基于鸽群优化算法的火星飞行器智能可视图法

发布时间：2022-01-23 06:02

　　为解决火星飞行器的路径规划问题,针对传统避障算法以及现有常规智能避障算法的局限性,提出融合鸽群优化算法与可视图法的全新智能避障算法。该算法克服传统避障算法得到轨迹平滑性差和利用常规智能避障算法需要大量时间成本的问题,可在复杂地形中为保持一定高度飞行的火星飞行器规划避开危险区到达目的地的可行路径。仿真结果表明:与可视图法相比,利用智能可视图法得到的路径长度更短且平滑性能良好;与鸽群优化算法相比,利用智能可视图法进行路径规划所需时间成本大大减少,且规划得到的路径长度更短、更平滑、适应度值更小。 

【文章来源】：飞行力学. 2020,38(05)北大核心CSCD

【文章页数】：5 页

【部分图文】：

可视图法路径规划

智能可视图法的具体流程如图2所示。图中:T为障碍物顶点集合;D为可选用点集;Xvg为利用可视图法得到的当前路径;Lnow、Lbest分别为当前轨迹路径长度与最优轨迹路径长度;Xg为鸽群优化算法中的全局最优轨迹;Nptol为最大种群总数量;NC1、NC2分别为利用地图罗盘算子与地标算子迭代更新时的当前迭代次数;NC1max、NC2max分别为地图罗盘算子与地标算子的最大迭代次数;Zfit为适应度值。在计算过程中,需将所有非多边形的障碍物都拟合为多边形,其中圆形障碍物拟合为正十二边形,并记录构成各多边形的n个顶点于集合T,目标位置坐标为(xa,ya),则:

一般环境下可视图法得到的轨迹

【参考文献】：
期刊论文
[1]火星探测的现在和未来——各国争相奋进登陆[J]. 程亦之.  中国航天. 2019(08)
[2]基于改进A*算法的无人机航线规划[J]. 谭海燕,张莉,韩仪洒,薛旭璐,杨莹.  飞行力学. 2019(05)
[3]火星车行驶环境研究综述[J]. 赵静,魏世民,唐玲,危清清.  载人航天. 2019(02)
[4]几种仿生优化算法综述[J]. 余今,张德贤.  软件导刊. 2019(02)
[5]一种STEDF的可视图环境建模方法[J]. 蒋林,程文凯,朱志超,郭晨.  机械设计与制造. 2018(05)
[6]基于同步可视图构造和A*算法的全局路径规划[J]. 吕太之,赵春霞,夏平平.  南京理工大学学报. 2017(03)
[7]基于改进鸽群算法的高超声速飞行器轨迹优化[J]. 张亚平,孙佩华,李昱辉,刘燕斌.  飞行力学. 2017(04)
[8]探索火星环境和生命[J]. 林杨挺.  自然杂志. 2016(01)
[9]基于鸽群行为机制的多无人机自主编队[J]. 邱华鑫,段海滨,范彦铭.  控制理论与应用. 2015(10)
[10]一种基于可视图法导盲机器人路径规划的研究[J]. 陈超,唐坚,靳祖光,杨洋,钱磊.  机械科学与技术. 2014(04)

硕士论文
[1]火星飞行器推进系统多方案研究[D]. 吕传文.哈尔滨工业大学 2018



本文编号：3603746