多无人机多目标协同侦察航迹规划算法

针对目前无人机集群对多目标进行协同侦察时,易重复侦察目标,进而导致侦察效率低的问题,提出了一种多无人机多目标协同侦察航迹规划算法。首先,优化了K-means聚类算法的评价标准,使目标集合的聚类结果更加稳定,同时也降低了目标被重复侦察的概率。然后,利用改进的离散粒子群算法求解侦察序列,来降低整体任务的时间代价。最后依据侦察序列生成各无人机任务航迹。仿真结果表明,该算法不仅能够有效避免目标被重复侦察,而且相较于基因算法和标准离散粒子群算法,在4架无人机观测30个目标的仿真条件下,将时间代价降低24%,其收敛速度较快,求解精度更高。     

基于PSO-HJ算法的多无人机协同航迹规划方法

针对多无人机协同航迹求解计算量大、难以收敛等问题,提出了一种基于粒子群优化和Hook-Jeeves (PSO-HJ)搜索算法相融合的多无人机时间协同三维航迹规划方法。首先,建立了单无人机航迹规划求解模型。然后,通过对适应度评价函数值低的粒子引入Hooke-Jeeves搜索算法,提高了粒子多样性,改善了航迹规划算法收敛性;对不满足约束的粒子引入约束违反度函数,基于比较准则提出了一种新的粒子评价机制,促进粒子搜索位于约束边界的最优解,加快了航迹规划算法的计算效率。最后,设计了一种多无人机时间协同航迹规划求解算法,利用PSO-HJ算法先分别求解单无人机航迹信息,通过多无人机集中航迹规划层协调到达时间实现协同航迹规划。仿真结果表明,PSO-HJ算法的精度比量子粒子群(QPSO)算法精度提高了20.85%,比PSO算法精度提高了58.14%,更适用解决实际复杂的多机协同规划问题。     

室内复杂环境下多旋翼无人机动态路径规划

针对多旋翼无人机在室内复杂环境下的动态路径规划问题,提出了一种基于高度降维空间环境模型的无记忆回归A~*算法。首先,提出了一种高度降维的空间环境建模方法,将三维空间降到二维,降低了环境模型的复杂度,提高了规划效率。在环境建模的基础上,提出了以全局路径规划结果为基础进行局部动态搜索的思路,并设计了无记忆回归A~*算法,即首先使用传统A~*算法进行全局路径规划,参考全局规划结果,利用无记忆回归A~*算法对动态障碍物进行避障,避障完成后回归到全局规划路径上。最后利用仿真实验验证了所提方法的有效性。仿真结果表明,在指定环境下所提方法的路径规划时间和路径规划长度较无记忆A~*算法更短,两项指标分别提升了13.8%和41.6%。     

通信受限条件下多无人机协同环境覆盖路径规划

多无人机协同覆盖旨在有效分配多个无人机任务,实现给定区域的快速、高效全覆盖。然而,在现实应用场景中常常因为无人机之间距离超出通信范围,信号传输受阻,导致无人机之间的协作和信息交互面临极大挑战。为此,提出一种基于Deep Q Networks(DQN)的多无人机路径规划方法。采用通信中断率和最大通信中断时间两个指标来评价路径质量,通过构建与指标相关的奖励函数,实现了无人机团队的自主路径决策。仿真实验表明,所提方法在最短路径上可以与传统优化算法效果保持一致,权衡路径下在增加20%路径长度的情况下可以降低80%通信中断率,在全通信路径下则可以实现100%的全过程连接通信,因此可以根据不同的通信环境生成高效覆盖所有环境节点的路径。     

基于改进A*算法的多基地多无人机分阶段任务规划方法

针对多无人机疏散配置在多个基地、协同执行多目标侦察任务的应用需求,提出了一种基于改进A*算法的多基地多无人机分阶段任务规划方法,包括区域设置、航程估算、多基地多无人机任务分配、基地内单无人机时序分配、航迹搜索、航迹平滑和局部动态规划等多阶段层次化的处理流程。基于改进A*算法预估航程矩阵,基于改进K-means算法和深度遍历方法求解多基地多无人机任务分配,基于旅行商（TSP）模型求解单无人机时序任务分配,基于改进A*算法和三次B样条曲线规划并优化航迹,依据态势变化执行局部动态任务规划。开发了多无人机任务规划软件,验证了所提出的分阶段任务规划处理流程。实验结果表明,改进A*算法可剔除冗余节点,缩短4%以上航程,应用改进A*预估航程的任务分配能够满足威胁规避约束,进而可有效实现复杂威胁条件下多基地多无人机的航迹规划。     

基于改进遗传算法的多无人机协同侦察航迹规划

针对多无人机在复杂的战场环境中如何高效侦察多种类型目标的问题,提出了一种基于改进遗传算法的多无人机协同侦察航迹规划算法。首先,根据战场环境中不同类型目标的侦察要求,建立了以整体时间代价最小为目标函数的航迹规划模型。然后,改进了遗传算法的编码、交叉和变异等操作,来实现异质型目标分配与航迹规划的集中一体化求解。最后,为了提高算法的收敛速度,在交叉和变异操作过程中,加入了适应度更新策略。仿真结果验证了该算法的可行性,而且在4架无人机观测3种类型共10个目标的仿真条件下,相较于使用双染色体编码和多重变异算子的基于对立的遗传算法,时间代价降低了5.79%,收敛速度提高近12倍,有效提高了航迹规划的精度及效率。     

面向任务的无人机照相侦察航迹规划算法

针对当前无人机照相侦察获取的影像数据很难满足后端情报处理要求的问题,提出了一种面向任务的无人机照相侦察航迹规划算法。首先基于情报处理的航迹预规划,结合无人机情报处理和航迹规划的耦合关系来完成航迹参数的解算。然后提出η形转弯策略,在最小转弯半径约束下,以最小路径代价完成相邻航带间的转弯航迹规划。最后确定侦察区域内的照相序列,来实现区域全覆盖侦察。实验结果表明,较常规U形转弯策略而言,算法路径代价降低了15%左右。     

分布式协同动态任务规划的建模与一体化求解方法

以多异构无人机执行侦查、打击、评估任务为背景,开展了协同任务规划问题建模、一体化求解算法设计。采用分布式规划框架及图论思想对问题进行建模,且将无人机避碰、燃油、任务执行次序作为约束条件,并充分考虑任务分配与路径规划存在的强耦合特性,采用禁忌/遗传算法,设计包含任务序列和路径位姿点的基因编码,将问题进行一体化求解。结果表明:算法能够适用于动态任务场景,且能够较为快速地解决任务空间较为复杂的规划问题。     

多层多源信息融合旋翼无人机测高算法

针对现有无人机在采用单一传感器测量飞行高度时不够精确且易受干扰,而当前多传感器融合算法测量精度提升有限的问题,提出了一种多层多源信息融合旋翼无人机测高算法。首先结合无人机测高过程中数据量不大的特点,提出一种基于二步延迟自适应时空算法,作为第一层融合,采用更多的历史数据完成信号处理,使融合精度更高。然后进行基于参数辨识的自适应互补滤波第二层融合,利用加速度计数据的辅助测高,实现了多步时间和空间双重融合模型,使旋翼无人机在悬停过程中测高数据更加准确,保证飞行和任务执行的稳定性。通过对高空悬停实测数据进行计算分析表明,该算法相对于一步延迟融合方法,均方根误差减小43.6%,最大误差减小53.6%。同时,该算法数据量小,方法也并不复杂,易于工程实现。     

基于摆扫成像的无人机视觉侦察航迹规划方法

为解决无人机执行视频侦察任务时,存在覆盖盲区及侦察效率低的问题,提出了一种基于摆扫成像的无人机视觉侦察航迹规划方法。首先,建立了视频摆扫成像模型来求解视频摆扫周期性成像规律,提高侦察效率。然后,基于视觉成像的区域分割来实现侦察区域的分割,降低侦察区域的未覆盖率。最后,完成整个任务区域的侦察航迹规划。实验结果表明,在未指定航向的情况下,算法可给出最佳作业航向角为55°以及未覆盖率为2.10%的视频侦察航迹,有效提高了航迹覆盖率和侦察效率。     

基于规划路径约束的地形辅助导航算法

为了提高地形辅助导航算法的精度,充分利用航行器任务规划中的先验信息,提出了基于规划路径约束的地形辅助导航算法。首先针对航行任务中的规划路径提出了"概率隧道"约束模型,将物体运动不确定性与确定性规划路径有机结合。在此基础上,提出了基于概率隧道约束的粒子滤波算法。该算法较之传统的带有等式、不等式约束的滤波器,具有更好的模型适配性,而且计算量上与普通不带约束的粒子滤波器相当。实验表明,该算法有效地利用了先验路径信息,比非约束算法有15 m左右的精度提升。     

基于改进强化学习的移动机器人路径规划方法

随着移动机器人在各领域的应用与发展,对移动机器人路径规划能力提出了更高的要求。为了解决现有移动机器人利用强化学习方法进行路径规划时存在的收敛速度慢和规划出路径平滑度较差的问题,提出了一种改进的Q-learning算法。首先,在Q值初始化的过程中引入人工势场法中的引力势场,以加快收敛速度。然后,调整移动机器人动作方向,增加动作步长,并在状态集中增加了方向因素,以提高规划路线的精度。最后,在栅格地图中,对所提出的算法进行了仿真验证。仿真结果表明,改进后的算法较传统的Q-learning算法在路径规划的时间上减少了91%,并且规划出路径的平滑度提高了79%。     

基于栅格法的室内指示路径规划算法

随着导航的应用场景日趋复杂,对利用室内地图的全局路径规划提出更高的要求。为提高全局路径规划算法效率,提出一种指示路径规划算法。首先运用栅格法对已知地图进行建模,然后在算法中引入方向向量引导路径方向,接着多次执行并通过奖励与惩罚措施来将关联矩阵与路径质量形成正反馈机制,并采用路径优化策略,最终得到一条较好质量的结果路径。仿真结果表明,较A*算法而言,指示路径规划算法在时间上减少49%,并且在较复杂的栅格地图中,其路径长度缩短了17%。     

基于优化的离散空间轨迹规划算法

针对无人车离散空间轨迹规划时存在路径不平滑、速度不平稳、动态规划运算时间长等问题,提出一种基于优化的离散空间轨迹规划算法。将无人车所需搜索的空间解耦为纵向-横向空间（S-L空间）和纵向-时间空间（S-T空间）,在S-L空间根据静态避障和路径平滑程度的要求设计代价函数进行动态规划,进而利用二次规划对动态规划结果进行优化;在S-T空间提出一种改进的动态规划方法,根据道路速度限制和不可倒车约束优化搜索,并引入启发函数加快对规划终点的搜索速度,减少算法计算量,提高运行效率。仿真实验结果表明,在静态避障和动态避障环境中,所提算法规划出的轨迹曲率更小、速度变化更平滑、运行时间更快,相比于传统动态规划算法单次规划时间减少了77.13%。     

加速度计参数长期稳定性多尺度混合建模与预测

针对温度、振动等环境载荷导致石英挠性加速度计参数随着时间发生非线性变化,难以进行准确描述的问题,提出一种加速度计参数长期稳定性多尺度混合建模方法,并利用所建模型对参数变化进行预测。首先,采用经验模态分解对参数长期变化序列进行多尺度分解,使其平稳化以降低其复杂度,为多尺度混合建模奠定基础;然后,在单核向量机的基础上,应用多核最小二乘支持向量机数据拟合算法,以提高多尺度混合建模算法的准确性与适应性;而且为了提升多核向量机的性能,设计一种自适应人工鱼群寻优算法对多核向量机的相关参数进行寻优;最后,建立石英挠性加速度计参数长期稳定性模型,并通过实例进行模型适用性验证与预测性能验证。结果表明,所提出的建模方法相比于传统最小二乘方法,模型更加精确,预测精度更高,零偏K_0与标度因数K_1的预测均方根误差分别降低了88.65%、86.49%。     

基于模型预测静态二阶锥规划的协同末制导

针对现有序列二阶锥规划求解协同末制导时速度较慢,难以满足实时性要求的问题,结合模型预测静态规划(MPSP)与二阶锥规划(SOCP),提出一种基于模型预测静态二阶锥规划的协同末制导算法.首先,建立考虑过载约束的飞行器协同末制导模型;然后,在MPSP算法基础上,提出终端时间自由的MPSP算法;进一步将有约束的MPSP问题转...     

基于à trous算法的MEMS陀螺仪随机漂移建模

为了对微小型飞行器上的MIMU(微惯性测量单元)的随机漂移进行补偿,在比较了Mallat算法与à trous算法之后,基于小波变换与多尺度分析方法,提出了多尺度时间序列建模方法,它充分利用了à trous算法的快速性与时间平移不变性,将MEMS陀螺仪随机漂移进行多尺度分解.对各尺度上分解得到的信号进行重建,并对重建得到的各个信号进行时间序列建模.将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估,计,对陀螺仪的随机漂移进行补偿.最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强,有很强的实际应用价值.     

基于á trous算法的MEMS陀螺仪随机漂移建模

为了对微小型飞行器上的MIMU（微惯性测量单元）的随机漂移进行补偿，在比较了Mallat算法与á trous算法之后，基于小波变换与多尺度分析方法，提出了多尺度时间序列建模方法，它充分利用了á trous算法的快速性与时间平移不变性，将MEMS陀螺仪随机漂移进行多尺度分解。对各尺度上分解得到的信号进行重建，并对重建得到的各个信号进行时间序列建模。将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估计，对陀螺仪的随机漂移进行补偿。最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强，有很强的实际应用价值。     

基于差分进化和RBF响应面的混合优化算法

针对气动优化等昂贵优化问题,提出了一种基于差分进化和RBF响应面的混合优化算法HSADE,该方法结合了差分进化算法的强全局寻优能力和RBF响应面方法的快速局部搜索能力,能够同时有效地提高算法的局部搜索效率和全局寻优能力.对各子算法中的策略和逻辑进行了多项改进,提出和应用了基于双败淘汰赛的竞赛赛制和参数自适应等改进策略.对HSADE使用多个典型算例进行了测试,并横向对比了NSGA-II,MOPSO和多目标差分进化算法.测试结果表明,在大多数问题中HSADE在以世代距离表征的局部搜索效率和以超体积比表征的全局寻优能力两项指标上都优于其他算法,证实了以上混合策略及算法改进的有效性.将该算法应用于一个翼型优化问题和一个二维超声速喷管膨胀面优化问题,并横向对比未经改良的差分进化算法DE和另一种混合算法NARSGA,结果表明在接近1 000次的函数评估下,HSADE能相对其他算法进一步对翼型减阻0.5 count,在喷管优化中HSADE得到的结果也好于其他两种算法,表明该方法具有较强工程应用价值.     

一种用于无人机姿态测量的红外地平仪算法改进

针对现有算法存在的飞行前必须进行环境参数标定,无法抑制飞行过程中环境参数漂移的缺陷,提出了一种无人机红外地平仪姿态解算的改进方法。该算法简化了传感器模型,使得姿态解算方程消去了环境参数,实现了无需在飞行前进行环境参数标定,简化了使用流程,并克服了飞行过程中环境参数漂移对姿态解算精度的影响,还避免了现有方法中需切换解算方程导致的误差跳跃。地面实验证实了改进方法相对现有方法的改进,验证了改进模型的准确性。机载飞行实验结果表明,在实际飞行中姿态角测量精度得到提高,误差连续平滑;滚转角度与俯仰角度的均方根误差由原有的4.4°和2.8°,降低至1.9°和1.8°。利用基于该算法的红外地平仪使固定翼无人机实现了自主飞行。