基于无人机编队的路径规划研究
发布时间：2021-03-27 08:45
随着人工智能技术的飞速发展,如何利用智能体改变传统的生活生产方式日益成为人们研究的重点。无人机编队由于执行任务效率高、观测范围广、可靠性强而经常用于抢险救灾任务,所以在未来的多年里无人机编队及其相关的技术将会越来越受到世界各国的青睐,得到越来越广泛的关注和应用。随着无人机编队的技术逐渐成熟,研究热点已经从无人机编队的初级使用变为如何更好地运用无人机编队执行各种任务。本文首先对无人机编队的相关技术进行了介绍,并对几种常用的路径规划算法及改进算法进行了详细的分析。A*算法是一种在任务空间环境信息已知的情况下求解最短路径的最直接有效一种启发式搜索算法,所以A*算法经常被用作静态路径规划算法。对A*算法进行研究发现,该算法用于大型的复杂空间中时,搜索效率较低,并且在函数设计上考虑的因素较为单一,不太符合实际情况。针对A*算法所存在的问题提出了一种改进A*算法,新算法首先对启发函数和实际代价函数进行了改进,然后融合双向搜索策略,最后采用关键点选取策略对规划路径的冗余节点进行处理。改进A*算法不仅提高了算法的搜索效率,同时在一定程度上提高了规划路径的平滑性。人工势场法是一种虚拟力法,当环境信息为动...
【文章来源】：沈阳理工大学辽宁省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
障碍物面积覆盖率为22.5%仿真结果图
沈阳理工大学硕士学位论文-30-2.5.2单机仿真验证及结果分析本文在MATALB软件中对基于栅格法环境建模的改进A*算法静态路径规划进行仿真测试。在模拟的100KM*100KM的任务环境空间中，障碍物面积的覆盖率分别达到22.5%、37.5%以及50.0%时进行算法的仿真验证。在仿真时以（7.5，12.5）为起始点，以（87.5，92.5）为目标点，具体的仿真结果如图2.13、图2.14和图2.15所示。其中黑色区域表示障碍物区，白色区域表示可行区域。图2.13障碍物面积覆盖率为22.5%仿真结果图Fig.2.13Obstacleareacoveragerateof22.5%simulationresults图2.14障碍物面积覆盖率为37.5%仿真结果图Fig.2.14Obstacleareacoveragerateof37.5%simulationresults
第2章基于改进A*算法的静态路径规划研究-31-图2.15障碍物面积覆盖率为50.0%仿真结果图Fig.2.15Obstacleareacoveragerateof50.0%simulationresults便于进一步验证改进算法的有效性以及在不同的障碍物面积覆盖率下对路径规划性能的影响，在不同的障碍物面积覆盖率下对算法进行了相应的验证，验证结果如图2.16、图2.17、图2.18所示。图2.16路径规划长度对比图Fig.2.16Comparisonofpathplanninglength
【参考文献】：
期刊论文
[1]三架固定翼无人机协同编队飞行避障策略[J]. 张佳龙,闫建国,张普,吕茂隆. 国防科技大学学报. 2019(01)
[2]基于人工势场法的无人机群航路自主规划[J]. 魏博文,邵长旭,王茂森. 兵工自动化. 2018(11)
[3]基于A*算法的无冲突路由多路AGV控制策略[J]. 徐海军,潘迪. 工业控制计算机. 2018(08)
[4]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[5]基于元胞遗传算法的多无人机编队集结路径规划[J]. 杨军,王道波,渠尊尊,孙瑜,张鲁遥. 机械与电子. 2018(01)
[6]融合改进A*算法和动态窗口法的全局动态路径规划[J]. 程传奇,郝向阳,李建胜,张振杰,孙国鹏. 西安交通大学学报. 2017(11)
[7]基于改进蚁群算法的无人机路径规划[J]. 李喜刚,蔡远利. 飞行力学. 2017(01)
[8]警用无人机路径规划技术研究[J]. 刘硕,陈毅雨. 工业设计. 2016(09)
[9]基于分割法的无人机路径规划研究[J]. 魏潇龙,姚登凯,谷志鸣,高文明. 计算机仿真. 2016(01)
[10]基于改进人工势场法的无人机路径规划算法[J]. 丁家如,杜昌平,赵耀,尹登宇. 计算机应用. 2016(01)
博士论文
[1]四旋翼无人机编队飞行控制方法的研究[D]. 李乐宝.浙江大学 2017
[2]多无人机编队路径规划与队形控制技术研究[D]. 邵壮.西北工业大学 2017
[3]多无人机分布式协同编队飞行控制技术研究[D]. 薛瑞彬.北京理工大学 2016
硕士论文
[1]多无人机实时航路规划算法研究与实现[D]. 郭姣绒.西安电子科技大学 2018
[2]多智能体避障路径规划研究[D]. 贾春雪.南京信息工程大学 2017
[3]多无人机编队在线协同航路规划方法研究[D]. 王村松.南昌航空大学 2016
[4]四旋翼飞行器的路径规划[D]. 尹露.哈尔滨工程大学 2016
[5]无人机地面站软件设计及航迹规划算法研究[D]. 叶听.浙江大学 2016
[6]多无人机任务分配与路径规划算法研究[D]. 丁家如.浙江大学 2016
[7]无人机编队导航与控制系统研究[D]. 夏路.哈尔滨工业大学 2014
[8]不确定环境下无人机机群路径规划[D]. 居阳.西安电子科技大学 2014
本文编号：3103216
【文章来源】：沈阳理工大学辽宁省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
障碍物面积覆盖率为22.5%仿真结果图
沈阳理工大学硕士学位论文-30-2.5.2单机仿真验证及结果分析本文在MATALB软件中对基于栅格法环境建模的改进A*算法静态路径规划进行仿真测试。在模拟的100KM*100KM的任务环境空间中，障碍物面积的覆盖率分别达到22.5%、37.5%以及50.0%时进行算法的仿真验证。在仿真时以（7.5，12.5）为起始点，以（87.5，92.5）为目标点，具体的仿真结果如图2.13、图2.14和图2.15所示。其中黑色区域表示障碍物区，白色区域表示可行区域。图2.13障碍物面积覆盖率为22.5%仿真结果图Fig.2.13Obstacleareacoveragerateof22.5%simulationresults图2.14障碍物面积覆盖率为37.5%仿真结果图Fig.2.14Obstacleareacoveragerateof37.5%simulationresults
第2章基于改进A*算法的静态路径规划研究-31-图2.15障碍物面积覆盖率为50.0%仿真结果图Fig.2.15Obstacleareacoveragerateof50.0%simulationresults便于进一步验证改进算法的有效性以及在不同的障碍物面积覆盖率下对路径规划性能的影响，在不同的障碍物面积覆盖率下对算法进行了相应的验证，验证结果如图2.16、图2.17、图2.18所示。图2.16路径规划长度对比图Fig.2.16Comparisonofpathplanninglength
【参考文献】：
期刊论文
[1]三架固定翼无人机协同编队飞行避障策略[J]. 张佳龙,闫建国,张普,吕茂隆. 国防科技大学学报. 2019(01)
[2]基于人工势场法的无人机群航路自主规划[J]. 魏博文,邵长旭,王茂森. 兵工自动化. 2018(11)
[3]基于A*算法的无冲突路由多路AGV控制策略[J]. 徐海军,潘迪. 工业控制计算机. 2018(08)
[4]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[5]基于元胞遗传算法的多无人机编队集结路径规划[J]. 杨军,王道波,渠尊尊,孙瑜,张鲁遥. 机械与电子. 2018(01)
[6]融合改进A*算法和动态窗口法的全局动态路径规划[J]. 程传奇,郝向阳,李建胜,张振杰,孙国鹏. 西安交通大学学报. 2017(11)
[7]基于改进蚁群算法的无人机路径规划[J]. 李喜刚,蔡远利. 飞行力学. 2017(01)
[8]警用无人机路径规划技术研究[J]. 刘硕,陈毅雨. 工业设计. 2016(09)
[9]基于分割法的无人机路径规划研究[J]. 魏潇龙,姚登凯,谷志鸣,高文明. 计算机仿真. 2016(01)
[10]基于改进人工势场法的无人机路径规划算法[J]. 丁家如,杜昌平,赵耀,尹登宇. 计算机应用. 2016(01)
博士论文
[1]四旋翼无人机编队飞行控制方法的研究[D]. 李乐宝.浙江大学 2017
[2]多无人机编队路径规划与队形控制技术研究[D]. 邵壮.西北工业大学 2017
[3]多无人机分布式协同编队飞行控制技术研究[D]. 薛瑞彬.北京理工大学 2016
硕士论文
[1]多无人机实时航路规划算法研究与实现[D]. 郭姣绒.西安电子科技大学 2018
[2]多智能体避障路径规划研究[D]. 贾春雪.南京信息工程大学 2017
[3]多无人机编队在线协同航路规划方法研究[D]. 王村松.南昌航空大学 2016
[4]四旋翼飞行器的路径规划[D]. 尹露.哈尔滨工程大学 2016
[5]无人机地面站软件设计及航迹规划算法研究[D]. 叶听.浙江大学 2016
[6]多无人机任务分配与路径规划算法研究[D]. 丁家如.浙江大学 2016
[7]无人机编队导航与控制系统研究[D]. 夏路.哈尔滨工业大学 2014
[8]不确定环境下无人机机群路径规划[D]. 居阳.西安电子科技大学 2014
本文编号：3103216
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3103216.html
