改进蚁群算法求解时变网络中最短路径问题

给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.     

基于智能图搜索的滑翔式高超声速飞行器路径规划方法

研究了高超声速飞行器在线路径规划问题。首先建立滑翔式高超声速再入飞行器动力学模型,在此基础上综合考虑高超声速飞行器在飞行过程中的动压约束、热流约束、过载约束等,对动力学模型进行解析计算,分析再入走廊,并进一步分析形成滑翔式高超声速飞行器的覆盖区域。基于飞行器覆盖区域并结合工程应用需求,提出速度分段的高超声速飞行器可达区域计算方法,确定在不同终端速度约束下的高超声速飞行器可抵达区域。并以此为基础,以各个速度分段的终端速度为节点,提出基于启发式路径搜索算法的分段路径规划方法,通过变步长图搜索算法可在飞行过程中在线确定各个速度分段区间的终点,完成分段路径搜索规划。最后通过数值仿真验证了所提出路径规划方法的有效性,结果表明,所提出的方法计算效率高,能够有效规划高超声速飞行器的机动飞行轨迹,具有一定的工程应用前景。     

动态环境中的无人机路径规划方法

为了解决动态环境中的路径规划问题,提出了一种引入时间轴的方法.在构型空间的基础上引入时间轴,将构型空间扩展为构型-时间空间,在构型-时间空间中可以表示动态障碍物所有时刻的位置.在路径生成阶段,提出了一种改进的蚁群算法,将方向信息作为启发信息引入蚁群算法中,使蚂蚁在初始搜索路径时更有针对性.仿真结果表明:构型-时间空间可以解决动态环境的表示问题,改进蚁群算法可以更快地收敛到全局最优解.      

基于改进蚁群算法的月面机器人的路径规划及虚拟仿真

针对月面机器人在复杂地形下的路径规划问题,提出了一种改进的蚁群算法。算法构建了栅格化地形图,基于人工势场法改进了蚁群算法的启发函数,加快了算法收敛速度;引入空间信息素划分方法,提高了蚁群在最短路径附近区域的搜索能力;实验证明,改进后的蚁群算法,路径规划成功率显著提高,收敛速度加快。在算法规划出月面机器人的最短路径后,采用虚拟仿真技术,基于unity3D构建虚拟月面环境和月球车,直观地展示了月面机器人在月面环境下的路径规划效果。     

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法（SCA）,利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

极地科考小型无人飞行器

针对小型无人飞行器在极地科考中的抗风扰动问题,通过神经网络改进卡尔曼滤波算法,提高小型无人飞行器对环境的适应性.基于小型无人飞行器自身状态信息与误差信息,在线调整系统的量测噪声和估计参数,提高信息融合精度;利用矢量域方法构建轨迹跟踪控制算法,基于目标航迹在线调整航向,提高小型无人飞行器在顺风、逆风、转弯的飞行品质和压航线精度.经过大量的仿真试验、实际飞行试验验证了方法的有效性,改进的卡尔曼滤波算法可以提供长时高精度信息,小型无人飞行器可以在野外6级风源扰动的情况下,实现稳定飞行,平均误差不超过10m.小型无人飞行器在南极实地科考中得到成功应用.     

基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.     

复杂低空物流无人机路径规划

针对复杂低空物流无人机路径规划问题,考虑空域环境、运输任务等内外限制,以飞行时间、能耗及危险度最小为目标函数,建立多限制条件物流无人机路径规划模型,设计启发算法以快速解算路径。采用栅格法对规划环境表征,引入物流无人机性能约束确保路径可飞。针对A*算法存在的问题及物流无人机航空运输特色,引入栅格危险度因子、货物质量惩罚系数,增加飞行时间、能耗等代价以提升避障能力、降低成本。为匹配所提启发算法解算效率与精度,采用动态加权法对函数赋权。为筛除冗余路径点及保证平稳飞行,采用双向交叉判断法等对原路径优化平滑。为验证所提路径规划模型及启发算法的有效性,对比4种算法规划结果,分析栅格粒度大小与代价权重值对结果的影响。在既定的运输环境及物流无人机性能约束下,研究结果表明:所提算法与A*算法相比,保证了物流无人机飞行安全、能耗少,将飞行时间由406 s降至386 s,降低了5%;飞行路径点数为129个、栅格危险度因子为11.69,降低了姿态改变次数,保证了运输安全;当栅格粒度大小为5 m,代价权重值为0.4、0.1、0.5时,采用所提算法规划的路径最佳。      

升力体飞行器能量近似最优倾斜转弯飞行策略

升力体飞行器返回地球大气层内时受到热流、动压及过载等约束条件,为使得飞行器在倾斜转弯飞行过程中能量损失最小,需要研究一种能量最优的倾斜转弯机动飞行策略。本文的主要研究内容包括:从再入动力学模型出发,分析了升力体飞行器倾斜转弯的弹道特性,推导了终端速度与倾斜转弯幅度相关的解析解,提出了一种多约束条件下能量近似最优的倾斜转弯飞行策略;为进一步验证飞行策略的能量近似最优性,建立了能量最优的非线性轨迹优化模型,通过高斯伪谱法进行求解,获得能量最优的飞行轨迹。仿真结果表明,该飞行策略与优化方法获得的结果高度一致,并且该方法求解效率更高,工程应用性更强。      

基于图像骨架和贪婪算法的无人机航路规划

针对无人机在执行低空突防任务时最大生存概率以及自身飞行约束的要求,对传统的人工势场法进行改进,提出基于图像骨架和贪婪算法的航路规划方法.对可飞区域提取图像骨架生成赋权图,采用Dijkstra方法搜索最小代价路径实现航路初规划;提出了曲率可控的贪婪算法对初规划结果进行优化,使最终的路径同时满足最小转弯半径和最短航程的要求.仿真结果表明该方法是一种有效的航路规划方法.     

三维真实地形环境下无人机救援航路规划方法

利用无人机(UAV)的三维飞行能力,采用优化方法规划路径,能够使其在救援任务中比地面车辆以更短的时间到达救援区域,提高救援效率.针对真实的地理环境,根据无人机约束采用均匀化网格方法进行地形建模,之后根据地形数据的特点设计适合数学计算与求解的数据结构.最后设计了包含偏离代价、高度代价、地形跟随/回避代价、威胁代价和安全距离代价的综合性能指标函数,并采用航路点交叉和网格搜索代替航路点搜索的方法,对蚁群算法进行改进完成航路规划.仿真结果表明:本文方法能够直接处理三维地形数据,在保持地貌的前提下,完成了无人机的三维航路规划任务,得到满足无人机约束的三维最优航路,提高了航路规划方法的实用价值.      

高空太阳能无人机三维航迹优化

为提升高空太阳能无人机的飞行性能和载荷能力,综合考虑无人机运动状态和能量获取、存储、消耗之间的耦合关系,建立了三维航迹优化模型。采用高斯伪谱法在离散点上近似状态变量和控制变量,且在一系列配点上满足动力学方程的约束,将最优控制问题转化为非线性规划问题。针对典型的点到点飞行任务开展了航迹优化,并与常规定高定速航迹进行了对比。结果表明:通过调整飞行姿态,可以使高空太阳能无人机的净吸收能量提高9.2%;综合调整飞行姿态和改变飞行高度两种措施可以获得更大的能量优势,使储能电池剩余电量提高18.8%。      

基于路径跟随的改进领航-跟随无人机协同编队方法

针对集群无人机完成高精度协同编队的需要,提出了一种基于路径跟随的改进领航-跟随无人机协同编队方法。首先,在传统A*算法的基础上,引入了障碍威胁系数改进A*算法,为领航无人机规划从起点到目标的全局安全路径;其次,采用Hermite多项式在离散化后对领航无人机的全局安全路径进行参数化表示。当遇到新的障碍信息时,利用改进A*算法重新规划路径;随后,领航无人机将跟随无人机的空间编队信息与编队路径参数信息在集群中完成同步;最后,基于一致性原理设计了编队队形协同控制器,并基于改进人工势场法设计了动态避障控制器。仿真结果表明,与传统的领航-跟随方法相比,该方法可以降低编队误差,提高了复杂曲线路径下无人机的编队精度与稳定性,具有一定的工程应用价值。     

基于嵌套饱和的四旋翼无人机吊挂负载控制器设计

针对四旋翼无人机吊挂负载系统飞行中的摆角抑制问题,考虑过快位置机动容易引起吊挂大幅度摆动,提出了一种基于嵌套饱和的四旋翼无人机吊挂负载控制器。首先,利用扩张状态观测器估计干扰,设计具有强抗扰能力的垂直位置控制器;其次,基于简化模型通过构建李雅普诺夫函数,设计控制摆角收敛的抑摆控制器;最后,基于一种嵌套饱和控制方法,设计了限制机动速度的水平位置控制器。与已有控制方法的仿真对比表明,该控制器不但能保证四旋翼无人机吊挂负载系统稳定飞行,还能在大幅度位置机动指令下有效减小最大摆幅。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。