多无人机协同路径规划研究综述

多无人机协同路径规划是多无人机协同控制的重要研究内容之一。首先介绍了多无人机协同路径规划的问题描述、数学模型和求解框架,然后总结出在路径规划中常见的几类环境表示方法,最后分别介绍了在多无人机协同路径规划中用到的几类路径规划算法。此外还提出了多无人机协同路径规划应关注的几个问题及可能的发展方向。     

多架无人机协同航路规划方法研究

根据敌方防御区域内雷达，导弹等威胁阵地的具体分布情况，采用划分Voronoi多边形的方法制订初始航路，然后对初始航路进行了合理的离散处理，最后采用动态链类比法调整航路，航程并对航路进行光顺处理，提出了一种协调多架无人机（UAVs）于同一时间到达目标点的航路规划方法，用数字仿真技术对该方法进行了验证，结果表明该方法是可行的。     

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。     

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。     

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。     

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。     

协同进化方法求解多中心卫星任务规划问题

 在分析多卫星中心内部特点及中心间关系的基础上建立了多中心协同规划问题(MCCOPP)的数学模型,提出了解决该问题的多中心合作协同进化规划算法(MCCCSPA)。MCCCSPA基于分治-合作策略,根据中心数目以及观测目标集合特点将观测目标分解分配至各中心;提出等长扩展二进制染色体编码方式有效表达问题的解,便于个体的交叉、变异、合作操作;并综合多中心个体代表合作求解本中心个体适应值;其中交叉、变异、合作算子在确保可行解的前提下保证各中心子种群的多样性、加快收敛速度。仿真实验及分析结果表明:该方法能够有效解决多中心协同的卫星任务规划问题。     

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.     

考虑协同航路规划的多无人机任务分配

针对多无人机任务分配与协同航路规划问题,以分布式合同网拍卖算法为基础,构建无人机集群任务拍卖架构与拍卖收益函数,结合模拟退火算法协调任务执行次序,采用A^*算法完成两任务点间航程预估,在任务分配阶段同步完成多无人机间协同航路的初规划,确定最佳任务执行次序,实现任务分配与协同航路规划的紧耦合。仿真结果表明,在考虑禁飞区、障碍威胁情况下,该算法能够有效完成多架无人机不同类型任务的分配,且目标分配、执行次序合理,总执行代价小,各机间负载均衡;在任务分配阶段考虑协同航路规划具有明显的效果,能够有效提高任务分配的合理性。     

基于任务协同的无人机多侦察载荷使用

为解决在复杂战场环境条件下无人机多侦察载荷的协同使用问题,文章在分析无人机侦察载荷性能特点和侦察作战使用的基础上,设计了4种多侦察载荷协同使用方案,构建了无人机的侦察效能评估模型,并用实例仿真了无人机在不同作战环境下的多载荷协同使用方案,检验了各方案在复杂电磁环境和恶劣气象条件下的侦察效能,验证了方案的有效性和可行性。     

无人机自主协同任务管理

面对日趋复杂的现代战场环境,单架无人机已无法完成指定的作战任务,使用不同用途无人机组成的作战编队可以大大提升作战能力。多无人机协同作战既要求提升无人机的自主性,使其能自主处理信息,对当前战术任务做出规划和预测,又要求在无人机群内要加强友机协同性,保证多目标决策的最优化。     

多类异构对地观测平台协同任务规划方法

目前,不同类型的对地观测平台之间缺乏有效的协同交互机制。这种孤立的资源管控模式难以应对多样且大量的对地观测需求。特别是在一些紧急情况下,如地震、武装冲突、洪涝灾害和森林火灾等,这种模式的弊端尤为突出。研究了多类异构观测资源,包括卫星、飞艇及无人机(UAV)的协同规划问题。首先,提出一种基于多Agent的分层协同规划框架,整合不同观测资源构成一个分布式和松耦合的对地观测系统。其次,将异构对地观测平台的协同规划问题转化为不同子规划中心间的任务分配问题。第三,针对该任务分配问题,提出一种结合禁忌列表模拟退火(SA-TL)算法,在该算法中融合了禁忌表策略,有效提高了算法的性能。仿真实验验证了多Agent协同框架的优越性和SA-TL算法的效率。     

多无人机协同搜索区域划分与路径规划

针对多无人机广域协同搜索问题,研究无人机工作区间划分和全区域覆盖搜索路径规划2个子问题。采用按无人机来向均衡划分的方法和凹点凸分解的方法,开展了凸多边形和非凸多边形的区域划分研究,将多机协同搜索问题转化为子区域上的单机搜索问题;在此基础上采用Z型路径覆盖方法以及Dubins转弯路径,对各个无人机开展覆盖其子区域的搜索路径规划,从而建立了一个区域划分和路径规划的整体调用框架,能够对目标区域快速进行划分并生成飞行路线。最后,对凸多边形和非凸多边形区域搜索开展仿真计算,验证了该方法的有效性。     

启发式多无人机协同路网持续监视轨迹规划

研究了旋翼无人机组在路网环境下的协同持续监视问题。基于最优化原理定义了路网持续监视问题。通过简化路网离散过程、考虑传感器识别准确度、引入不确定度度量,提出面向事件的路网持续监视问题建模方法。针对路网持续监视轨迹规划问题的特殊性,设计了一种启发式多无人机协同轨迹规划算法。通过理论分析和仿真对比,表明了算法的可行性、准确性和通用性。所提算法作为对当前路网巡逻方法的扩充,不仅可解决实际路网移动持续监视任务,也为基于图模型的持续数据采集、连续覆盖等任务提供一种解决方案。     

基于任务协同的无人机多侦察载荷使用研究

为解决在复杂战场环境条件下无人机多侦察载荷的协同使用问题,文章在分析无人机侦察载荷性能特点和侦察作战使用的基础上,设计了4种多侦察载荷协同使用方案,构建了无人机的侦察效能评估模型,并用实例仿真了无人机在不同作战环境下的多载荷协同使用方案,检验了各方案在复杂电磁环境和恶劣气象条件下的侦察效能,验证了方案的有效性和可行性。     

编队无人机的高生存力协同航路规划方法

提出了一种基于多目标遗传算法的编队无人机高生存力协同航路规划方法。方法由备选航路生成和协同规划两个步骤组成。备选航路生成的目的是为编队中的每一个无人机生成多条航路,该步骤采用的算法是多目标遗传算法。协同规划的目的是为各个无人机从备选航路中选择航路,使得各个无人机同时到达目标区域,以增加任务突然性,提高整个编队的生存力。通过仿真算例,把方法与基于Voronoi图的方法作了对比,给出了方法的优缺点分析。     

多无人机协同控制方法及应用研究

多无人机集群作战是未来战争的重要形式。作为集群作战中的关键技术,协同控制有着极为广泛的应用,例如多无人机编队飞行、协同侦查与集群攻击等。简述了多无人机集群作战的发展历程,归纳了集群作战过程中的关键技术,给出了协同控制方法的分类与体系结构。然后,从编队控制、合围控制、跟踪控制3个方面,总结了近年来国内外关于协同控制方法的研究成果。重点介绍了编队控制中的四种典型方法及相关应用,分析了各类编队控制方法的优缺点。最后对多无人机协同控制方法的未来发展方向进行了展望。     

多仓库下物流无人机协同配送方法

无人机以其快捷、低成本优势,在物流配送中可以实现高效的包裹配送,但也存在着运行时间短、载重不足等缺点。针对当前配送建模考虑因素不够全面的问题,构建了基于能耗变化、混合时间窗和同时取送货的多仓库物流无人机配送模型,以实现配送经济成本最低。与经典的多基地车辆路径问题相比,文中研究的问题没有限制无人机出发和返回的仓库,旨在最大限度地减少无人机的数量和所有无人机行驶的总距离。为进一步优化物流无人机配送成本,针对遗传算法(GeneticAlgorithm,GA)寻优能力较差的问题,引入大规模领域搜索算法(LargeNeighbor-hoodSearchAlgorithm,LNS)作为局部搜索算子,进而提出基于改进 GA(ImprovedGA,IGA)的物流无人机协同配送算法。经仿真测试以及 Solomn标准数据验证,该算法较传统 GA在降低配送成本方面成效明显。     

基于混沌灰狼优化的多无人机协同航路规划

针对多无人机协同执行饱和攻击任务的时空约束,本文提出了基于混沌灰狼优化的离线航路规划方法,实现了多无人机协同航路的有效生成。首先,针对饱和攻击任务的特点进行分析,将具有时空约束的多无人机同时到达问题转化为协同航程问题;其次,针对将混沌映射引入灰狼优化算法中,提出了混沌灰狼优化算法,以提高原算法的探索能力和收敛速度;最后,提出了基于几何规划的航点扩展策略,从而构造出满足任务攻击时间与攻击方位要求的航点序列。通过对单无人机航路规划问题的仿真验证了改进算法的寻优能力;通过对面向饱和攻击任务的航路规划仿真验证了所提方法的可行性和有效性。     

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。