多无人机系统的协同目标分配和航迹规划方法研究

发布时间：2017-09-03 14:15

  本文关键词：多无人机系统的协同目标分配和航迹规划方法研究

  更多相关文章： 多无人机系统 多目标分配 协同航迹规划 航迹重规划 三维空间 差分进化

【摘要】：多无人机系统协同作战任务规划是在约束条件复杂的多模型环境下,同时对异构的多架或多编队无人机进行系统控制和优化的问题。它通常由多机协同的多目标分配、多航迹规划和在线重规划三部分组成。多机协同的难点在于不仅要考虑每架无人机自身的飞行性能、约束限制条件和毁伤概率等问题;还要解决多无人机之间的协同合作和避免冲突等问题。此外,异构的目标分配模型、真实的三维环境、多个禁飞区或雷达威胁、被打击目标的执行顺序、航迹的表示和任务执行时环境的变化等都会给任务协同规划增加难度。因此,如何实施有效的目标分配策略、规划切实可行的平滑航迹、并适应环境的动态变化是解决这一问题的关键。本文针对三维环境下多机协同任务规划的难点,以及如何在复杂的三维地形环境和多约束条件下,为无人机系统中执行任务的每架无人机分配合理的任务目标、规划安全可飞且代价较小的协同航迹等问题,在最优化理论基础上建立目标分配和航迹规划的统一模型,应用一致的分配代价矩阵处理目标分配;应用空间模糊集和协同相关性表示航迹关键路径点。重点研究了多机协同的目标分配、航迹规划和在线重规划问题。建立高效的任务空间表示,并改进多种优化方法进行问题求解,同时展开仿真实验进行验证。首先,研究三维环境下满足自身和协同约束的多机系统协同目标分配问题。根据无人机与目标的量化对应关系,结合平衡指派和不平衡指派建立统一的目标分配框架;提出利用空间垂直切面快速估算航程代价的方法,并用航程代价矩阵优化目标分配算法;研究多机协同的约束条件、计算约束违背量,使分配结果更加准确。模型统一了单对单任务、多对单任务和群巡游任务的处理方式,尤其提出了群巡游任务的代价矩阵构建方法,保证与其他模型具有统一的代价矩阵形式,由此确保能够用一致的算法进行问题求解。该方法克服了传统目标分配问题中模型不统一,算法针对性差的问题。其次,针对将多个预打击的目标分配给不同无人机时存在的模型不一致、任务规模大和规划时间长等难点问题,设计了基于航程代价、可匹配多种模型的统一基因编码策略,并在此基础上结合代价矩阵映射差分规则,以适应离散化求解。在求解过程中,采用三维航程代价表示无人机和目标的分配关系,并通过映射和反映射规则,将离散问题转换为连续问题进行求解。同时结合动态交叉率混合差分进化策略,调整算法搜索时探测性与开发性的平衡,避免陷入局部最优。该算法能够用统一的基因编码和差分进化策略求解多模型的多机协同目标分配问题,有效提高了目标分配的准确性,且适合解决较大尺度目标分配任务。再次,针对多无人机在三维环境下航迹规划搜索空间大、多机协同困难等问题,提出三维多机多目标协同航迹规划和平滑算法,将三维空间模糊表示和人工文化算法引入求解范畴。首先建立了空间网格点与航迹规划的模糊隶属关系,用模糊集合表示空间网格点,提高关键路径点的被关注度;然后用综合知识构建文化算法的信念集,以剪枝航迹规划的搜索范围;在种群集则利用多目标差分进化算法规划满足多机协同约束的帕累托优解航迹组合;最后,通过信息共享,不断促进知识的积累、增加种群的多样性、并修正规划搜索的方向。该方法提高了关键路径点选取的效率,能够探索空间中更多的未知区域,有助于快速规划出多条可行的协同航迹。此外,为了获得安全可飞的航迹,应用曲线拟合的方法对多条协同航迹进行平滑逼近。首先将航迹的关键路径点作为样条曲线的控制点,在三维空间应用三次B样条曲线进行航迹平滑。然后,为了降低平滑导致的路径点偏离失效,进一步反求出可通过当前关键路径点的样条曲线控制点,使平滑后的航迹能够通过必须经过的关键路径点。最后,针对多无人机协同执行多个任务时,区域实时变化可能导致的任务失败、协同违背等问题,提出一种结合协同模糊C均值聚类和多Q学习的航迹重规划方法。该方法首先基于空间点的模糊隶属度和协同任务相关性构建空间模糊协同矩阵,并按时更新该矩阵以反映规划空间的动态变化。然后,以已知航迹的关键路径点为聚类初始中心,结合模糊协同矩阵在规划空间的各步长面上进行协同模糊C均值聚类,对新的可行路径点按任务进行划分。同时,将聚类的各任务分类作为Q学习的状态空间,将动态模糊协同矩阵作为Q学习的回报函数,采用多Q学习算法在各任务的状态空间同步进行多阶段协同航迹重规划。该方法能够适应环境的动态改变,有效约减任务规划空间,并提高了学习算法的搜索效率,可以重规划出有效的多机协同航迹。
【关键词】：多无人机系统 多目标分配 协同航迹规划 航迹重规划 三维空间 差分进化
【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;TP18
【目录】：

• 摘要4-6
• ABSTRACT6-16
• 第1章 绪论16-35
• 1.1 课题来源16
• 1.2 课题的目的和意义16-19
• 1.3 国内外的研究现状及分析19-29
• 1.3.1 研究概况19-21
• 1.3.2 多机协同目标分配方法研究现状21-24
• 1.3.3 多机协同航迹规划方法研究现状24-26
• 1.3.4 多机协同航迹重规划方法研究现状26-27
• 1.3.5 多无人机多任务的协同方法概述27-29
• 1.4 存在问题分析29-30
• 1.5 主要研究内容30-35
• 第2章 复杂多约束多机协同目标分配和航迹规划的统一建模35-57
• 2.1 引言35-36
• 2.2 MUAS目标分配和航迹规划统一建模36-41
• 2.2.1 问题的表示与描述36-39
• 2.2.2 协同约束关系分析39-41
• 2.3 MUAS的统一目标分配方法41-45
• 2.3.1 多机协同统一目标分配模型41-43
• 2.3.2 MUAS统一目标分配模型的描述43-45
• 2.4 基于垂直切面的航程代价和协同约束45-48
• 2.4.1 多机航程代价的估算45-47
• 2.4.2 航程代价矩阵构建47-48
• 2.5 基于统一目标分配模型的验证48-52
• 2.6 实验结果和分析52-56
• 2.6.1 验证统一目标分配模型的分配效果52-55
• 2.6.2 分配目标数量增多时的效率分析55-56
• 2.7 本章小结56-57
• 第3章 基于统一目标分配模型的多机协同分配方法57-81
• 3.1 引言57-59
• 3.2 基于DE算法的多机协同目标分配框架59-61
• 3.3 基于统一目标分配模型的基因编码策略61-64
• 3.3.1 统一的基因编码策略61-62
• 3.3.2 个体编码产生规则62-64
• 3.4 基于DMDE的MUAS协同统一多目标分配64-69
• 3.4.1 离散差分映射规则64-67
• 3.4.2 混合进化策略的DMDE算法67-69
• 3.5 DMDE算法分析和控制参数选择69-72
• 3.5.1 DMDE算法理论和性能分析69-71
• 3.5.2 DMDE算法参数选择71-72
• 3.6 实验结果和分析72-80
• 3.6.1 算法的有效性和适应性74-77
• 3.6.2 DMDE算法的性能77-78
• 3.6.3 DMDE与同类目标分配算法的比较78-80
• 3.7 本章小结80-81
• 第4章 基于空间模糊表示的多机协同航迹规划方法81-108
• 4.1 引言81-82
• 4.2 基于任务属性的空间模糊表示82-87
• 4.2.1 空间点的模糊集表示82-83
• 4.2.2 模糊隶属度函数设计83-86
• 4.2.3 截集优选关键路径点86-87
• 4.3 基于文化算法的MUAS协同航迹规划方法研究87-94
• 4.3.1 空间模糊文化算法的航迹规划框架87-89
• 4.3.2 基于模糊表示的信念集构成和更新89-91
• 4.3.3 种群集上基于MODE的协同航迹规划91-94
• 4.4 算法理论分析和参数选择94-97
• 4.4.1 空间模糊表示和文化算法理论分析94-96
• 4.4.2 控制参数分析和算法流程96-97
• 4.5 基于B样条拟合的MUAS协同航迹平滑97-101
• 4.5.1 三维空间中的B样条拟合航迹平滑方法97-99
• 4.5.2 反求控制点的三维B样条航迹平滑99-101
• 4.6 实验结果与分析101-107
• 4.6.1 协同航迹规划可行性实验101-103
• 4.6.2 与常用协同规划算法的对比分析103-104
• 4.6.3 与其他文化算法的对比分析104-106
• 4.6.4 航迹平滑效果与其他策略对比分析106-107
• 4.7 本章小结107-108
• 第5章 动态环境下多阶段多机协同航迹重规划方法108-131
• 5.1 引言108-110
• 5.2 MUAS协同航迹重规划任务模型110-113
• 5.2.1 重规划问题描述和难点分析110-111
• 5.2.2 基于CFCM和多Q学习的重规划模型111-113
• 5.3 基于CFCM聚类的多任务状态空间划分113-118
• 5.3.1 协同相关系数和模糊协同矩阵113-114
• 5.3.2 聚类空间优化和初始中心设定114-115
• 5.3.3 基于模糊协同矩阵的CFCM115-116
• 5.3.4 CFCM的参数选择准则116-118
• 5.4 基于CFCM的多Q学习航迹重规划118-124
• 5.4.1 环境更新和重规划区域设定118-119
• 5.4.2 基于协同模糊回报函数的Q学习119-121
• 5.4.3 改进的状态转移动作集设定121-122
• 5.4.4 基于CFCM的多Q学习协同航迹重规划122-124
• 5.5 实验结果与分析124-130
• 5.5.1 协同航迹重规划可行性实验124-128
• 5.5.2 比较采用不同回报函数的Q学习算法效果128-129
• 5.5.3 与其他动态规划方法的比较129-130
• 5.6 本章小结130-131
• 结论131-133
• 参考文献133-145
• 攻读博士学位期间发表的论文及其它成果145-147
• 致谢147-148
• 个人简历148

【相似文献】

中国期刊全文数据库 前10条

1 周其忠;闫利;关世义;苏康;秦筱;陈晓东;;一种针对运动目标的快速航迹规划方法[J];系统仿真学报;2007年05期

2 郑昌文;严平;丁明跃;苏康;;飞行器航迹规划研究现状与趋势[J];宇航学报;2007年06期

3 严江江;丁明跃;周成平;蔡超;;一种基于可行优先的三维航迹规划方法[J];宇航学报;2009年01期

4 唐江;谢晓方;袁胜智;;巡飞导弹区域巡逻侦察航迹规划研究[J];弹箭与制导学报;2009年04期

5 陆泽橼;蔡体菁;;基于A~*算法的重力辅助导航航迹规划[J];中国惯性技术学报;2010年05期

6 乔侨;史长久;;飞行器航迹规划的多目标优化方法[J];微计算机信息;2010年31期

7 张臻;王光磊;;基于改进蚁群算法的飞行器航迹规划[J];指挥信息系统与技术;2011年03期

8 姬清华;连黎明;;飞行器参考航迹规划方法研究[J];计算机仿真;2011年10期

9 张松兰;刘立祥;郑昌文;;一种飞行器在线实时航迹规划算法[J];现代防御技术;2012年01期

10 于国权;崔爽;王建军;李岩;;飞机水平航迹规划技术[J];长春理工大学学报(自然科学版);2012年03期

中国重要会议论文全文数据库 前10条

1 潘卫军;陈通;;多直升机协同搜索航迹规划[A];第十三届中国科协年会第22分会场-中国通用航空发展研讨会论文集[C];2011年

2 吴昊;任敏;薛宏涛;沈林成;;航迹数据库及其在航迹规划中的应用研究[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年

3 高国华;沈林成;常文森;;一种飞行器航迹规划用户界面[A];1997中国控制与决策学术年会论文集[C];1997年

4 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

5 彭建亮;孙秀霞;朱凡;张健;;基于遗传算法的多约束三维航迹规划方法研究[A];第二十七届中国控制会议论文集[C];2008年

6 栾迪;杨忠;张君慧;;一种多无人机协同攻击航迹规划方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 马培蓓;纪军;朱良明;;威胁环境下多导弹协同航迹规划[A];探索 创新 交流（第4集）——第四届中国航空学会青年科技论坛文集[C];2010年

8 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

9 孟旭航;刘玉玲;白洁;;航线天气预报中航迹规划仿真研究[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

10 赵文婷;彭俊毅;;基于VORONOI图的无人机航迹规划[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

中国博士学位论文全文数据库 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 王强;UAV集群自主协同决策控制关键技术研究[D];西北工业大学;2015年

3 韩云祥;固定航路飞行条件下航空器航迹规划若干关键技术研究[D];南京航空航天大学;2014年

4 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

5 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

6 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

7 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

8 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

9 王林;多无人机协同目标跟踪问题建模与优化技术研究[D];国防科学技术大学;2011年

10 张胜祥;基于滚动时域MILP的小型无人机航迹规划[D];华南理工大学;2009年

中国硕士学位论文全文数据库 前10条

1 王琦;飞行器航迹规划与航迹评价算法研究[D];哈尔滨工业大学;2007年

2 税薇;基于贝叶斯推理与蚁群算法的仿真飞行器航迹规划研究[D];青岛科技大学;2009年

3 毛云云;多飞行器协同航迹规划算法研究[D];哈尔滨工业大学;2010年

4 赵玲玲;飞行器航迹规划与航迹控制算法研究与实现[D];哈尔滨工业大学;2006年

5 卢江松;基于改进蚁群算法的多机协同突防航迹规划方法研究[D];国防科学技术大学;2011年

6 张建峰;一种飞行器航迹规划算法[D];哈尔滨工程大学;2012年

7 杨杰;具有端点方向约束的快速航迹规划方法研究[D];华中科技大学;2013年

8 姚蔚然;基于多阶段航迹预测的UAVs实时任务规划[D];哈尔滨工业大学;2015年

9 王芳;基于量子蚁群算法的多无人机协同航迹规划研究[D];哈尔滨工业大学;2015年

10 丛岳;多小型无人机协同航迹规划及其硬件在回路仿真[D];北京理工大学;2015年

，

本文编号：785475