风险环境下基于协同搜寻的无人机航迹规划算法研究

发布时间：2020-05-24 16:56

【摘要】：随着无人机技术的以及人工智能的快速发展,无人机对自动化控制方法的需求急剧增加。从现代无人机本身考虑,无人机体积相对较小,能够携带的运算处理和通信单元有限,在此背景下,各种航迹规划算法应运而生。现有的无人机航迹规划算法集中解决无人机搜索的最短路径与最短时间方案,缺乏对无人机本身安全性的考虑,无人机在执行任务时,易受到环境因素影响而坠毁,故一味追求短路径和短时间的方案往往得不偿失。针对上述问题,本文重点研究风险环境下基于协同搜寻的无人机群航迹规划问题,提出了两个新的规划求解算法,以提高无人机群在危险区域搜索时的安全性。本文主要内容如下:(1)针对风险环境中无人机的搜索问题,综合考虑无人机安全、无人机搜索时间、减少重复路径等因素,提出一种改进的基于贪婪算法思想的路径搜索规划算法。该方法将复杂网络中的广度遍历过程进行分解,逐步求解各个阶段的最优路径,降低了算法的时间复杂度。(2)针对同一环境可能出现多次重复搜索的情况,提出一种基于强化学习的无人机搜索路线价值判断方法。首先在已知环境下训练出每个栅格像元的移动价值网络,之后通过已经训练好的网络,加上当前任务的相关参数,可以无需再次遍历,直接计算进行移动,极大减少了在同一环境中的重复计算引起的消耗。(3)将上述两种算法推广到无人机群协同搜索。无人机群相比于单一无人机,单位时间内搜索效率明显提高,同时通过相应的评价指标约束算法,使无人机间遭受坠毁风险的期望和方差减小,是无人机群整体搜索效率进一步提高。通过大量仿真实验对本文提出的两种航迹搜索规划算法性能进行了综合评测,实验结果显示,本文提出的基于风险环境的协同搜寻无人机群航迹规划算法在无人机搜索的总耗时、无人机所处航迹的风险期望以及其方差等方面比传统方法具有明显的优越性。
【图文】：

第一章 绪论无人机侦察搜索问题的决策和规划，是人工智能和无人机研究领域的重要理论和应用问题之一[6][7]。如图 1-2 所示，无人机侦察搜索在军用和民用领域均有较多应用方向。针对具体的问题，如图 1-3 所示，由规划器对无人机侦察航迹进行规划，侦察过程中无人机通过雷达或者视频设备与环境进行交互，获得信息后将信息传达给规划器，由规划器对无人机搜索航迹进行调整。规划器根据任务要求和侦察信息，采取某种算法给一定数量的无人机规划出符合无人机自身硬件条件限制和任务环境要求的无人机航迹。航迹规划算法对于其任务完成效果和规避障碍物能力起着决定性作用。无人机航迹规划的目的是已知或未知任务空间中的障碍信息和自身硬件条件限制的条件下从当前所处位置到目标地点之间规划处一条最佳航迹。由于实际问题越来越复杂，在实际求解问题过程中很难采取穷举的方式解出全局最优解[8]，为了能够通过简单快捷的方式解算出一个全局最优解，群体智能优化算法由于其独特的解算优势得到广泛应用并不断地发展了起来，其在解算非线性工程优化难题中起到了无法替代的作用。

图 2-2 广度优先搜索算法S：最大度搜索策略的应用前提为每个节点都了解其他邻居节点的度。如源节点 S 先查询其度最大的邻居节点，，若该节点不为目标节点则一直查标节点或到达最大度数；若最大度数分支无目标节点，则继续挑选当前节点查询，直到发现目标节点。图 2-3 最大度搜索算法
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V279;V249

【相似文献】

相关期刊论文 前10条

1 刘大卫;孙静;龙腾;蔡祺生;;基于分层稀疏A~*算法的突防航迹规划研究[J];战术导弹技术;2017年06期

2 关晓谦;鱼佳欣;郭道通;邹杨;;战斗无人机在敌方防御区航迹规划研究[J];计算机仿真;2016年03期

3 詹强;王闯;;基于改进领航跟随法的多机协同航迹规划[J];无线通信技术;2016年03期

4 胡裕军;;测绘无人机航迹规划算法及软件设计[J];数字技术与应用;2015年02期

5 丁泽军;张健;李朝旭;刘宇坤;;突发威胁环境下无人机实时航迹规划研究[J];计算机仿真;2015年08期

6 程晓明;曹东;李春涛;;多无人机协同航迹规划技术研究[J];航空计算技术;2014年04期

7 汲万峰;王光源;章尧卿;李伟波;;基于协同裕度的多飞行器航迹规划[J];航天控制;2013年02期

8 汲万峰;王光源;严建钢;孙钧正;;基于任务分配的多飞行器协同航迹规划[J];系统工程理论与实践;2013年09期

9 汲万峰;王光源;孙钧正;赵明;;一种多飞行器协同航迹规划的新方法[J];控制工程;2013年03期

10 王光源;汲万峰;章尧卿;于嘉晖;;不确定环境下飞行器航迹规划[J];火力与指挥控制;2012年11期

相关会议论文 前10条

1 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

2 管祥民;吕人力;;基于协同进化的复杂低空下多飞行器协同航迹规划方法[A];2017年（第三届）中国航空科学技术大会论文集（增刊）[C];2017年

3 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

4 白晓利;韩亮;;TF/TA航迹规划仿真中几个实际问题的解决[A];2003年全国系统仿真学术年会论文集[C];2003年

5 朱杰;鲁艺;张辉明;;基于改进Voronoi图的航迹拓扑空间生成[A];OSEC首届兵器工程大会论文集[C];2017年

6 陈仲伟;彭康博;欧名勇;黄来;赵满超;佘换林;倪升亚;;一种改进PSO算法的UAV航迹规划[A];2018智能电网新技术发展与应用研讨会论文集[C];2018年

7 丛岳;罗阳;刘贝;;多小型无人机协同航迹规划及其硬件在回路仿真[A];探索 创新 交流（第7集）——第七届中国航空学会青年科技论坛文集（上册）[C];2016年

8 杨杏;周旭;陈诗旭;陶昊然;;基于气象要素的无人机航迹规划算法研究[A];第五届高分辨率对地观测学术年会论文集[C];2018年

9 王s

本文编号：2678703