多无人机协同攻击路径规划研究

如何实现多架无人机规避复杂威胁区域对敌重要目标实施协同打击成为近来研究的难点,研究实现协同打击的关键是规划出多无人机从各自起始点到目标的最优协同攻击路径,以解决路径规划的关键技术为目的。对复杂威胁区域中,多无人机最优协同攻击路径规划进行了研究。首先,构建了多无人机最优协同攻击路径规划系统框架;其次,以人工智能A*算法为基础,结合无人机运动学方程对A*算法进行了改进,得到一种基于步长搜索的无人机路径快速生成算法;再次,基于改进的路径快速生成算法,以多无人机同时攻击目标为约束条件,进行变步长的协同攻击仿真计算。仿真验证了路径规划算法和协同攻击算法的有效性。     

无人机三维实时航迹规划

无人机航迹规划是无人机任务规划中最重要也是最复杂的环节,针对基本粒子群航迹规划算法后期容易陷入局部最优解、算法容易“早熟”、规划出的航迹精度不高等问题,提出了一种以并行方式进行的双种群粒子群航迹规划算法;双种群粒子群算法由两个向相反方向搜索的种群构成,这两个种群协同优化,扩展了搜索范围,克服了基本粒子群算法后期容易陷入局部最优解的问题,提高了航迹的精度;如果无人机在飞行过程中检测到突发威胁,则寻找邻近航迹点作为实时重规划点,规划其到目标点的航迹;通过仿真验证了算法的有效性,并满足了实时性的要求。     

输电线路固定翼无人机多目标巡检线路优化

以提升固定翼无人机(UAV)输电线路巡检避障能力、缩减巡检路径长度为目标，提出基于改进粒子群算法的输电线路固定翼UAV多目标巡检线路优化方法。以最小化线路长度和线路威胁作为目标函数，结合航迹段的长度约束和最大转弯角度约束，构建固定翼UAV多目标巡检线路优化模型。将多目标函数作为粒子群优化算法的适应度函数，找出最优输电线路巡检线路。创新性地通过调整粒子群算法惯性权重，引入相邻适应度函数值比较策略、遗传算法的杂交运算，优化生成UAV多目标巡检线路。试验结果表明，该方法可以对巡检范围内存在的所有障碍物进行有效规避。巡检线路可以覆盖巡检范围内所有输电线路。100 m²范围内航迹点设置为25个时，优化效果最适宜。     

基于改进鱼群算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键,为解决单目标函数构建的任务分配模型不能满足决策者对战场环境大量信息的需求,以最大航程和最长任务执行时间作为多无人机任务分配的两个目标函数,依据多目标优化理论,建立了协同任务分配多目标优化模型.并采用了一种借鉴遗传算法中的变异思想的改进鱼群算法进行求解,得到多无人机任务分配的多目标最优解集,然后根据决策者的偏好选择最佳任务分配方案.最后将上述算法应用于多无人机协同任务分配中并进行了仿真,仿真结果验证了改进鱼群算法的收敛性及有效性,为多无人机协同任务分配优化提供了参考依据.     

基于图形模型动态感知下的多无人机航迹协同

为解决对当前形势估计不足以及对未来情况预测的问题.采用图形模型中动态贝叶斯网络(DBN)建立突发威胁体感知的模型,利用DBN的状态转移网络、观测转移网络及DBN的学习和推理算法,实现了对突发威胁体的动态感知.提出一种基干图形模型动态感知下的多架无人机航迹协同规划方法,并据此实现多无人机飞行航迹协同规划.仿真结果表明了这种基于图形模型动态感知下的多架无人机协同方法的正确性和可行性.     

求解无人机航迹规划问题的精英引领自适应樽海鞘群算法

针对目前无人机航迹规划成本高、精度差和稳定性不足等问题,提出一种精英引领自适应樽海鞘群算法。首先,分别引入精英质心对立学习和精英引导惯性权重机制对樽海鞘领导者和跟随者更新方式进行改进,提升樽海鞘群算法的全局搜索能力和收敛速度,并设计种群个体角色自适应调整机制均衡算法的全局搜索和局部开发;然后建立无人机二维航迹空间模型和航迹成本模型,将航迹规划转换为多维函数优化问题,并利用精英引领自适应樽海鞘群算法求解无人机航迹规划问题,以综合考虑威胁成本和燃料成本的航迹目标函数评估个体位置适应度,对航迹规划最优方案迭代求解。在两个不同复杂性的威胁场景下进行的仿真实验结果表明,与人工势场(APF)、樽海鞘群算法(SSA)、人工蜂群算法(ABA)和改进樽海鞘群算法(ISSA)相比,所提算法的最优航迹平均成本分别可以降低78.68%、61.77%、42.76%和19.36%,验证了所提算法的有效性。     

多无人机航路重规划方法

提出了一种基于改进人工势场法的无人机航路重规划算法。在航路重规划中,设置多个节点,将无人机的航路分段,并重新构造斥力函数,无人机在突发威胁的边界调整航路,实时规划出避开突发威胁的可飞航路;仿真结果表明,该算法能够较好地满足航路规划的要求。     

基于改进强化学习算法的多无人机智能航迹规划

为实现复杂任务环境中多无人机的自主飞行, 本文采用改进的强化学习算法,设计了一种具有避碰避障功能的多无人机智能航迹规划策略。通过改进搜索策略、引入具有近似功能的神经网络函数、构造合理的立即回报函数等方法,提高算法运算的灵活性、降低无人机运算负担, 使得多无人机能够考虑复杂任务环境中风速等随机因素以及静态和动态威胁的影响, 自主规划出从初始位置到指定目标点的安全可行航迹。为了探索所提算法在实际飞行过程的可行性, 本文以四旋翼无人机为实验对象, 在基于ROS的仿真环境中验证了算法的可行性与有效性。     

无人机多阶段航迹预测协同任务规划

针对多无人机(Unmanned Aerial Vehicles, UAVs)协同控制问题,提出了一种UAVs多阶段航迹预测分布式任务规划方法;定义从一次任务分配开始到其中一项任务完成为一个任务周期;在每个规划周期,首先,各UAV使用A*算法快速预测到所有任务目标的路径,提供至任务分配;然后,采用聚类算法修改目标价值向量,协商分配结果,并实时计算探测范围内的最短路径;最后,采用三次B样条曲线平滑所分配的最短路径,在线规划出满足飞行约束的飞行航迹;通过仿真实验对算法的有效性进行了验证,结果表明,提出的算法能够实时获得近似最优的任务分配结果并规划出可飞行航迹,并有效处理突发任务。     

基于改进A~*算法的灾后井下无人机航迹规划

针对传统A~*算法应用在煤矿灾后井下环境侦测的无人机航迹规划中存在搜索点冗余、遇到突发威胁时实时性较差等问题,提出了一种逆向变权重稀疏A~*算法。根据无人机自身性能约束及灾后井下威胁模型,从目标点到起始点进行全局静态航迹规划,避免大量无效搜索;根据无人机执行任务的需要设置不同权重系数,得到侧重航程或安全的航迹;通过引入次目标点策略,仅对被突发威胁覆盖的航迹进行修正,可在短时间内有效避开突发威胁。仿真结果表明,利用该算法进行航迹规划用时较短,无人机受到的威胁较小,可有效保障航迹规划的实时性和安全性。