基于改进一致性理论的无人机编队航迹在线规划

针对无人机编队在飞行过程中任务发生变化的情形,提出了基于改进一致性理论的无人机编队航迹在线规划方法。首先,针对一致性算法进行改进,引入人工势场法,提出了考虑机间距离和相对速度的防碰撞策略;基于无人机相对位置和状态量,提出了考虑无人机转弯半径和速度的转弯策略。其次,基于编队拆分思想和RRT*算法,提出了基于拆分编队思想的在线航迹规划方法。仿真结果表明:防碰撞策略能使无人机之间在编队成形前保持安全距离,不发生碰撞;转弯策略能使编队在转弯过程中保持队形;编队重组的在线航迹规划方法能满足执行新增任务的情形。

面向目标定位精度的主从式无人机编队航迹规划方法

在定位侦察任务中无人机编队协同的工作模式由于具有良好的定位效果和较强的鲁棒性,更加符合未来电子侦察的需求.本文在考虑定位精度的前提下,提出了一种基于主从式编队控制方案的无人机编队航迹规划方法.针对主机航迹规划,以稀疏A*算法为基础,将自适应步长与粒子群算法节点选取相结合提出混合A*算法,并针对障碍物群环境提出避障策略.针对从机航迹规划,提出一种改进的多目标量子粒子群(Improved Multi-objective Quantum-behaved Particle Swarm Optimization,IMQPSO)算法,将粒子混合更新策略、非劣解的优势选取策略和无人机Y型布站方案引入算法.经验证,改进后的算法综合适应度值相较于传统的多目标粒子群(Multi-objective Particle Swarm Optimization,MPSO)算法和多目标量子粒子群(Multi-objective Quantum-behaved Particle Swarm Optimization,MQPSO)算法在算法运行时间基本持平的情况下分别减小了4.7%和1.4%.

基于改进APF的无人机编队航迹规划

传统APF应用于航迹规划存在不可达性、局部极小点、震荡等问题,文章提出了改进的APF模型,它的核心内容有:使用改进斥力势场函数,考虑无人机与目标的相对距离,确保目标点为整个势场的全局最小点,解决了威胁与目标点过近导致的目标不可达问题;使用随机波动法,解决了无人机陷入局部最小点而导致的规划失败问题;考虑传统势场法的震荡问题,提出障碍物联通法。同时,使用APF进行编队控制,保持紧密编队下的无人机编队距离。仿真结果表明,利用这种方法很好地实现了无人机编队的航迹规划。

基于队形变化的多无人机航迹规划算法

针对多无人机在复杂环境下的航迹规划问题,文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构,设计了一种以时间与航程作为衡量指标的代价函数,求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹,结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上,文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明,无人机编队实现了在复杂环境下航迹规划与避障,同时为跟随者规划出最优航迹,与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。

基于改进人工鱼群算法的无人直升机编队航迹规划

针对无人直升机(UH)编队的航迹规划问题,提出了一种基于改进人工鱼群算法(AFSA)的航迹规划算法。从邻域学习和算法特性2个角度出发,针对人工鱼群算法中的人工鱼视野模型提出了一种人工鱼自适应视野模型,并对其鱼群的进化策略在无性繁殖方式的基础上进行了改进;从规划原理、代价函数、约束条件3个方面建立了无人直升机编队航迹规划模型;针对航迹规划中普遍存在的搜索效率低、精度差等特有问题改进了所提算法的编码方式和聚类策略。利用三机编队航迹规划的算例对所提算法进行了验证,仿真结果证明,通过对人工鱼群算法的改进、航迹规划模型的建立等措施实现了良好的无人直升机编队航迹规划,同时在搜索效率、收敛速度及求解精度上都有了显著提高。

基于A*算法的无人机攻击编队航迹规划

提出了一种改进的A*算法,对无人机编队飞行的航迹进行规划。根据无人机在编队飞行时对油耗、航迹长短、编队队形及目标威胁等约束条件来设计合适的评估函数。采取对规划点前后段航迹评估进行加权的方法对A*算法进行改进,从而在优化航迹与减少计算时间之间找到平衡点。改进在Open表中插入与删除节点的方式,提高计算效率。仿真结果表明,设计的A*算法可以快速、有效地为无人机编队飞行规划出合理的航迹。

工业自主移动无人载具调度系统中的路径规划策略研究

随着自动化机器人技术和网络通信技术的发展,在工业场域实践中,可自主移动的无人载具逐渐尝试取代人工驾驶的叉车等传统载具导入物料搬运流转流程中。其中,高效的无人载具调度系统为实施的核心技术,负责调度无人载具将工件由存放中心有效地运输到工作中心。本文将对无人载具调度系统中的路径规划策略进行说明及比较。

多无人机协同航迹规划技术研究

多无人机协同航迹规划是多无人机协同控制的重要组成部分。多无人机协同航迹规划能得到满足安全性、协同性和任务要求的较优航迹,这对提高无人机系统性能有重要的意义。介绍了多无人机协同航迹规划的问题描述和求解结构,总结了在协同规划问题中的约束条件和航迹协调方法,着重阐述了几种在多无人机编队中常用的控制方法。在此基础上,对未来可能的研究方向进行了展望。

基于智能算法的无人机航迹规划

文中针对多无人机在复杂约束条件下编队协同、巡航范围内覆盖率高的问题,基于K-means算法和Hop-field神经网络算法实现了一种无人机整体航迹规划方法。对任务要求的禁飞区域、目标区域建立任务区域的数字地图模型,进行模型分解合理的将有效区域分解为多个子目标点。随后采用K-means算法对无人机巡航的目标点进行聚类,并结合Hop-field神经网络算法对同类子目标点进行无人机航迹规划。以无人机在抗震救灾中的真实数据为实例,通过仿真实现了巡航区域90%的覆盖率,验证了文中方法的鲁棒性和有效性。

多无人机航迹规划的自适应B样条算法

无人机集群能更高效地完成复杂和具有挑战性的任务,航迹规划和编队控制是无人机集群的研究重点。针对复杂环境下的无人机编队控制问题,提出了一种结合分段自适应B样条(Piecewise Adaptive B-Spline,PABS)方法的领航-跟随策略。采用滚动时域控制及快速粒子群优化算法为领航者无人机生成一条安全的参考航迹,并根据跟随者与领航者保持的几何关系为跟随者无人机生成参考航迹。针对生成的跟随者航迹不平滑以及可能与障碍物发生碰撞的问题,使用PABS方法对跟随者航迹进行平滑和避障处理。实验表明,使用滚动时域控制及快速粒子群优化算法及PABS方法能为领航-跟随策略下的无人机编队生成安全平滑的航迹,相比于圆弧插补技术,PABS方法能使航迹更光滑。

基于人工势场法的多无人机航迹规划

提出了改进的人工势场法,用于无人机的航迹规划,对规划出的轨迹进行滑动平均处理,并从单一无人机拓展到多无人机航迹规划。根据长机与威胁的夹角调整僚机与威胁的夹角,解决了在不同出发点的多无人机汇合后组成编队飞行同时到达目标点的问题。仿真结果表明了算法的有效性。

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.

基于层次分解策略无人机编队避障方法

针对危险模式下无人机编队问题,提出基于层次分解策略的编队避障方法。通过构建Voronoi图,利用K路径算法为各无人机找到多条备选航路;然后建立协同函数,为各无人机规划出既能满足时间协同要求,又能满足整体代价最优(次优)的障碍物规避航迹。并设计了无人机编队的通行规则,解决了无人机在避障飞行过程中有可能产生的碰撞冲突问题。仿真结果验证了算法的有效性。

无人机编队飞行问题初探

回顾了国内外无人机的发展历史和近年来的发展趋势 ,简要介绍了无人机在军事、国民经济和科学技术方面的作用。分析了单架无人机执行任务时面临的问题和编队飞行的优势 ,介绍了国内外在无人机编队飞行方面的研究状况 。

固定翼无人机编队集结控制算法研究

针对固定翼无人机协同作战时的编队集结问题,提出了一种新的路径规划和位置分配方法,并设计了包括航迹跟踪、高度保持和速度控制在内的自动驾驶仪。该路径规划算法通过矩阵迭代得到一组较优的目标点分配方案,满足总航程较小和同时到达约束。根据得到的各无人机飞向目标点的航迹,算出无人机编队集结的代价矩阵。在每架无人机确定了应飞航路后,开始沿航路飞向目标点,在此过程中,纵向采用高度保持自动驾驶仪,横向采用航迹跟踪自动驾驶仪,控制无人机按规定航迹飞行。速度调节自动驾驶仪可根据速度指令调节油门大小加减速,跟踪上目标速度,进而实现编队集结。仿真结果验证了所提出的编队集结控制方法的有效性和可行性。

多无人机协同编队控制研究现状及进展

目前,多无人机编队是未来战场的主流趋势已成为普遍共识.各国投入了大量资源进行相关理论和技术研究与开发,传感器技术、智能控制技术、信息融合技术以及无线通信技术都获得了较大的进步与发展,无人机技术日臻成熟.回顾无人机的发展历史,概述了国内外无人机集群的重点项目,多无人机编队的关键技术;阐述了编队控制体系与结构,从任务规划与决策、航迹规划、编队控制3个重点方面总结近些年国内外的一些先进理论与应用技术,对编队控制的优缺点进行了详尽分析;展望了多无人机协同控制编队未来的发展前景.

基于神经网络自适应PID的无人机编队避障飞行控制研究

针对无人机编队避障飞行控制难题,研究了无人机编队避障航迹规划与智能控制技术。首先,提出一种基于改进人工势场法的无人机编队航迹规划算法,利用改进势场函数和引入“随机波动”法等手段,解决了传统人工势场法用于无人机编队航迹规划时遇到的无法到达目标点以及局部最小值问题,并提升了传统算法航迹规划的快速性和鲁棒性。其次,设计了一种新的BP神经网络辅助的自适应PID无人机编队智能控制算法,通过利用神经网络的在线学习能力,实现了PID参数的优化整定,提高了现有PID算法的计算精度。最后,通过无人机编队避障飞行控制仿真实验,验证了提出方法的有效性,基于NN-PID控制律的编队控制器能够更好地对无人机编队进行有效的控制。

基于群智能-一致性理论的无人机编队全过程飞行航迹规划方法

针对无人机编队执行任务全过程飞行规划问题,提出一种基于多步粒子群优化的无人机编队航迹规划算法.首先,对无人机和执行任务策略进行建模,将编队执行任务全过程划分为编队成形、执行任务、返航、解散和无人机降落5个阶段,设计不同阶段的飞行策略;其次,针对不同的终端约束条件,设计多类多层优化指标,提出多步粒子群算法,并引入模型预测控制滚动优化航路点,得到适用于不同阶段的能严格满足约束条件的航路规划方法;然后,建立旋转坐标系,将航路点信息转换为编队控制律中的理想航向和高度信息,得到能通过航路点的编队控制算法;最后,利用编队控制算法去执行航路规划方法给出的航路点,生成航迹,得到编队航迹规划算法.仿真结果表明,所提规划方法比传统方法更适用于编队飞行,能为编队规划执行任务全过程的平滑航迹,具有良好的通用性.

无人机自主编队的人工力场控制方法

针对无人机在动态变化的编队飞行环境中面临的编队队形保持与编队内碰撞风险的问题,提出了一种基于人工力场的无人机自主编队控制方法,无人僚机以本机期望航迹点为虚拟引力产生点,编队内成员飞机位置点为虚拟斥力产生点,在此虚拟力场的作用下,引导本机调整飞行速度和方向。仿真结果表明,该方法具有较强的鲁棒性和自适应能力,在保持稳定的编队队形的同时确保与编队内其他成员飞机保持安全飞行间隔。

多机协同自主编队集结算法设计

针对固定翼无人机编队集结过程中的集结航迹规划问题,在考虑到固定翼无人机非线性特征与首末端约束的前提下,本文提出了一种基于Dubins最优航迹理论的编队集结点动态分配及航迹规划策略。为了描述无人机真实机动过程,首先,将多无人机系统末端状态、集结时间、机间防撞及机动性能等约束条件抽象化。其次,基于Dubins算法提出了一种最优航迹编队集结点动态分配算法。然后,设计了航路跟踪导引指令生成器,实时计算飞控系统指令输入。最后,通过数值仿真验证了编队集结算法的有效性。