面向目标搜寻的无人机群体主动感知方法研究
发布时间：2021-03-02 17:13
无人机制造成本低和体积小,具备独特的空中优势,可以在危险复杂的未知区域环境执行相关任务,在军用和民用等领域扮演着越来越重要的角色。无人机群体非常适用于完成复杂区域的目标搜寻任务,随着无人机的广泛使用,群体无人机目标搜寻也成为了完成协同任务的研究热点。本文针对在复杂非结构化环境下如何协调多个无人机发现静态或动态目标的问题,提出了一种面向无人机群体目标搜寻的主动感知方法。首先,基于主动感知系统框架建立了无人机群体目标搜寻模型。同时,考虑目标磁特性的变化和环境磁特性的变化对算法搜索效能的影响,建立了等效平均探测宽度传感器模型。然后,受昆虫协调方式和鸟群效应的生物机制启发,构建了基于主动感知系统框架的无人机群体分布式目标搜寻算法,并采用改进的自适应差分进化算法帮助无人机群体在环境中平衡勘探和探索,实现无人机群体的协同搜索优化,增加主动感知策略的适应性。基于仿真平台的多组实验测试了该策略的性能,验证了算法对不同非结构化环境的有效性和适用性,并实现了个体无人机运动控制和导航、目标搜寻算法实验效果的可视化和无人机群体集群控制实验。仿真结果证实本文提出的主动感知算法使得无人机群体可以实现对观测视角的并...
【文章来源】：上海应用技术大学上海市
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
面向大规模非结构化环境的目标搜寻任务示意图
上海应用技术大学硕士学位论文第17页图3.5Stigmery算法中的信息素释放模型Fig.3.5PheromonereleasemodelofStigmeryalgorithm具体而言，图3.5中，(a)表示释放单位信息素；(b)表示信息素主要以恒定扩散速率扩散至附近的细胞；(c-d)表示信息素正在扩散和蒸发，信息素会随时间降低强度，且由恒定蒸发速率决定；(e-f)表示信息素主要在蒸发。信息素浓度根据实际任务被调整，包含以下主要参数：（1）更新周期：繁殖、沉积和蒸发的时间。（2）扩散速率：信息素浓度在所有的邻近单元的平均分布比例。其中，0,1（3）蒸发速率-在蒸发后残留的信息素浓度的比例。其中，0,1（4）最小信息素浓度阈值：经过传播和蒸发，若该地的信息素浓度低于该水平，则该处信息素水平为零。在t时刻在细胞(x,y)上释放的信息素强度根据公式(3-1)更新。(,,1)*(1)*((,,)(,,)(,,)ffffffspt+=EGspt+dpt+gpt(3-1)[0,1)fG是信息素传播速率，fE是信息素蒸发速率，(1)fG因子计算了传播到邻近区域后的剩余信息素浓度，(,,)fspt表示t时刻在位置p处的信息素浓度，(,,)fdpt表示(t1，t]期间在位置p处的信息素总沉积量，(,,)fgpt表示从邻近单元格传播而来的总信息素浓度，依据公式(3-2)计算。""""()(,,)=((,,1)(,,1))()ffffpNpGgptsptdptNp+(3-2)其中，相邻位置"p在每个更新周期将其信息素的一部分传播到p，其比例取决于参数fG及其相邻单元格的总数。
康姆尚胁馐岳囱橹け疚纳杓频男??鞫?兄?惴ǎ?跎俨馐缘某杀竞妥试聪?制。无人机群体是一个分布式多代理系统，无人机配备自定位和通信设备，由增强型机载处理器，惯性导航单元和GPS定位系统组成，搭载完成不同任务所需的传感器，如视觉传感器，各无人机平台能够独立自主运行。各无人机之间的能够正常通信，不考虑通信延迟或中断等异常情况。在仿真数字环境中，同一个时刻每个单元格中仅存在一个目标。不考虑目标检测过程的不确定性，无人机到达目标位置则视为完成目标检测任务。一种典型的非结构化静态环境仿真场景模型如图4.1所示，其中绿色为无人机，灰色为障碍物；红色为目标位置。图4.1基于Netlogo软件的静态非结构化环境模型Fig.4.1StaticunstructuredenvironmentmodelinNetlogo
【参考文献】：
期刊论文
[1]基建现场巡检无人机智能感知系统的研究与应用[J]. 刘勇,陈海滨,刘方. 电力系统保护与控制. 2018(15)
[2]美军有/无人机协同作战研究现状与分析[J]. 贾高伟,侯中喜. 国防科技. 2017(06)
[3]基于拟态物理法的无人机集群与重构控制[J]. 沈林成,王祥科,朱华勇,付钰,刘欢. 中国科学:技术科学. 2017(03)
[4]农用无人机的“最好时代”[J]. 郭英民. 营销界(农资与市场). 2016(24)
[5]多无人机协同编队飞行控制研究现状及发展[J]. 宗群,王丹丹,邵士凯,张博渊,韩宇. 哈尔滨工业大学学报. 2017(03)
[6]基于等效平均探测宽度的航空磁探潜搜索概率评估模型[J]. 熊雄,杨日杰,沈阳. 系统工程与电子技术. 2014(03)
[7]军用无人机技术的发展现状及未来趋势[J]. 陈黎. 航空科学技术. 2013(02)
[8]多无人机搜寻有源目标模拟实验控制系统的研究[J]. 童金,李恒宇,罗均,谢少荣. 制造业自动化. 2010(03)
[9]军用无人机的发展现状及趋势[J]. 戎皓,谈国军. 现代商贸工业. 2008(04)
[10]地面无人作战平台环境感知关键技术研究[J]. 张敏,刘培志,徐英新,王晋华,刘莹. 车辆与动力技术. 2007(02)
博士论文
[1]多无人机协同编队仿生飞行控制关键技术研究[D]. 樊琼剑.南京航空航天大学 2008
硕士论文
[1]基于强化学习的多无人机协同任务规划算法研究[D]. 樊龙涛.河南科技大学 2019
本文编号：3059628
【文章来源】：上海应用技术大学上海市
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
面向大规模非结构化环境的目标搜寻任务示意图
上海应用技术大学硕士学位论文第17页图3.5Stigmery算法中的信息素释放模型Fig.3.5PheromonereleasemodelofStigmeryalgorithm具体而言，图3.5中，(a)表示释放单位信息素；(b)表示信息素主要以恒定扩散速率扩散至附近的细胞；(c-d)表示信息素正在扩散和蒸发，信息素会随时间降低强度，且由恒定蒸发速率决定；(e-f)表示信息素主要在蒸发。信息素浓度根据实际任务被调整，包含以下主要参数：（1）更新周期：繁殖、沉积和蒸发的时间。（2）扩散速率：信息素浓度在所有的邻近单元的平均分布比例。其中，0,1（3）蒸发速率-在蒸发后残留的信息素浓度的比例。其中，0,1（4）最小信息素浓度阈值：经过传播和蒸发，若该地的信息素浓度低于该水平，则该处信息素水平为零。在t时刻在细胞(x,y)上释放的信息素强度根据公式(3-1)更新。(,,1)*(1)*((,,)(,,)(,,)ffffffspt+=EGspt+dpt+gpt(3-1)[0,1)fG是信息素传播速率，fE是信息素蒸发速率，(1)fG因子计算了传播到邻近区域后的剩余信息素浓度，(,,)fspt表示t时刻在位置p处的信息素浓度，(,,)fdpt表示(t1，t]期间在位置p处的信息素总沉积量，(,,)fgpt表示从邻近单元格传播而来的总信息素浓度，依据公式(3-2)计算。""""()(,,)=((,,1)(,,1))()ffffpNpGgptsptdptNp+(3-2)其中，相邻位置"p在每个更新周期将其信息素的一部分传播到p，其比例取决于参数fG及其相邻单元格的总数。
康姆尚胁馐岳囱橹け疚纳杓频男??鞫?兄?惴ǎ?跎俨馐缘某杀竞妥试聪?制。无人机群体是一个分布式多代理系统，无人机配备自定位和通信设备，由增强型机载处理器，惯性导航单元和GPS定位系统组成，搭载完成不同任务所需的传感器，如视觉传感器，各无人机平台能够独立自主运行。各无人机之间的能够正常通信，不考虑通信延迟或中断等异常情况。在仿真数字环境中，同一个时刻每个单元格中仅存在一个目标。不考虑目标检测过程的不确定性，无人机到达目标位置则视为完成目标检测任务。一种典型的非结构化静态环境仿真场景模型如图4.1所示，其中绿色为无人机，灰色为障碍物；红色为目标位置。图4.1基于Netlogo软件的静态非结构化环境模型Fig.4.1StaticunstructuredenvironmentmodelinNetlogo
【参考文献】：
期刊论文
[1]基建现场巡检无人机智能感知系统的研究与应用[J]. 刘勇,陈海滨,刘方. 电力系统保护与控制. 2018(15)
[2]美军有/无人机协同作战研究现状与分析[J]. 贾高伟,侯中喜. 国防科技. 2017(06)
[3]基于拟态物理法的无人机集群与重构控制[J]. 沈林成,王祥科,朱华勇,付钰,刘欢. 中国科学:技术科学. 2017(03)
[4]农用无人机的“最好时代”[J]. 郭英民. 营销界(农资与市场). 2016(24)
[5]多无人机协同编队飞行控制研究现状及发展[J]. 宗群,王丹丹,邵士凯,张博渊,韩宇. 哈尔滨工业大学学报. 2017(03)
[6]基于等效平均探测宽度的航空磁探潜搜索概率评估模型[J]. 熊雄,杨日杰,沈阳. 系统工程与电子技术. 2014(03)
[7]军用无人机技术的发展现状及未来趋势[J]. 陈黎. 航空科学技术. 2013(02)
[8]多无人机搜寻有源目标模拟实验控制系统的研究[J]. 童金,李恒宇,罗均,谢少荣. 制造业自动化. 2010(03)
[9]军用无人机的发展现状及趋势[J]. 戎皓,谈国军. 现代商贸工业. 2008(04)
[10]地面无人作战平台环境感知关键技术研究[J]. 张敏,刘培志,徐英新,王晋华,刘莹. 车辆与动力技术. 2007(02)
博士论文
[1]多无人机协同编队仿生飞行控制关键技术研究[D]. 樊琼剑.南京航空航天大学 2008
硕士论文
[1]基于强化学习的多无人机协同任务规划算法研究[D]. 樊龙涛.河南科技大学 2019
本文编号：3059628
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3059628.html
