基于智能優(yōu)化與RRT算法的無(wú)人機(jī)任務(wù)規(guī)劃方法研究.pdf

1、無(wú)人機(jī)系統(tǒng)向著智能化、自主化的方向發(fā)展。任務(wù)規(guī)劃是無(wú)人機(jī)自主控制的重要組成部分。本文對(duì)無(wú)人機(jī)任務(wù)規(guī)劃中的航跡規(guī)劃和任務(wù)分配問(wèn)題進(jìn)行了研究。
　　針對(duì)三維靜態(tài)威脅環(huán)境下的無(wú)人機(jī)航跡規(guī)劃問(wèn)題，提出了兩種改進(jìn)蟻群算法。多重啟發(fā)蟻群算法綜合考慮無(wú)人機(jī)當(dāng)前位置、待選位置以及目標(biāo)位置三者之間的距離和威脅分布，并將這些先驗(yàn)知識(shí)構(gòu)造為螞蟻的多重啟發(fā)信息，指引螞蟻的路徑搜索，證明了該算法的全局收斂性。同時(shí)提出了一種將人工勢(shì)場(chǎng)法與蟻群算法相結(jié)合的人工

2、勢(shì)場(chǎng)蟻群算法，能夠按照節(jié)點(diǎn)位置的勢(shì)場(chǎng)力分布，進(jìn)行確定性選擇和概率性選擇相結(jié)合的螞蟻狀態(tài)轉(zhuǎn)移。試驗(yàn)結(jié)果表明兩種改進(jìn)算法能夠獲得優(yōu)于單一的人工勢(shì)場(chǎng)法和蟻群算法的規(guī)劃結(jié)果，有效地縮短航跡規(guī)劃時(shí)間，提高規(guī)劃精度，得到最優(yōu)的飛行航跡。
　　提出了一種改進(jìn)混合粒子群算法，在標(biāo)準(zhǔn)粒子群算法之中融入Boids鳥(niǎo)群模型的避撞機(jī)制，用以擺脫局部極小點(diǎn)的束縛，利用Powell算法對(duì)全局極值進(jìn)行局部搜索。對(duì)改進(jìn)混合粒子群算法的收斂性進(jìn)行了證明。仿真結(jié)果表

3、明該算法能夠改善標(biāo)準(zhǔn)粒子群算法局部搜索能差和早熟收斂的不足。針對(duì)多無(wú)人機(jī)協(xié)同航跡規(guī)劃問(wèn)題，提出了一種威脅啟發(fā)粒子群算法，將任務(wù)環(huán)境中的威脅信息，構(gòu)造為粒子速度更新公式的一部分，用以指引粒子向著遠(yuǎn)離威脅區(qū)域的方向移動(dòng)。建立了同時(shí)考慮時(shí)域協(xié)同和空域協(xié)同的多無(wú)人機(jī)協(xié)同航跡規(guī)劃數(shù)學(xué)模型。采用兩階段的協(xié)同規(guī)劃框架，首先利用k-均值聚類方法對(duì)粒子群進(jìn)行聚類，得到每架無(wú)人機(jī)的多條待選航跡，然后再通過(guò)協(xié)同變量和協(xié)同函數(shù)處理協(xié)同約束。通過(guò)仿真試驗(yàn)驗(yàn)證了所

4、提方法的有效性和先進(jìn)性。
　　研究了快速擴(kuò)展隨機(jī)樹(shù)算法(Rapid-exploring Random Tree，RRT)的參數(shù)設(shè)置對(duì)算法性能的影響，提出了RRT算法參數(shù)選取的指導(dǎo)原則。在此基礎(chǔ)上，提出了利用混沌序列生成隨機(jī)節(jié)點(diǎn)，利用模糊推理系統(tǒng)動(dòng)態(tài)調(diào)整算法參數(shù)的改進(jìn)RRT算法。針對(duì)突發(fā)威脅環(huán)境下的航跡重規(guī)劃問(wèn)題，提出了一種改進(jìn)雙邊RRT算法。在出現(xiàn)突發(fā)威脅后，對(duì)原有隨機(jī)樹(shù)進(jìn)行節(jié)點(diǎn)刪減，保留未受到影響的殘余隨機(jī)樹(shù)，再根據(jù)無(wú)人機(jī)的當(dāng)前

5、位置，進(jìn)行雙邊RRT隨機(jī)樹(shù)生長(zhǎng)，同時(shí)設(shè)計(jì)了一種航跡修剪方法，用于去除冗余航點(diǎn)，并采用貝塞爾曲線進(jìn)行航跡平滑。針對(duì)未知環(huán)境中的航跡規(guī)劃問(wèn)題，提出了滾動(dòng)RRT算法，每次只生成探測(cè)范圍內(nèi)的局部航跡，無(wú)人機(jī)在按照該局部航跡飛行的同時(shí)進(jìn)行下一階段的航跡滾動(dòng)優(yōu)化。設(shè)計(jì)了一種滾動(dòng)窗口內(nèi)的隨機(jī)節(jié)點(diǎn)選擇方法，能夠引導(dǎo)隨機(jī)樹(shù)較快的向著滾動(dòng)窗口的邊界生長(zhǎng)。試驗(yàn)結(jié)果說(shuō)明所提方法有效地能夠滿足不確定環(huán)境下的在線航跡規(guī)劃需求，得到滿意的規(guī)劃結(jié)果。
　　針對(duì)多

6、無(wú)人機(jī)協(xié)同任務(wù)分配問(wèn)題，提出了一種多組群蟻群算法，設(shè)計(jì)了綜合考慮無(wú)人機(jī)攻擊收益、生存概率、航程代價(jià)的代價(jià)收益指標(biāo)。多組群蟻群算法按照綜合剩余任務(wù)能力進(jìn)行螞蟻選擇，根據(jù)各個(gè)待選任務(wù)目標(biāo)的狀態(tài)轉(zhuǎn)移概率，確定被選中螞蟻需要添加的任務(wù)。利用2-opt算法進(jìn)行進(jìn)一步的局部?jī)?yōu)化。同時(shí)給出了任務(wù)需求或無(wú)人機(jī)群發(fā)生變化時(shí)的任務(wù)重分配方法。試驗(yàn)結(jié)果表明，多組群蟻群算法能夠很好地獲得滿足各項(xiàng)約束條件的無(wú)人機(jī)任務(wù)分配方案，各架無(wú)人機(jī)的任務(wù)較為均衡，任務(wù)重分配