基于改进精英蚁群算法的无人机三维航迹规划

针对三维地图中的无人机航迹规划问题,提出了一种基于改进精英蚁群算法的航迹规划算法。将算法中的状态转移策略与人工势场法进行融合设计,为障碍物和目标点分别设置斥力场和引力场,指导航迹搜索方向。添加约束条件限制,使航迹能实际可飞。随后当信息素更新时,设置双精英蚂蚁策略和混沌扰动,提高算法的全局搜索能力。引入视线算法减少航迹节点数,平滑航迹。仿真结果表明,搜索所得的无人机航迹均符合需求。

基于NSGA-Ⅲ算法的多无人机协同航迹规划

当多架无人机协同作战时,需要进行协同航迹规划,以提升任务成功率。将协同航迹规划中的约束转换为多个目标后,对NSGA(Non-Dominated Sorting Genetic Algorithm)-Ⅲ算法与势场蚁群算法进行融合设计。算法首先对地图进行势场构建,使距离障碍物较近的节点不易被选择,并且引导搜索方向。然后对航迹代价、空间协同约束和时间协同约束进行数学建模,转换为数值指标,并设置为NSGA-Ⅲ算法的多个目标。对NSGA-Ⅲ算法设计了临界层选择方法和进化算法等。最后在二维和三维栅格地图中,改进NSGA-Ⅲ算法利用各种群为各无人机搜索出期望的航迹。仿真实验表明,规划所得到的各无人机航迹安全且代价较小。

基于最优迭代学习控制的四旋翼轨迹跟踪控制

针对四旋翼无人机的轨迹跟踪问题,设计了基于干扰观测器的最优迭代学习控制器。在考虑外界干扰的情况下,建立了四旋翼无人机的运动学离散模型,通过设计离散形式的干扰观测器实现对未知干扰的估计,并用Lyapunov方法对干扰估计误差的收敛性进行了严格证明。在对干扰进行补偿的基础上,设计了最优迭代学习控制器,保证了四旋翼无人机对期望轨迹的跟踪误差渐近收敛。最后,通过仿真验证了所设计的干扰观测器和迭代学习控制器的有效性。

基于变权威胁评估的无人机安全飞行区域确定方法

针对复杂战场环境下确定无人机安全飞行区域的过程中面对的复杂性和不确定性问题,本文提出了一种基于变权理论和马尔可夫模型的无人机安全飞行区域确定方法.根据无人机相对于威胁区域距离的不同,引入变权理论对威胁指标权值进行调整,完成综合威胁大小计算.然后,利用马尔可夫模型对无人机飞行过程中受到的潜在威胁进行预测.接着,使用模糊评估方法评估无人机飞行区域的威胁等级,并引入云模型构建隶属度函数,以提高评估结果的可靠性.最后,根据威胁阈值确定无人机安全飞行区域.仿真结果表明所研究的无人机安全飞行区域确定方法在复杂战场环境下是有效的.