无人机航迹规划算法研究

发布时间：2017-06-07 19:13

  本文关键词：无人机航迹规划算法研究，由笔耕文化传播整理发布。

【摘要】：任务规划系统是伴随现代信息技术的发展而迅速崛起的一门技术,特别是其在局部战争中的优秀表现,更是引起了世界各国的广泛关注。无人机航迹规划是任务规划系统的关键技术,也是实现无人机智能导航并且成功完成任务的技术保障。本文综合考虑了无人机航迹各方面的因素,对无人机航迹规划算法进行了研究,旨在提高无人机的生存概率与无人机成功完成任务的能力,同时在一定程度上提高算法的效率。本文从任务规划环境,无人机物理特性,战术任务目标等方面综合分析了无人机飞行航迹的约束条件,综合各种因素给出了无人机航迹规划的基本数学模型,描述了无人机航迹规划的关键问题及相应的解决方法,并且给出了两种单无人机航迹规划算法和一种多无人机协同航迹规划算法。对于单无人机航迹规划算法,本文详细介绍了A*算法和元胞自动机算法。针对传统A*算法搜索空间大、耗时长、易于陷入局部最优等不足加以改进,提出了快速A*算法,提高了算法效率并且使规划航迹更优,进一步将快速A*算法扩展到三维空间中;对于元胞自动机算法,对其演化函数进行了优化,提高了其规划效率和规划航迹的准确性。对于两种单无人机航迹规划算法,以相同的威胁分布环境对算法进行仿真并验证两种算法的正确性和有效性。对于多无人机协同航迹规划算法,本文将航迹规划问题和无源定位理论相结合,提出了基于无源定位的多无人机协同航迹规划算法。该算法将无人机作为观测基站,利用无源定位中测向交叉定位算法,以对观测目标定位的RMSE作为代价函数,通过使观测RMSE最小来保证每一次多无人机的空间观测达到最优构形,当多无人机对目标的观测RMSE达到最小时,完成对目标的最优观测,从而完成多无人机协同航迹规划的任务。本论文基于无人机航迹规划算法的研究现状,对传统算法进行了优化和改进,对规划航迹进行了进一步处理,力求使航迹规划算法效率更高,规划航迹更优。无人机航迹规划问题的研究领域虽然已经较为陈旧,但仍有许多值得深思和探讨的方面,同时还可以将无人机航迹规划与其他研究领域相结合,从而去解决更为复杂的实际问题。
【关键词】：航迹规划 快速A*算法 元胞自动机算法 协同规划 无源定位
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：V279
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 缩略语对照表11-15
• 第一章 绪论15-23
• 1.1 论文研究背景和意义15-16
• 1.1.1 无人机的发展15
• 1.1.2 无人机航迹规划15-16
• 1.2 航迹规划的关键问题16-18
• 1.2.1 航迹的隐蔽性16-17
• 1.2.2 飞行器物理限制17
• 1.2.3 飞行任务要求17-18
• 1.2.4 协作性要求18
• 1.2.5 实时性要求18
• 1.3 基本航迹规划算法18-20
• 1.3.1A*算法18-19
• 1.3.2 遗传算法19
• 1.3.3 蚁群算法19
• 1.3.4 元胞自动机算法19
• 1.3.5 粒子群算法19-20
• 1.4 论文内容安排20
• 参考文献20-23
• 第二章 无人机航迹规划数学建模23-31
• 2.1 单无人机任务规划系统逻辑结构23-24
• 2.1.1 信息融合子系统23
• 2.1.2 威胁建模子系统23-24
• 2.1.3 态势评估子系统24
• 2.1.4 航迹规划子系统24
• 2.2 任务规划威胁信息建模24-27
• 2.2.1 威胁空间的基本概念24-25
• 2.2.2 威胁空间生成过程25-26
• 2.2.3 雷达探测威胁信息建模26-27
• 2.3 单无人机航迹规划数学模型27-29
• 2.3.1 突防要求27
• 2.3.2 无人机性能要求27
• 2.3.3 战略和战术要求27-29
• 2.4 本章小结29
• 参考文献29-31
• 第三章 基于快速A*算法的无人机航迹规划31-42
• 3.1 A*算法31-32
• 3.1.1A*算法原理31
• 3.1.2A*算法性质31-32
• 3.2 基于快速A*算法的无人机二维航迹规划32-39
• 3.2.1 飞行航迹表示34
• 3.2.2 航迹节点扩展34-35
• 3.2.3 代价函数改进35
• 3.2.4 多余航迹节点删减35-36
• 3.2.5 航迹平滑36-37
• 3.2.6 无人机二维航迹规划仿真结果与分析37-39
• 3.3 基于快速A*算法的无人机三维航迹规划39-40
• 3.3.1 航迹节点扩展39
• 3.3.2 代价函数计算39-40
• 3.3.3 无人机三维航迹规划仿真结果40
• 3.4 本章小结40
• 参考文献40-42
• 第四章 基于元胞自动机的无人机航迹规划42-56
• 4.1 元胞自动机理论42-45
• 4.1.1 元胞自动机的定义42-43
• 4.1.2 元胞自动机的结构43-45
• 4.1.3 元胞自动机的应用45
• 4.2 基于元胞自动机的航迹规划45-53
• 4.2.1 航迹的表示45-46
• 4.2.2 航迹性能指标46-47
• 4.2.3 航迹规划层次结构47-48
• 4.2.4 算法实现流程48-53
• 4.3 算法仿真与分析53-54
• 4.4 本章小结54
• 参考文献54-56
• 第五章 基于无源定位的多无人机协同航迹规划56-64
• 5.1 无源定位理论56-58
• 5.1.1 无源定位的基本概念56
• 5.1.2 测向交叉定位56-57
• 5.1.3 定位算法性能分析57-58
• 5.1.4 多无人机协同航迹规划58
• 5.2 基于无源定位的多无人机协同航迹规划58-61
• 5.2.1 航迹节点扩展及代价函数计算59-60
• 5.2.2 观测终止条件60-61
• 5.2.3 观测终止条件61
• 5.3 算法仿真与分析61-62
• 5.4 本章小结62-63
• 参考文献63-64
• 第六章 总结与展望64-66
• 6.1 总结64
• 6.2 展望64-66
• 致谢66-67
• 作者简介67-68

【参考文献】

中国期刊全文数据库 前1条

1 祝红芳;王从庆;;机器人路径规划的元胞自动机算法[J];江西科学;2009年01期

  本文关键词：无人机航迹规划算法研究，由笔耕文化传播整理发布。

，

本文编号：430035