联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

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...     

基于混合算法的局部路径规划

人工势场法是一种常用的具有算法简单和便于实时控制的局部路径规划方法,但存在容易产生局部极小值的问题。基于模糊逻辑的局部路径规划法具有环境适应性强等优点,它在连续论域内采用模糊路径规划时,计算量比较大。提出了一种将人工势场法和模糊逻辑法相结合进行局部路径规划的混合算法。具体方法是在一般情况下采用人工势场法进行局部路径规划,当产生局部极小值时,采用模糊逻辑法进行局部路径规划。仿真结果表明,该方法能有效地解决局部极小值问题,给智能车规划出光滑的路径。     

基于神经网络Q-learning算法的智能车路径规划

针对智能小车行走过程中的全局路径规划和路障规避问题,提出了一种基于神经网络Q-learning强化学习算法,采用RBF(Radial Basis Function)网络对Q学习算法的动作值函数进行逼近,基于MATLAB环境开发了智能小车全局路径规划和路障规避仿真系统。与传统的以及基于势场的Q学习算法相比,所采用的算法能更加有效地完成智能小车在行驶环境中的路径规划和路障规避。仿真结果表明:算法具有更好的收敛速度,可增强智能小车的自导航能力。     

基于动态自适应蚁群算法的航线规划仿真

蚁群算法是一种新型的基于群体的仿生算法,其在解决飞机航线规划问题中已经获得了较为广泛的应用。在传统蚁群算法的基础上提出了一种动态自适应调整信息素蚁群算法的航线规划算法,即在航线点搜索过程中对信息素强度Q值进行动态自适应调整,并将三维地形、雷达威胁等因素结合到算法中。仿真结果表明,该改进算法能够有效解决扩大搜索空间和寻找最优解之间的矛盾,帮助飞行员更快地规划出一条最优航线,为更好完成作战任务奠定了良好的基础。     

改进人工势场法与模拟退火算法的无人机航路规划

针对标准人工势场法应用于无人机航路规划存在的缺陷,建立了改进的人工势场模型:当航路点搜索陷入威胁区时,构造惩罚势函数并使用势场强度代替合力矢量控制进行路径规划,解决由于合力矢量为零引起的局部极小问题;利用模拟退火算法搜索威胁区内势场强度更小的点,使得航路点逃离威胁区,解决传统人工势场法中参数对搜索航路点逃离效果的影响;使用变步长法优化算法的收敛速度。仿真结果说明,该方法能够较好地实现无人机航路规划,且快速易行。     

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。     

基于几何算法的水下航行器路径规划

在分析水下航行器路径规划影响因素及主要障碍物特点的基础上,提出了一种基于几何算法的水下航行器路径规划算法,并采用该算法对障碍物进行建模和路径规划研究,解决了水下航行器航经多障碍物海区的路径规划问题.最后,通过仿真试验验证了该算法的准确性与可行性.     

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...     

飞行器低空突防威胁建模与航迹优化算法

提出了一种飞行器在给定地形和威胁分布的威胁场进行低空突防的航迹优化算法。该方法首先对地形的高程栅格数据进行了图形简化预处理,将各种威胁叠加到地形图上,构成一个包含各种威胁的特定威胁场,再对其建立合理的有向图数学建模,用Dijkstra最短路算法进行航迹优化。航迹优化的过程中考虑了飞行器的过载限制,使优化航迹能够较好地满足飞行器各项性能指标及任务规划的要求,仿真结果显示,该算法简单快速,能很好地进行地形、威胁、障碍物的回避。     

基于DE-Q学习算法的移动机器人路径规划

针对使用Q学习算法对移动机器人进行路径规划时存在收敛速度较慢的问题,提出了一种基于Q学习的改进算法来选择全局路径规划的最优方案。通过方向奖惩机制与估价函数改进Q学习算法的奖励机制,提高Q学习算法的收敛效率。最后使用MATLAB对改进的Q学习算法进行了仿真实验,实验结果表明,通过设置方向奖惩机制和估价函数可以加速Q学习算法的收敛。     

基于势场启发蚁群算法的远程水中兵器航路规划

针对航行误差较大的远程水中兵器航路规划问题，采用栅格化方法建立海洋环境模型，为使兵器在航行过程中能有效规避障碍并导向目标，提出一种人工势场力为启发因子的改进蚁群算法，利用该方法搜索远程水中兵器从起始点至目标点的最佳路径，算法解决了经典蚁群算法容易陷入局部最优及收敛速度慢的问题。仿真结果表明该规划算法虽有少量的路径损失，但可以有效避免由于误差引起的航行安全问题，是一种有效的远程水中兵器航路规划方法。     

无人战斗机航路规划圆切线算法

通过对无人战斗机低空进入敌防区面临的各种威胁进行分析,建立了适用于圆切线算法的威胁场模型;由于可行方向法对威胁圆叠加时规划出的航路效果不理想,提出了圆的切线算法理论作为此航路规划方法的改进,采用随机产生威胁场的方法来模拟多变的战场环境,并且进行了理论分析,最后得出仿真结果.仿真证明,将两种方法结合规划出的飞行航线在航程上是比较理想的,而且路径规则的效果也得到了很大的提高.     

基于改进人工势能的无人机编队与避障

针对多无人机V字型编队和躲避障碍物的问题,在传统人工势能的基础上结合距离约束和视线角约束,提出了领航法和改进人工势能相结合的编队方法。并通过将目标和障碍物信息融入势能函数设计的方法实现追踪目标和躲避障碍物。选择一架无人机为领导者并以其和目标为中心设计虚拟人工势场,使无人机形成V字型编队并以一定的距离和视线角追踪机动目标;以障碍物为中心构建虚拟的排斥力场,同时在编队的势能函数中引入障碍物位置信息反馈,使编队能够随着环境变化而自适应改变,主动躲避障碍;最后通过仿真实验验证了提出的算法。     

伪人工势场在多弹饱和攻击航路规划中的应用研究

通过研究人工势场法在路径规划中的应用,提出了具有简易数学形式的伪人工势场模型。在该模型的基础上,对多枚反舰导弹航路规划问题进行了描述,引出了"影子导弹"的概念,并通过仿真实现了伪人工势场在多枚反舰导弹的协同航路规划中的应用,讨论了不同引力系数条件下的航路规划效果,并对饱和攻击效果进行了验证。仿真结果表明:该方法可以有效解决多枚反舰导弹饱和攻击航路规划问题。     

基于改进人工势场法的四旋翼飞行器航迹规划

基于四旋翼飞行器低空飞行实时避障的需求,利用人工势场法进行航迹规划。由于四旋翼飞行器对周围环境感知的局限性,容易导致局部极小问题出现。针对此问题提出"选择穿越法",四旋翼飞行器进入局部极小状态时激活该行为,有选择地穿过障碍物,迅速地摆脱局部极小的状态。仿真结果表明该方法能够有效地解决局部极小问题。     

运用动态规划的智能卫星集群星间通信路由算法

通过建立智能卫星集群网络模型,把智能卫星集群星间通信路由问题转换为时延最短路径问题,进而提出一种求解此问题的智能卫星集群星间通信路由算法.该路由算法采用动态规划策略分阶段规划智能卫星集群两个成员之间的星间通信路由,在每个规划阶段,负责发送数据的智能卫星自主调用一种星间通信路由静态规划算法,以求出其在当前时刻的后继卫星来...     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

基于改进A星算法对自动导引小车路径规划研究

路径规划是自动导引小车应用的关键环节和研究热点,为了适应更加复杂多变的环境,提出了一种改进A星算法的自动导引小车动态路径规划算法.针对地图建模繁琐复杂的问题,在A星算法基础上增加了自动识别地图功能,极大减轻了地图建模难度;针对运算速度与精度受地图类型及大小影响较大的问题,增加了固化栅格数的方法,使算法在不影响精确度的前提下,极大地提高了算法运算速度;针对A星算法本身会出现多余拐点的问题,提出了拉直消除多余拐点的方法;为了提高路径的平滑程度,引入3次样条插值函数和膨胀函数的平滑处理算法,使路径更加平滑;针对A星算法无法处理动态规划问题,结合了D星算法搜索路径模式,使算法可以实时规划路径以避免碰撞动态障碍物.针对上述改进,利用MATLAB GUI开发工具开发出自动导引小车路径规划仿真平台,并通过对比分析,验证了算法的有效性与优越性,可应用于较复杂环境的自动导引小车动态路径规划问题.     

考虑航线交叉的救援直升机起飞时序规划方法

为解决多架救援直升机的起飞时序规划问题,以最小化最后一架救援直升机的起飞时间为优化目标,建立多直升机多起降点的数学规划模型。设计了基于任务优先级的快速启发式算法,提出航线交叉点的处理方案,给出起飞时间求解算法。以云南鲁甸6.8级地震的灾后救援为背景,设计了包含24架直升机和12个起飞点的起飞时序规划案例,对模型和算法进行了仿真验证,并对航线交叉的影响与处理措施进行了深入讨论。实验结果表明该模型和方法能有效解决多架救援直升机的起飞时序规划问题。