基于PH曲线的多无人飞行器协同航迹规划研究

随着无人飞行器智能化的发展,如何使其在动态环境下避开运动威胁,并能协同以规定的时间和角度进行攻击,从而顺利完成作战任务成为研究热点.基于Pythagorean Hodograph(PH)曲线进行在线航迹规划,提出了分布估计算法和差分进化算法相结合的方法进行航迹参数寻优,并给出了在线避障多无人飞行器协同航迹规划方法,仿真试验结果表明加入速度预测的多无人飞行器协同航迹规划方法的有效性.     

一种无人机局部路径重规划算法研究

提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型V orono i图”表示出来,采用D ijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用V iterb i解码算法确定突发威胁体的实时位置及威胁等级,再依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径,并用M atlab仿真验证了算法的有效性。     

低空突防路径规划方法综述

分析了低空突防路径规划应满足的条件和特点，阐述了目前国内外正在应用和研究的几种路径规划方法；最速下降法，动态规划法，专家系统法和遗传算法等的研究现状和发展方向，最后对飞行器低空突防路径规划技术进行了简要的总结。     

考虑UAV性能约束的变速度自主避障算法研究

动态不确定环境下,为有效地提升UAV执行任务的安全性和可靠性,在UAV自主避障过程中考虑了自身的性能约束条件.在速度障碍圆弧法的基础上,考虑UAV的法向和纵向加速度约束范围,研究了速度障碍圆弧随速度矢量变化的规律,提出了一种考虑UAV性能约束的变速度自主避障算法.该算法在考虑自身性能约束条件下,为实现UAV对威胁障碍的...     

一种陌生环境的无人机在线Laguerre航路规划方法

针对多旋翼无人机在陌生城市低空安全飞行的需要,研究了适合于陌生环境应用的在线航路规划方法。在分析传统Laguerre图航路规划原理及其航路安全性优势的基础上,首先导出了面向单个拟飞通道的Laguerre规划航路的特性。进而,通过最小化航路安全误差,建立了单个航段的最佳安全航路。在上述研究的基础上,提出了面向陌生环境的在线滚动式Laguerre航路规划方法。设计了模拟城市建筑物分布的仿真飞行场景,并通过对比分析不同规划方法对于仿真场景的航路规划结果,显示了本文算法在航路规划问题中避撞安全性方面的优势。     

基于改进烟花?蚁群算法的海流环境下水下无人潜航器的避障路径规划

针对有海流和障碍物影响的环境中的水下无人潜航器(Unmanned Underwater Vehicle, UUV）的二维自主路径规划问题,应用改进烟花-蚁群混合算法进行了求解。首先,建立了含有随机分布障碍物的二维Lamb涡流海流环境模型,将圆形障碍物等效为方形栅格。其次,综合考虑能量消耗代价、航行时间代价、航行距离代价等优化目标,建立了路径规划数学模型。最后,应用改进烟花-蚁群混合算法对该非线性优化问题进行了求解,并进行了仿真实验。实验结果表明,该算法能够快速寻找到全局最优解,为水下无人潜航器的自主路径规划提供了一个新途径。     

基于约束人工势场法的弹载飞行器实时避障航迹规划

针对弹载飞行器飞行高度低、需实时避障的需求,提出了一种三维约束人工势场法用于弹载飞行器的实时避障航迹规划.该方法将人工势场法扩展到三维空间,增加了一个势场函数——高度调节势场函数,并将弹载飞行器的动力学约束条件引入人工势场法中.该方法继承了传统人工势场法计算速度快、占用内存少的优点,并能保证所规划航迹的可飞性.仿真结果显示约束人工势场法相比于传统人工势场法,具有以下优势:所规划的航迹更具有可飞性;可明显减弱在障碍物附近的抖动现象;可显著改善在狭窄通道中的摆动现象;不易陷入局部最小点.     

基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

基于改进向量场直方图算法的无人机动态避障策略

目前传统向量场直方图(VFH)算法存在易陷入局部陷阱的缺陷,本文提出了基于陷阱检测机制与动态阈值更新策略的改进VFH算法,更加符合局部未知环境下无人机路径规划的要求,并针对复杂未知场景中无人机避障问题,提出了基于A^*算法和改进VFH算法的避障算法。首先,无人机根据全局已知障碍物信息,基于A^*算法构建目标航路点;其次,在目标航路点不可达的情况下,无人机根据运动状态与激光雷达探测到的地形信息,基于改进向量场直方图算法进行局部规划。在局部规划中,针对传统VFH算法存在的缺陷进行了改进：针对传统VFH算法的无记忆性导致在一些特殊场景中易陷入局部陷阱,本文提出陷阱检测机制的VFH算法,动态选择历史信息增强向量场直方图算法的记忆性,无人机可自主检测陷阱并及时跳出;针对向量场直方图算法的阈值敏感性问题,设计了动态阈值更新策略,使得无人机能够在复杂或稀疏的障碍物环境中,动态平衡避障安全性和抵达目标的时效性。最后,通过对比仿真验证了算法的有效性,为传统VFH算法易陷入局部陷阱的缺陷提供了一种解决方法。     

基于改进A*算法的UUV冰下避障航迹规划算法

针对冰下避障航迹规划问题,提出了一种基于改进A*算法的三维冰下避障航迹规划算法.不同于传统的A*航迹规划算法,该算法结合了人工势场航迹规划算法的思想,将水下地形碰撞约束、海冰碰撞约束以及UUV巡航高度约束重新编排.算法分析表明,该避障航迹规划算法能够有效增强UUV冰下避障能力与定深巡航高度控制能力.基于改进的A*冰下避障航迹规划算法,给出了上述约束的设计方法并进行了仿真验证.仿真结果表明,基于上述约束的航迹规划算法具有良好的避障能力、巡航高度控制能力以及航行距离控制能力.     

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.     

基于改进A*算法的无人机航迹规划

借鉴A*算法思想,提出了一种改进A*算法的无人机航迹规划方法.针对在传统A*算法中将规划区域栅格化、只能在特定方向按照特定步长扩展节点的不足,采用圆形节点扩展方法,可以实现变方向和变步长扩展节点.通过仿真进行了验证,结果表明改进的航迹规划方法可以绕过威胁,安全到达目标点.     

Three-dimensional path planning for unmanned aerial vehicle based on interfered fluid dynamical system

This paper proposes a method for planning the three-dimensional path for low-flying unmanned aerial vehicle(UAV) in complex terrain based on interfered fluid dynamical system(IFDS) and the theory of obstacle avoidance by the flowing stream. With no requirement of solutions to fluid equations under complex boundary conditions, the proposed method is suitable for situations with complex terrain and different shapes of obstacles. Firstly, by transforming the mountains, radar and anti-aircraft fire in complex terrain into cylindrical, conical, spherical, parallelepiped obstacles and their combinations, the 3D low-flying path planning problem is turned into solving streamlines for obstacle avoidance by fluid flow. Secondly, on the basis of a unified mathematical expression of typical obstacle shapes including sphere, cylinder, cone and parallelepiped, the modulation matrix for interfered fluid dynamical system is constructed and 3D streamlines around a single obstacle are obtained. Solutions to streamlines with multiple obstacles are then derived using weighted average of the velocity field. Thirdly, extra control force method and virtual obstacle method are proposed to deal with the stagnation point and the case of obstacles’ overlapping respectively. Finally, taking path length and flight height as sub-goals, genetic algorithm(GA) is used to obtain optimal 3D path under the maneuverability constraints of the UAV. Simulation results show that the environmental modeling is simple and the path is smooth and suitable for UAV. Theoretical proof is also presented to show that the proposed method has no effect on the characteristics of fluid avoiding obstacles.     

基于A~*定长搜索算法的多无人机协同航迹规划

基于多无人机同时作业情况下的航迹规划问题,提出了一种A*定长航迹搜索算法.该算法通过选择代价值最接近给定值的节点作为最佳节点,得到定长规划航迹,接着进一步通过限定最佳节点的选择范围,改善了航迹的可飞性.仿真结果表明,利用该算法规划的定长航迹长度误差可以控制在1.4％以内,协同航迹长度误差可以控制在0.8％以内,能够满足多无人机同时到达的一般要求.     

基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

基于A*和TEB融合的行人感知无碰跟随方法

移动机器人通过跟随一个指定行人实现导航是一种便捷的方式。针对行人跟随中的机器人跟随和避障问题,提出了一种基于路径规划的无碰跟随方法。该方法结合激光点云分割提供的非行人障碍信息生成静态障碍代价地图,并根据3D行人定位结果,利用基于无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）和最近邻联合概率数据关联（Nearest Near Joint Probabilistic Data Association,NN-JPDA）的多行人跟踪器估计干扰行人运动状态,进而生成动态行人代价地图。在此基础上,基于A^*的全局规划器结合静态障碍代价地图输出指向目标行人的全局路径,而基于时间弹性带（TEB）算法的局部规划器也将动态行人代价地图纳入考虑范围以规划优化的局部路径,这能够帮助机器人实现行人感知的避障且跟随全局路径。通过低频全局规划与高频局部规划结合的方式实现对目标行人安全无碰的跟随。实验验证了所提方法的有效性。     

考虑运动学约束的不规则目标遗传避碰规划算法

 针对复杂环境下不规则目标的路径规划问题,提出了一种带有运动学约束的遗传避碰规划算法。以舰载机在航母甲板上的路径规划问题作为研究对象,并且该算法可推广至其他具有此类约束的路径规划问题中,它较好地解决了目标形状复杂、障碍环境复杂、目标运动时带有回转半径约束等特殊问题。在传统遗传路径规划算法的基础上,针对性地设计了三维位置和姿态混合编码、三段法路径解码、轨迹包围盒的碰撞检测及距离计算等方法,并在遗传操作中引入惩罚项和修补策略来辅助算法寻优。最后,为得出复杂环境下的最优路径,基于VC++平台对算法进行了仿真验证。结果表明,在复杂障碍环境下,本文提出的算法可求得最优避碰路径,并满足预先设定的目标回转半径约束,能够有效地解决此类目标的避碰路径规划问题。     

基于自适应遗传算法的航迹规划研究

对传统遗传算法进行了改进,通过采用交叉概率和变异概率的自适应设计,避免了进化过程中固定的交叉概率和变异概率产生的个体早熟和收敛缓慢的现象。仿真算例结果表明,自适应遗传算法能够有效地提高遗传算法的全局寻优能力,加快算法的收敛速度,有较强的地形和威胁回避能力,可为低空突防飞行器提供满足战术要求的参考航迹。