紫外光通信协作无人机防撞编队的控制方法

为了研究强电磁干扰环境下无人机防撞编队的避障控制效果, 采用无人机编队间紫外光通信模型, 对传统人工势场法进行改进, 给出了具体无人机编队机间和无人机与障碍物的势场函数, 实现无人机编队在飞行的同时可以进行局部避障。结果表明, 在相同条件下, 改进后的人工势场法比传统人工势场法的避障时间减少了7.38%, 避障总路径减少了5.8%, 将改进后的避障算法应用到编队中可实现无人机编队的机间避障与外部障碍物的规避, 且编队间能够保持固定队形飞行至目标点。这一结果对强电磁干扰环境下无人机编队避障的研究有一定的应用价值。     

多无人机编队协同保持的速度矢量场算法

主要对基于速度矢量场的无人机编队协同保持问题进行研究。首先以Leader-follower编队为研究对象,建立了无人机数学模型。在此基础上,借鉴人工势场法,引入相对速度矢量,给出无人机间的引力函数和斥力函数,完成了速度矢量场建模。在速度矢量场作用下,无人机编队能够实现队形保持,并保证无人机之间不会相互碰撞。最后搭建仿真验证平台,验证了该算法的可行性和有效性。     

基于人工势场法的集群避障算法应用研究

针对无人机集群避障的问题,选用效率高、应用普遍的人工势场法作为避障算法, 结合一致性编队理论,采用领航者—跟随者编队算法对无人机进行编队控制。并且对于障碍物增加虚拟障碍点进行重新拟合,以优化避障路径。结合以上内容有效地解决了无人机集群的避障应用问题。     

基于改进领航跟随法的多机协同航迹规划

航迹规划是实现无人机高效任务管理的关键环节之一。针对队形保持的多无人机协同航迹规划问题,引入队形力这一概念,对传统领航跟随法进行改进,提出了一种基于领航跟随法和人工势场法相结合的多机协同航迹规划算法,并利用MATLAB软件对上述算法进行了仿真实验,验证了此算法的正确性。     

一种自适应控制的人工势场的无人机路径规划算法

路径规划是无人机的重要组成部分,在简述传统的人工势场法的原理基础上,提出了一种基于无人机对各个方向感应系数自适应的改进方案,引入自适应论改进了传统的势场计算公式,改变了粒子运动中对各个方向的障碍物的斥力系数,找到最适合不同地图系数的最优路径,仿真实验显示,改进的人工势场法要优于传统的人工势场法,理论分析和结果表明改进的人工势场算法解决了目前路径规划遇到的问题,提高了算法的精度和速度。     

无人机集群编队控制方法研究综述

随着无人机技术的进一步发展，多无人机编队飞行的研究也受到了越来越多的关注。无人机相互配合组成编队群，可以充分发挥单个无人机所不具备的优势，更能胜任复杂、多任务场景下的工作。对无人机集群编队控制方法进行分类，分为传统控制法、群体智能算法、深度强化学习算法；对各类方法进行分析，着重归纳讨论了领导者-跟随者方法、人工势场法、运动学控制方法、蚁群优化算法、粒子群优化算法、人工蜂群算法、深度Q网络算法、深度确定性策略梯度算法、多智能体深度确定性策略梯度算法，并给出各自的优劣势；对无人机集群编队控制方法进行总结，指出传统控制法已接近成熟，但为了实现无人机的智能自主协同编队控制，仍需在群体智能算法和深度强化学习算法上融合新的思想与改进，从而发挥大数量无人机在复杂场景下的优势。     

战斗机人工势场在主从编队引导控制中的应用

引入战斗机人工势场的概念,建立针对主从编队引导控制的模型。在分析势、势场力的基础上,构建战斗机编队的队形势以及队形力函数。建立编队控制模型,编队队形的结构与队形参考点有关,参考点的数量和位置由队形和队形控制方式决定,主从编队控制以长机为队形参考点。建立了基于队形力的主从编队控制模型,并应用于实际领航者之中。仿真表明飞行误差收敛速度快,僚机能够稳定跟踪领航者的飞行轨迹,并保持较小的跟踪误差(20～40m)。在密集编队控制中,仍需改进控制器和优化参数;在稀疏队形和分散队形中,完全可以满足控制需要。     

机间紫外光通信网络MAC层分段运行退避算法研究

对飞机编队内部和飞机编队之间的紫外光通信网络工作模式以及相应的MAC层协议进行研究.为保证编队内所有飞机的信息共享与交互,编队内部采用非直视通信NLOS(a)模式;为保证通信距离和质量,编队之间采用NLOS(c)模式进行通信.机间紫外通信组网MAC层协议以原IEEE802.11 DCF协议为基础,对传统二进制指数退避算法进行改进,提出了一种基于分段思想的动态退避算法并进行了仿真研究,仿真结果表明:该算法与传统算法相比具有时延短,吞吐量大的特征,更适用于机间紫外通信网络.     

一种改进RRT的多机器人编队路径规划算法

多机器人路径规划是机器人领域的一个热点问题,相比于单机器人路径规划,其算法难度和复杂度都有所增加,在规划时需要兼顾多机避障、相互协作等难点问题.本文提出一种改进快速扩展随机树的多机器人编队路径规划算法,用于解决多机器人在复杂环境下的编队路径规划问题.针对多机器人在编队规划中的位置约束问题,定义机器人之间的领航-跟随结构,并对机器人队形建模.针对规划过程中编队朝向变化问题,建立搜索树扩展方向与队形方向之间的联系,通过调整队形方向改变规划时的编队朝向.针对具有质点模型和非完整约束动力学模型两种不同模型的多机器人系统,分别进行了仿真实验.仿真结果表明该算法在处理多机器人编队路径规划问题时可以取得良好的效果.     

基于DSP的无人机编队视频跟踪技术

无人机编队飞行可协同完成任务,比单机执行任务效率更高。队形控制是实现编队飞行的关键技术之一。视觉跟踪技术能从视频序列中获得感兴趣目标的状态参数,故在编队中可以利用视觉信息进行目标检测与跟踪来确定邻机方位及距离信息,从而实现队形控制。首先利用视觉传感器获取无人机的运动图像,然后基于DSP采用KLT算法,计算出无人机在图像上的相对位移,实现无人机的跟踪。实验证明,跟踪结果准确性较高,满足实际应用的精度要求,可用于无人机编队稳定跟踪,为进一步解决无人机相对定位问题提供位移信息。     

基于人工势场法的无人机路径规划避障算法

随着无人机广泛应用于生产生活的各个方面,无人机的避障研究成为热点问题。为了提高无人机的避障性能,文中提出一种基于人工势场法的无人机路径规划避障算法。该算法通过生成预规划路径弱化了目标点对无人机的吸引作用,增加了路径的连贯性;在势场函数中加入了动态调节因子,可减少无人机轨迹不必要的转弯机动,减少机动能耗;该算法综合考虑无人机飞行中的安全性、平滑性和机动能耗,提出了一种新的代价函数,并通过使得代价函数最小化来选出最优路径。实验结果表明,该算法克服了传统人工势场的不足,在不同的飞行环境下均能够规划出安全、平滑、机动能耗小的路径,有效避开障碍物,且具有较好的适应性。     

无人机编队中无线紫外光隐秘通信的能耗均衡算法

针对强电磁干扰环境下无人机之间的隐秘通信,该文提出了无人机编队中无线紫外光隐秘通信的能耗均衡算法。该算法能够结合紫外光非直视、低窃听等优点,克服传统无线电易被监听的缺点,在均衡能耗的同时为长机收集僚机信息提供可靠保证。通过引入考虑距离和剩余能量的优先级函数,提出基于分簇机制的改进算法BEAD-LEACH,并采用改进算法对无人机随机部署和呈圆形编队部署时进行仿真。仿真结果表明,在两种部署方式下,网络中50%节点出现死亡经历的时间分别延长了12%, 16%,改进算法能够有效地均衡网络的通信能耗,延长无人机网络的生存时间。     

基于无线紫外光隐秘通信的侦察无人机蜂群分簇算法

针对复杂战场环境下无人机(UAV)蜂群的渗透侦察任务,考虑无人机间信息传输时能量消耗的不均匀性,影响侦察任务的高效实施,该文提出一种基于无线紫外光隐秘通信的侦察UAV蜂群分簇算法。该算法结合无线紫外光散射通信的优点,通过分簇拓扑管理机制对UAV蜂群进行能耗平衡。仿真结果表明,与现有算法相比,所提算法能够有效均衡网络能量消耗,提高网络的传输效率,并且选取合适的数据包长度及节点密度可延长UAV蜂群的生存周期。     

面向频谱测绘任务的多无人机协同航迹规划方法

针对非合作环境下的传统频谱地图测绘方法中存在的低精度、低效率问题,本文提出了一种基于人工势场法的多无人机协同航迹规划方法。首先,构建了多无人机协同测绘方案及优化目标;然后,通过多无人机的预先航迹规划完成对环境的初步感知,并基于感知信息提出基于人工势场法的多无人机协同航迹参数设计方法;之后,基于设计的参数及采集的数据完成航迹的再规划,从而有效规避多无人机飞行过程中可能存在的重复采集数据及无人机之间发生碰撞等问题。仿真结果表明,相比与传统单无人机航迹规划方法,本文所提航迹规划方法能够高效、高精度、安全地完成测绘任务,所得结果满足了多架无人机协同飞行要求,具有较强的理论与实用价值。      

基于RRT算法的无人机路径规划应用研究

经典的路径规划算法大都需要在全局已知空间中对环境进行建模,包括人工势场法、遗传算法、启发式算法、仿生学算法等.由于需要预先构建环境,因此这些方法并不适合解决在高维度空间中的路径规划问题.基于快速扩展随机树(RRT)的路径规划方式其优势在于可以避免对全局环境的构建,通过对状态空间进行随机采样,检测碰撞点,能够有效地解决在...     

基于数据链的无人机空中自动防撞技术

分析了一种基于数据链的自动空中防撞技术,从空中自动防撞系统需求出发,描述了系统基本工作原理和流程。采用二次曲线拟合方法,给出了最优控制数学模型,以求解无人机航路间的最小距离,实现最优机动操作组合。仿真分析结果表明,空中自动防撞系统可在碰撞发生前的最后时刻有效完成逃逸操作,避免发生飞行碰撞,可为无人机编队提供进近飞行的安全防护。     

改进的人工势场法在机器人足球路径规划中的应用

传统的人工势场法在静态的路径规划中有较好的效果,对于足球机器人这类对抗性与实时性比较强的动态环境的路径规划往往存在一定的缺陷。由于传统的人工势场法是单纯的考虑势能与距离间的关系,所以在实际的路径规划中有些不必要的避障也考虑在内,无形中就增加了计算的繁琐度。在改进的人工势场法中我们引进了机器人与障碍物的相对位置与相对角度以及机器人与障碍物的距离跟机器人与目标点的距离的联系,根据障碍物所处的相对位置以及与机器人的相对角度来确定障碍物对机器人的威胁程度,从而来确定斥力的大小。在传统的算法中机器人所受的引力随距离减小而减小,斥力随距离减小而增加。所以当障碍物出现在目标点附近且在机器人威胁区域内时,往往会因为斥力相对引力足够大而使机器人无法到达目标点。所以在考虑斥力时我们有必要把机器人与目标点的距离也考虑在内。最后本文用仿真方法证明该方法的可行性。