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。     

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。     

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。     

粒子群算法在惯性/地磁组合导航航迹规划中的应用

高效的航迹规划是水下运载器隐蔽航行的关键技术之一。结合水下航行器的地磁导航环境特征约束因素,建立了航迹代价评估模型,采用最短路径算法在约束区域内按路径长度的次序递增、迭代,规划出一条粗选航迹。在此基础上,采用粒子群优化算法将时间信息作为搜索空间的粒子,改进惯性权重值和编码方式,对粗选航迹进行优化,实现全局最优。仿真结果表明,粒子群优化算法缩小了搜索范围,提高了搜索效率,收敛更快,将适应度由49.211提高至43.304,所需代价更小,且所获取的航迹可以有效规避非适配区,保证了全局最优、局部最优。     

基于改进人工蜂群算法的多无人机灭火任务规划

针对当前多无人机通过投放灭火弹对多处山火进行灭火救援任务规划中,因各点火情的时变而导致规划效率低下的问题,提出了一种多无人机对多火点火场灭火救援任务规划方法。首先,建立了目标价值随时间变化的多无人机任务规划模型,可实现根据指挥者的决策意图来进行合理救援。然后,根据模型提出了一种基于整数编码的改进人工蜂群算法,利用该算法求解各无人机的救援序列可以提高无人机救援效率。最后根据救援序列及预先规划的可飞路径生成各无人机的救援路径。仿真结果表明,在相同任务规模下,该方法的寻优效率较高,寻优时间仅为现有方法的15.2%;在总价值提高的情况下,完成任务的时间与现有方法相比平均缩短了4.9%。     

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%。     

集群无人机定位信号的自适应GM-CBMeMBer滤波算法

针对集群无人机导航定位信号通信过程中,易混入实际随机噪声,而传统GM-CBMe MBer滤波算法处理会导致滤波器发散的问题,提出了一种用于集群无人机定位信号的自适应GM-CBMe MBer滤波算法。首先,构建对应的数学模型,通过观测模型和量测模型对信号进行跟踪、滤波。在此基础上,利用随机有限集和衰减因子实现对噪声的动态处理和进一步预测,结合预测值进行迭代更新,直到滤波过程结束。同时,引入高斯项的剪枝合并来提高滤波精度。实验结果表明,改进算法与传统算法相比较,在集群无人机定位航迹上的杂波点有所减少,总体平均误差降低了26.6%。同时,方法简单易行,便于工程实现。     

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A~*算法的重力辅助导航航迹规划

根据重力辅助导航航迹规划的特点,对经典A*算法启发函数进行了修改,改进A*算法通过重力坡度值表示重力导航启发信息,使用自适应确定对应阈值,增加预处理步骤以解决任意起始点和终止点的航迹规划问题。A*航迹规划算法能够根据重力信息分布情况调整航迹,使得规划的航迹重力导航信息更加丰富。重力相关匹配结果表明:跟随改进A*算法航迹的导航平均定位误差比跟随未规划航迹的小,改进A*航迹规划算法能够提高重力辅助惯性导航精度。     

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INS/SMNS紧耦合的无人机导航

为了克服无人机惯性导航系统漂移误差累积的缺陷,提出了基于INS/SMNS紧耦合的无人机导航模式(INS/SMNS)。它利用INS提供的位置和姿态角信息分别完成对无人机的粗定位和航拍实时图像的几何校正,提高了SMNS的实时性和适配区景象匹配的精确度;同时,利用SMNS的高精度导航定位结果修正了INS的累积误差。通过INS与SMNS之间的优势互补,使得紧耦合INS/SMNS导航模式具有更好的实时性和精确性。仿真实验表明,紧耦合模式满足无人机规划航迹要求。     

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。     

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%。     

COORDINATED PATH PLANNING BY INTEGRATING IMPROVED RRT$^{\small*}$ AND QUARTIC SPLINE$^{\bf 1)}$

针对空间机器人抓捕空间非合作目标的在轨服务任务,同时考虑机器人运动学约束和动力学约束,提出一种分层式的自由漂浮双臂空间机器人协调路径规划方法. 首先,在路径规划层面上基于 RRT* 算法分别规划双臂末端执行器在笛卡尔空间下的初始可行路径,为双臂设置独立的采样空间,保证路径规划过程中双臂系统不发生自身碰撞. 然后,在轨迹规划层面上利用四次样条曲线平滑 RRT* 算法生成的初始路径,设计满足样条曲线的一阶、二阶及三阶微分连续约束,同时考虑机械臂末端执行器的初末速度约束条件、初始加速度约束条件,得到适合于空间机器人执行的动力学可行的平滑 轨迹.最后,计算所规划路径的最大速度、最大加速度与机械臂末端执行器物理极限值的比值,取最小上限,即为最少路径规划时间. 所提路径规划方法能够设计出满足特定路径点约束的协调路径,且所设计的路径考虑了机械臂的物理限制条件,通过对自由漂浮双臂空间机器人进行仿真试验,验证了所提路径规划算法的有效性.     

一种改进 RRT* 结合四次样条的协调路径规划方法

针对空间机器人抓捕空间非合作目标的在轨服务任务,同时考虑机器人运动学约束和动力学约束,提出一种分层式的自由漂浮双臂空间机器人协调路径规划方法. 首先,在路径规划层面上基于 RRT* 算法分别规划双臂末端执行器在笛卡尔空间下的初始可行路径,为双臂设置独立的采样空间,保证路径规划过程中双臂系统不发生自身碰撞. 然后,在轨迹规划层面上利用四次样条曲线平滑 RRT* 算法生成的初始路径,设计满足样条曲线的一阶、二阶及三阶微分连续约束,同时考虑机械臂末端执行器的初末速度约束条件、初始加速度约束条件,得到适合于空间机器人执行的动力学可行的平滑 轨迹.最后,计算所规划路径的最大速度、最大加速度与机械臂末端执行器物理极限值的比值,取最小上限,即为最少路径规划时间. 所提路径规划方法能够设计出满足特定路径点约束的协调路径,且所设计的路径考虑了机械臂的物理限制条件,通过对自由漂浮双臂空间机器人进行仿真试验,验证了所提路径规划算法的有效性.      

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。     

基于仿射修正技术的水下地形ICCP匹配算法

ICCP匹配算法是水下组合导航系统中最为重要的匹配算法。针对传统ICCP匹配算法存在仅对水下航行器惯性导航系统指示航迹作旋转和平移的刚性变换的局限性问题,为提高水下航行器地形辅助导航系统中匹配算法的精度,分析了水下航行器惯性导航系统误差特性,建立了误差模型,提出了基于仿射修正技术的水下地形ICCP匹配算法。首先利用ICCP匹配算法对惯性导航系统指示航迹进行刚性变换,再利用最小二乘法求解仿射参数,进而对ICCP匹配航迹进行仿射修正。仿真研究表明,基于仿射修正技术的ICCP匹配算法能较好地解决传统ICCP匹配算法刚性变换的局限性,匹配精度优于传统ICCP算法,匹配误差小于数字地图网格间距的50%,同时仿射修正所耗费时间极少,所增加的时间仅为传统ICCP匹配算法匹配时间的千分之一。     

基于海洋遥感图像的无人艇路径覆盖规划算法

遥感技术和无人艇的结合在海洋覆盖应用中具有巨大的潜力，提出了一种基于海洋遥感图像的无人艇路径覆盖方法。首先，为了建立精确的地图模型，提出了一种基于改进YOLO V3的旋转目标检测算法，在YOLO V3的基础上，细化障碍物的轴向、长度、宽度和坐标信息，在不增加计算量的情况下提高复杂场景下障碍物检测的召回率。然后，为了获得高效的覆盖路径，提出了一种基于旋转光束和贪心算法的路径覆盖算法。该算法将完整路径分为直行路径和转弯路径，分别基于长度与避障目标优化覆盖路径。仿真结果表明，较基于栅格地图的神经元激励算法，所提出算法在长度上平均减少了9.3%，并且在2种极端海洋环境中实现路径覆盖率为100%，重复率小于2.1%。