無人機航跡規劃
關注創建者：匿名 創建時間：2021-08-02
無人機航跡規劃的實例教程
樊 嬌1， 雷 濤1， 韓 偉2， 王 銳3
(1.陜西科技大學 電子信息與人工智能學院，陜西 西安 710021；2.青島恒星科技學院 信息學院，山東 青島 266100；3.國防科技大學 系統工程學院，湖南 長沙 410073)
摘 要： 航跡規劃是無人機自主飛行的關鍵技術之一。典型的航跡規劃分為3個步驟：首先充分考慮各種威脅環境，進行飛行航跡的初步規劃，其次利用優化搜索算法找出最佳航跡，最后進行航跡平滑處理。系統梳理了近些年關于無人機航跡規劃的研究現狀，分析了航跡規劃過程中動力學約束和環境約束等因素；闡述了航跡規劃涉及的關鍵技術，包括地形獲取、威脅及代價建模、航跡規劃算法以及航跡平滑處理等，并進一步對常用的航跡規劃算法，如A*算法、遺傳算法、蟻群算法、粒子群算法，以及常用的航跡平滑算法B樣條曲線法進行了分析和歸納；總結了當前無人機航跡規劃模型構建與航跡規劃算法兩個方面存在的問題；最后對無人機航跡規劃未來可能的發展趨勢進行了展望，指出構建合理的航跡規劃的體系、先進的在線航跡規劃算法研究，以及多無人機協同航跡規劃是未來的研究趨勢。
關鍵詞： 無人機；航跡規劃；優化搜索算法；綜述
0 引言
隨著航空技術的日益成熟，無人機在各個領域展現出了良好的應用前景。無人機不僅成本低，而且能夠持續高強度作戰，同時可以避免人員傷亡。無人機航跡規劃是無人機任務分配中的一個重要問題，作為無人機執行任務的基礎，近些年來，引發了大量的研究。簡而言之，無人機航跡規劃就是在滿足無人機自身性能和各種威脅等約束條件下，規劃出從起始點到目標點的一條或多條實際可飛的航線。一般規劃的航跡要盡可能最優，盡量避開威脅，同時航跡代價要最小。
展開 基于matlab的無人機航跡規劃(UAV track plannin）。輸入輸出參數包括 橫滾、俯仰、航向角（單位：度）；橫滾速率、俯仰速率、航向角速率（單位：度/秒）；飛機運動速度——X右翼、Y機頭、Z天向（單位：米/秒）；飛機運動加速度——X右翼、Y機頭、Z天向（單位：米/秒/秒）；航跡發生器初始位置經度、緯度、高度（單位：度、度、米）；飛機運動速度——X東向、Y北向、Z天向（單位：米/秒）；經度、緯度、高度（單位：度、度、米） 。程序已調通，可直接運行。
隨著無人機數量的增加，飛行安全和效率成為人們關注的主要問題，有效的無人機操作可以發揮作用。因此，無人機作業的4D路徑規劃是本文研究的重點，提出了基于群的方法來解決這一復雜的優化問題。在“空中矩陣”框架下，該問題分為兩個層次解決，即單個無人機的三維路徑規劃和無人機之間的沖突解決，在多路徑規劃層面，為每架無人機生成多個可供選擇的飛行路徑，以提高飛行請求的接受率，考慮了單一飛行路徑和兩種不同飛行路徑的約束條件。目標是獲得幾種不同的短飛行路徑作為選擇。采用一種改進的聚類蟻群優化算法(CIACO)求解多路徑規劃問題，在聚類中采用了擁擠機制，并對聚類算法進行了改進，增強了迭代早期和后期的全局和局部搜索能力。在任務調度層面，定義了兩種情況下兩架無人機之間的沖突。一種是針對通過同一路徑點的時間間隔，另一種是針對兩架無人機的直角碰撞。根據安全要求，提出了一個三層適應度函數，以最大限度地增加允許飛行次數，同時考慮了空域的利用情況和操作者的要求。提出了一種“交叉”策略來計算適應度值，并應用了一種“分布式-集中式”策略來考慮無人機的任務優先級?；谶z傳算法(GA)的任務調度算法也被開發到所建立模型的特征。
展開 基于matlab的多目標遺傳算法的無人機航路規劃。在三維航路中進行航路代價估計，綜合考慮路徑長度、隱蔽性、危險度，規劃出最優路徑。輸出3D規劃路徑。程序已調通，可直接運行。
基于matlab的無人機路徑規劃，包括2D路徑和3D路徑，三種優化算法，分別是蝙蝠算法（BA）、蝙蝠算法融合差分進化算法(DEBA)、結合人工勢場方法的改進混沌蝙蝠算法(CPFIBA)。輸出距離迭代曲線和規劃的路徑。程序已調通，可直接運行。
無人機航跡規劃的相關專題、標簽、搜索
無人機航跡規劃的最新內容
基于matlab的無人機路徑規劃，包括2D路徑和3D路徑，三種優化算法，分別是蝙蝠算法（BA）、蝙蝠算法融合差分進化算法(DEBA)、結合人工勢場方法的改進混沌蝙蝠算法(CPFIBA)。輸出距離迭代曲線和規劃的路徑。程序已調通，可直接運行。
基于matlab的多目標遺傳算法的無人機航路規劃。在三維航路中進行航路代價估計，綜合考慮路徑長度、隱蔽性、危險度，規劃出最優路徑。輸出3D規劃路徑。程序已調通，可直接運行。
基于matlab的無人機航跡規劃(UAV track plannin）。
多旋翼集群系統
未來，因諾科技軍工事業部無人機集群業務將繼續聚焦圖像實時拼接、目標智能識別、目標檢測定位、多無人機集群編隊、多無人機協同航跡規劃
標題：Swarm-Based 4D Path Planning for Drone Operations in Urban Environments
作者：Yu Wu(重慶大學航空航天工程學院)， Kin Huat Low(南洋理工大學) ，Bizhao Pang(南洋理工大學)，Qingyu Tan(空中交通管理研究所 ATMRI，南洋理工大學)
來源：IEEE TRANSACTIONS
基于Voronoi圖和蟻群算法的無人機航跡規劃[J]. 導航定位與授時, 2021, 8(2): 66-73.
Wang Qinhe, Yin Yongxin, Dai Li, et al. Trajector planning of UAV based on Voronoi diagram and ant colony optimization algorithm[J].
[41]錢洲元, 雷明.面向無人機航跡規劃的自適應烏賊算法[J].哈爾濱工業大學學報, 2019, 51(10): 37-46.
基于改進遺傳算法的多無人機協同偵察航跡規劃算法，可用于解決面向復雜戰場環境中高效偵察多種類型目標過程中的路徑規劃問題，并能夠有效地提高航跡規劃精度和效率[3]。
2.2 協同感知
協同感知是多無人機集群共同探測感知某一目標區域狀態的任務形式。在這類任務中最常見的是協同頻譜感知。
通過設計組合式太陽能無人機的航跡規劃算法，解決了組合式太陽能無人機以任務為導向的航跡規劃問題（圖4）。將研究結果與傳統常規布局太陽能無人機路徑優化結果進行比較，結果表明了組合式太陽能無人機在能量閉環的前提下能夠具有更多的任務優勢，并且通過協同航跡規劃算法能夠支持更復雜場景下的實際應用。
[22] 陳俠，劉冬.應用D*Lite算法的目標移動時無人機三維航跡規劃[J].電光與控制,2013,20(7):1-5.
[23] KOENIG S,LIKHACHEV M,FURCY D.Lifelong planning A*[J].Artificial Intelligence,2004,155(1/2):93-146.
