摘要：考虑气动、轨迹、约束、指标间的耦合关系,以多高超声速飞行器同时到达为目标建立了协同规划模型;设计了一种自动满足终端约束的全新滑翔飞行剖面,减少了规划算法需要处理的约束数量;推导了滑翔段高精度解析解,实现了过程约束和性能指标的快速求解;提出了一种改进粒子群优化(Particle swarm optimization,PSO)算法,借助强化学习方法构建协同需求与惯性权重间的动态映射网络,提高了在线规划效率.最后通过数学仿真验证了方法的正确性和有效性.

摘要：针对当前伪谱法求解无人机轨迹存在的计算量大、运算时间长以及难以保证最优性等问题,提出了将粒子群算法与高斯伪谱法相结合的改进方法。首先,使用粒子群算法进行航迹预规划,保证近似最优解的快速实现;其次,针对高斯伪谱法配点的相对位置选取,对粒子群预规划的航迹点做拟合处理,并以此作为高斯伪谱法的初始参考指令,从而解决伪谱法的初值敏感问题,加快优化算法的收敛速度。最后,综合考虑无人机编队性能指标、飞行环境以及协同飞行约束等进行实验。实验结果验证了初值选取的重要性,同时表明了所设计算法可提升解的最优性与收敛速度。研究结果可为多无人机协同飞行控制快速规划出多维度、高精度的引导指令,对实现智能自主化飞行有一定参考价值。

摘要：针对无人机集群轨迹规划高维强耦合特征导致计算复杂度高的难题,提出了动态优先级解耦的序列凸规划方法(DPD-SCP),将耦合的集群轨迹规划问题拆分为若干单机凸规划子问题,通过分布式求解提高集群轨迹规划的计算效率与可扩展性。设计飞行时间驱动的动态优先级解耦机制,降低飞行时间短无人机优先级,挖掘其轨迹调整潜力,消除集群相互规避导致的迭代振荡问题,提升集群轨迹迭代的收敛速度。定制时间一致约束更新准则,避免集群飞行时间非正常增长情况,并理论证明了DPD-SCP方法能够生成满足动力学、避碰与时间一致约束的集群轨迹。仿真结果表明:所提的DPD-SCP方法的求解效率显著优于耦合SCP、串行优先级解耦SCP以及并行解耦SCP方法。

摘要：面向多无人机协同轨迹快速规划的需求,提出基于滚动规划框架轨迹高效求解方法,将协同轨迹规划问题分解为若干短时域规划子问题,通过降低求解维度,提升协同轨迹规划效率。在考虑飞行性能与避障/避撞约束的基础上,设计了终端状态启发的目标函数,确保滚动规划结果能够准确收敛到终端状态。定制基于剩余距离的速度调节机制,通过动态调速保证规划结果的时间一致性。使用序列凸优化方法求解短时域轨迹规划问题,进一步提升规划效率。典型任务想定下的数值仿真验证结果表明:所提方法能够在满足避障/避撞与性能约束的前提下,快速生成短时域协同轨迹(耗时小于1s),具有工程实用性。