基于仿生算法的小型无人机三维侦察航迹规划研究

发布时间：2020-10-25 17:58

　　 作为反无人机的重要手段之一,侦察无人机被用于侦察特定区域来探测并打击非法无人机。由于侦察无人机通常采用电池供电,并且易受侦察环境和自身物理限制等因素的影响。因此如何为侦察无人机规划出可行高效的侦察航迹成了保障侦察任务完成的关键。本文分别针对多侦察无人机和单侦察无人机场景中的3D侦察航迹规划展开研究,主要的研究内容和创新工作总结如下:1.针对现有多无人机航迹规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪,而导致规划航迹不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题,提出了一种基于PSO和事件检测的多无人机航迹规划机制。通过将侦察区域重要性作为必要优化指标,与无人机能耗和飞行风险值等7个优化指标加权联合,构成航迹优化过程中评估生成航迹的多目标效用函数,从而使得规划航迹可以反映侦察区域优先级特性。并且提出了基于事件检测的侦察区域重要性值更新机制以提升航迹规划方案对动态环境的适应性。最后,采用PSO求解最优航迹。仿真结果表明,利用所提航迹规划方案生成的侦察航迹能最大限度地优先覆盖重要侦察区域,并且所提更新机制能够跟踪侦察区域中发生的新事件。2.针对经典ACO算法在解决无人机3D航迹规划中存在收敛速度慢和容易陷入局部最优等问题,提出了一种基于GA和ACO的改进型混合仿生算法GAACO。通过引入信息素更新门限值,限制参与信息素更新的蚂蚁数量和质量,从而避免经典ACO算法由于劣质蚂蚁遗留信息素对后续寻优造成大量无效搜索的问题;并针对由此造成信息素更新蚂蚁减少使得算法全局搜索能力减弱的问题,引入GA算法的交叉变异算子和局部搜索技术加强蚁群的随机搜索能力,保证在提升算法收敛速度的同时避免陷入局部最优。将所提GAACO算法应用于单侦察无人机的3D航迹规划中,仿真结果表明,GAACO具有强于ACO、GA和PSO的算法搜索能力,并且具备较快算法收敛速度和较强算法鲁棒性。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：V279.3;TP18
【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 研究背景与意义
    1.2 无人机3D航迹规划研究现状
    1.3 论文研究内容和结构安排
        1.3.1 论文研究内容
        1.3.2 论文结构安排
第2章 基于仿生算法的无人机3D航迹规划
    2.1 引言
    2.2 航迹规划常用仿生算法
        2.2.1 蚁群算法
        2.2.2 粒子群算法
        2.2.3 遗传算法
        2.2.4 差分遗传算法
    2.3 无人机3D航迹规划模型
        2.3.1 地形建模
        2.3.2 无人机航迹模型
        2.3.3 航点坐标系模型
        2.3.4 无人机操纵性模型
    2.4 本章小结
第3章 基于PSO和事件检测的多无人机3D侦察航迹规划
    3.1 引言
    3.2 系统模型
        3.2.1 场景描述
        3.2.2 侦察区域处理和地形建模
        3.2.3 飞行航迹表示
    3.3 多目标效用函数设计
        3.3.1 约束条件
        3.3.2 目标函数
    3.4 基于PSO和事件检测的多无人机3D侦察航迹规划机制
        3.4.1 基于事件检测的SAI值更新机制
        3.4.2 粒子群算法
        3.4.3 多无人机3D侦察航迹规划机制
    3.5 仿真验证和结果分析
    3.6 本章小结
第4章 基于改进混合仿生算法的单无人机3D侦察航迹规划
    4.1 引言
    4.2 系统模型
        4.2.1 问题描述
        4.2.2 侦察区域处理
    4.3 适应度值函数设计
        4.3.1 目标函数
        4.3.2 约束条件
    4.4 基于GA和 ACO的改进混合仿生算法GAACO
        4.4.1 初始种群产生机制
        4.4.2 基于GA和局部搜索的种群优化和更新
        4.4.3 自适应信息素更新机制
    4.5 性能仿真与结果分析
        4.5.1 仿真场景设置
        4.5.2 仿真结果分析
    4.6 本章小结
第5章 总结与展望
    5.1 论文的主要工作总结
    5.2 未来工作的展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果

【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

相关博士学位论文 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 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

3 唐平鹏;复杂海况下水面无人艇分层危险规避方法研究[D];哈尔滨工程大学;2014年

4 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

5 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

6 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

7 孙小雷;基于多阶段航迹预测的无人机任务规划方法研究[D];哈尔滨工业大学;2015年

8 张闯;基于组合导航数据的欠驱动船舶航迹规划及滑模控制研究[D];大连海事大学;2016年

9 李旺;水面无人艇航迹规划与跟踪技术研究[D];哈尔滨工程大学;2016年

10 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

相关硕士学位论文 前10条

1 张博;基于改进蚁群算法的无人机航迹规划研究[D];西安科技大学;2019年

2 徐宏飞;面向智慧避障的物流无人机航迹规划研究[D];北京交通大学;2019年

3 胡腾;基于仿生算法的小型无人机三维侦察航迹规划研究[D];重庆邮电大学;2019年

4 程振;基于RCS与最短滞留时间的无人机协同航迹规划[D];南京航空航天大学;2018年

5 张一帆;航空应急救援系统若干关键问题研究[D];南京航空航天大学;2019年

6 洪网君;基于4D航迹的多航空器战术间隔管理研究[D];南京航空航天大学;2019年

7 刘杰;航空器四维航迹实时预测与动态生成研究[D];南京航空航天大学;2019年

8 赵俊峰;无人机航迹规划虚拟视景仿真系统设计[D];南昌航空大学;2019年

9 李铮昊;风险环境下基于协同搜寻的无人机航迹规划算法研究[D];天津理工大学;2019年

10 吴雨桐;基于多目标优化的船舶航迹规划问题研究[D];哈尔滨工程大学;2019年

本文编号：2855763