基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明该方法是一种有效的航路规划方法。     

无人机航路规划问题初步研究

本文通过对无人机航路规划的研究,概括和总结了无人机航路规划问题的几个重要方面,构建了航路规划的基本框架。文章重点介绍了航路规划的约束条件、威胁模型的建立以及航路规划的算法,并对今后无人机航路规划的发展提出了展望。     

基于Voronoi图的无人机航路改进规划

针对传统B样条插值法在无人机航线优化路径中的不足,基于Voronoi图提出一种新的快速优化航路算法.首先根据最短路径算法在Voronoi图中生成初始路径,然后在路程时长和权重大小最优的情形下,采用该优化算法对路径中构成不可飞夹角的各节点进行更新和替换,生成一条最优路径.该算法解决了因初始路径不合理导致无人机不可飞的情形,同时保证了航路中威胁代价和燃油代价的最优.实验结果表明,该算法满足航路规划的有效性和合理性.     

基于空间分解网络的无人机航路规划

设计了一种无人机航路规划方法,首先通过作战任务想定构造Voronoi图,利用空间分解网络和Rosenthal算法确定初始航路,然后进行样条插值对初始航路光顺修正,最终得到一条可飞航路。仿真计算表明该方法简单、有效。     

基于自适应遗传算法的无人机轨迹优化

针对目前无人机爬升轨迹优化算法存在的收敛速度慢、容易陷入局部最优解等问题,提出了一种基于自适应遗传算法的爬升轨迹优化方法。首先,结合无人机爬升阶段的运动方程和性能指标给出爬升段轨迹的优化模型。其次,为提高染色体的多样性和算法的收敛速度,对自适应遗传算法做了相应改进,使其更适合用于爬升轨迹的优化。最后,根据无人机爬升段轨迹特点,给出具体优化步骤,并对某型无人机爬升段轨迹做了优化仿真验证,结果表明所提出的方法能够在一定程度上节省运营成本。     

基于遗传算法的无人机航迹规划

研究了基于遗传算法的无人机全局路径规划算法,建立了综合评价航程总长度、威胁概率和平均地形高度的多目标优化函数,并针对此优化函数设计了基于相对距离转角的遗传算法编码方案,进化计算结果稳定,达到了利用三维地形规避威胁的目的.进而研究了基于路径规划点生成光滑航迹的鲁棒性算法,利用MATLAB和VRML接口实现了无人机全局航迹...     

基于全局优化的无人机编队协同攻击航路规划模型

为使无人机编队协同攻击航路从总体上达到最优,引入一种全局优化方法,分析了该方法在无人机编队协同攻击航路规划中的应用,建立了无人机编队的协同攻击航路规划模型,并对该模型的求解进行了分析,给出了求解的全过程。应用该模型对无人机编队协同航路进行了仿真研究,仿真结果表明,基于全局优化方法建立的模型可以满足约束条件下的航路规划要求,具有较强的工程实用性。     

具有周期性双层优化结构的无人机集群航路规划模型

 针对多种威胁条件下的无人机集群航路规划问题,提出了集群控制方法和周期性双层优化算法。以定点抵达任务为背景,将d-范数、冲击函数与反曲函数结合起来,构建了能够实现雷诺兹准则的集群动态控制模型,并采用设计出的周期性双层优化算法求解中心无人机的航路规划问题。通过仿真算例,验证了该模型的实效性和优化算法的可行性,与遗传算法-人工势场混合算法相比,周期性双层优化算法求解效率更高且优化效果更好。     

采用自适应原始对偶迭代的无人机编队协同航路规划方法

针对目标通过机动进入无人机雷达探测盲区、导致雷达跟踪不稳定的问题,提出一种无人机编队协同航路规划方法。首先,根据雷达多普勒速度盲区、雷达探测视角、距离边界区等建立协同航路规划约束条件;然后,以机动目标稳健跟踪为目的建立优化目标函数,并结合约束条件构建协同航路优化模型;最后,设计了一种自适应原始-对偶迭代算法,对建立的航路优化模型进行快速求解,得到无人机飞行实时航路。对比仿真结果表明：所提方法能够实现无人机编队协同航路快速规划,达到对机动目标持续稳定跟踪的目的;与传统的高斯伪谱法和模型预测控制算法相比,所提方法求解速度提升了10%,算法复杂度相对较低;所提方法求解的无人机航路平滑性较好,可减少无人机飞行油耗,便于长时留空探测。     

基于分层策略的多无人机最优协同航路规划

基于分层策略将多无人机协同航路规划分为航路规划层、协同控制层和航迹控制层进行研究。航路规划层采用基于K均值和遗传算法的航路规划方法,为每架无人机提供多条备选航路;针对传统协同控制算法在求解协同变量出现无解的情况,设计了新的协同变量求解步骤;航迹控制层基于无人机六自由度模型和协同变量建立了终端时间固定的最优航迹控制模型,并采用勒让德伪谱法将最优控制问题转化为非线性规划问题,并利用CFSQP对模型进行了求解,实现了对无人机航迹控制变量和姿态的规划。仿真结果表明,利用该方法得到的无人机协同航路具有较高的可操作性,且计算量较小,效率较高,得到的无人机控制指令平滑,易于操控。     

基于改进人工鱼群算法的复杂地貌无人机三维路径规划

针对无人机在复杂海域地貌中的三维路径规划,在人工鱼群算法的基础上提出了一种改进的适应性人工鱼群算法。首先,利用数学模型建立地貌的三维模型,选取路径最短为性能评价函数,保证路径规划的合理性;其次,考虑到传统的人工鱼群算法前期收敛速度慢,后期需要精确搜索提高算法精度,提出自适应步长和自适应视野范围来更新个体的位置。为了避免算法陷入局部最优,在追尾行为中引入鱼群中的社会经验位置进行更新;最后,利用MATLAB对在3个复杂程度不同的地图中与传统的人工鱼群算法与粒子群算法对比,仿真结果表明改进后的人工鱼群算法在三维路径规划问题求解中具有更好的收敛速度和精度。     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

基于Dubins路径的无人机避障规划算法

研究了一种基于Dubins路径的无人机的避障规划算法. 通过采用遗传算法,结合无人机的飞行性能和最小转弯半径,提出了一种在已知障碍空间位置前提下的无人机路径规划方法,并通过算法改进,将其推广成为在未知障碍位置等先验知识的前提下的无人机实时避障算法. 仿真结果表明,该算法原理正确,对于多障碍环境下无人机避障策略的获取具有较好效果.      

基于遗传算法的无人机航迹规划研究

本文研究了一种用遗传算法进行无人机航迹规划的方法,指出了无人机航迹规划的定义;提出了一种给定威胁及障碍分布下的无人机路径规划算法。根据威胁及障碍分布情况构造无人机可能飞行的航路集voronoi图,采用Dijkstra算法搜索威胁及障碍分布图,求解初始最短路径。在初始最短路径基础上,采用遗传算法优化初始路径。最后进行仿真实验,结果验证了遗传算法能提高航迹质量。     

针对机器人路径规划问题的改进型遗传算法

针对路径规划的"求解质量"和"求解效率"2个问题,在传统遗传操作的基础上,通过在遗传操作中加入优化算子,减少了搜索的盲目性,使得优秀个体能较快地产生,算法在很少的进化代数中就可以求出问题最优解.算法的分析和仿真试验表明,算法的改进是有效的.     

多障碍离散路径规划的遗传算法求解

使用遗传算法求解多障碍离散路径规划问题时,容易产生大量无效解.通过计算个体的有效路径,评价个体,并在遗传操作中不断累积局部优势模式,可以对无效解进行遗传操作并最终生成有效解.无效解往往在有效路径的尾部陷入障碍.针对此变异操作,使得个体不仅可以保留前端累积的局部优势模式,同时可通过尾部变异跳出环境障碍.     

遗传算法在机器人路径规划中的研究综述

遗传算法(genetic algorithm, GA)是一种在机器人路径规划中应用最广泛的智能算法。近年来,机器人路径规划问题是各行业实践应用的热点问题。在分析GA优缺点的基础上,对GA在机器人路径规划应用领域进行深入调查,论述了现阶段国内外各领域发展现状,并阐述了现阶段存在的技术难点。最后对GA在机器人路径规划的发展趋势进行了展望。     

数字势场和遗传算法的机器人路径规划的方法

提出了一种适用于任形式机器人格规律划的新方法，该方法利用笛卡尔工作空间的几何信息，建立离散化工作空间的距离图和数字势场，基于启发函数引导机器人在构形空间使用遗传算法进行搜索，而且，针对势场中极小点问题，提出了一种使用遗传算法和交替势场进行逃离的新算法，最后分别为6自由度关节机器人和12自由度双手协调机器人进行路径规划和仿真，验证了该方法的有效性。     

线性再励的自适应变步长机器人神经网络路径规划算法

研究已知障碍物形状和位置环境下的机器人全局路径规划问题。利用神经网络路径规划算法进行路径规划，为提高神经网络路径规划算法的收敛速度，表明所给出的线性再励自适应变步长算法能够有效地加快路径规划的收敛速度。