基于数字地形平滑和人工势场的无人机近地三维路径规划

根据无人机在地形跟随和地形规避任务中的特殊要求,提出了一种基于数字地形平滑技术的无人机三维飞行路径规划新方法。该方法包括以下2个步骤:第1步是通过访问SRTM数字地形模型,并设置安全高度、减少坡度和曲率等参数,对数字地形进行平滑处理,生成一个安全的飞行表面。第2步在所获得的安全飞行表面的基础上,考虑了无人机的机动约束和威胁指标,设计了一种改进的向量场方法来搜索从给定起点到指定目的地的最优飞行路径。利用所设计三维路径规划仿真程序进行了仿真试验,仿真结果表明,所设计的路径规划方法可以在避开威胁源的情况下获得最佳的3D飞行路径,具有良好的可行性和有效性。

基于改进混合灰狼优化算法的无人机三维路径规划

针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。

改进Theta^(*) 算法的物流无人机城域三维路径规划

针对物流无人机城域配送路径规划问题,使用改进栅格法进行环境建模,设计路径安全代价函数提高路径安全性。为了解决Theta^(*)算法在城市区域规划时路径海拔变化较大的问题,同时为减少路径节点数,提高路径平滑性,在算法实际代价函数中引入海拔变化代价及姿态调整代价;在算法搜索路径节点过程中,通过提出视线存在预设策略减少多余检查过程,提高算法搜索效率。与A*算法及Theta^(*)算法对比验证了改进Theta^(*)算法适用性。设计对照实验确定了目标函数权重及估价函数权重最优取值。在随机不同环境及真实环境下进行仿真,结果表明:相比于传统算法,改进Theta^(*)算法规划路径的海拔变化、路径点数、规划时间及路径总代价均有较明显减少,证明了改进策略的有效性,在城域无人机路径规划方面有一定应用价值。

基于地形约束的改进蚁群算法履带车三维路径规划

针对传统蚁群算法在三维路径规划时初期搜索盲目性强、累计俯仰角度过大、信息素更新没有针对性的问题,提出了基于地形约束的改进蚁群算法。针对前期搜索盲目性,考虑重力因素对履带车的影响,根据地形高度对初始信息素浓度进行不均匀分布;为解决路径规划只以距离最短为目标的局限性,充分考虑地形坡度的影响,添加引力、斥力和俯仰角因素构造多元启发函数;利用狼群分配原则对最优路径上信息素浓度进行加强,最差路径上信息素浓度进行减少,并且对信息素进行限幅,有效避免陷入局部最优。在Matlab中通过栅格法建立三维空间进行试验,仿真结果证明优化算法的有效性,并且当环境越复杂时,改进算法优越性越明显。

基于分组优化改进粒子群算法的无人机三维路径规划

针对粒子群算法在解决三维路径规划问题中遇到的过早成熟、陷入局部最优等问题,借鉴鸡群算法中的分组优化策略,对粒子群算法中的粒子进行分组处理,并在小组粒子更新时采取模拟退火操作,提高了粒子群算法的局部搜索能力,有效避免了陷入局部最优和早熟的现象。利用MATLAB进行实验仿真,验证了使用鸡群分组优化策略和模拟退火操作改进后的粒子群算法在解决无人机三维路径规划问题上的可行性和有效性,实验结果表明,改进后的算法具有更强的局部搜索能力且规划的航迹稳定性更好。

复杂环境下的无人机三维路径规划

针对存放大量杂物的室内环境或室外高楼林立的城市场景的复杂环境,提出一种以Theta^(*)算法做全局路径规划、改进动态窗口法(DWA)追踪路径节点的方法来实现四旋翼在三维环境下的路径规划。相较于先全局静态路径规划后路径C2连续性优化的方法,所提方法可躲避地图中未知障碍物信息并且生成的曲线符合无人机(UAV)动力学约束,保证UAV能够跟随路径而不会发生速度剧烈变化导致姿态错乱的情况。算法最终不仅生成规划好的避障路径,而且也生成电机的转速变化。所提方法可实现在无干扰情况下,仅跟踪电机转速变化就能进行轨迹跟踪,简化了UAV的控制难度。

GIS腔体内移动平台基于改进A^(*)算法的三维路径规划

针对已知气体绝缘开关设备GIS腔体环境信息下的移动机器人三维空间路径规划问题,提出一种改进A^(*)算法的全局路径规划算法。描述GIS腔体内孔洞陷阱的障碍物环境,用三维栅格地图表达弧形腔体环境;针对传统A^(*)算法规划的路径不平滑、多转弯缺点,引入动态衡量启发式函数,结合三次准均匀B样条函数对路径进行平滑处理;通过仿真验证了算法在三维环境下的有效性。

基于二维连通图的无人机快速三维路径规划

针对复杂真实环境下无人机三维路径规划解算速度慢的问题,提出一种基于二维连通图的快速三维路径规划方法。首先解析真实地理环境的地形特征和建筑要素,构建基于数字高程模型(DEM)的多层次等效三维数字地图;在此基础上,经过无人机可行空域到二维连通图的转化、连通图中的路径规划及路径的三维化与优化,快速获得一条可执行的三维路径。针对连通图中的全局路径规划,设计了一种基于步长地图的变步长稀疏A*算法,在保证路径质量的同时有效降低路径搜索的时间;针对连通图中的局部路径规划,提出一种基于障碍预测的随机路标图(PRM)实时路径重规划算法,以满足无人机的实时性避障需求。分别在山地环境和城市环境中进行仿真飞行,结果表明:所提方法能够有效降低三维路径规划的解算难度,在短时间内完成复杂环境下不同尺度和需求的路径规划,全局路径规划算法同比三维A*算法和基于二维连通图的二维A*算法搜索时间分别降低了99%和95%,局部路径重规划算法能够在1 s的单次采样周期内完成路径重规划,实时躲避未知障碍物,保证飞行过程的安全。

基于紧凑蚁狮算法的三维路径规划研究

现有导弹三维路径规划算法仅将距离作为优化目标,没有考虑通信连通性和作战隐蔽性的需求,往往不能获得较好的战术效果,而且大多采用元启发式算法,计算量大,不利于嵌入式应用.针对此问题,本文提出一种基于紧凑蚁狮算法的三维路径规划方法,将距离、通信连通性、作战隐蔽性作为多优化目标,对蚁狮算法进行紧凑改进,通过截断正态分布模型得到虚拟种群来取代实际种群,达到优化算法步骤和减少计算量的目的.MATLAB仿真试验结果表明,紧凑蚁狮算法(cALO)相比狼群算法(WPA)、粒子群算法(PSO)、蚁群算法(ACO)、蚁狮算法(ALO),可以较大提升三维路径规划的综合效果,占用较少的内存并极大地加快算法收敛速度,十分适合导弹的嵌入式环境应用.

基于改进PSO混合算法的无人机三维路径规划研究

针对在无人机路径规划中粒子群算法(Particle Swarm Optimization,PSO)容易过早收敛的问题,提出了一种改进粒子群混合优化算法(Improved Particle Swarm Optimization,IPSO)。IPSO算法在考虑路径长度代价、高度代价、碰撞代价以及转弯角与爬升角代价的基础上构建适应度函数,将粒子群算法与遗传算法以及和声搜索算法相结合,同时引入引力搜索算法中的加速度思想,设置动态更新的学习因子与凹函数模型的动态惯性权重。仿真结果表明,对比传统的方法,IPSO算法在路径长度,收敛速度,平均消耗时间以及稳定性等方面都具有显著的优势。

改进沙猫群优化算法的无人机三维路径规划

为提高无人机在复杂三维障碍环境中的路径规划效率及准确性,提出一种融合准反向学习策略的沙猫群优化算法.根据实际情况构建适合本场景的数学模型,再通过成本函数将三维路径规划问题转化为目标函数求解问题,同时考虑无人机的安全性、偏航角和俯仰角等相关约束,从而找出最优飞行路径.仿真实验结果表明,在相同障碍环境下进行多次重复实验,沙猫群优化算法只有约40%概率能够寻找到满足相关约束的最优飞行路径,而融合准反向学习策略的沙猫群优化算法能够准确找出最优飞行路径且在不同的障碍环境下也能够高效寻找最优路径.

基于多模态多目标进化算法的无人机三维路径规划

侦察无人机的三维路径规划不仅要考虑续航能力,还要考虑安全性。针对复杂的侦察环境,通过地形建模和威胁建模来模拟侦察无人机的三维飞行环境,并以油耗和威胁作为优化目标,最后使用多模态多目标进化算法来对其进行求解。实验结果表明,对于能耗和危险程度之间的目标冲突,所提算法能够提供多种有效决策支持。另外,当能耗和危险程度相同的情况下,相比于现有研究,可以提供更多等效方案供决策者根据实际环境作出最合适的决策。

融合随机反向学习蜜獾算法的无人机三维路径规划

提出一种融合随机反向学习的蜜獾算法(random opposition-based learning honey badger algorithm,ROBLHBA)以解决复杂的无人机三维路径规划问题。在原算法的挖掘阶段和采蜜阶段后加入随机反向学习策略,增强算法的全局能力,加快了收敛速度。此外,为了更加真实地模拟复杂的无人机三维路径规划问题,将路径长度和与威胁障碍的碰撞情况作为代价函数,将无人机三维路径规划问题转化为对无人机的安全性和飞行操纵约束下的优化问题,使仿真实验更加具有真实性。实验对比多种群智能优化算法在同一场景下的运行结果,同时也将改进算法在不同场景下运行。实验结果体现改进后的蜜獾算法在无人机三维路径规划问题上有更好的实用性和鲁棒性。

基于改进NeRF-Navigation的移动机器人三维路径规划方法

针对移动机器人在真实场景行进时光线复杂多变的特点,使用Nerfstudio框架对重建场景边界进行限定,生成具有较优性能表现和较少内存占用的三维网格地图。在NeRF-Navigation的基础上引入贪婪信息增益策略和动态权重策略,提出了一种具有隐式环境适应的动态加权A*路径规划方法,在三维场景网格地图上利用4种评价指标进行了算法验证,实验结果表明,改进方法能有效降低路径规划曲率,提高了移动机器人在室内场景中的直线运动与转弯避障等运动性能。

复杂环境下无人机全覆盖三维路径规划算法

针对复杂实际环境下无人机进行快速三维全覆盖路径规划的问题,提出了无人机全覆盖三维路径规划算法。首先,二维全覆盖路径规划由全局运动策略、局部运动策略和摆脱死区策略组成,在全局运动策略中改进标记函数和提出次层起点动态搜寻策略,摆脱死区策略由A^(*)算法和改进环形搜索算法构成;三维全覆盖路径规划由分层规划策略、地图重构策略和层间连接策略组成,分层规划策略将三维分为不同间隔高度的二维环境,地图重构策略对二维进行动态地图构建,层间连接策略由头一层的遍历终点确定下一层的遍历起点。仿真结果表明:所提算法在二维全覆盖路径规划时,相较于传统的单环搜索方式摆脱死区策略,路径长度缩短2.7%,路径重复率减小3%;相较于无局部运动策略,路径长度缩短14.2%,总死点数目和路径重复率降低32.9%和4.4%,且运行时间减少6.7 s;在三维全覆盖路径规划时,相较于无地图重构策略,路径长度缩短27.33%,死点数目减少16.82%,运行时间减少70.8 s,路径重复率减小7%;最后进行参数分析,得出本算法性能最优时参数取值。综上,该算法能够适应复杂环境,且能有效降低死点数目和路径重复率,快速规划全覆盖路径,具有较好的鲁棒性。

考虑碳排放的子母穿梭车密集仓储系统复合作业三维路径规划

为提高子母穿梭车密集仓储系统运作效率,对系统的复合作业三维路径规划问题进行研究。为减少复合作业过程中出入库设备的碳排放量,在其复合作业三维路径规划中考虑了碳排放成本因素,在模型中引入温室气体单位税收成本,建立了考虑碳排放成本和设备作业时间的双目标调度优化模型。在求解该数学模型中,设计了混合智能水滴算法。实例研究表明,与智能水滴算法、布谷鸟算法相比,设计的混合智能水滴算法具有更好的全局搜索能力及更快的收敛速度,能够有效地降低复合作业设备的碳排放成本,优化三维空间路径,提高出入库效率。

基于改进蚁群算法的三维路径规划

针对移动机器人在海水环境中的三维路径规划问题容易陷入局部最优和收敛慢等瑕疵,根据三维环境全局信息来改进蚁群算法以提高实时性和收敛速度。改进蚁群算法的启发函数,采用局部信息和全局信息结合动态地改进信息素更新方式,以及根据三维空间中路径的平坦程度和光滑度二阶微分分别增加了一阶微分和二阶微分来再次修改信息素更新规则。仿真对比实验结果显示改进后的蚁群算法克服了收敛速度慢、容易陷入局部最优的缺点。

偏微分高程图环境蚁群算法的三维路径规划

针对在三维空间路径规划中建模与避障问题,提出了一种新的在偏微分高程建模环境下蚁群算法的三维路径规划方法。首先,利用抽象建模和高程建模方法分别构建三维空间环境,并用偏微分对高程环境进行最优数据提取,在此基础上利用高程数学建模方法进行三维空间重建,最终形成偏微分高程环境。其次,首次将种群对于环境的最佳适应度值作为目标函数评判蚁群寻找最优路径的决策能力。最后,在不同的建模环境中应用蚁群算法进行路径寻优,输出最优路径。通过对仿真结果和实验数据分析,验证了所提方法的有效性和正确性。

基于A~*算法的通用仓储物流三维路径规划研究

仓库作为物流转运的中心,追求低错单率和低人工成本,提高仓储系统的整体运转效率,成为其发展的主要目标。拣选机构跨层作业作为一种新的解决方案,提高了仓储系统的效率也提高了系统灵活性,使得仓储物流路径规划的约束变少。传统的仓储物流路径规划局限于某一特定仓库,设计一种相对适用的路径规划模型,且多为二维路径规划。但不同的仓库结构要重新设计算法,模型利用率不高。跨层作业此类约束较少甚至无约束的三维仓储路径规划研究不多。文章基于栅格化的仓储环境,提出一种通用的仓库拣选三维路径规划模型,从设备能耗、拣选时间两方面考虑设计目标函数,拣选设备水平、竖直方向运动特性不同,设计分段启发函数的A*算法进行求解,并用matlab进行仿真,验证了模型的可行性。

基于射频识别库存管理的无人机三维路径规划

为了提高无人机搭载读写器的盘点效率,规避无人机无效的盘点飞行,减少盘点飞行路径,提出一种基于射频识别库存管理的无人机三维路径规划方法。首先在三维空间搭建一个飞行网络模型,并建立相应的坐标系;然后通过搭建危险壁障的适应度函数、射频识别读写器识别的适应度函数和路径最小适应度函数来构造目标函数,确保无人机能够在采集到每个在制品库存信息的前提下求得目标函数的最小值。采用基于二次差分进化的混合蝙蝠算法对目标函数进行求解,获得全局最优的飞行路径。通过仿真验证了该方法全局搜索能力较好,鲁棒性强。