基于改进粒子群算法的飞行器协同轨迹规划

考虑气动、轨迹、约束、指标间的耦合关系,以多高超声速飞行器同时到达为目标建立了协同规划模型;设计了一种自动满足终端约束的全新滑翔飞行剖面,减少了规划算法需要处理的约束数量;推导了滑翔段高精度解析解,实现了过程约束和性能指标的快速求解;提出了一种改进粒子群优化(Particle swarm optimization,PSO)算法,借助强化学习方法构建协同需求与惯性权重间的动态映射网络,提高了在线规划效率.最后通过数学仿真验证了方法的正确性和有效性.

不确定条件下无人机编队在线协同轨迹规划研究

针对不确定条件下无人作战飞机编队协同轨迹规划问题,提出了一种基于hp自适应伪谱法的局部在线规划方法。首先,通过对无人机编队攻击过程进行分析,建立了以单机威胁、任务执行时间、编队空间碰撞次数和指令时间误差为目标函数的协同轨迹规划数学模型。其次,为了解决在线协同轨迹规划问题,在优化时间片内根据实时环境信息和离线规划数据,给出了基于hp自适应伪谱法的局部规划方法。最后,从离线与在线2种情况分别对该方法进行仿真验证。仿真结果表明,该方法能有效地进行在线协同轨迹规划,而且能提供编队轨迹规划的高精度控制变量和状态变量信息。

基于松弛序列凸优化的轮式机器人协同轨迹规划

针对威胁环境下的多智能体协同轨迹规划问题,以轮式机器人为对象,研究了基于序列凸优化方法的协同轨迹规划方法。首先通过对轮式机器人模型的分析,给出单独轮式机器人实际物理约束,同时以状态量、控制量加权为性能指标,考虑运动学方程、避障避碰约束、个体物理性能约束、终端约束,建立多轮式机器人协同轨迹规划问题;其次,对运动学方程、避障避碰约束进行凸化,证明了满足凸化后的避障避碰约束的解也满足原始避障避碰约束,并进行了几何直观解释;然后,将凸优化子问题进行离散化与松弛化,采用序列凸优化架构进行问题求解;最后,通过数值仿真,对比了松弛序列凸优化方法与现有非线性优化求解器的求解效率。结果表明,松弛序列凸优化方法在尽可能保证最优性的同时大大缩短了计算时间,具有一定工程意义。

基于改进高斯伪谱法的多无人机协同轨迹规划

针对当前伪谱法求解无人机轨迹存在的计算量大、运算时间长以及难以保证最优性等问题,提出了将粒子群算法与高斯伪谱法相结合的改进方法。首先,使用粒子群算法进行航迹预规划,保证近似最优解的快速实现;其次,针对高斯伪谱法配点的相对位置选取,对粒子群预规划的航迹点做拟合处理,并以此作为高斯伪谱法的初始参考指令,从而解决伪谱法的初值敏感问题,加快优化算法的收敛速度。最后,综合考虑无人机编队性能指标、飞行环境以及协同飞行约束等进行实验。实验结果验证了初值选取的重要性,同时表明了所设计算法可提升解的最优性与收敛速度。研究结果可为多无人机协同飞行控制快速规划出多维度、高精度的引导指令,对实现智能自主化飞行有一定参考价值。

双工业机器人不同约束下协同运动轨迹规划

针对双工业机器人协作过程中的轨迹规划问题,对IRB200机器人进行建模,并求解机器人的正逆运动学。结合求解的正逆运动学提出紧约束下耦合运动和松约束下叠加运动算法。紧约束将机器人末端执行器之间建立不变的约束关系,实现机器人末端执行器之间产生耦合运动;松约束将机器人末端执行器之间建立随时间变化的约束关系,实现机器人末端执行器之间产生叠加运动。最终在MATLAB中分别进行协同搬运、协同绘制“铜钱”仿真实验验证算法,从姿态图、轨迹图及从机器人理论位置和实际位置对比能够看出,在不考虑机械误差、标定误差及机器人制造误差的情况下能够满足相关任务要求,实现从机器轨迹的自适应规划,避免对双工业机器人分别进行轨迹规划。

基于滚动规划框架的多无人机协同轨迹快速生成方法

面向多无人机协同轨迹快速规划的需求,提出基于滚动规划框架轨迹高效求解方法,将协同轨迹规划问题分解为若干短时域规划子问题,通过降低求解维度,提升协同轨迹规划效率。在考虑飞行性能与避障/避撞约束的基础上,设计了终端状态启发的目标函数,确保滚动规划结果能够准确收敛到终端状态。定制基于剩余距离的速度调节机制,通过动态调速保证规划结果的时间一致性。使用序列凸优化方法求解短时域轨迹规划问题,进一步提升规划效率。典型任务想定下的数值仿真验证结果表明:所提方法能够在满足避障/避撞与性能约束的前提下,快速生成短时域协同轨迹(耗时小于1s),具有工程实用性。

基于多目标搜索的无人机协同轨迹智能规划

由于路径规划问题,无人机起始点与目标点的距离在5 000-5 500 m内,导致飞行耗时较长。因此,本文提出一种基于多目标搜索的无人机协同轨迹智能规划方法。该方法将双坐标系做为量化基准,构造无人机动力学模型;通过蚁群算法,规划无人机运行的初始路径;进行多目标搜索,实现无人机协同轨迹智能规划。经对比实验,设置威胁源,获取相应的飞行耗时数据。对比数据可知,该方法的飞行耗时低于原有方法,实现了性能上的突破。

动态优先级解耦的无人机集群轨迹分布式序列凸规划

针对无人机集群轨迹规划高维强耦合特征导致计算复杂度高的难题,提出了动态优先级解耦的序列凸规划方法(DPD-SCP),将耦合的集群轨迹规划问题拆分为若干单机凸规划子问题,通过分布式求解提高集群轨迹规划的计算效率与可扩展性。设计飞行时间驱动的动态优先级解耦机制,降低飞行时间短无人机优先级,挖掘其轨迹调整潜力,消除集群相互规避导致的迭代振荡问题,提升集群轨迹迭代的收敛速度。定制时间一致约束更新准则,避免集群飞行时间非正常增长情况,并理论证明了DPD-SCP方法能够生成满足动力学、避碰与时间一致约束的集群轨迹。仿真结果表明:所提的DPD-SCP方法的求解效率显著优于耦合SCP、串行优先级解耦SCP以及并行解耦SCP方法。