基于改进蚁群算法的无人机三维航迹规划研究

发布时间：2021-07-05 14:05

　　针对蚁群算法进行无人机航迹规划时,易陷入局部极值,且收敛速度较慢的问题,提出了基于改进蚁群算法的无人机三维航迹规划。将三维航迹规划分成基于改进蚁群算法的二维平面规划和高度规划两部分,采用几何优化方法增强了蚂蚁搜索的引导性,并根据航迹点与威胁源之间的距离及高度约束,调节航迹点的高度,规划出无人机三维航迹。同时,利用自适应调节参数方法提高蚁群搜索能力与个体之间交互能力,有效摆脱原算法易陷入局部最优的情况。此外,建立了指标函数并对路径进行了平滑处理。仿真结果表明,所提出的改进算法在三维环境下不仅可以安全避开威胁,而且找到最优解的能力及收敛速度优于原算法。 

【文章来源】：战术导弹技术. 2019,(02)北大核心

【文章页数】：9 页

【文章目录】：
1 引言
2 无人机航迹规划约束条件
3 基于改进蚁群算法的航迹规划
    3.1 蚁群算法的搜索机制
    3.2 几何优化算法
    3.3 无人机飞行高度规划
    3.4 阈值参数调节
4 指标函数建立与路径优化
    4.1 建立指标函数
    4.2 路径优化处理
5 仿真分析
6 结束语


【参考文献】：
期刊论文
[1]模拟退火遗传算法在机械臂路径规划中的应用[J]. 宗玉杰,崔建伟.  测控技术. 2018(03)
[2]基于Dijkstra算法的磁带导引AGV路径规划[J]. 王玉林,魏国亮,鲍海锋.  农业装备与车辆工程. 2018(03)
[3]改进A*算法在AGV小车路径规划中的应用[J]. 王立春,罗守品,吴继浩.  自动化应用. 2018(02)
[4]美国四旋翼无人机研究现状与关键技术[J]. 李博,李小民,杨森.  飞航导弹. 2018(02)
[5]退火算法与神经网络算法结合在路径规划中的研究[J]. 李江伟,许伦辉.  自动化与仪表. 2017(11)
[6]移动机器人动态路径规划方法的研究与实现[J]. 史进,董瑶,白振东,崔泽晨,董永峰.  计算机应用. 2017(11)
[7]基于动态反馈A*蚁群算法的平滑路径规划方法[J]. 黄辰,费继友,刘洋,李花,刘晓东.  农业机械学报. 2017(04)
[8]基于SAPSO算法的无人机三维航迹规划[J]. 唐汇禹,彭世蕤,孙经蛟,刘香岚.  战术导弹技术. 2017(02)
[9]基于动态步长的无人机三维实时航迹规划[J]. 张帅,李学仁,张建业,张鹏,李博,赵晓林.  北京航空航天大学学报. 2016(12)
[10]应用D* Lite算法的目标移动时无人机三维航迹规划[J]. 陈侠,刘冬.  电光与控制. 2013(07)

硕士论文
[1]基于定向进化算法的无人机航迹规划研究[D]. 李光耀.沈阳航空航天大学 2018
[2]基于稀疏A*算法与进化算法的无人机动态航迹规划研究[D]. 刘群芳.南昌航空大学 2016



本文编号：3266211