基于改进蚁群-Dstar混合算法的无人机航迹规划算法研究

发布时间：2020-05-27 05:12

【摘要】：随着计算机、通信技术、自动化控制技术的进步,近年来无人机发展迅速。无人机具有适应性强,灵活便携等优势,在一定程度上可以替代有人作业,以更高的效率和更低的成本完成工作任务,对军用和民用领域都有重要影响。无人机的航迹规划就是根据任务目标搜索出一条从源点到目标点的飞行航迹,是无人机任务规划问题中的核心技术。航迹规划算法基于是否已知全局地图信息可以分为全局航迹规划算法和局部实时航迹规划算法,单一的全局规划算法和局部规划算法各有其优劣,一般认为,前者在寻找全局最优解或者近似最优解方面更具优势,但不适用于动态环境下的实时航迹规划问题,后者可以与环境实时交互从而适应变化环境,但缺乏全局最优性。本文针对现有航迹规划算法的缺点对蚁群算法作出改进,并和Dstar算法进行结合,提出一种基于改进蚁群和Dstar算法的混合式无人机航迹规划算法。本文对无人机航迹规划空间进行划分,建立了栅格地图模型。系统探讨了蚁群算法的原理、实现步骤,并分析了其优缺点,对于已知全局环境信息的地图,通过理论分析和仿真实验验证了经典蚁群算法在复杂障碍物环境下存在的缺陷。针对这些问题提出一种改进蚁群算法。通过基于方向指导信息对信息素的初始分布进行优化,降低了算法搜索初期的时间开销;通过改进信息素更新挥发的规则提升了算法保留优秀路径信息的能力,加快蚁群算法收敛速度;提出一种新的基于区域安全的概率转移策略,解决了经典蚁群算法容易陷入局部死锁的问题,同时提高了任务规划的成功率。最后,基于前文建立的栅格地图模型对不同规模和复杂度的环境进行了仿真实验,通过和原算法对比证明了改进蚁群算法具有显著优势。针对单一航迹规划算法方案中全局航迹规划算法时效性和适应性差,而局部航迹算法全局最优性差的缺陷,在改进蚁群算法的基础上,考虑有突发障碍物的动态实时环境,设计了一种基于改进蚁群和Dstar混合算法的航迹规划方案。该算法首先利用蚁群群体智能的优势在静态环境下输出一条低开销的初始路径,同时为应对突发障碍引入Dstar算法,在遇到突发障碍物时,可以进行相应的航迹修正,以便规避碰撞。混合算法仅在突发障碍物区域对初始路径进行重构,而不需要对整条全局路径进行重新规划,因此可以快速得到局部重规划航迹。仿真部分将混合算法分别与改进蚁群算法和Dstar算法比较,验证了混合算法通过有机的融合全局航迹规划和局部实时航迹规划方法,并充分利用了全局先验信息和局部后验信息,最终由混合算法计算获得的航迹规划路线兼顾了航迹最优性和实时高效性。
【图文】：

A 和 B 分别为被假设成桥的两条点移动。可以看到，，30 次实验后，蚁群是因为实验刚开始时，两座桥无信息素B 桥。当桥的长度相等时，两桥上残留到一些不可控因素的影响，更多蚂蚁选比 B 桥更高，进而使其他蚂蚁也选择 A的正反馈，使得蚂蚁最终选择 A 桥的概

下航迹对比
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V279;TP18

【相似文献】

相关期刊论文 前10条

1 刘大卫;孙静;龙腾;蔡祺生;;基于分层稀疏A~*算法的突防航迹规划研究[J];战术导弹技术;2017年06期

2 关晓谦;鱼佳欣;郭道通;邹杨;;战斗无人机在敌方防御区航迹规划研究[J];计算机仿真;2016年03期

3 詹强;王闯;;基于改进领航跟随法的多机协同航迹规划[J];无线通信技术;2016年03期

4 胡裕军;;测绘无人机航迹规划算法及软件设计[J];数字技术与应用;2015年02期

5 丁泽军;张健;李朝旭;刘宇坤;;突发威胁环境下无人机实时航迹规划研究[J];计算机仿真;2015年08期

6 程晓明;曹东;李春涛;;多无人机协同航迹规划技术研究[J];航空计算技术;2014年04期

7 汲万峰;王光源;章尧卿;李伟波;;基于协同裕度的多飞行器航迹规划[J];航天控制;2013年02期

8 汲万峰;王光源;严建钢;孙钧正;;基于任务分配的多飞行器协同航迹规划[J];系统工程理论与实践;2013年09期

9 汲万峰;王光源;孙钧正;赵明;;一种多飞行器协同航迹规划的新方法[J];控制工程;2013年03期

10 王光源;汲万峰;章尧卿;于嘉晖;;不确定环境下飞行器航迹规划[J];火力与指挥控制;2012年11期

相关会议论文 前10条

1 冯倚银;李景荣;施晓红;华祖耀;;一种改进的多飞行器协调航迹规划算法[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年

2 管祥民;吕人力;;基于协同进化的复杂低空下多飞行器协同航迹规划方法[A];2017年（第三届）中国航空科学技术大会论文集（增刊）[C];2017年

3 彭志红;孙琳;陈杰;吴金平;;基于改进多智能体协同进化算法的多无人机低空突防航迹规划研究[A];中国自动化学会控制理论专业委员会B卷[C];2011年

4 李如飞;张栋;郝峰;;集群巡飞弹协同航迹规划方法研究[A];2018中国自动化大会(CAC2018)论文集[C];2018年

5 白晓利;韩亮;;TF/TA航迹规划仿真中几个实际问题的解决[A];2003年全国系统仿真学术年会论文集[C];2003年

6 朱杰;鲁艺;张辉明;;基于改进Voronoi图的航迹拓扑空间生成[A];OSEC首届兵器工程大会论文集[C];2017年

7 陈仲伟;彭康博;欧名勇;黄来;赵满超;佘换林;倪升亚;;一种改进PSO算法的UAV航迹规划[A];2018智能电网新技术发展与应用研讨会论文集[C];2018年

8 丛岳;罗阳;刘贝;;多小型无人机协同航迹规划及其硬件在回路仿真[A];探索 创新 交流（第7集）——第七届中国航空学会青年科技论坛文集（上册）[C];2016年

9 陈都;孟秀云;;基于粒子群算法的无人机航迹规划与仿真研究[A];第二十届中国系统仿真技术及其应用学术年会论文集（20th CCSSTA 2019）[C];2019年

10 杨杏;周旭;陈诗旭;陶昊然;;基于气象要素的无人机航迹规划算法研究[A];第五届高分辨率对地观测学术年会论文集[C];2018年

相关重要报纸文章 前1条

1 本报记者 唐明军 通讯员 杨令飞;巡航导弹:航迹规划、制导方式是关键[N];中国航天报;2016年

相关博士学位论文 前10条

1 郑昌文;飞行器航迹规划方法研究[D];华中科技大学;2003年

2 屈耀红;小型无人机航迹规划及组合导航关键技术研究[D];西北工业大学;2006年

3 唐平鹏;复杂海况下水面无人艇分层危险规避方法研究[D];哈尔滨工程大学;2014年

4 杨祖强;生物启发的多无人机协同四维航迹规划方法研究[D];浙江大学;2016年

5 胡中华;基于智能优化算法的无人机航迹规划若干关键技术研究[D];南京航空航天大学;2011年

6 赵明;多无人机系统的协同目标分配和航迹规划方法研究[D];哈尔滨工业大学;2016年

7 孙小雷;基于多阶段航迹预测的无人机任务规划方法研究[D];哈尔滨工业大学;2015年

8 张闯;基于组合导航数据的欠驱动船舶航迹规划及滑模控制研究[D];大连海事大学;2016年

9 李旺;水面无人艇航迹规划与跟踪技术研究[D];哈尔滨工程大学;2016年

10 傅阳光;粒子群优化算法的改进及其在航迹规划中的应用研究[D];华中科技大学;2011年

相关硕士学位论文 前10条

1 张博;基于改进蚁群算法的无人机航迹规划研究[D];西安科技大学;2019年

2 徐宏飞;面向智慧避障的物流无人机航迹规划研究[D];北京交通大学;2019年

3 胡腾;基于仿生算法的小型无人机三维侦察航迹规划研究[D];重庆邮电大学;2019年

4 程振;基于RCS与最短滞留时间的无人机协同航迹规划[D];南京航空航天大学;2018年

5 张一帆;航空应急救援系统若干关键问题研究[D];南京航空航天大学;2019年

6 洪网君;基于4D航迹的多航空器战术间隔管理研究[D];南京航空航天大学;2019年

7 刘杰;航空器四维航迹实时预测与动态生成研究[D];南京航空航天大学;2019年

8 田薇;基于改进蚁群-Dstar混合算法的无人机航迹规划算法研究[D];哈尔滨工业大学;2019年

9 赵俊峰;无人机航迹规划虚拟视景仿真系统设计[D];南昌航空大学;2019年

10 李铮昊;风险环境下基于协同搜寻的无人机航迹规划算法研究[D];天津理工大学;2019年

本文编号：2683011