共查询到10条相似文献,搜索用时 375 毫秒
1.
2.
针对多无人机同时到达目标的航迹规划问题,建立战场环境模型和单无人机航迹规划的马尔可夫决策模型,基于Q学习算法解算航程最短的最优航迹,应用基于Q学习算法得到的经验矩阵快速解算各无人机的最短航迹并计算协同航程,通过调整绕行无人机的动作选择策略,得到各无人机满足时间协同的航迹组。考虑多无人机的避碰问题,通过设计后退参数确定局部重规划区域,基于深度Q学习理论,采用神经网络替代Qtable对局部多无人机航迹进行重规划,避免维度爆炸问题。对于先前未探明的障碍物,参考人工势场法思想设计障碍物Q矩阵,将其叠加至原Q矩阵,实现无人机的避碰。仿真结果表明:所提基于Q学习的多无人机协同航迹规划算法能够得到时间协同与碰撞避免的协同航迹,并对环境建模时所未探明的障碍物进行躲避;与A*算法相比,针对在线应用问题,新算法具有更高的求解效率。 相似文献
3.
4.
为了提高SAS(sparse a* search)算法在航迹规划问题中对不同环境的适应能力,实现规划环境中禁飞区的快速避让、匹配区的快速查找,对SAS算法进行改进,提出了分层SAS的快速规划方法。分层SAS规划方法主要包括:粗SAS规划和精SAS规划,对不同性质的约束条件分粗、精2阶段进行处理。该方法将复杂的航迹规划问题分成相对简单的子问题,提高了对不同环境的适应能力,同时每个子问题的针对性较强,因此每一层规划速度较快。仿真实验表明,对不同复杂程度的环境,该方法有更好的适应能力。 相似文献
5.
6.
构建了无人机协同航迹规划的结构框架,并阐述了其发展,分析了无人机系统约束及威胁场约束,探讨了无人机航迹几何建模方法及协同规划算法的国内外研究概况,并着重分析了协同规划算法如遗传算法、神经网络及蚁群算法。最后,阐述了无人机协同航迹规划面临的关键问题及发展趋势。 相似文献
7.
一种无人机自主变步长航迹规划方法 总被引:1,自引:0,他引:1
现有无人机航迹规划搜索算法大多采用定步长搜索算法,鉴于威胁分布具有不均匀性和突发性.提出了一种无人机自主变步长快速航迹搜索算法。该算法借鉴了稀疏A*搜索算法的部分思想,结合威胁分布信息调整搜索步长,有效减少了搜索时间。仿真结果表明该算祛能够快速规划出满足任务需求及约束条件的无人机航迹。验证了算法的正确性和有效性。 相似文献
8.
9.
针对无人机自动跟踪目标过程中需要规避障碍物的问题,设计一种将跟踪制导律与改进人工势场法相结
合的航迹规划算法。对人工势场法进行适应性改进,建立无人机动力学模型,阐述定距离跟踪制导律的设计方法,
并采取加权求和与运动学约束的方式将定距跟踪制导律与人工势场法二者结合。仿真实验结果表明:该策略具备有
效性和可行性。 相似文献