基于改进A*算法的三维航迹规划技术研究

A*算法在实现节点搜索时执行的是大空间搜索,该方式在三维空间中对时间和内存的消耗都较大。结合无人机的机动性能限制以及飞行任务来改进A*算法,可以达到缩小搜索空间的目的,同时对open表的管理进行改进,以减少扩展节点排序所花时间,从而整体缩短规划所需时间。通过此种方式规划出来的航迹能够最大程度地满足无人机的机动性能要求,仿真结果表明,此种方式计算速度快且能保证性能接近最优。     

基于复杂度分析的改进A~*算法飞行器航迹规划

采用传统A*算法进行大范围地图航迹搜索过程中,要收敛到最优解可能需要很长的时间和极大的内存需求,而且生产的航迹不能满足飞行器的约束条件。通过对A*算法进行时间复杂度的分析,找出算法中对计算时间影响最大的基本操作,提出了一种改进的A*搜索算法。该算法根据导航精度、数字地图误差等因素对搜索过程中网格的大小做出了确定,结合飞行器自身航迹约束条件和任务约束,在扩展子节点过程中大大缩小了搜索范围。仿真实验结果表明,该算法在大范围复杂地形情况下能规划出满足约束条件的最优航迹,并能大幅度降低搜索时间。     

基于改进A*算法的无人机航迹规划

在无人机航迹规划问题的研究中,针对在执行飞行任务前,需要根据所经区域内已知的地形、地貌、障碍和威胁等信息以及飞机本身机动能力的限制计算出飞行航迹, 并根据规划出的航迹完成飞行任务.能准确识别起始点到目标航路,提出了一种基于改进A*算法的无人机航迹规划方法,将无人机自身的性能和飞行任务结合到A*算法中去,在节点的搜索过程中解决了A*算法大空间搜索耗时多的问题.通过简单的路径消减算法去除不必要的航迹点,使得规划出来的航迹能够最大程度上满足无人机的运动特性.仿真结果表明采用的方法计算速度快并且规划达到最优性能.     

三维分层航迹规划算法研究与仿真

针对传统A*算法在飞行器航迹规划过程中产生节点较多,搜索时间较长等缺点,提出了一种改进的A*算法.该算法采用分层思想,将局部规划与全局规划相结合,并对代价函数进行了改进,在保证航迹优化的基础上,提高了搜索效率.仿真结果表明,运用该算法能够规划出符合工程应用的飞行器航迹.     

基于循环寻优RRT算法的无人机航迹规划

针对快速扩展随机树（RRT）算法在无人机在线自主航迹规划中的寻优性问题,提出基于循环寻优RRT算法。将航迹长度代价约束作为启发条件引入RRT算法,可以有效地剪除搜索空间的无用节点,获得较优航迹。通过引入已规划可行航迹的航迹长度代价约束作为下一次算法运行的启发条件,采用循环迭代策略有效地剪除搜索空间的无用节点,使得算法每次运行后的航迹长度代价减小,多次运行后最终得到的航迹接近最优航迹,充分利用航迹长度代价的启发性,克服了RRT算法的缺点,同时获得了一系列不同航迹代价的可行备选航迹,在协同任务中可以根据协同到达时间进行快速选择。仿真结果表明该算法能够快速生成安全并且满足无人机动力学约束的较优航迹。     

无人机低空突防航迹规划算法研究

结合低空突防中的地形跟随/地形回避/威胁回避( TF/TA2)技术,在分析无人机各种机动性能以及A-Star算法的基础上,提出了一种基于局部空间搜索最优节点的方法,将A-Star算法进行稀疏化处理;设计了更贴近实际的航迹代价计算方法,将算法与数字地形相结合进行仿真计算.仿真结果表明,设计的航迹规划算法兼顾了算法效率、航...     

无人机三维航迹规划算法研究

在模拟仿真出无人机三维飞行环境的基础上,根据航迹规划的要求,建立对应数学模型,并采用蚁群算法进行优化仿真.针对基本蚁群算法存在的搜索时间长、容易陷入局部最优解等缺点,将蚂蚁当前位置与目标位置的距离信息反馈到系统中作为航迹规划的控制信息,同时对航迹节点的选择方法进行改进,以提高算法的效率.仿真实例结果表明,该算法可以规划出满足无人机飞行要求的航迹.     

飞行器参考航迹规划方法研究

研究飞行器参考航迹规划优化控制问题,飞行器受到飞行达时间、油耗、威胁和地形环境等因素影响,传统的依靠飞行员的视觉效应,达不到优化的要求,同时飞行航迹实时性差.为了找到最优飞行器参考航迹,在分析当前飞行器航迹规划算法存在问题基础上,提出一种改进遗传算法的航迹规划方案.采用遗传算法对飞行器参考航迹进行全局搜索,快速找到全局最优解区域,并在全局最优区域通过模拟退火算法进行局部搜索,得到最优航迹.仿真结果表明,改进遗传算法能够快速找到最优参考航迹,能很好满足在线实时航迹规划的要求,是一种比较理想的飞行器参考航迹规划算法.     

基于改进蚁群算法的三维航迹规划

针对蚁群算法在无人机（UAV）三维航迹规划中存在的收敛速度慢、空间复杂度高的缺点,提出了一种基于改进蚁群算法的无人机（UAV）三维航迹规划方法。该方法改进了局部搜索策略、初始信息素调整因子并在启发函数中加入了路径偏移因子,从而降低了航迹搜索空间的复杂度,提高了算法的搜索效率和收敛速度。在利用DEM数字高程数据建立的搜索空间中,该算法与现有算法相比,规划航迹缩短约24.08%,运行时间减少约11.56%,表明改进蚁群算法在无人机（UAV）三维航迹规划中的可行性和有效性。     

基于改进RRT算法的UAV航迹规划与优化研究

分析步长、搜索次数对UAV航迹生成的影响,给出一种改进RRT算法。结合目标信息给出启发因子、优话采样节点选择方法、选取合适的启发概率等方法,解决了扩展树生长过程中随机性较大的问题,提高了全局搜索能力和搜索速度,同时考虑局部搜索精度。针对航迹随机化造成的航迹不够优化的问题,提出一种航迹迭代优化方法。仿真结果表明:该算法和优化方法具有较快的收敛速度和更短的搜索时间;迭代优化方法减少了冗余规划点,缩短了规划航迹,提高了航迹规划效率。     

基于A*算法的高超声速飞行器航迹规划方法

为了提高A*算法应用于高超声速飞行器航迹规划时的效率和稳定性,并保证航迹可飞性,提出基于改进型变步长稀疏A*算法的航迹规划方法。首先根据飞行器飞行区域不存在地形限制的特点,在规划过程中采取变步长策略,有效地提高了远程规划时的稳定性和效率;然后依赖飞行器的过载计算最大转弯角和爬升/俯冲角,根据计算角度构建规划空间,同时将飞行器飞行过程燃料/时间、航向、飞行高度、航迹末端、禁飞区域等约束用于规划空间优化,减少扩展节点的数量,进一步提高了规划效率并保证航迹的可飞性;最后基于威胁约束设计特殊的代价函数,保障了飞行安全和航迹规划的稳定性。仿真结果表明:规划出的航迹满足高超声速飞行器各种飞行要求,能避开各种威胁,规划时间短,稳定性好。得到的航迹能够作为航迹跟踪控制系统设计时的参考输入。     

无人机三维实时航迹规划仿真平台

无人机航迹规划是任务规划中的关键技术,为得到一条既安全可靠又全局代价最优的三维航迹.针对实现实时动态规划最佳航迹,利用图形用户界面开发环境,规则网格的数字高程地图模型建立了基于地形因素的多种威胁源模型,采用改进型概率地图法(probabilistic roadmap method,PRM)与最短路径搜索-Dijkstra算法相结合的方法规划了三维航迹.最终设计的平台能够实现多种航迹规划算法的搜索,二维与三维、实时与非实时、单机与多机的航迹规划仿真.通过平台的实际运行,证明了改进PRM算法的高效性,同时验证了该平台的有效性与实用性.     

复杂环境下基于采样空间自调整的航迹规划算法

针对具有渐进最优性的快速扩展随机树（RRT^*）算法在面对高维、复杂环境时所表现出的寻路效率低、收敛速度缓慢的问题,在RRT^*的基础上,提出一种基于采样空间自调整的渐进最优快速扩展随机树（AS-RRT^*）无人机（UAV）航迹规划算法。该算法可以自适应调整采样空间,进而引导树更为高效地生长,而这些主要通过有偏采样、节点筛选和节点学习这三种策略来实现。首先,在采样空间中定义向光和背光区域来进行有偏采样,而向光和背光区域的概率权重由当前扩展失败率决定,从而保证算法在搜索初始航迹时同时具有探索性和方向性;然后,在完成初始航迹的搜索后,算法就开始周期性地筛选节点,高质量的节点作为学习样本来产生新的抽样分布,质量最低的节点在算法达到最大节点数量后被新节点替代。在多种不同类型的环境下进行了对比仿真实验,结果表明所提算法在一定程度上改善了采样算法固有的随机性,而且相较于传统的RRT^*算法,该算法在相同环境里使用了更少的寻路时间,在相同时间里生成了更低代价的航迹,且在三维空间里的改进更为明显。     

改进RRT算法陷阱空间下的无人机航迹规划

针对大部分航迹规划算法在陷阱空间下,存在规划时间长、成功率低的问题,提出了一种改进RRT算法。通过将人与RRT算法相结合,由人设置虚拟目标点,引导航迹搜索走出陷阱空间;同时对节点扩展进行优化,保证航迹搜索在可行域内;并设置快速收敛策略,删除冗余节点,使航迹搜索速度加快。最后,通过仿真验证表明,该方法在陷阱空间规划中具有良好的效果,可快速规划可行航迹。     

一种无人机三维航迹规划算法研究

在研究无人机三维航迹规划问题时,针对基于传统人工蜂群算法易陷入局部最优值、后期收敛速度变慢、寻优效率低的问题,提出了一种改进人工蜂群算法的无人机航迹规划方法。首先,在建立包括经纬度、海拔高度信息的三维飞行区域模型后,加入了地形约束模型,并引入新的综合航迹代价评价方式。然后,在算法中引入自适应搜索策略、新型概率选择策略与Logistic混沌搜索算子来增强其对原始信息的开采能力,提高其收敛速度以及加强其鲁棒性。最后,通过三维航迹规划仿真和面对突发威胁的局部航迹再规划仿真对所提算法的有效性进行了验证。结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于遗传算法和传统人工蜂群算法,适合用来解决无人机的三维航迹规划问题。     

基于文化算法的无人飞行器航迹规划*

现有航迹规划方法无法保证规划最优路径的同时满足实时性要求,因此文中提出基于文化算法的无人飞行器航迹规划算法.利用文化算法的特性,将在线航迹规划方法与离线航迹规划方法相结合,融入文化算法种群空间中.知识提取,将初始航迹提取为形势知识,将航迹中特征节点可变化范围提取为规范知识,使用知识限定规划空间,缩短规划时间.通过知识结合不同规划方法,弥补现有方法的缺点.实验验证文中算法在复杂动态环境下能有效寻找目标点,相比其它在线航迹规划方法,规划速度更快,规划航迹更短,有效减少飞行器执行任务的时间.     

基于RRT改进的移动机器人路径规划算法

针对RRT~*算法在复杂环境路径规划中存在的盲目搜索、冗余节点及路径较长等问题,提出一种融合树扩展策略和采样策略的改进RRT~*算法(AF-RRT~*)。通过创造父节点改进RRT~*扩展树的结构,缩小路径长度;引入自适应探索,增加采样导向的选择性,减少路径搜索时间,同时不会陷入局部最优陷阱;通过动态步长,减少冗余节点。仿真结果表明,AF-RRT~*算法在多种环境下,路径获取效率和路径质量均优于RRT~*和F-RRT~*。消融实验验证了AF-RRT~*算法和算法各功能模块的有效性。     

基于改进A*算法的移动机器人路径规划

针对A*算法在路径规划中存在遍历节点数过多、转折角度较大的问题,提出一种能自适应场景地图的改进A*算法。通过量化地图场景信息和障碍物分布情况,引入父节点对当前节点的影响力,增加障碍物分布率的启发函数权重,减少遍历节点数量、提高搜索速度;加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化,避免路径出现多余转弯,降低路径出现局部最优解的可能。在相同地图场景中进行测试对比,所提算法能有效减少遍历节点数量,降低总转折角度,提高搜索速度,缩短路径距离,获得最优路径。     

利用Voronoi图与GIS规划三维飞行航迹

针对飞行器三维航迹规划问题展开研究,通过引进地理信息系统(GIS)的方法对地形图数字化和插值得到三维地形数据;利用Matlab构造Voronoi图计算出初步水平航迹,采用ArcGIS软件获取水平航迹对应的高程值(垂直航迹);再由坡度限制平滑算法,曲率限制平滑算法对垂直航迹进行法向加速度和曲率的约束求取最优飞行的路线,显示出规划的三维航迹及地形;并在突发威胁发生的情况,进行了路径的重规划.仿真结果表明,该方法能够快速规划出合理的航迹并满足实时性要求.     

基于优化的电势理论规划三维飞行路径

利用优化的电势理论进行飞行器三维航迹规划。对电势理论进行了优化,使其既能回避雷达、火力威胁,又能有效地回避地形威胁,使规划出的三维航迹具有一定的实用性。根据突防任务的需要,确定地形威胁与雷达、火力威胁的权重,并将模拟地形的高程数据与雷达、火力威胁按各自的权重叠加得到综合威胁电场;通过限定位于起始点和目标点之间的搜索范围,并对搜索条件进行改进,保证飞行路径最终能收敛于目标点;最后,用坡度限制平滑算法、曲率限制平滑算法对航迹进行法向加速度和曲率限制使其符合飞行器机动性能和可飞性要求。仿真结果表明,优化的电势理论可以进一步考虑地形威胁,而且在能够考虑目标点附近的各种威胁,提高了该方法的实用性,还能缩短航线规划的时间。