

基于能量优化的无人机机动能够使无人机在不失去决定性位置优势的情况下获取相对于对手的能量优势，足够的能量优势可转换为有效的位置优势，有利于无人机在空战中随时改出当前机动并投入下一机动动作，对于无人机获取空战胜利至关重要。开展了基于能量优化的无人机机动轨迹生成方法研究，通过在无人机机动飞行包线内设计合适的机动指令，使得无人机能量性能指标最优。以上升转弯机动为例进行了机动轨迹生成的详细设计，并与常规上升转弯机动轨迹生成结果进行对比，仿真结果显示所设计的机动动作完成时间缩短了28.6%~83.8%，总能量变化减少了64.7%~70.1%，实现了无人机机动飞行的能量优化。     

面向林火持续侦察的多无人机分布式控制方法

为解决目前面向林火持续侦察多无人机（UAV）协同控制实用性与自主性不足的问题，基于蔓延速度诱导元胞自动机（SVICA）林火蔓延算法、无人机与传感器建模，构建了较为真实的三维多无人机火场侦察仿真环境与侦察效能指标，提出了一种面向林火持续侦察的多无人机双层分布式控制架构，在行动层基于强化学习训练的人工神经网络（ANN），实现了有风条件下无人机自主火场环绕与地形跟随功能，在策略层设计通过时域均匀分布算法进行各无人机空速的离散自主调节，最终达到多无人机林火持续侦察时域分布的均匀性与即时性目的。通过一系列数值仿真实验，验证了所提出的无人机分布控制策略在无人机损失和补充突发情况下的自适应性。基于无人机数量与侦察效能指标关系的实验与研究，定义了无人机出动阈值并验证了无人机长时间出动回收策略。最终实验结果表明，针对林火持续侦察任务，所提出的多无人机分布式控制方法具备一定的有效性与实用性。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

通信和测量受限条件下异构多UAV分布式协同目标跟踪方法

研究了通信和测量受限的异构多无人机(UAV)网络化分布式协同目标观测与跟踪问题.该分布式UAV系统采用长机一僚机异构型网络结构,以实现在电子静默和战术隐身条件下扩大探测和打击纵深.提出改进的一致性信息滤波(ICF)算法,实现通信和测量范围内各UAV节点的分布式信息融合.由于一致性算法的收敛性与网络拓扑结构的连通性密切相...     

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。     

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。