面向物联网的深度Q网络无人机路径规划

随着无人机技术的广泛应用,基于无人机辅助数据收集的物联网架构扩展了物联网的应用范围,尤其适用于军事战场、灾害救援等极端场景。针对上述场景,该文提出一种基于深度Q网络(Deep Q-Network, DQN)框架的无人机飞行路径规划算法。该算法以无人机飞行周期内收集信息的平均信息年龄(Age of Information, AoI)为优化目标,来保证无人机收集数据的时效性。仿真结果表明,所提算法可以有效降低无人机单个飞行周期内收集数据的平均AoI。与随机算法、基于最大AoI的贪心算法、最短路径算法以及基于AoI的路径规划算法(AoI-based Trajectory Planning, ATP)相比,平均AoI分别降低了约81%, 67%, 56%和39%。该研究实现了无人机辅助物联网系统中,数据的高效、低时延采集。     

物联网数据收集中基于负载均衡的无人机-车联合轨迹规划

为了提升大规模物联网数据收集的效率,提出了一种基于负载均衡区域划分的多无人机-车联合轨迹规划算法,其中,无人机作为空中基站收集物联网设备的数据,地面无人车作为移动电池更换站以弥补无人机能量的不足。为了缩短整体任务完成时间,优化目标为最小化所有无人机-车中最长的任务完成时间,将该问题建模为多站点车辆路由问题的一个变种,并从负载均衡的角度对其进行求解。具体来说,首先通过负载均衡区域划分算法将物联网设备分配到无人机-车的服务区,在此基础上,多站点无人机-车的轨迹规划问题退化为多个独立的单站点单组无人机-车的轨迹规划问题,进而设计联合轨迹规划策略优化各个服务区中的路径。数值结果验证了所提算法在任务完成时间和负载均衡度方面优于对比算法。     

WSNs中优化移动信宿路径的数据收集算法

收集数据是部署无线传感网络(WSNs)的根本目的。采用移动信宿策略可有效缓解WSNs的能耗问题,信宿的移动路径是该策略的关键。为此,提出基于伪驻留点的数据收集(VRDC)算法。VRDC算法先依据驻留点规划信宿路径,再依据路径选择伪驻留点(VRPs)。VRPs可通过一跳直接向移动信宿传输数据,而其他的节点则将数据传输至最近的VRPs,进而减少传输跳数,降低能耗。仿真结果表明,提出的VRDC算法能有效降低能耗,并平衡节点间的能耗。     

无人机全局路径规划算法研究

针对无人机自主飞行控制技术中的全局路径规划问题,简要分析了几种路径规划算法,提出了一种基于遗传算法的改进型无人机全局路径规划算法,算法以旋翼型无人机为例设计了时间约束条件模型,对适应度函数参数和遗传算法算子进行了优化。试验结果表明,所提出的路径规划算法能够求得近似最优解,为无人机自主飞行决策控制提供可行方案。     

基于无人机送货路径规划算法

针对无人机送货路径规划的优化问题,提出了一种基于遗传算法原理的路径规划算法.通过建立无人机的送货系统模型,将路径规划问题转化为组合优化问题,设计恰当的编码方案将路径规划问题转化为整数规划模型,以达到寻找无人机最优送货路径的目的.对算法进行了相应的仿真,仿真结果表明,这种路径规划算法与常见的随机算法相比具有较强的全局搜索...     

基于RRT算法的无人机路径规划应用研究

经典的路径规划算法大都需要在全局已知空间中对环境进行建模,包括人工势场法、遗传算法、启发式算法、仿生学算法等.由于需要预先构建环境,因此这些方法并不适合解决在高维度空间中的路径规划问题.基于快速扩展随机树(RRT)的路径规划方式其优势在于可以避免对全局环境的构建,通过对状态空间进行随机采样,检测碰撞点,能够有效地解决在...     

未知环境下改进DDQN的无人机探索航迹规划研究

对未知环境的探索,如搜救、追逃等场景,无人机需要一边探索(感知)环境一边完成当前的航迹规划(动作选择)。针对上述场景,为了提高无人机对未知环境的探索范围,提出了结合长短期记忆的改进深度双Q网络探索航迹规划方法：搭建仿真地图,以无人机视野内的环境信息作为输入,引入长短期记忆网络,输出动作方向的选择;设置探索经验样本优先级,提高训练效率;加入飞行动力学约束,设计合理的状态、动作空间及单步奖励函数。运用所提算法,无人机可以自主规划出一条无碰撞且对环境探索范围大的航迹。仿真实验结果表明：在未知环境下,所提算法得到的探索面积比、单步探索平均奖励值等指标均优于传统的DDQN算法。     

多无人机飞行路径自动规划算法研究

路径规划对无人机完成其侦察作战任务具有重要意义。针对多无人机飞行路径自动规划算法,从模型建立和算法设计2个方面对规划过程中的关键技术进行了详细分析。算法采用构造Voronoi多边形图的方法来进行路径规划。基于构建的战场环境V图,采用图论中的Dijkstra算法,对V图进行搜索得到初始航路并进行优化。经过分析仿真结果证明,该算法能对典型的多无人机飞行任务进行路径规划,并能满足多种约束条件,获取合理的规划结果。     

基于改进蚁群算法的物流无人机路径规划

本文针对在低空城市环境下物流无人机运输路径的规划问题,首先利用栅格法对城市环境进行三维模型的构建,综合无人机自身各项约束条件,利用蚁群算法建立无人机路径优化模型。蚁群算法作为用于解决局部最优问题的方法之一,一直被广泛应用于路径规划问题。相较于传统的蚁群算法,本实验通过对残留信息量的改进使信息素在更新时,其正反馈的过程能够迅速扩大初始的差异,引导整个系统向最优解的方向进化。并引入估价函数,代价函数,启发式函数,在考虑路径优化的同时进一步计算无人机运输途中的能耗,使其更具实际意义。结果表明：改进后的蚁群算法在规划路径的路径点数、时间规划、能源消耗方面均有明显减少。证明了改进策略具有实用价值,在无人机路径规划方面具有一定的实用价值。     

基于地图重构的蜂窝连接无人机在线路径规划方法

为了减少无人机在复杂实时信道状态下与地面蜂窝网络的连接中断,并且降低无人机在飞行任务过程中的能量消耗,针对蜂窝连接无人机系统,提出了一种基于无线电地图重构的无人机在线路径规划方法。无人机首先从目标区域中稀疏采样并计算采样点中断概率,随后利用基于深度图像先验的算法对无线电地图进行重构。基于重构的无线电地图,以最小化无人机任务执行的能耗为目标,建立了无人机路径规划优化问题,并提出了一种基于深度强化学习的路径规划算法进行求解。仿真结果表明,所提出方法能够在确保无人机与蜂窝连接性的前提下减少无人机的飞行能耗。     

基于改进RRT算法的无人机航迹规划

为了提高无人机的作战效率,航迹规划系统必须为无人机设计出安全系数高,能量消耗少,处理时间短,同时还必须满足飞行器自身物理特性的威胁回避轨迹。基于上述研究目的,本文选择快速随机搜索树算法(RRT)作为迹规划航算法主体,结合Dijkstra算法改进了RRT算法,完成最小航迹代价飞行轨迹的设计。     

无人机航线跟随控制方案设计与实现

无人机能够执行的任务已经多样化,要求其航线设计不再是点与直线。分析了无人机目前航线跟随的2种控制律,分析了其优缺点。提出了一种基于Serret-Frenet二维坐标系方案设计的航线跟随控制律,并进行了稳定性分析和仿真验证,同时在实验飞行中得以实现。经过仿真及实飞验证,此方案有良好的航线跟随性能。     

Path planning algorithm for WCE with joint energy replenishment and data collection based on multi-objective optimization

Considering limited energy of the wireless charging equipment (WCE) in wireless rechargeable sensor network,an energy replenishment strategy and a data collection strategy are designed.On the basis of these,a path planning model for WCE with functions of joint energy replenishment and data collection based on multi-objective optimization is constructed with two optimization objectives,maximizing the total energy utility of WCE and minimizing the average delay of data transmission of all the sensor nodes in the network.To deal with it,a multi-objective ant colony optimization algorithm based on elitist strategy was proposed,where the state transition strategy and the pheromone updating strategy were improved.Then,the Pareto set was obtained in terms of this multi-objective optimization problem.The parameter setting of ant colony algorithm’s effects on the proposed algorithm were analyzed under 20 sensor nodes.50 groups of contrastive experiments show that the average number of energy utilization obtained by ES-MOAC algorithm is 4.53% higher than that of NSGA-II algorithm.The average number of average delay of all node data transmission obtained by ES-MOAC algorithm is 5.12% lower than that of NSGA-II algorithm.     

采用粒子群优化算法规划无人机侦察航路

研究了粒子群优化算法,提出了将该算法运用于无人机的航路规划.引入交换指数和变异子的概念,解决了算法的局部极值问题,给出了航路规划的方法和步骤.在Matlab仿真环境下得到了参考航路.结果表明,该算法简单有效,在很大程度上提高了无人机的侦察效率.     

Classical versus reinforcement learning algorithms for unmanned aerial vehicle network communication and coverage path planning: A systematic literature review

The unmanned aerial vehicle network communication includes all points of interest during the coverage path planning. Coverage path planning in such networks is crucial for many applications, such as surveying, monitoring, and disaster management. Since the coverage path planning belongs to NP-hard issues, researchers in this domain are constantly looking for optimal solutions for this task. The speed, direction, altitude, environmental variations, and obstacles make coverage path planning more difficult. Researchers have proposed numerous algorithms regarding coverage path planning. In this study, we examined and discussed existing state-of-the-art coverage path planning algorithms. We divided the existing techniques into two core categories: Classical and reinforcement learning. The classical algorithms are further divided into subcategories due to the availability of considerable variations in this category. For each algorithm in both types, we examined the issues of mobility, altitude, and characteristics of known and unknown environments. We also discuss the optimality of different algorithms. At the end of each section, we discuss the existing research gaps and provide future insights to overcome those gaps.     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

基于遗传算法的无人机航路规划

无人机在执行任务时需要装载根据战场环境预先规划好的最优路径,路径的优劣直接决定了无人机的作战效率。采用遗传算法进行无人机路径优化,算法利用极坐标描述威胁位置和航路点,将路径编码由二维缩减至一维,降低了搜索空间,提高了优化效率。对算法进行了相应的仿真,仿真结果表明,编码方式大大提高了优化效率,得到的航路有效地规避了威胁。     

启发式动态任务调度与航路规划方法

针对任务、资源、航路的调度与规划需要,建立了一种分层递阶的任务规划系统结构,上层主要解决任务优先级和冲突消解问题;下层主要解决满足各种要求的航路规划与实时重规划问题。提出了启发式动态任务调度与航路实时规划算法,可以有效提高对各种突发事件的态势自适应和冲突消解能力以及对时敏目标的打击能力,进而提高无人机在动态不确定环境下的自主性。     

一种基于深度学习的公路巡检无人机实时目标跟踪算法

公路中心标线的实时跟踪是公路巡检无人机视觉飞行中关键的一环.针对目前主流目标跟踪算法实时性差的问题,提出一种基于改进YOLO(you only look once)v3和Deep-SORT(deep simple online real-time tracking)的目标跟踪模型用于公路巡检无人机自主视觉飞行.通过引入...     

基于改进RRT算法的无人机航迹规划

针对快速扩展随机树（RRT）算法用于无人机自主在线航迹规划时,只能快速获得可行的航迹,无法获得接近于最短航迹的较优航迹的缺点,提出了一种改进的RRT算法.该算法将无人机动力学约束融入到节点扩展过程中,通过改进离随机采样点最近的根节点的选取策略和引入航迹距离约束,搜索树将沿着航迹距离较短的方向朝着目标点进行扩展,使得规划出来的航迹接近最优,并采用基于B样条曲线的航迹平滑方法生成平滑可跟踪的航迹.仿真结果表明该算法能够快速地搜索安全并且满足无人机动力学约束的较优航迹.