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%。     

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。     

无人机防相撞空中威胁态势的探测与告警研究

空中威胁态势探测与告警是无人机飞行防相撞预警的关键。为此,提出一种基于航迹预测的无人机防相撞空中威胁态势探测与告警方法。在该方法中,先采用滑动窗多项式拟合法对入侵机航迹进行动态预测,然后,在航迹预测基础上,利用无人机与入侵机飞行信息,建立针对入侵机的无人机动态避撞区,最后,结合静态保护区原理,对特定飞行场景下的无人机飞行冲突趋势、空中危险接近趋势和飞行碰撞趋势的探测与告警。仿真实例验证了所提出方法的有效性,也验证了其用于无人机飞行防相撞预警的可行性。     

基于ADS-B信息的通航飞行冲突避让算法研究

随着低空空域的开放和通用航空的发展,低空空域流量大幅增加,致使飞机飞行冲突事件呈多发态势。为了解决低空冲突问题,基于广播式自动相关监视(ADS-B)信息的避让算法,首先利用相对运动关系对本机周围的飞行状况进行分析,排除不存在危险冲突的航空器;然后针对危险接近的航空器,提出调整速度和改变航向两种避让策略;最后利用Matlab软件,对两种避让算法进行仿真分析。结果表明:算法正确有效,能够快速辨别飞行冲突,并给出合理的避让策略;调整航向的避让算法,其有效性优于调整速度的避让算法,但在实际飞行中,由于调整速度的避让方法更易操作且节约成本,应优先选择调整速度的避让方案。     

空中慧眼——ADS—B

依靠空中每架飞机自动广播自身位 置报告，并接收邻近飞机的位置报告，互相了解对方处置位置和行踪驾驶员自主地承担着维护空中交通间隔的责任，不再依赖地面雷达监视和管制，这就是最近发展中的广播式自动相关监视─ＡＤＳ－Ｂ所起的作用。它将引起空中交通监视和管制上的革命，空中避撞责任将从管制员一方逐步交还给驾驶员自己承担。一、空中交通避撞责任空中交通的安全避撞责任采取两种手段。一是互相“见到后避让”，即机上自主，一般只能适用于低速小飞机按目视飞行规则的飞行，在好天气下才能实现； 二是地 面监视并管 制，通知驾驶…     

NASA无人机运行管理系统ICAROUS框架分析

NASA和FAA提出了无人机系统交通管理(UTM)概念,旨在将低空无人机运行纳入国家空域范围,实现无人机在城市、应急等运行场景下的大规模安全运行。作为UTM项目的一部分,NASA开发了无人机运行管理系统的“无人系统可靠运行集成可配置算法框架(ICAROUS)”,该框架集成了无人机低空安全运行所需的飞行决策、地理围栏、路径规划以及空中交通冲突探测与避让等关键功能,并提供了软件在环仿真和地面控制站接口。通过剖析ICAROUS源代码分析了NASA无人机运行管理框架的研究进展,从架构、算法实现以及关键参数等方面解读了该框架的若干核心功能。最后,为中国无人机运行管理技术的发展提出了建议。     

基于粒子群算法的飞行冲突解脱问题

自由飞行可有效解决航线日益加剧的拥挤问题,但同时也增加了管制员管制监控的难度,从而使飞行冲突探测和解脱成为自由飞行的关键问题。粒子群算法（particleswaITn0ptimization）是一种群智能优化算法,尝试将其应用于飞行冲突解脱问题,构造了适合飞行冲突解脱问题的粒子表达方式,建立了冲突解脱问题的粒子群算法,成功解决了飞行冲突,并将其运行结果与遗传算法结果作了对比试验。实验结果表明。粒子群算法是求解飞行冲突解脱问题的一个较好方案。     

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。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

无人机地理围栏越界探测算法改进与分析

防止无人机飞出指定空域或飞入禁飞空域的核心算法是无人机地理围栏越界探测算法。为提高无人机地理围栏越界探测的准确性以保证低空无人机飞行的安全性,本文针对射线法进行改进,通过添加缓冲距离的判断来解决传统射线法不能解决的三种特殊情况,在Matlab环境下对其进行了仿真验证,实现了越界探测功能,找出了影响改进算法运行时间的三个因素,并进行了深入分析和讨论。仿真结果表明：提出的基于改进射线法的无人机地理围栏越界探测算法在不影响运行时间的前提下,提高了无人机越界探测的准确性。     

复杂环境下多无人机轨迹姿态协同控制

考虑多无人机在实际飞行过程中的避障需求，在建立面向控制的四旋翼无人机轨迹姿态模型基础上，为克服传统多无人机为每架无人机规划轨迹的不足，研究了基于多无人机中心点的轨迹设计策略。进一步，考虑避障约束，基于半定规划进行迭代区域扩张完成了多无人机的安全飞行区域及队形设计。在此基础上，基于干扰补偿策略为每架无人机设计了协同控制器，最终确保了多无人机在多障碍环境下的安全飞行。     

基于自组网策略的多机编队与防撞任务研究

近年来多旋翼无人机编队飞行技术取得了巨大的突破,将无人机技术与自组网技术相结合将会促进无人机集群技术的发展。为了促进无人机编队飞行技术的发展,以5架六旋翼无人机为研究对象,重点研究了基于自组网策略的多旋翼无人机队形组成、队形保持、队形重构以及飞行过程中的避碰策略,设计了数据闭环的地面编队控制软件并进行试飞验证。测试结果表明,该数据闭环地面编队控制软件稳定可靠,实现了编队队形组成、保持、重构以及在队形变换过程中的机间避碰等功能,对多旋翼无人机编队飞行工程化实现具有一定的参考价值。     

Flight safety measurements of UAVs in congested airspace

Describing spatial safety status is crucial for high-density air traffic involving multiple unmanned aerial vehicles (UAVs) in a complex environment. A probabilistic approach is proposed to measure safety situation in congested airspace. The occupancy distribution of the airspace is represented with conflict probability between spatial positions and UAV. The concept of a safety envelope related to flight performance and response time is presented first instead of the conventional fixed-size protected zones around aircraft. Consequently, the conflict probability is performance-dependent, and effects of various UAVs on safety can be distinguished. The uncer-tainty of a UAV future position is explicitly accounted for as Brownian motion. An analytic approximate algorithm for the conflict probability is developed to decrease the computational consumption. The relationship between safety and flight performance are discussed for different response times and prediction intervals. To illustrate the applications of the approach, an experi-ment of three UAVs in formation flight is performed. In addition, an example of trajectory planning is simulated for one UAV flying over airspace where five UAVs exist. The validation of the approach shows its potential in guaranteeing flight safety in highly dynamic environment.     

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。     

基于改进一致性算法的无人机编队控制

编队飞行是指多架无人机保持以一定队形进行飞行的状态,相比于单架飞机执行任务,无人机编队能够增加搜索面积,提高飞机飞行性能,增大完成任务成功率。编队控制是实现编队安全高效完成指定任务的前提。本文以一致性理论为基础,针对无人机运动模型的特点与实际飞行要求,对基本的一致性算法进行改进,提出了改进一致性无人机编队控制算法。首先利用纵向和横侧向解耦的自动驾驶仪模型给出了无人机的三自由度运动方程,根据机动性与飞行性能要求定义了各方向上的加速度、速度与角速度约束。基于一致性理论,将编队控制分为平面与纵向2个方向进行,在状态控制的基础上,利用各状态变量间的几何关系对无人机运动自由度进行转换,加入编队队形信息,设计了编队控制算法。为了使算法生成的指令信号满足约束条件,提出了"最小调整"约束条件处理策略。依据粒子群算法对各无人机的爬升加速度进行优化,以避免机间碰撞。仿真结果表明：提出的编队控制算法具备编队成形与变换功能,能够使无人机编队状态快速收敛到指定值,且保持指定队形,无人机飞行状态满足所有约束条件。     

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。     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略。针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确性。在此基础上,搭建了无人机验证平台,利用该验证平台完成了无人机自主避障飞行试验,对算法的有效性进行了验证,并对算法性能进行了评估。     

A newly bio-inspired path planning algorithm for autonomous obstacle avoidance of UAV

In this paper, a bio-inspired path planning algorithm in 3D space is proposed. The algorithm imitates the basic mechanisms of plant growth, including phototropism, negative geotropism and branching. The algorithm proposed in this paper solves the dynamic obstacle avoidance path planning problem of Unmanned Aerial Vehicle (UAV) in the case of unknown environment maps. Compared with other path planning algorithms, the algorithm has the advantages of fast path planning speed and fewer route points, and can achieve the effect of low delay real-time path planning. The feasibility of the algorithm is verified in the Gazebo simulator based on the Robot Operating System (ROS) platform. Finally, an actual UAV autonomous obstacle avoidance path planning experimental platform is built, and a UAV obstacle avoidance path planning flight test is carried out based on this actual environment.