基于改进蚁群算法的多无人机协同路径规划研究

发布时间：2020-11-01 10:51

　　 随着科学技术的不断发展,无人机在军用领域和民用领域都发展迅速。无人机路径规划是无人机协同控制的核心,而单无人机难以独立完成日益复杂的任务,因此研究多无人机协同路径规划具有非常重要的意义。首先,本文概述了无人机路径规划相关理论,给出了单无人机和多无人机协同路径规划的一种形式化的描述方法,并介绍了无人机路径规划的约束条件、环境建模方法以及几种常用的路径规划方法。其次,本文介绍了蚁群算法和群居蜘蛛优化算法的基本原理和算法流程,针对经典蚁群算法在无人机航迹规划问题中存在的缺点,提出了两种改进方法。第一种改进方法是在蚁群算法中加入引导因子,加强了蚂蚁搜索活动的目的性,使算法可以更快的找到可行解。第二种改进方法将群居蜘蛛优化算法融合到传统蚁群算法中,给出了蚁群算法中一种新的更新信息素的方法。最后给出了改进算法的具体步骤和流程示意图,并进行了仿真实验,实验结果表明改进蚁群算法可以在一定程度上解决传统蚁群算法搜索时间长,收敛速度慢的问题。最后,本文介绍了Dubins曲线和回旋曲线,并采用回旋曲线作为本文的路径平滑。给出了多无人机协同路径规划问题的描述,提出了路径长度相同的协同准则,设计出了一套“环境建模-初始路径规划-路径平滑-协同规划”的路径规划方法。首先通过研究的改进蚁群算法得到初始路径,然后通过回旋曲线进行路径平滑,得到可飞行的路径。判断按规划的路径飞行同组的无人机是否会相撞,提出了改变曲率和中间航点算法两种方法来解决碰撞问题,由于协同准则需要路径长度相同,本文给出了一种新的调整路径长度方法。最后进行了模拟仿真实验。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：V279;V249;TP18
【部分图文】：

2无人机路径规划的建模方法和常用算法9图2-3攻角几何模型示意图Figure2-3GeometricmodelofAngleofattack2.2.4无人机路径曲率约束无人机的路径需要符合动力学的基本约束条件，受到运动学影响的主要约束是曲率约束。在无人机的实际的航行过程中，飞行曲率有一定限制，不能超过最大值。可以把无人机看作一个控制系统，如图2-4所示。制导路径侧向加速度指令自动驾驶仪控制舵面机体侧向加速度运动学环节位置方向速度图2-4自动驾驶仪和制导回路Figure2-4Autopilotandguidanceloop无人机的动力学特性包括作用于无人机机体表面的力，这些力使无人机产生加速度，通过这些加速度影响无人机的运动学特性。路径规划器所产生的路径r(q)需要满足无人机动力学转弯速率的约束，这个动力学转弯速率转换到运动学即为曲率约束。曲率与侧向的加速度成正比，因此最终规划所得的路径，任意点的曲率都要比于无人机所能达到的最大曲率校无人机运动的曲率和挠率可由图（2-5）表示。

工程硕士专业学位论文10图2-5无人机的曲率和挠率Figure2-5ThecurvatureandtorsionoftheUAV2.2.5无人机安全性约束路径规划得到的路径必须是可飞行而且安全的。无人机飞行的安全性是指无人机在飞行时规避障碍物的能力[33]。由路径规划器规划出的路径必须要避开动态和静态的障碍物，同时避免与同组的无人机相撞。2.2.6其它约束由于无人机不同的任务目标和飞行环境，路径规划还可能有其它约束，比如资源管理、保持通信顺畅等。可以将通信约束等其它的约束加入到无人机的路径约束条件中。2.3路径规划的建模方法（ModelingMethodofPathPlanning）2.3.1常用的环境建模方法（1）栅格法栅格法也称单元分解法，是指将无人机的飞行区域分解成相同且相互间无重叠的单元，单元信息可以描述环境信息，是一种离散化的表示方法。如果某一单元部分或完全被障碍物覆盖，则称该单元为障碍物单元，如果某一单元不包含障碍物，则称该单元则为自由单元。已知整条轨迹的起点和终点，采用搜索算法可得到连接相邻的自由单元。可以构造以当前节点为中心的九宫格，当前节点有八个相邻的路径点，节点i可以选择下图中标有序号的八个相邻节点之一作为下一个飞行节点，如图2-6所示。因为飞行航迹有最小步长的约束，所以每个单元的大小需要合理选择。

工程硕士专业学位论文24W=L0)(dssw(3-9)其中)(dssw=sw)(OO+)(MMsw+)(AAsw+)(TswT；L表示无人机飞行的路径；W表示无人机飞行过程中的综合代价；sw)(L表示无人机的油耗代价；)(Msw代表导弹威胁代价；)(AAsw代表高炮阵地威胁代价；sw)(T代表山地威胁代价；O、M、A、T四个系数是和为1的威胁权重。具体求解方法如下：（1）油耗代价无人机在飞行过程中应尽可能选择油耗较小的路径。如果无人机匀速飞行，油耗和路径长度成正比。假定无人机路径共有n个节点，则油耗代价如式（3-10）所示：L==11niiL，wO=c1*L=c1*=11niiL(3-10)其中c1为常量，是油耗和路径长度的比例系数。（2）导弹阵地代价将无人机路径Li等分成五部分，如图3-4所示：图3-4无人机受单一导弹阵地威胁示意图Figure3-4SchematicdiagramofaUAVthreatenedbyasinglemissileposition其中Mk表示第k个导弹威胁的威胁点。威胁点Mk对在iL段飞行的无人机的威胁代价如式（3-11）所示：5/))()()()()((ikMMikMMikMMikMMikMMM5,4,3,2,1,dpdpdpdpdpwikM++++=(3-11)如果无人机在iL段路径上受到了Mn枚导弹的威胁，那么这段路径和整条路径受导弹威胁的代价分别如式（3-12）和式（3-13）所示：==MMikMinkMMww1(3-12)
【参考文献】

相关期刊论文 前2条

1 薛俊杰;王瑛;祝捷;肖吉阳;李浩;;美国无人机分布式处理系统研究现状综述[J];飞航导弹;2015年10期

2 袁利平;夏洁;陈宗基;;多无人机协同路径规划研究综述[J];飞行力学;2009年05期

相关博士学位论文 前2条

1 黄辰;基于智能优化算法的移动机器人路径规划与定位方法研究[D];大连交通大学;2018年

2 朱立华;无人飞行器自主检测与避障技术研究[D];东南大学;2016年

相关硕士学位论文 前10条

1 高扬;基于智能优化算法的无人机任务规划[D];南京邮电大学;2019年

2 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

3 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

4 杨亚威;基于改进人工鱼群算法的移动机器人路径规划问题研究[D];大连海事大学;2017年

5 王村松;多无人机编队在线协同航路规划方法研究[D];南昌航空大学;2016年

6 丁家如;多无人机任务分配与路径规划算法研究[D];浙江大学;2016年

7 贾阳阳;飞行器避障与航迹规划研究[D];北京理工大学;2015年

8 陈雯雯;小型四旋翼无人机轨迹规划算法研究[D];青岛理工大学;2015年

9 黄建军;无人机自主飞行轨迹规划与重规划方法研究[D];哈尔滨工业大学;2013年

10 杨学光;具有终值条件的无人机三维路径规划算法研究[D];西安电子科技大学;2010年

本文编号：2865433