摘要：在复杂动态环境下,针对无人机执行协同数据采集任务时,出现的航迹规划问题求解不确定性高、多机协同难度大、机间碰撞严重等挑战,提出了一种面向多无人机辅助数据采集的强化学习协同航迹规划(reinforcement learning-based cooperative trajectory planning for UAV aided data collection,RL-DC)算法.该算法通过集中式训练分布式执行框架,实现多无人机安全高效协同数据采集和航迹优化.通过设计竞争候选节点队列机制,避免多架无人机同时服务一个节点导致的信号干扰和飞行安全问题,并通过奖励重塑优化规划轨迹,提高数据采集效率;同时采用网络结构优化和混合优先经验回放,提高无人机在复杂环境下的学习效率,提升决策能力.实验结果表明,所提出的RL-DC算法在各种任务环境中的成功率均能达到90%以上,节点服务率均大于98%,性能优于其他同类算法.

摘要：针对复杂城市环境下无人机目标打击问题,引入一种基于电鳗觅食优化算法的无人机目标打击方法。该方法首先设置稀疏环境无敌防守和密集环境有敌防守2种场景并设计相应的约束条件和航迹优化代价函数以符合城市环境飞行需求,然后通过电鳗觅食优化算法(electric eel foraging optimization,EEFO)为无人机规划出一条合理的目标打击轨迹,最后得到其飞行轨迹和适应度值,并与SO,SCA,WOA,MFO,HHO 5种算法进行对比。实验结果表明,在稀疏环境无敌防守场景下EEFO算法比其他五种算法具有更高的轨迹规划效率和稳定性,消耗的航迹代价最小且收敛更快;在密集环境有敌防守场景下EEFO算法与其他5种算法相比,所规划出的目标打击轨迹最优且消耗的航迹代价收敛趋势更好,任务完成度最高,具有更好的表现。

摘要：针对目前无人机航迹规划研究多集中于算法的改进,存在规划结果3维直观显示不足的问题,创建一个基于Matlab软件的无人机3维航迹规划仿真平台。利用Matlab软件自带的App designer功能完成图形用户界面开发,建立基于地形威胁的地图模型,使用多种目前市面常见的群智能算法,直观比较各种群智能算法之间的区别,并根据需求添加算法与现有算法进行比较。设计平台能实现包含多种群智能算法的3维航迹规划,用于验证算法的可行性和可靠性,并直观反映出新型算法的优势。平台的实际操作结果表明,该平台具备对航迹规划算法结果的3维直观显示能力。

摘要：三维点云技术通过采集环境中大量的点来构建物体或场景的精确三维模型,是现代遥感和自动化领域中的一项关键技术。这种技术在电力行业中的应用尤为重要,尤其是在电力杆塔的维护和管理中。传统的杆塔检测和航迹规划多依赖人工进行,费时费力且效率低下。随着自动化技术的发展,利用三维点云进行电力杆塔的自动分类和航迹规划,不仅可以提高精度,还能显著提升工作效率。本文详细探讨了三维点云技术在电力杆塔航迹规划中的应用,介绍了点云数据的采集与预处理方法,随后详述了自动分类算法的设计和实现,最终提出了一种基于分类结果的自动航迹规划方法,并通过实际应用验证了该方法的有效性和实用性。

摘要：针对复杂环境下无人机集群航迹规划问题,提出一种结合多策略增强型常春藤算法(MIVYA)与动态窗口法(DWA)的规划方法。MIVYA引入混沌映射增强早期探索能力,设计适应性生长行为提升跳出局部最优的能力,并增加长距离伸展行为提高后期寻优精度。基于MIVYA获得全局最优航迹后,采用DWA在航迹关键点处实现实时避障。实验结果表明,在静态环境中,MIVYA所规划的全局路径优于IVYA;在动态环境中,该方法可为无人机集群生成安全的避障航迹。

摘要：航迹规划对植保多旋翼无人机的高效作业具有重要意义。设计合理的航迹,可以最大程度地减少作业时间和能源消耗,提高作业效率和经济效益,并为植保多旋翼无人机的广泛应用打下坚实的技术基础。提出航迹规划假设,构建航迹规划模型,并引入Dubins曲线、三次B样条约束方法,分别对局部障碍物和区域障碍物进行分类避障规划。为验证上述方法的可行性,进行仿真分析研究。结果表明,在上述方法约束和航迹规划下,植保旋翼无人机在作业中可以灵活地绕过局部障碍物、区域障碍物。

摘要：在四旋翼无人机航迹规划中引入能耗优化策略以延长其飞行时间,能够显著提升其实用性和经济性。为此,提出了一种基于分段式高斯伪谱法的能耗最优航迹规划算法。首先,构建了四旋翼无人机运动学-能耗综合模型,能定量描述无人机运动学及能耗间耦合关系;其次,基于此模型,将考虑能耗优化的航迹规划问题转化为带约束的连续时间优化问题;最后,设计了分段式高斯伪谱法求解出优化航迹,其中通过滑动选取优化子区间的方法,在航点数量较多的复杂飞行任务中有效缩短了计算时间,同时提升了轨迹的平滑性和航点跟踪准确性。仿真和实验结果表明,与传统定航点飞行相比,所提算法能大幅降低飞行能耗,与常用优化算法相比,所提算法在保证能耗优化效果的同时,所需计算时间更短,航点跟踪精度更高。

摘要：针对无人机(unmanned aerial vehicle,UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求,设计一种自适应郊狼算法,从最优化问题角度研究UAV离线航迹规划。建立UAV离线航迹规划的数学模型;在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制,使算法在搜索的过程中,智能选择合适的操作算子,并设计莱维飞行策略提高算法的全局寻优能力;最后对自适应郊狼算法进行函数测试和离线航迹规划仿真。函数测试表明自适应郊狼算法具有较强的全局搜索能力,离线航迹规划仿真表明自适应郊狼优化算法能适应不同维数的离线航迹规划问题。

摘要：将蚁群算法与人工势场算法相结合,提出了一种新的寻优算法。在算法的设计过程中,首先引入人工势场法进行蚁群算法初始信息素的分配,避免了在迭代初始阶段,信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上,从而陷入局部最优的问题。其次,通过引入势场引导函数改进蚁群算法的状态转移函数,避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素,从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解,并通过仿真验证了有效性。

摘要：引入净浮力计算方法,完善了平流层飞艇航迹规划问题的数学模型,并通过对其飞行过程的分析,得出了模型的目标函数和约束条件.基于Gauss伪谱法对时间最少和能量最省2种情况下的平流层飞艇上升段航迹进行了规划.仿真结果表明,飞艇的最短上升时间为2 913.6s,在时间允许的情况下飞艇可以实现零耗能升空.仿真结果可为平流层飞艇的总体设计提供有益参考.