無人機航跡規劃的案例
無人機航跡規劃技術研究綜述
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 206基于matlab的無人機航跡規劃(UAV track plannin） ￥15.9
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。
基于Swarm的城市無人機4D路徑規劃
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。基于遺傳算法(GA)的任務調度算法也被開發到所建立模型的特征。
展開 208基于matlab的多目標遺傳算法的無人機航路規劃 ￥49.9
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。
209基于matlab的無人機路徑規劃
法(CPFIBA)。輸出距 ￥59.9
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。
集群組合式柔性太陽能無人機研究進展
組合式柔性無人機以低成本、高可靠、易群組的中小型無人機為基本單元，數架單機之間通過柔性結構連接組成具有大展弦比無人機的協同整體，具有可拆分可重組特性，同時具有小型集群無人機和大型無人機的優勢，可以實現模塊化組合拆分，通過將多個小型太陽能無人機柔性組合成整體，形成超大展弦比組合太陽能無人機（圖2）。在平臺特性方面，柔性連接通過單機自穩互補從而增加抗風特性，穿越爬升至臨近空間后可分散執行偵查、預警、測繪任務。夜間組合在一起滑行降高，白天分布式執行任務提高效率，從而保證任務和晝夜能量平衡。此外，通過拆分多個小型太陽能無人機，機場起降條件問題得到有效解決，可分別起飛，空中組合執行任務，返航降落時拆分降落，極大提高了大展弦比太陽能無人機的場地適應性。在任務特性方面，組合體太陽能無人機能夠利用近距離組合優勢，通過搭載分布式雷達收發組件，結合高速數據鏈、數據共享和分布式計算，組成遠大于常規尺寸的傳感器陣面，極大提高偵查探測能力，還可具備任務自組織和重構能力，極大提高效費比。
基于上述背景，工程熱物理研究所無人飛行器實驗室針對組合式太陽能無人機的氣動特性進行了研究與分析（圖3），結合常規太陽能無人機的飛行策略，設計了以能源效用最大化為目標的組合式太陽能無人機飛行策略。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。目前實驗室正在進行組合式縮比驗證樣機的總體設計及制造，下一階段將開展組合式無人機的技術驗證和試飛試驗。
展開 新概念多無人機協同探潛技術發展趨勢分析
4.2 多無人機協同探潛對探潛載體的要求
4.2.1 多無人機的協同航跡規劃與任務分配技術
磁探儀的協同工作離不開無人機載體的協同能力，在執行任務前或者執行任務過程中，綜合考慮探潛精度、效率等約束，以最優的方式協同執行任務要預先和實時規劃出無人機編隊的航跡和任務序列，航路的協同要充分考慮任務的優先級、飛行的編隊狀態、敵方的潛在威脅等，主要應用了多目標動態航跡規劃和任務分配技術、智能決策技術。
無人機編隊的機動性好，可自主飛行、自主任務規劃，以及可預先靜態規劃和動態規劃。針對固定海域實施精確探測，圍繞移動的艦船周圍環境實施動態探測，對于已經偵察的區域，無人機編隊可改變任務分配策略，一部分無人機實施進一步探測，另一部分無人機進行區域周圍警戒保證特定區域內不會有敵方潛艇滲透。
4.2.2 多無人機編隊隊形任意變換與分生技術
先進的多無人機編隊控制算法能更好的應對突發的海況。攜帶磁探儀傳感器的無人機編隊在發現敵方潛艇之前，按照預先規劃好的航跡飛行。當發現敵方潛艇后，需要將原來編隊分生出多個子編隊用于識別和跟蹤目標。由于編隊數量和隊形發生了變化，探測的寬度變窄，其他無人機編隊需要快速重新動態任務規劃出編隊可行的最優航跡，從而繼續執行其他未知區域的探測。
磁探儀的探測精度和辨識力不僅與目標的距離有關，而且還與磁探儀的磁補償有關。
展開 新概念多無人機協同探潛技術發展趨勢分析
4.2 多無人機協同探潛對探潛載體的要求
4.2.1 多無人機的協同航跡規劃與任務分配技術
磁探儀的協同工作離不開無人機載體的協同能力，在執行任務前或者執行任務過程中，綜合考慮探潛精度、效率等約束，以最優的方式協同執行任務要預先和實時規劃出無人機編隊的航跡和任務序列，航路的協同要充分考慮任務的優先級、飛行的編隊狀態、敵方的潛在威脅等，主要應用了多目標動態航跡規劃和任務分配技術、智能決策技術。
無人機編隊的機動性好，可自主飛行、自主任務規劃，以及可預先靜態規劃和動態規劃。針對固定海域實施精確探測，圍繞移動的艦船周圍環境實施動態探測，對于已經偵察的區域，無人機編隊可改變任務分配策略，一部分無人機實施進一步探測，另一部分無人機進行區域周圍警戒保證特定區域內不會有敵方潛艇滲透。
4.2.2 多無人機編隊隊形任意變換與分生技術
先進的多無人機編隊控制算法能更好的應對突發的海況。攜帶磁探儀傳感器的無人機編隊在發現敵方潛艇之前，按照預先規劃好的航跡飛行。當發現敵方潛艇后，需要將原來編隊分生出多個子編隊用于識別和跟蹤目標。由于編隊數量和隊形發生了變化，探測的寬度變窄，其他無人機編隊需要快速重新動態任務規劃出編隊可行的最優航跡，從而繼續執行其他未知區域的探測。
磁探儀的探測精度和辨識力不僅與目標的距離有關，而且還與磁探儀的磁補償有關。
展開 著眼于戰場的巡飛器集群察打一體應用
集群技術
目前，因諾科技軍工事業部無人機集群業務方向包括：固定翼無人機集群、多旋翼無人機集群、巡飛器無人機集群、空中異構無人機集群及空地協同異構無人系統集群。
▲ 固定翼集群系統
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、動態任務分配及組網鏈路傳輸等行業前沿技術，將無人機集群業務推動至系統化、智能化、實戰化。
展開 無人機集群協同技術發展與展望
在多智能體協同發展階段，集群中的各個無人機都將是一個獨立的綜合智能體，具有多維度認知計算和高級智能處理能力，從而實現更高效的自主學習和決策，并在此基礎上，完成更復雜、更艱巨的任務。
2 分布式協同
從無人機集群出現開始就被用于解決協同路徑規劃、協同感知和協同任務規劃等分布式協作任務。早期的無人機分布式協同任務通常都是提前進行充分的計算和分配，無人機節點按照既定算法或者方案予以執行。根據計算結果，分布式協同無人機群可組織執行配置好的任務，如圖2所示。
圖2 分布式協同階段的任務執行方式
Fig.2 Execution mode of tasks in distributed collaboration phase
2.1 協同路徑規劃
協同路徑規劃中，要求在給定目標或者搜索目標后，無人機節點根據當前的任務狀態來確定飛行路徑。針對協同搜索和跟蹤任務的路線規劃，無人機集群可采用最大化目標功能來檢測最重要的目標，并在關鍵時刻對其進行跟蹤，從而獲得最有價值的信息[1]。而協同搜索的路徑規劃可以分成無人機工作區間劃分和全區域覆蓋搜索路徑規劃2個子問題，將多機協同搜索轉化為子區域上的單機搜索，對目標區域快速進行劃分并生成飛行路線[2]。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。針對協同頻譜感知任務特點，采用最佳融合準則的分布式協同任務執行方案可以優化檢測性能，使協作頻譜感知總錯誤率達到最小，并能降低協作感知時間，節省感知過程開銷[4]。
展開 無人機避障算法綜述
同時在融合空域內，無人機必須考慮無人機空中交通管理(Unmanned Air Traffic Management, UTM)下的運行規則，充分結合環境建模和具體應用背景，設計出具有實用性的避障路徑。
(2)融合多類型避障路徑算法。融合不同類型的避障算法，彌補現有單個方法的缺陷與不足，是當前的重要研究趨勢。例如，傳統避障規劃方法(基于優化、勢場等)可與機器學習為代表的人工智能技術相結合，優勢互補，解決傳統避障算法中局部最優等問題，也在一定程度上彌補基于機器學習的避障規劃算法中的實時性差等問題。
(3)多機協同避障。由于單無人機的機動區域很小，一旦發生碰撞，會影響臨近無人機，集群之間產生鏈式效應，將造成任務失敗，因此，隨著無人機集群在戰術打擊、目標協同搜索、多異構平臺協同等復雜任務的廣泛應用，多機協同編隊避障主要研究在滿足多樣約束條件下，將避障策略合理分配給各個有能力的無人機個體，完成協同避障。由于多機協同編隊避障對環境感知、任務建模以及規劃方法都有較高的要求，因此, 還需要進一步的探索與研究。
(4)設計合理的容錯機制。容錯冗余機制是保障無人機系統運行安全的重要環節。當前沒有對避障算法核心以及薄弱環節進行容錯機制設計，一旦解脫環節失效，會造成不可預知后果。因此, 在未來研究中要著重無人機機能失效時的容錯機制設計，避免不可控事件發生。
(5)規劃-控制一體化設計。當前學者將無人機避障路徑規劃與路徑控制區分開，分別進行建模研究，而實際無人機是否精確跟蹤無人機規劃解脫路徑是當前未解決的問題。因此需要將無人機控制制導律融合到解脫路徑解算過程中，實現規劃-控制一體化。
4 結 束 語
避障技術是反映無人機自主控制以及智能化水平的關鍵指標，同時作為無人機任務決策規劃的核心模塊，避障技術逐漸發揮其重要作用。
展開 
美國地下領域無人系統發展現狀及啟示
圖6 基于生物仿生學的一體化機器人
Fig.6 Integrated robot based on biomimicry
圖7 基于多模運動的一體化機器人
Fig.7 Integrated robot with multi-modality
2)群體智能控制技術
群體智能控制技術是指采用合理的多機器人協調和規劃組成的最優機器人系統來執行任務，多機智能控制包括：智能協同編隊控制技術、地下空間自主探索技術和地下無人系統協調技術[15]。美國在群體智能控制技術方面做了大量的理論研究，并將部分研究成果成功應用于群體智能系統，在機器人技術、導航及通信技術的協助下實現了地下等惡劣場景的搜索探查[16]。
美國在群體智能控制技術方面處于領先地位，賓夕法尼亞大學的Vijay Kumar提出了編隊控制概念，并將設計的編隊控制算法應用于機器人編隊，引入到美國DARPA的諸多項目中，包括OFFSET和SubT等。編隊控制方法主要包括：領航-跟隨者法、基于行為法、人工勢場法、虛擬結構法和圖論法等[17-18]。地下空間自主探索技術方面，科羅拉多大學博爾德分校的Michael T. Ohradzansky等基于生物啟發式反應控制和度量拓撲規劃，提出了一種簡單而可靠的自主探索未知環境的方法，能夠實現群體在未知環境下的協同探索。SubT是地下無人系統多機器協調問題中最具有代表性的，各參賽隊伍需要協調由無人機、無人車以及機器人等構建的群體對地下空間進行探測、搜救等任務。佐治亞理工學院的CSIRO團隊提出了一種基于在線3D邊界的無人車和無人機地下環境協調技術，并成功應用于多個機器人探索大型環境的任務[19]。俄勒岡州立大學的Explorer團隊基于風險感知圖，設計了多機器人協調規劃方法，通過定期彼此共享子地圖的列表完成信息共享，提高了群體協作執行任務的效率。
展開 淺談無人機在光伏電站上的應用
像大同領跑者基地，該基地是在挖煤沉陷區上實施的規劃，由于沉陷區分布的無序性，很多電站被分隔成十幾個小區域，最遠區域相隔達十幾公里，區域內由于地勢險惡，車輛無法通行。按照傳統人力勘探作業，每天用于通行的時長占據了絕大部分的工作時間，顯著增加了工作周期，而且地勢的復雜性也容易造成作業的失誤。
無人機具備的高程作業方式，顯然可以規避此類影響。且大部分的無人機具備航跡規劃的功能，配合3D建模的數據處理軟件，完全可以實現精準化測繪。不僅可以大幅度提高測繪效率，還可以提高精度，建立立體化的測繪模型。精準化的模型不僅有助于實現科學的設計，還可以更加精確的規劃場區線路，建立更為可靠的發電量預測模型，在提高系統發電效率的同時，也可以降低成本的投入。
2、建設階段
建設期是光伏電站生命周期中重要的階段，在建設期內，不僅要實現設計意圖，還要保證建設成果可以滿足光伏電站的長期運行需要，要求建設單位投入更多的時間和資源用于光伏電站的建設期。但因我國實行的“度電補貼”的政策，即上網電價與當年度補貼政策掛鉤，一般是逐年遞減，且為避免出現項目延期的現象，一般年度的結點設置為當年度的6月30日、12月30日等。這就要求建設單位必須在規定時間內實現并網。而一般的光伏電站項目從立項，設計，設備選型、采購等前期性工作都需要接近3~4個月，擠壓了建設時間。出現行業性趕工現象，產生了趕工期建設性問題。
為最大限度的降低趕工造成的不規范現象，需要項目管理人員加強對現場施工的管理，及時對不合規現象進行糾正。但一般的光伏項目所配置人員非常有限，在管理職責外還要承擔其他工作，并不能實時對場區施工情況進行監控。無人機所擁有的高效監控方式，可以有效的對現場實時施工情況進行反饋。
展開 水上無人系統研究進展及其面臨的挑戰
在學術研究領域，無人機的研究文獻非常多，主要集中在航跡規劃、避撞和編隊協同等方面。無人機的航跡規劃是三維的，增大了航跡規劃的復雜性。文獻[30]將航跡定義為路徑和運動函數的組合，通過計算氣動力矩和升力滿足旋翼飛行器的動力約束，根據任務要求和約束條件利用非線性約束優化方法得到了最優航跡。有文獻將進化算法應用于航跡規劃問題，規劃出的航跡具備較小代價值。有文獻將A*算法的搜索空間擴展到三維空間，實現了無人機在復雜環境下的航跡規劃。有文獻將蝗蟲算法引入無人機三維航跡規劃，利用地形和約束條件等縮短搜索空間，給出了三維航跡規劃過程，在預定場景下進行了算法性能測試。有文獻提出了即時修復式稀疏A*算法，能夠快速生成可行航跡。有文獻將無人機的各種路徑規劃技術分為代表性技術、協同技術和非協同技術三大類，針對每一類路徑規劃方案進行了分析，探討了當前的開放性問題。
在避撞方面，有文獻提出了一種有干擾和障礙環境下的魯棒非線性控制方法，在四旋翼無人機上實現了該算法，并與其他非線性控制方法進行了比較。有文獻提出了一種利用橢球形狀作為障礙物限制區來尋找避讓路徑的方法。有文獻建立了基于信息融合的防撞系統，系統采用了一個超聲波傳感器和一個激光雷達來進行環境感知。有文獻針對無人機避障問題提出了一種基于深度學習的四旋翼無人機單目視覺避障方法，能夠識別不同姿態的人，實現低速飛行下的對人避障。有文獻提出一種基于事件驅動的無人機強化學習避障算法，通過在強化學習中加入事件驅動觸發機制，可以在減少無人機決策的同時找到最優路徑。
在編隊協同方面，有文獻分析了椋鳥的飛行原理，利用相鄰的很少幾個個體實現了三維環境中原始隊形向期望隊形的動態調整問題。
展開 低空無人機自主避障算法綜述
4 結論
幾何類算法從無人機與障礙物的相對幾何關系入手解決避障問題，具有求解迅速的特點。但是對于復雜環境，幾何關系的構建將變得困難，求解難度也將增加。此外，由于幾何關系的構建依賴于相對速度、位置等信息，對于環境狀態信息敏感，容易受到噪聲影響。
路徑規劃類算法采用離線預規劃或在線重規劃的方式指導無人機的飛行軌跡。雖然采用圖搜索的方法能夠獲取一條全局最優的路徑，但是存在高維空間下的搜索效率降低的問題；基于采樣法(如RRT算法)雖然能夠適用于高維空間動態規劃，但是該方法為概率完備，當無人機處于某些狹窄通道時，其算法收斂速度未知；勢場法雖然求解迅速，但是需要人為設定力場函數，且容易存在局部最小點。
數值求解法能夠充分利用環境狀態信息、無人機飛行動態數據等信息，具有良好的魯棒性。但是對于復雜的高維空間，傳統方法將難以建立模型，而智能算法的避障性能依賴于數據集的質量。
當前各類避障算法具有各自的優點和特性，同時也存在自身的局限性。因此，可采用多種方法結合的方式來解決不同情況下的無人機避障問題。今后，針對民用無人機在融合空域內低空環境下運行這一情景，可根據無人機性能劃分不同的飛行高度層，在空域內飛行的無人機需要向統一的無人機管理平臺實時上報飛行動態數據，以提供合作式避障支持。同時，對于進行自主飛行的無人機還必須支持非合作式避障，以應對非法入侵的飛行器。對于執行定期飛行任務的無人機來說，可考慮劃設固定航線并接入集中式系統進行統一調度。當該類無人機在航線上產生沖突時，則可按照飛行規則或根據集中式系統的指令來進行相互避讓。此外，空域內的有人駕駛航空器和載人航空器應具有最高優先級，無人機必須主動進行避讓以保持與該類飛行器的安全間隔。
展開 