低空复杂环境下小型无人机的在线航迹规划算法研究

发布时间：2017-07-26 19:20

  本文关键词：低空复杂环境下小型无人机的在线航迹规划算法研究

  更多相关文章： 小型无人机在线航迹规划 静态威胁区建模 动态威胁可达集估计 运动控制误差处理 航迹搜索与优化 冗余航迹点约减

【摘要】：小型无人机的在线航迹规划是指在有限时间内在线生成到达目标的有效航迹,其中,规划出的航迹必须满足可行性(航迹必须满足无人机的运动学约束条件)、安全性(航迹上的威胁量较低)、低代价性(航迹的能耗、控制难度和威胁量较低)、低碰撞性(无人机执行航迹时与障碍物发生的碰撞概率较低)、可飞性(航迹是易执行的并且是曲率连续的),可飞性处理主要包括冗余航迹点的约减和航迹平滑。在线航迹规划是实现小型无人机自主飞行的关键环节,对该问题的研究有助于提高无人机在低空复杂环境下的生存能力和对突发情况的处理能力。在线航迹规划的关键技术包括在线航迹搜索、在线航迹优化以及航迹可飞性处理,本文主要针对小型无人机在线航迹规划的关键技术及相关问题进行研究。针对障碍物密集环境下隐蔽航迹的快速搜索问题,提出了基于精细采样空间约减的快速航迹搜索方法和基于K维树(K-dimensional tree,Kd树)的航迹点快速存取方法。首先,针对传统采样空间约减方法中存在的对采样空间过度约减的问题,提出通过建立代价模型并比较采样点与航迹树节点的代价,来逐步构造精细的空间约减域的方法;然后,针对存取规模较大的K维树节点的速度较慢的问题,提出一种基于空间划分和多Kd树的航迹点快速存取方法。实验结果表明,本文方法提高了障碍物密集环境下无人机隐蔽航迹的搜索速度。针对威胁环境下安全航迹的在线搜索问题,提出一种基于直觉模糊集静态威胁区建模和动态威胁可达集估计的在线航迹搜索算法。首先,针对传统概率威胁模型没有考虑无人机运动的问题,提出一种基于直觉模糊集的静态威胁区建模方法,采用隶属度、非隶属度和犹豫度函数共同描述威胁,通过非隶属度函数表达小型无人机的运动对它所受威胁的影响;然后,针对运动模型未知时传统方法难以准确估计动态威胁可达范围的问题,基于零和博弈理论对动态威胁躲避问题进行建模,提出一种根据动态威胁拦截无人机的意图来全面估计动态威胁可达的无人机航迹点集(可达集)的方法;接下来,针对传统在线航迹搜索方法的子目标的启发性不强的问题,提出一种新的子目标选取方法,根据航迹搜索难度和航迹代价选取子目标。实验结果表明,本文方法提高了威胁评估的可靠性和在线搜索低威胁航迹的速度。针对小型无人机的低碰撞航迹的在线航迹搜索问题,提出基于运动控制误差估计的在线航迹搜索方法和动态威胁可达集估计方法。首先,针对传统的运动控制误差处理方法计算复杂、启发式航迹搜索方法随机性强的问题,提出离线估计无人机运动控制误差分布,并基于采样空间约减技术在线搜索低碰撞航迹的方法;然后,为了提高静态威胁评估的可靠性,提出一种在威胁区建模的过程中考虑运动控制误差的方法;接下来,针对运动模型已知但约束条件较少时现有方法对环境信息利用不充分的问题,提出一种根据动态威胁的意图和对它路径的估值全面估计动态威胁可达集的方法;最后,针对传统航迹调整方法计算复杂且未考虑无人机运动的问题,提出根据运动控制误差和威胁区分布快速调整航迹以降低航迹上威胁量的方法。实验结果表明,本文方法提高了低碰撞航迹的搜索速度,以及静态威胁和动态威胁评估结果的准确性。提出基于采样空间约减的在线航迹优化方法和基于估计最优航迹代价的冗余航迹点约减方法。首先,针对传统航迹化方法收敛速度慢以及传统的基于启发式代价函数的采样空间约减方法不准确、约减域调整速度慢、未充分利用环境信息的问题,提出一种新的采样空间约减方法,并在此基础上提出一种在线航迹优化方法;然后,针对传统顺序约减方法没有全面考虑航迹的优化性指标、捷径约减方法收敛速度慢的问题,提出一种基于估计最优航迹代价的冗余航迹点约减方法,通过在顺序约减过程中嵌入捷径法以提高约减过程的多样性,在随机约减过程中,算法根据估计的最优航迹代价计算航迹点被约减的概率并自适应调整该概率,同时采用顺序方法控制随机约减的范围。实验结果表明,本文方法提高了航迹优化效率和航迹的可飞性。综上所述,本文的研究为解决低空障碍物密集环境及威胁环境下的在线航迹搜索和考虑小型无人机运动控制误差的在线航迹搜索,以及在线航迹优化和航迹可飞性处理等关键技术问题提供了新的思路和方法。
【关键词】：小型无人机在线航迹规划 静态威胁区建模 动态威胁可达集估计 运动控制误差处理 航迹搜索与优化 冗余航迹点约减
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：V279
【目录】：

• 摘要4-6
• ABSTRACT6-16
• 第1章 绪论16-43
• 1.1 课题来源及研究的目的和意义16-18
• 1.2 国内外研究现状及分析18-36
• 1.2.1 常用的航迹搜索算法18-21
• 1.2.2 小型无人机在线航迹规划框架21-23
• 1.2.3 密集障碍物躲避技术23-24
• 1.2.4 威胁区建模技术24-27
• 1.2.5 运动控制误差处理技术27-31
• 1.2.6 在线航迹优化及可飞性处理技术31-36
• 1.3 小型无人机在线航迹规划中存在的问题及难点分析36-37
• 1.4 主要研究内容和章节安排37-43
• 1.4.1 主要研究内容37-38
• 1.4.2 组织结构38-41
• 1.4.3 小型无人机的运动模型41-43
• 第2章 障碍物密集环境下的快速航迹搜索43-68
• 2.1 引言43-44
• 2.2 相关工作44-47
• 2.3 基于采样空间约减的快速航迹搜索算法47-54
• 2.3.1 基于采样空间约减的快速航迹搜索算法原理框图47-48
• 2.3.2 均衡采样空间边界的确定和代价模型的建立48-51
• 2.3.3 采样空间约减域的逐步构造和航迹搜索51-53
• 2.3.4 小型无人机运动学约束条件的处理53-54
• 2.4 基于空间划分和多K维树的航迹树节点快速存取54-56
• 2.4.1 基于空间划分和多K维树的航迹树节点存储方法54-56
• 2.4.2 采样点的最近邻树节点快速搜索方法56
• 2.5 算法分析56-57
• 2.6 航迹平滑57-59
• 2.6.1 基于Dubins曲线的航迹平滑57-58
• 2.6.2 被阻塞的Dubins航迹段的重规划58-59
• 2.7 实验结果和分析59-67
• 2.7.1 仿真实验环境59-60
• 2.7.2 实验结果分析60-67
• 2.8 本章小结67-68
• 第3章 基于威胁建模的在线安全航迹搜索68-96
• 3.1 引言68-69
• 3.2 相关工作69-70
• 3.3 基于威胁建模的在线航迹搜索算法原理框图70-71
• 3.4 环境威胁的建模71-79
• 3.4.1 基于直觉模糊集的静态威胁区建模71-75
• 3.4.2 运动模型未知时的动态威胁可达集估计75-79
• 3.5 基于威胁建模在线搜索航迹79-85
• 3.5.1 在线航迹搜索的子目标的启发式选取方法79-83
• 3.5.2 基于威胁建模的在线航迹搜索算法83-85
• 3.5.3 算法分析85
• 3.6 实验结果和分析85-95
• 3.6.1 仿真实验环境86-87
• 3.6.2 实验结果分析87-95
• 3.7 本章小结95-96
• 第4章 基于运动控制误差估计的在线低碰撞航迹搜索96-119
• 4.1 引言96-97
• 4.2 相关工作97-98
• 4.3 基于运动控制误差估计的小型无人机在线航迹搜索算法原理框图98-99
• 4.4 环境威胁的建模与航迹安全性处理99-104
• 4.4.1 考虑无人机运动控制误差的静态威胁区建模99-100
• 4.4.2 运动模型已知时的动态威胁可达集估计100-102
• 4.4.3 考虑无人机运动控制误差的多威胁集成102-103
• 4.4.4 考虑无人机运动控制误差的航迹安全性调整方法103-104
• 4.5 基于运动控制误差估计在线搜索航迹104-107
• 4.5.1 基于运动控制误差估计的采样空间约减104-105
• 4.5.2 基于运动控制误差估计的在线航迹搜索算法105-107
• 4.5.3 算法分析107
• 4.6 实验结果和分析107-118
• 4.6.1 仿真实验环境107-109
• 4.6.2 实验结果分析109-118
• 4.7 本章小结118-119
• 第5章 在线航迹优化与冗余航迹点约减119-146
• 5.1 引言119-120
• 5.2 相关工作120-121
• 5.3 在线航迹优化及冗余航迹点约减算法原理框图与在线航迹优化目标121-123
• 5.3.1 在线航迹优化及冗余航迹点约减算法原理框图121-122
• 5.3.2 在线航迹优化目标122-123
• 5.4 在线航迹优化方法123-129
• 5.4.1 基于威胁建模的采样空间约减域构造方法123-126
• 5.4.2 基于采样空间约减的在线航迹优化方法126-129
• 5.5 基于估计最优航迹代价的冗余航迹点约减129-133
• 5.5.1 基于估计最优航迹代价的航迹点被约减概率的计算129-131
• 5.5.2 基于估计最优航迹代价的冗余航迹点约减方法131-133
• 5.6 在线低代价航迹规划算法133-135
• 5.6.1 在线低代价航迹规划算法实现133-134
• 5.6.2 算法分析134-135
• 5.7 实验结果和分析135-145
• 5.7.1 仿真实验环境135-136
• 5.7.2 实验结果分析136-145
• 5.8 本章小结145-146
• 结论146-148
• 参考文献148-167
• 攻读博士学位期间发表的论文及其它成果167-169
• 致谢169-170
• 个人简历170

，

本文编号：577951