基于模型预测控制的无人机避障路径规划方法

针对无人机飞行过程中避障问题,提出了一种基于模型预测控制的无人机避障路径规划方法。通过对无人机平台模型进行分析,构造了无人机状态空间预测模型。为保证路径规划过程输出的平稳性,采用一阶指数变化形式作为无人机飞行路径的参考轨迹。设计了预测模型调整策略,并给出了参数调整流程,以能力-时间组合最优为目标,建立了无人机避障路径优化模型,采用有限时域优化的滚动优化算法对无人机避障优化模型进行了求解。算例仿真结果表明,该算法可有效解决无人机飞行路径的避障问题。     

三架固定翼无人机协同编队飞行避障策略

针对无人机编队执行空战任务过程中存在无人机之间以及无人机与障碍物发生碰撞的问题，提出单向网络连接结构的多无人机避障算法和基于人工势场的控制方法，同时应用于无人机编队避障控制。以三架无人机构成的正三角形编队作为控制体，同时以长机的运动轨迹作为期望路径，长机提供僚机飞行信息，僚机接受信息保持编队飞行。多无人机编队发现障碍物到避障完成的过程包括编队集结、松散队形、最终恢复集结正三角形编队。仿真实验结果表明，所提避障控制策略能够确保编队收敛于期望的队形和稳定飞行状态。     

多旋翼无人机模型预测抗扰避障制导

多旋翼无人机的自主避障是完成复杂任务的基础,避障的效果直接影响无人机执行任务的效能。针对存在外部扰动的无人机避障问题,提出了一种基于模型预测的抗扰避障制导律设计方法。通过设计干扰观测器对系统动态中的外部干扰进行了估计,并基于李雅普诺夫函数方法设计辅助制导律用于建立稳定性约束条件。结合前两者与模型预测控制,在模型预测控制优化求解中考虑无人机与障碍物的关系,根据所设计的制导律求解水平线速度与偏航角速度指令实现无人机的避障。对所提出的避障制导律进行数值〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLQX.TIF;%129%129〗听语音 聊科研与作者互动 仿真和实物飞行验证,结果表明了所提方法的有效性。     

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...     

无人机避障航路规划方法研究综述

随着无人机作业空域从中高空不断向低空甚至超低空拓展,复杂的低空障碍环境对无人机造成了严重的威胁。研究无人机避障航路规划理论与方法,对于保障无人机的飞行安全和提升其任务效率具有重要作用。对无人机避障航路规划方法的研究现状进行了梳理,首先,根据航路规划问题所建立的优化模型,将规划方法划分为基于数学规划的方法、基于路标图的方法、基于空间分解的方法、基于势场的方法、基于随机规划的方法和基于机器学习的方法六个大类。然后,分别介绍了各类型方法的基本原理、代表性研究以及优缺点。最后,对避障航路规划方法未来可能的研究方向进行了展望。综述表明,复杂环境下无人机三维航路规划方法的研究仍有提升空间;未来应考虑将传统规划方法与新一代人工智能技术相结合;航路规划方法研究应充分考虑机载传感器的实际性能和工作特性;规划航路的可跟踪性问题也亟待解决。     

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明：SAC算法收敛速度快,实时性好,航迹平滑度更好。     

基于多优化策略RRT的无人机实时航线规划

研究无人机在复杂战场环境中的实时航线规划问题。提出一种基于多优化策略RRT的无人机实时航线规划算法,解决了无人机在敌方雷达威胁密集部署环境下,面对突发威胁实时规划航线,实现安全飞行的问题。首先精确建立防空雷达模型,有效压缩雷达威胁空间;进一步设计基于目标启发的优化策略使算法能够快速收敛。采用冗余节点裁剪的策略减小航线长度,提高航线平滑性。仿真结果表明,该算法能够有效规避突发威胁,生成航线优化性良好。基于多优化策略RRT的无人机实时航线规划算法具备良好的实时性和优化性,能够满足复杂环境下无人机的安全飞行要求。     

最大避障圆问题的提出与初探

提出了一个在有界区域内求对已知各障碍物的最大避障圆问题。首先给出此问题的数学描述,然后分析了当有界区域为圆域,并将各障碍物看成一个有限点集时,避障圆的基本性质,从而得到一种求最大避障圆的有效算法。     

无人机地形预处理低空突防轨迹规划技术

针对无人机低空突防飞行问题,提出了一种基于飞行器最大过载约束、爬升角约束和速度约束的数字地形直接平滑技术,设计了多步判断逻辑和山峰保护逻辑以提高平滑收敛速度和对山峰的保护,生成满足无人机飞行性能约束的安全可飞行曲面;在此曲面上进行轨迹规划,避免了复杂的轨迹可飞性和安全性处理工作,提高了轨迹规划效率;利用正交配点法将无人机轨迹规划问题进行离散化,转化为非线性规划问题,并利用序列二次规划方法进行攻击轨迹求解。仿真表明,该技术能快速生成可飞行的攻击轨迹。     

多约束条件下无人机航路规划动态评价方法

针对多约束条件的无人机航路规划评价方法缺乏合理性和动态特性的问题,提出了基于无人机六自由度模型的飞行仿真动态评价方法。分析了无人机航路规划的约束条件和影响航路评价的因素,基于某型无人机六自由度飞行动力学模型和飞行控制系统模型建立了无人机飞行仿真系统模型,将航路规划与评价进行有机结合进而进行航路评价方法软件的设计,通过对无人机沿规划航路的仿真飞行参数进行动态特性分析,以更接近真实情况的仿真手段对多约束条件下的航路规划效果进行评价。结果表明,该方法形象直观的实现了对无人机规划航路的动态综合评价,满足工程需求。     

无人机电子干扰条件下的路径规划

针对机载预警雷达结合地面雷达对低空突防无人机构成的严重威胁,提出一种基于A*算法的路径规划算法.该算法分析了电子干扰和无人机RCS对雷达探测空间的影响,建立了新的雷达探测空间模型和威胁模型进行路径规划,将A*算法应用于无人机的路径规划过程.在此基础上给出了应用该方法的具体步骤,并进行了MATLAB仿真.仿真结果表明:考虑电子干扰对雷达威胁区域影响的情况下规划的飞行路径飞行器能有效回避威胁,有效提高无人机的低空突防能力.     

人工蜂群算法及其在路径寻优问题上的应用

针对多旋翼无人机路径寻优问题,结合人工蜂群算法的特点,提出一种改进的人工蜂群算法,根据飞行原理,建立飞行环境矢量化模型,并对其飞行过程的相关约束条件综合分析,结合路径规划的目的与要求构建出路径规划的目标函数模型,利用人工蜂群算法结构清晰、自适应能力强等特点,实现多旋翼无人机路径规划算法,并结合相关寻优手段对算法进行改进,以增强算法的寻优能力。     

地面车路径规划的参数化地图构建方法

对地面无人平台的路径规划同题而言,合理的环境地图构建方式对产生优化的规划结果至关重要.在分析地图构建方式与规划质量关系的基础上,依据障碍物已知的工作空间,提出了一种基于平面扫面的参数化地图构建算法,该方法通过对离散精度D、避障的最小安全距离ε、以及有效连通半径R,这3个参数的设定,优化环境地图生成,为地面车全局路径规划问题提供优质的环境建模方案.实验显示,基于该方法构建的地图,在降低计算复杂度的同时,也能产生优质的规划结果.     

固定翼无人机群的集群和避障控制

针对传统的集群控制算法需要获取通信范围内相邻质点的位置和速度信息才能够计算控制量的问题,提出一种新的无须获得相邻无人机速度的六自由度固定翼无人机群的集群和避障控制方法。将通信范围内的无人机均视为障碍物,采用统一的计算方法获得控制量,并且证明了算法的稳定性。通过建立六自由度无人机线性化控制模型,将改进的质点集群算法应用于无人机群控制系统中,将无人机控制设计成六自由度无人机的跟踪回路和质点无人机的导引回路,并证明通过选取合适的跟踪回路控制参数,确保整个无人机集群控制是稳定的。通过六自由度无人机编队仿真验证了所提算法的有效性。     

蚁群算法在无人机航路规划中的应用

蚂蚁算法是一种新的源于大自然生物界的仿生随机优化方法。吸收了昆虫中蚂蚁的行为特征,通过其内在的搜索机制,在一系列组合优化问题求解中取得了成效。将蚁群算法应用于无人机(UAV)航路规划,提出了一种适用于航路规划的优化方法,可以为在敌方防御区域内执行攻击任务的无人机规划设计出高效的飞行航路,保证无人机以最小的被发现概率及可接受航程到达目标点,提高了无人机作战任务的成功率。仿真结果初步表明该方法是一种有效的航路规划方法。     

基于路径规划的无人机飞行冲突解脱技术

在无人机与有人机共用空域时,随时可能发生飞行冲突,应当有一种可靠的冲突解脱技术,保证无人机的空域运行安全。为此,构建了基于正三角形栅格法的空域运行环境,改进了以往十字栅格环境规划动态路径的缺陷;提出了基于空间分割的改进蚁群算法,提高了算法的寻优性能与路径规划能力。最后结合ADS-B系统的工作原理,在利用卡尔曼滤波对ADS-B信息进行修正的基础上,设计了无人机冲突感知的技术方案,并用实时的路径重规划技术实现飞行冲突的解脱。最终的仿真实验验证了飞行冲突解脱技术方案的有效性,可为未来无人机的空域运行技术提供一定的理论参考。     

多无人机编队协同控制软件平台设计与仿真

在战场环境瞬息万变、作战任务日益复杂的现代战争中,多架无人机编队协同完成复杂的作战任务已成为一种趋势。多无人机编队控制及重构是多无人机系统的核心内容和关键技术。基于微粒群算法、蚁群算法研究了多无人机编队控制及重构、航线规划及重规划问题,特别是在解决编队重构问题时,提出一种多样性微粒群算法。设计了多无人机编队飞行协同控制平台,仿真结果表明,标准微粒群算法、蚁群算法等智能算法可以较好解决编队控制、编队重构和航线规划问题,多样性微粒群算法具有更强的全局寻优能力。     

无人机极限边界性能突变模型和评估方法

近年来,无人机的应用范围不断扩大,投入数量呈指数增长,获取无人机在实际环境下的能力底数已成为现阶段的现实需求。无人机执行飞行任务的能力随着使用包线扩展和环境逐渐恶化,其性能由渐变到发生量变,最终在极限边界附近突变、质变。这一过程具有非线性、跳跃性,结果具有显著的突变特征,即在相对较短的时间内,无人机从具备执行飞行任务能力的状态突然转化为丧失飞行能力的状态。引入突变理论,依据系统的内在作用机理将无人机极限边界性能评价问题转变为由多个控制变量组成的系统,提出突变模型和评估方法,并从无人机自身能力和外部环境影响两个方面解构无人机的有效飞行时间模型及推论,构建无人机极限边界性能结构层次,建立极限边界性能评价原则和步骤,获取无人机极限边界性能与正常性能使用、不同类型无人机极限边界性能的对比关系,为探索无人机极限边界性能和不稳定状态提供解决方案。     

基于速度障碍的无人机避免机动障碍物问题

针对无人机避免机动障碍物的问题,应用速度障碍法,在充分考虑障碍物可达范围和无人机最大机动能力的基础上,将问题空间转换到了速度空间,然后以速度障碍的边界条件替代速度障碍的整体范围约束,这样得到了速度障碍的简单表达形式。最后结合最优控制,在速度空间解决了无人机避免障碍物的问题,并直接求解出了合适的速度输出。仿真结果表明方法切实可行。     

基于Legendre伪谱法的UGV避障路径规划

针对传统优化方法不易解决含有复杂动力学约束的路径规划问题,提出利用勒让德伪谱法(Legendre Pseudospectral Method,LPM)对地面无人驾驶器(unmanned ground vehicle,UGV)的避障路径规划进行研究。通过建立UGV的动力学模型和障碍物模型,整合了基于LPM的路径约束条件。最后应用以LPM为基础开发的MATLAB插件包DIDO,计算得出了优化路径。仿真实验中以UGV移动路径规划为例,设计实现了UGV的避障规划。仿真结果表明此方法具有较快的计算速度和准确性。