基于A~*和鸽群算法的快递无人机航路规划

针对快递无人机在复杂城镇环境条件下的路径寻优问题,提出了一种基于A~*和鸽群算法的航路规划算法。首先,建立威胁代价和障碍物模型,利用约束条件缩短A~*算法搜索时间,再通过A~*算法引导无人机快速到达目标点;然后,对鸽群的粒子编码方式和适应度函数计算方法进行改进,通过鸽群优化算法实现障碍物的规避;最后,利用三次B样条曲线对航路进行平滑化和重规划。仿真结果表明,该算法收敛速度快、航路长度短、威胁代价小,生成的航迹平滑可飞,适合快递无人机在复杂城镇环境中穿行。     

多太阳能无人机覆盖路径优化方法

为解决传统电动无人机在覆盖作业时存在的续航时间短的问题,提出应用多架太阳能无人机进行覆盖作业。首先,在建立了应用于覆盖作业的太阳能无人机的能量模型的基础上,提出了能量流动效率这一指标来评价太阳能无人机在作业过程中对能量的利用率。其次,针对边界存在障碍物的凹多边形区域和内部含障碍物的多边形区域,以总作业完成时间最短为优化目标,提出基于无向图搜索方法的覆盖路径优化模型,定义约束方程限制无人机按照一定规则访问无向图中的节点,通过混合整数线性规划的方法求解每架无人机的最优飞行路径。再次,考虑无人机转弯时的姿态变化对能量流动效率的影响,将总作业完成时间最短和总能量流动效率最高同时作为优化目标,建立双目标优化方程,在首先以作业时间最短为优化目标进行求解的基础上,通过有限遍历的方式选择使能流效率和作业时间相对最优的覆盖飞行方向及飞行路径。大量仿真实验表明,所提的优化模型选取不同的优化目标,应用于不同形状的待覆盖区域,适用性广,在工程上应用范围广、可行性强。     

基于不规则障碍物环境下无人机的改进几何路径规划算法

随着无人机应用环境的多样化,在复杂环境中寻找无碰撞路径是非常重要的。传统的路径规划算法可以找到可行的路径,但它们在时间效率和路径长度之间没有很好的平衡,传统的几何算法只能避免特殊形状的障碍物。提出了一种改进的几何路径规划算法,使无人机能够在复杂的环境中避开任意形状的障碍物,找到较短的路径。首先,针对不规则障碍物,建立了凸多边形覆盖模型。然后解决了传统几何算法陷入局部最优解的缺点。提出了从相邻路径段生成无碰撞路径的二次规划思想,并针对该方法提出了一种新的安全阀值策略。最后,为了验证算法的性能,在不同的复杂环境下进行了仿真,并从几个方面对所提出的算法与A*算法进行了对比分析。     

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。     

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。     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

低空无人机路径规划算法综述

随着无人机技术的发展,无人机在低空的应用场景越来越多,复杂的低空环境对无人机路径规划算法提出了新的要求。本文总结了近年来常用的无人机路径规划算法,包括图搜索算法,线性规划算法,智能优化算法（遗传算法、粒子群算法、蚁群算法）,强化学习算法;对这些算法的原理、适用场景及其优缺点进行了归纳分析;并基于无人机发展现状对无人机路径规划算法进行了展望。     

基于改进蚁群算法的无人机三维航路规划

针对蚁群算法存在收敛速度慢,容易陷入局部最优而导致三维航路规划过程中出现规划时间过长、航路没有达到最优等问题,通过对蚁群算法进行改进,提出了一种天牛须融合改进蚁群的无人机航路规划优化算法,算法通过对蚁群算法的启发函数优化并进行蚁群择优排序,然后融合天牛须算法进行航路规划;将优化算法应用于无人机的三维航路规划中,使规划算法的运行速度更快,无人机的最优航路更短。同时用改进算法与天牛须、蚁群算法的收敛时间、最优路径长度进行对比。仿真实验结果表明,改进算法与另外两种算法相比,在算法收敛度、运行速度方面有明显的提升。     

基于导向强化Q学习的无人机路径规划

随着无人机的广泛应用,其飞行能耗和计算能力面临着瓶颈问题,因此无人机路径规划研究越来越重要。很多情况下,无人机并不能提前获得目标点的确切位置和环境信息,往往无法规划出一条有效的飞行路径。针对这一问题,提出了基于导向强化Q学习的无人机路径规划方法,该方法利用接收信号强度定义回报值,并通过Q学习算法不断优化路径;提出"导向强化"的原则,加快了学习算法的收敛速度。仿真结果表明,该方法能够实现无人机的自主导航和快速路径规划,与传统算法相比,大大减少了迭代次数,能够获得更短的规划路径。     

基于躯体反射的焊接机械手位姿路径规划

针对汽车装配生产线焊接机械手避障等问题,结合人体躯体反射机制等特点,提出基于躯体反射焊接机械手路径规划研究机制。在设定的工作边界下,分析机械手作业所需匹配的自由度数;求解其避障时各关节与机械手末端关节的传动模型;通过非线性规划算法对其最短路径进行优化设计;计算其最短路径下各关节对应的旋转角度和移动距离,并对其稳定性进行分析。根据设定边界条件,机械手末端在障碍物前调整方向,且绕过障碍物运动至目标位置。研究表明:结合非线性规划算法,生物学中的躯体反射机制可有效地寻找机械手最短路径,计算出各关节对应的旋转角度及移动距离。     

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。     

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。     

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。     

基于人工势场法优化的蚁群无人机航路规划

针对复杂环境下无人机航路规划问题,提出一种势场法优化的蚁群航路规划算法。为了改善蚁群初始路径搜索过程中的盲目性,将人工势场法的规划结果作为先验知识,对蚁群初始到达的栅格进行邻域信息素的初始化,进而运用改进的蚁群算法完成航路搜索任务。仿真结果表明,新算法具有收敛速度快,规划路径短以及环境自适应的优点。     

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。     

改进速度障碍法的无人机局部路径规划算法

针对无人机基于环境感知进行局部路径再规划的实时与安全性问题，提出了一种基于改进速度障碍法的局部路径避障规划算法。将传统速度障碍法拓展到三维空间中，建立三维空间速度障碍模型，将机动性动态障碍物在速度空间中的运动不确定转化为位置不确定，实时性更好，提高了避障水平与安全裕度；通过定义和引入自适应威胁距离，提高了无人机在避障过程中对原航迹的利用率；利用空间几何分析，求解无人机空间自主避障的最优速度，实现局部路径动态实时规划。通过比较分析对遇、追击和交叉3种场景下的局部路径避障规划仿真结果，验证了该算法的实时性、可行性和有效性。     

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。     

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。     

无人机路径规划中的环境和威胁模型研究

为了提高无人机执行任务时的突防能力,在进行飞行路径规划时必须对战场环境中的威胁环境进行评估,而威胁环境中的威胁估计与飞机被雷达或类似的传感器探测出的风险度有关,需要考虑的信息包括无人机传感器范围内的威胁位置和强度.路径规划算法依赖于路径规划空间的建模方式,包括环境建模和威胁源建模.目前针对规划空间环境和威胁模型的建模方法缺乏系统分类和论述.分析了战场环境的建模方法,研究了规划空间的离散建模方式,根据无人机飞行过程中可能遭遇的威胁类型进行威胁源类型的划分,并针对三种威胁类型分别建立威胁风险模型,为无人机在复杂环境下的路径规划实现做了参数准备.