针对无人机传统的航迹规划方法存在求解效率低、适用范围窄的问题, 提出一种考虑全局和局部规划相耦合的航迹规划方法。首先, 提出几何航迹碰撞检测法以改进跳点搜索(JPS)算法, 提升无人机在全局环境中航迹规划能力; 其次, 提出一种耦合策略的航迹规划框架, 通过将无人机全局航迹信息与动态窗口局部航迹信息进行耦合, 扩展动态窗口法的评价子函数, 确保无人机在动态环境中具备灵活的避障能力; 最后, 通过仿真实验论证了所提改进JPS算法在全局搜索时间、航迹距离和航迹转折点数目等方面较现有方法的优势, 验证了耦合算法在动态环境中的稳定避障能力。
无人机 航迹规划 几何航迹碰撞检测法 动态窗口法 改进JPS算法 耦合策略 UAV trajectory planning geometric track collision detection method dynamic window method improved JPS algorithm integration strategy
1 空军工程大学装备管理与无人机工程学院, 西安 710000
2 中国人民解放军95247部队, 广东 惠州 516000
针对当前无人机集群协同侦察目标规模小、易重复侦察、不考虑能量约束而导致侦察效能低等问题, 提出了一种基于能量约束的集群协同侦察多目标航迹规划算法。首先, 对无人机任务过程中所需的各种能量进行建模, 定量分析了飞行能量、悬停能量和数据传输能量的消耗; 然后, 借鉴图论思想对集群的侦察区域和侦察目标进行建模, 在能量约束条件下构建了一种新的航迹规划算法模型, 旨在对无人机集群航迹进行协同优化, 降低集群整体能量消耗。仿真结果表明, 该算法在能量消耗和侦察时间等方面都明显优于典型的轨迹距离算法, 在10架无人机侦察100个目标情况下, 能量消耗降低了48%, 其侦察效率较高, 收敛速度更快。
无人机 集群 能量约束 侦察 航迹规划 UAV swarm energy constraint reconnaissance trajectory planning
1 沈阳科技学院, 沈阳 110000
2 沈阳航空航天大学, 沈阳 110000
近几十年, 渐近最优快速搜索随机树(RRT*)算法受到广泛关注。为了解决其收敛速度慢、生成路径代价高的问题, 提出一种改进APF(Artificial Potential Field)-Informed-RRT*融合算法进行无人机航迹规划。该算法结合Informed采样策略, 将随机点约束在椭圆空间内, 提高搜索效率。当新算法找到最近节点后, 引入改进APF生成高质量的新节点。目标点及随机采样点对生长树的最近节点产生吸引力, 障碍物对其产生排斥力, 然后将合力方向作为随机树生长方向, 解决局部最小值的问题, 大大缩短了收敛时间。将该算法与RRT*, Informed-RRT*算法进行比较, 结果表明了新算法的优越性和有效性。
快速搜索随机树 Informed采样策略 人工势场 航迹规划 Rapidly-exploring Random Tree (RRT) Informed sampling strategy Artificial Potential Field (APF) trajectory planning
1 大连大学,信息工程学院
2 大连大学,大连市环境感知与智能控制重点实验室, 辽宁 大连 116000
针对三维复杂环境下高时效规划无人机航迹问题, 提出一种改进的双向A*算法。设计扇面搜索域, 减少计算开销; 动态调整启发函数权重, 优化代价函数, 提高搜索效率; 引入关键节点筛选策略, 消除航迹中的冗余点, 生成全局最优静态航迹。就飞行航迹中出现的动态避障问题, 设计动态避障航迹最短优化目标函数, 提出基于变分法的动态避障算法, 考虑航迹容忍度, 实现局部航迹在线调整和优化。仿真结果表明, 设计的航迹规划算法不仅能在复杂环境下高时效规划出一条期望航迹, 还能对突发威胁动态避障。
无人机 航迹规划 动态避障 改进的双向A*算法 变分法 UAV trajectory planning dynamic obstacle avoidance improved bidirectional A* algorithm calculus of variations
光学 精密工程
2023, 31(17): 2534
云南民族大学电气信息工程学院, 昆明 650000
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。
无人机 长短期记忆网络 深度双Q网络 未知环境探索 航迹规划 UAV Long Short-Term Memory (LSTM) network Deep Double Q Network (DDQN) unknown environment exploration trajectory planning
光子学报
2022, 51(12): 1212002
光学 精密工程
2022, 30(23): 3070
为实现飞行器远距离突防时自主航迹规划效率提升的目标, 结合该任务背景下雷达威胁分布特点, 采用剖分网格理论组织栅格环境, 从底层表征方式出发改进A*算法。利用剖分网格的编码表征组织结构得到方位信息, 从而针对性地施加惩罚因子, 指向性地改进实际移动路径代价计算方式, 而后依据雷达威胁分布特点, 通过编码比较位的变化分段变步长寻找子节点。仿真结果表明, 改进算法的计算节点大大减少, 在所寻航迹总的代价值近似的情况下, 改进算法总能在威胁分布密集的环境中更迅速地规划出可行航迹, 较好地适用于飞行器突防背景。
自主航迹规划 剖分网格 远距离突防 威胁密集分布 惩罚因子 分段变步长 autonomous trajectory planning subdivision grid long-range penetration dense distribution of threats penalty factor variable step size in sections