无人机三维航路规划技术研究及发展趋势

由于搜索空间巨大,三维航迹规划一直是航迹规划中的难点,而无人机只有进行精确的三维航迹规划才能提高低空突防的成功率。本文描述了无人机在线航路规划的影响因素,分析了无人机动力学约束及威胁场约束,探讨了无人机航路几何建模方法及三维航路规划算法的研究概况,并着重分析了三维航路规划算法如禁忌搜索、人工势场法、粒子群优化算法、Dijkstra算法及A＊算法。最后,阐述了无人机三维航路规划面临的关键问题及发展趋势。     

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。     

无人机航路与传感器联合控制优化算法研究

对无人机航路与传感器联合控制优化算法基本原理及研究情况进行了初步分析,主要利用交叉熵、粒子群优化、模型预测控制等三种方法构建了针对无人机航路与传感器联合控制优化问题的求解算法,力图为解决该问题提供一些新的方法或思路。     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题，提出一种基于改进的鲸鱼优化算法的航路规划算法。首先，根据起始点和目标点等信息，通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题；然后，将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时，所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后，将提出的改进算法应用于无人机的航路问题求解。仿真结果表明，所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果，其性能优于传统的优化算法。     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

基于改进蚁群算法的无人机侦察航路规划研究

蚁群算法是一种新的源于大自然生物界的仿生随机优化方法,在一系列组合优化问题求解中取得了成效。本文将蚁群算法引入无人机侦察航路的规划,对基本蚁群算法提出了改进,提供了一种新的有效的航路优化算法,并对无人机的侦察航路进行了仿真计算。仿真结果表明改进的蚁群算法克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,仿真结果验证了该算法的有效性。     

基于改进粒子群算法的旋翼无人机三维航迹规划

针对标准粒子群算法因为惯性因子固定导致航迹规划不理想,以及固定斜率粒子群算法惯性因子斜率调节不灵活的问题,在算法中引入折线斜率惯性因子形式,使其斜率根据需要可以进行灵活调节,提高算法对旋翼无人机三维航迹的规划成功率,且减小航迹长度。首先,根据旋翼无人机实际飞行环境建立三维果园环境模型,根据路径长度、躲避障碍、飞行范围和航迹高度范围来构造适应度函数;然后,分析了标准和固定斜率粒子群算法的原理,找到了算法的缺陷,对其进行了改进,并给出了详细的实现步骤。数据对比显示：在进行旋翼无人机三维航迹规划时,相比于其他两种粒子群算法,折线粒子群算法对于航迹规划的成功率和航迹长度有明显改善。     

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。     

基于目标分配的无人机航路规划

在航路规划中．如果存在多个目标点，优化问题就会变得复杂化。因此，在多目标点存在的情况下，航路优化问题应充分考虑目标的有关因素及空域状况，对目标和航路进行优化选择以取得某种效益。针对这一问题，提出了目标选择及航路规化的优化模型．并提出了一种改进的A*算法——大规模平行扩展A*算法对这一问题进行求解。在此基础上，针对无人机的水平飞行航路进行了规化。结果表明，通过该方法可以有效地解决多目标点存在时的航路规划问题。     

基于HPSO-W算法的多机航迹协同规划方法

随着无人机应用愈加广泛,三维环境下多无人机航迹协同规划问题成为近年来的研究热点。针对多机协同航迹规划问题,基于应急物流任务环境与无人机性能约束,以全局安全运行综合代价最小为优化目标建立时空协同规划模型。考虑航迹规划中粒子群算法易陷入局部极值,后期收敛慢的缺点,提出一种基于狼群优化思想的混合改进粒子群算法HPSO-W。主要是先对粒子群算法参数进行优化,加入极值变异思想,并引入头狼召唤和优胜劣汰机制,平衡算法全局和局部搜索能力,加速后期收敛,避免局部阻滞,提高寻优性能。对比验证了HPSO-W算法的高效性,并通过实例验证了协同航迹规划方法的可行性与有效性。     

多机布阵航路规划问题研究

针对多机布阵航路规划问题,提出了一种新的策略。首先,建立了多机航路规划模型;然后,采用聚类分析的方法将浮标点分类,并给出了任务分配的原则,从而将多机航路规划问题转化为单机航路规划问题;最后,利用模拟退火算法分别求解,并在此基础之上采用平均路径长度的方法给出了优化算法。     

恶劣天气条件下航路网络修复优化

针对恶劣天气条件下可用空域资源不足导致的航班大面积延误问题,基于复杂网络修复理论和交通流分配理论,借鉴交通网络设计思想提出了一种航路网络修复优化策略。首先,建立了航路网络修复场景,基于气象信息生成了恶劣天气飞行受限区。然后,建立了上层模型以修复成本最低为目标函数、下层模型为多约束交通流分配模型的双层规划修复模型,应用改进粒子群算法对模型整体进行求解,结合K最短路径算法对下层模型进行求解。最后,提出局部和全局两类指标对航路网络修复效果进行评估。基于典型航路网络,以两类基础修复策略为对比方法,同时对比了实际运行结果,研究了不同修复策略的修复效果和适用性。仿真结果表明：航路网络修复优化策略既能弥补原有拓扑结构修复策略的结构受限不足,又能解决拓扑结构调整修复策略带来的巨额协调费用问题,能够保证在对正常运行航班干扰最小的同时,以最小的修复成本使所有受影响的航班都恢复正常运行,对于减缓航路拥堵和航班延误有极大的意义。     

改进的粒子群算法求解飞机位姿评估问题

在飞机装配中,要求调姿基准点距离误差和最小以及各点距离误差满足容差条件。以往的飞机位姿评估算法注重距离误差和最小,可能出现调姿基准点的距离误差不满足容差约束的情况。为了求解在满足容差约束条件下的距离误差和最小的飞机位姿参数,提出一种新的优化模型,将带容差约束转化为带惩罚函数,与距离误差和一同作为优化目标,采用求解约束优化问题的粒子群算法进行求解。在上述算法上进一步改进,通过动态改变约束参数来加强约束条件,可以通过迭代方式进一步减小飞机调姿基准点最大距离误差。仿真算例和蒙特卡洛分析证明,求解约束优化的粒子群算法和改进的粒子群算法在求解飞机位姿评估问题时,求解得到的调姿测量点最大误差小于奇异值分解法。     

基于混合粒子群优化算法的多弹协同航迹规划

为解决多弹协同低空突防航迹规划问题,提出了一种可在动态环境中进行离线和在线协同规划的混合粒子群优化算法.采用分解策略将多弹协同航迹规划总体结构分为两层:航迹规划层与协同规划层.分别针对单目标和多目标进行了多弹离线和在线仿真验证,结果表明该算法可针对突发威胁实时规划出多条三维航迹,并满足时间协同要求.     

用Hopfield神经网络与模拟退火算法求解UAV航路规划问题

分别用Hopfield神经网络与模拟退火算法求解UAV航路规划问题,并且对所求得结果进行了简单比较,结果表明模拟退火算法比Hopfield神经网络求解UAV航路规划问题效率更高。     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

资源约束项目调度问题的粒子群优化算法求解

介绍了应用粒子群优化算法求解资源约束项目调度问题的实现方法。建立了资源约束项目调度问题的数学模型,提出了确定资源约束项目调度问题解空间的办法。采用不同的策略处理前后约束和资源约束。编制了粒子群优化通用程序并对典型项目实例进行了优化,优化结果验证粒子群优化算法求解资源约束项目调度问题的有效性。     

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。     

复杂环境下的多无人机协同巡逻航路规划

为提高多架无人作战飞机（UCAV）存复杂环境下的协同巡逻效率,根据先验信息将环境划分为关注程度不等的未知区域、已知区域和禁飞区域,在航路规划算法中引入搜索回报函数和加权平均距离,加强对高关注度区域的巡逻力度,改善UCAV的空间分布。应用粒子群算法对航路规划模型进行了仿真,结果表明提出的协同巡逻航路规划算法有效     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.