基于改进人工蜂群算法的无人机航迹规划技术研究
发布时间：2021-12-16 04:12
在偏远复杂的作业环境下,无人机能够顺利完成极度危险的高强度作业任务,无人机已成为高空作业装备发展的趋势之一。无人机技术的研究直接影响着一个国家的航空工业的发展,对国家安全的保障至关重要。无人机航迹规划技术是无人机作业导航技术的核心之一,本课题通过引入动态评价策略和模拟退火准则的方式优化算法结构,提出了一种基于改进人工蜂群算法的无人机航迹规划技术。首先,对无人机二维航迹规划数学模型和人工蜂群算法进行分析,基于无人机自身硬件条件限制和无人机作业环境信息建立数学模型,对航迹产生方式进行改进,建立前后航迹点之间的关系,引入动态评价策略、模拟退火准则和复合形法优化算法结构,对人工蜂群算法的全局开发性能和局部开发性能进行权衡,通过仿真实验分析,本文所提算法对于给定二维空间环境的无人机航迹规划较其他方法有更好的解算效果。提出一种满足无人机在三维空间环境作业要求的航迹规划数学模型,改进蜜源生成方式提高生成蜜源的可行性,引入动态选择机制保证了优化过程中蜂群的多样性,引入模拟退火准则对新旧航迹进行接受判定,改进蜜源邻域搜索方式,提高了航迹求解准确性和解算效果。通过仿真实验分析,该算法对于给定三维空间环境的...
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：112 页
【学位级别】：硕士
【部分图文】：
飞行中的先进无人机随着工程需求难度的不断增加，很多高维度、非线性、多约束等复杂优化
图 1.2 无人机航迹规划系统示意图根据无人机航迹规划技术的研究背景和意义，本文根据该领域研究中的一些重点难点问题进行研究，研究内容主要为以下三方面：（1）无人机二维航迹规划传统蜂群算法在无人机二维航迹规划问题寻优过程中鲁棒性、收敛速度和收敛精度不够理想，数学模型建立不够合理，导致航迹寻优效率低下，无法充分发挥人工蜂群算法在快速解算复杂数学模型中凸显的优势。（2）无人机三维航迹规划无人机研究领域的专家对于无人机三维航迹规划的研究相对不足，该问题数学模型构建方法较少，相关理论研究不够完善，ABC 算法在无人机三维航迹规划求解领域的应用较少，探索一种高效的改进 ABC 算法和合理的数学模型构建方式对该问题进行求解。（3）多无人机协同任务规划多无人机协同任务规划研究过程中有些学者对数学模型过度简化，未能将
算效率[52]。Fu Xiaowei 提出一种多无人机执行任务过程中实时飞行路径规划算法，针对飞行过程遇到的突发威胁能迅速识别威胁的位置、威胁等级等信息，通过仿真分析该算法能够实时处理突发信息保证无人机协同顺利完成规定任务[53]。Huang Hanqiao 提出了一种新型多无人机多任务编码方式，通过所提出算法对多无人机进行航迹规划，最终通过滑模变结构控制方法对无人机姿态和速度进行跟踪，通过仿真实验证实了无人机跟踪器的有效性[54]。潘长鹏针对多无人机同时到达目的地的协同任务执行问题进行研究，通过采取分层处理法，引入协同计算函数对规划方法进行完善[55]。邓道靖通过将 GA 算法强大的交叉和变异操作作为新种群产生的主要方式，保留 PSO 算法的全局极值概念，提出并行遗传粒子群算法，全局开发性能和局部开发性能得到良好的权衡[56]。很多学者也采用遗传算法[57]、粒子群算法[58]、A*算法[59]等对多无人机协同任务规划问题进行求解。通过分析国内外学者对于多无人机协同任务规划的研究状况，群体智能优化算法在多无人机协同任务规划领域取得了广泛的应用[60]。无人机协同任务规划数学模型构建方式相对简单，将任务执行时间序列考虑在内的研究较少。
【参考文献】：
期刊论文
[1]基于改进人工蜂群算法的无人机三维航迹规划[J]. 王庆海,姚冬艳,刘广瑞. 组合机床与自动化加工技术. 2018(03)
[2]多无人机协同任务规划[J]. 夏令儒,孙首群. 电子科技. 2018(01)
[3]基于改进人工蜂群算法的无人机航迹规划研究[J]. 王庆海,刘广瑞,郭珂甫. 机床与液压. 2017(21)
[4]基于改进人工蜂群算法的多无人机协同任务规划[J]. 刘广瑞,王庆海,姚冬艳. 郑州大学学报(工学版). 2018(03)
[5]基于并行GAPSO算法的多无人机协同任务规划[J]. 邓道靖,马云红,龚洁,介婧. 电光与控制. 2016(11)
[6]四旋翼无人机三维航迹规划及跟踪控制[J]. 方旭,刘金琨. 控制理论与应用. 2015(08)
[7]具有时间约束的多无人机协同航迹控制研究[J]. 张晓敏,马培蓓,纪军,朱良明. 电光与控制. 2015(09)
[8]基于动态评价选择策略的改进人工蜂群算法[J]. 徐向平,鲁海燕,程毕芸. 计算机应用. 2015(07)
[9]改进人工蜂群算法的无人机航迹规划研究[J]. 徐流沙,吴梅,袁志敏. 火力与指挥控制. 2015(01)
[10]基于改进人工蜂群算法的无人机实时航迹规划[J]. 张洛兵,徐流沙,吴梅. 飞行力学. 2015(01)
博士论文
[1]多无人机系统的协同目标分配和航迹规划方法研究[D]. 赵明.哈尔滨工业大学 2016
[2]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]. 胡中华.南京航空航天大学 2011
硕士论文
[1]基于群体智能算法的无人机航迹规划研究[D]. 赵毓.哈尔滨工业大学 2016
[2]无人机航迹规划与导航的方法研究及实现[D]. 郑家良.电子科技大学 2012
[3]空间矢量数据的叠置算法研究[D]. 王艳丽.河南大学 2010
[4]智能优化算法及应用的研究[D]. 韦苗苗.山东大学 2006
本文编号：3537458
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：112 页
【学位级别】：硕士
【部分图文】：
飞行中的先进无人机随着工程需求难度的不断增加，很多高维度、非线性、多约束等复杂优化
图 1.2 无人机航迹规划系统示意图根据无人机航迹规划技术的研究背景和意义，本文根据该领域研究中的一些重点难点问题进行研究，研究内容主要为以下三方面：（1）无人机二维航迹规划传统蜂群算法在无人机二维航迹规划问题寻优过程中鲁棒性、收敛速度和收敛精度不够理想，数学模型建立不够合理，导致航迹寻优效率低下，无法充分发挥人工蜂群算法在快速解算复杂数学模型中凸显的优势。（2）无人机三维航迹规划无人机研究领域的专家对于无人机三维航迹规划的研究相对不足，该问题数学模型构建方法较少，相关理论研究不够完善，ABC 算法在无人机三维航迹规划求解领域的应用较少，探索一种高效的改进 ABC 算法和合理的数学模型构建方式对该问题进行求解。（3）多无人机协同任务规划多无人机协同任务规划研究过程中有些学者对数学模型过度简化，未能将
算效率[52]。Fu Xiaowei 提出一种多无人机执行任务过程中实时飞行路径规划算法，针对飞行过程遇到的突发威胁能迅速识别威胁的位置、威胁等级等信息，通过仿真分析该算法能够实时处理突发信息保证无人机协同顺利完成规定任务[53]。Huang Hanqiao 提出了一种新型多无人机多任务编码方式，通过所提出算法对多无人机进行航迹规划，最终通过滑模变结构控制方法对无人机姿态和速度进行跟踪，通过仿真实验证实了无人机跟踪器的有效性[54]。潘长鹏针对多无人机同时到达目的地的协同任务执行问题进行研究，通过采取分层处理法，引入协同计算函数对规划方法进行完善[55]。邓道靖通过将 GA 算法强大的交叉和变异操作作为新种群产生的主要方式，保留 PSO 算法的全局极值概念，提出并行遗传粒子群算法，全局开发性能和局部开发性能得到良好的权衡[56]。很多学者也采用遗传算法[57]、粒子群算法[58]、A*算法[59]等对多无人机协同任务规划问题进行求解。通过分析国内外学者对于多无人机协同任务规划的研究状况，群体智能优化算法在多无人机协同任务规划领域取得了广泛的应用[60]。无人机协同任务规划数学模型构建方式相对简单，将任务执行时间序列考虑在内的研究较少。
【参考文献】：
期刊论文
[1]基于改进人工蜂群算法的无人机三维航迹规划[J]. 王庆海,姚冬艳,刘广瑞. 组合机床与自动化加工技术. 2018(03)
[2]多无人机协同任务规划[J]. 夏令儒,孙首群. 电子科技. 2018(01)
[3]基于改进人工蜂群算法的无人机航迹规划研究[J]. 王庆海,刘广瑞,郭珂甫. 机床与液压. 2017(21)
[4]基于改进人工蜂群算法的多无人机协同任务规划[J]. 刘广瑞,王庆海,姚冬艳. 郑州大学学报(工学版). 2018(03)
[5]基于并行GAPSO算法的多无人机协同任务规划[J]. 邓道靖,马云红,龚洁,介婧. 电光与控制. 2016(11)
[6]四旋翼无人机三维航迹规划及跟踪控制[J]. 方旭,刘金琨. 控制理论与应用. 2015(08)
[7]具有时间约束的多无人机协同航迹控制研究[J]. 张晓敏,马培蓓,纪军,朱良明. 电光与控制. 2015(09)
[8]基于动态评价选择策略的改进人工蜂群算法[J]. 徐向平,鲁海燕,程毕芸. 计算机应用. 2015(07)
[9]改进人工蜂群算法的无人机航迹规划研究[J]. 徐流沙,吴梅,袁志敏. 火力与指挥控制. 2015(01)
[10]基于改进人工蜂群算法的无人机实时航迹规划[J]. 张洛兵,徐流沙,吴梅. 飞行力学. 2015(01)
博士论文
[1]多无人机系统的协同目标分配和航迹规划方法研究[D]. 赵明.哈尔滨工业大学 2016
[2]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]. 胡中华.南京航空航天大学 2011
硕士论文
[1]基于群体智能算法的无人机航迹规划研究[D]. 赵毓.哈尔滨工业大学 2016
[2]无人机航迹规划与导航的方法研究及实现[D]. 郑家良.电子科技大学 2012
[3]空间矢量数据的叠置算法研究[D]. 王艳丽.河南大学 2010
[4]智能优化算法及应用的研究[D]. 韦苗苗.山东大学 2006
本文编号：3537458
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3537458.html
