無人機路徑規劃
關注創建者：匿名 創建時間：2022-01-21
無人機路徑規劃的視頻教程
無人機路徑規劃的實例教程
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。
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 Arantes等[27]將啟發式算法和遺傳算法應用于緊急迫降的無人機路徑規劃問題中，使用遺傳算法在合理的計算時間內得到更全質量的解決方案。Yan等[28]提出了一種基于遺傳算法和Dubins曲線的固定翼無人機路徑規劃算法，采用新的編碼方案將遺傳算法用于二維環境中生成最短的威脅規避路徑，并通過添加路徑角度將2D Dubins路徑轉換為Dubins路徑，最終在復雜三維環境下生成最短的威脅規避路徑。呂文鵬等[29]為了解決基本遺傳算法易過早局部收斂的問題并提高局部搜索能力，在無人機災情巡查路徑優化中引入多生境遺傳算法，在適應值共享基礎上，將排擠機制、間隔交叉兩種方法分別引入選擇和交叉算子中，并在種群中使用最相似個體中適應度最差的個體替換技術，提高了搜索種群的多樣性，很大程度地避免了早熟問題。
3.3.3 蟻群算法
1996年Dorigo等[30]提出的蟻群算法(ACO)是一種用來在圖中尋找優化路徑的概率型技術，其靈感來源于螞蟻在尋找食物過程中發現路徑的行為，該方法具有正反饋、分布式計算和富于建設性的貪婪啟發式搜索的特點。為了提高無人機作戰任務的成功率，Dorigo等[30]提出了基于改進蟻群算法的適用于航跡規劃的優化方法，該方法可以保證無人機以最小的被發現概率及可接受的航程到達目標點，保留算法的最優解、自適應狀態轉換規則和信息激素更新規則，能夠有效提高算法收斂速度、搜索效率以及解的性能。
Konatowski等[31]采用蟻群算法與解決TSP(旅行商)問題類似的工作原理，很大程度上簡化了對優化問題的表述，在各種任務參數中規劃了無人機的路徑。Daryanavard等[32]在地理區域無線物聯網節點數據收集的無人機路徑規劃問題中，為找到傳感器之間的最短路徑，采用了蟻群算法和模擬退火算法兩種優化方法進行三維建模對比，在傳感器數量比較多的情況下，蟻群算法有更好的性能。
展開 彭曉燕，謝 浩，黃 晶
（湖南大學機械與運載工程學院，長沙 410082）
［摘要］ 無人駕駛汽車局部路徑規劃算法應確保避障的安全性、實時性和路徑的平滑性等。本文提出了一種基于離散優化的局部路徑規劃算法，即采用代價函數分別評估離散生成的候選路徑的安全性、平滑性等，再根據各代價函數加權計算獲得局部最佳路徑。針對障礙物移動隨機性，設計了一種基于運動估計結合高斯卷積的移動障礙安全性代價函數；考慮候選路徑曲率的變化及其連續性，設計了路徑平滑性代價函數。使用了一種新的坐標轉換計算方法將路徑從s-ρ坐標系轉換到大地笛卡爾坐標系，提高了實時性。最后，利用PreScan和Matlab軟件進行聯合仿真，并在“遠飛”無人車實驗平臺上進行了真實道路場景的實車實驗。實驗結果表明：提出的路徑規劃算法不僅能使無人車安全、合理地規避靜止和移動障礙，且完全滿足局部路徑規劃算法對實時性的要求。
關鍵詞：無人駕駛汽車；避障；路徑規劃；代價函數；實車實驗
前言
隨著汽車數量的不斷增長，交通事故也隨之增多，汽車安全早已成為全社會關注的焦點問題［1］。無人駕駛技術在降低道路交通事故發生率方面有著重要的研究意義和巨大的應用價值。隨著人工智能的應用和發展，無人駕駛汽車也越來越受到關注，其中的避障問題已經成為了研究的熱點［2］。局部路徑規劃，也稱為避障路徑規劃，即考慮本車和障礙物之間的幾何關系尋找出一條避免與障礙物發生碰撞的路徑，是無人駕駛汽車的重要功能模塊之一。
目前常用的局部路徑規劃算法主要分為4大類：人工勢場法、基于圖搜索的方法、基于采樣的方法和基于離散優化的方法。人工勢場法是Khatib提出的虛擬力法，此方法算法簡明，實時性良好，但存在容易陷入局部最小點的問題，且因未考慮車輛動力學約束，導致無法得到合理的路徑甚至規劃失敗［3］。
展開 ?? 代碼獲取關注我
??部分理論引用網絡文獻，若有侵權聯系博主刪除
?? 關注我領取海量matlab電子書和數學建模資料
?? 仿真咨詢
1 各類智能優化算法改進及應用
生產調度、經濟調度、裝配線調度、充電優化、車間調度、發車優化、水庫調度、三維裝箱、物流選址、貨位優化、公交排班優化、充電樁布局優化、車間布局優化、集裝箱船配載優化、水泵組合優化、解醫療資源分配優化、設施布局優化、可視域基站和無人機選址優化
2 機器學習和深度學習方面
卷積神經網絡（CNN）、LSTM、支持向量機（SVM）、最小二乘支持向量機（LSSVM）、極限學習機（ELM）、核極限學習機（KELM）、BP、RBF、寬度學習、DBN、RF、RBF、DELM、XGBOOST、TCN實現風電預測、光伏預測、電池壽命預測、輻射源識別、交通流預測、負荷預測、股價預測、PM2.5濃度預測、電池健康狀態預測、水體光學參數反演、NLOS信號識別、地鐵停車精準預測、變壓器故障診斷
2.圖像處理方面
圖像識別、圖像分割、圖像檢測、圖像隱藏、圖像配準、圖像拼接、圖像融合、圖像增強、圖像壓縮感知
3 路徑規劃方面
旅行商問題（TSP）、車輛路徑問題（VRP、MVRP、CVRP、VRPTW等）、無人機三維路徑規劃、無人機協同、無人機編隊、機器人路徑規劃、柵格地圖路徑規劃、多式聯運運輸問題、車輛協同無人機路徑規劃、天線線性陣列分布優化、車間布局優化
4 無人機應用方面
無人機路徑規劃、無人機控制、無人機編隊、無人機協同、無人機任務分配
、無人機安全通信軌跡在線優化
5 無線傳感器定位及布局方面
傳感器部署優化、通信協議優化、路由優化、目標定位優化、Dv-Hop定位優化、Leach協議優化、WSN覆蓋優化、組播優化、RSSI定位優化
6 信號處理方面
展開 
無人機路徑規劃的相關專題、標簽、搜索
無人機路徑規劃的最新內容
國內外相關機構或專家基于風險規避、四維航跡、城區風險地圖、融合人員密度因素等角度對無人機路徑規劃方面開展了探索，為拓展城際擺渡、低空旅游、空中快遞、應急救援等民用場景，精確規劃建設低空導航點和導航路線提供了參考。
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）。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）；
、無人機協同、無人機編隊、機器人路徑規劃、柵格地圖路徑規劃、多式聯運運輸問題、車輛協同無人機路徑規劃、天線線性陣列分布優化、車間布局優化
4 無人機應用方面
無人機路徑規劃、無人機控制、無人機編隊、無人機協同、無人機任務分配
、無人機安全通信軌跡在線優化
5 無線傳感器定位及布局方面
傳感器部署優化、通信協議優化、路由優化、目標定位優化、Dv-Hop定位優化、Leach協議優化
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。
彭曉燕，謝 浩，黃 晶
（湖南大學機械與運載工程學院，長沙 410082）
［摘要］ 無人駕駛汽車局部路徑規劃算法應確保避障的安全性、實時性和路徑的平滑性等。本文提出了一種基于離散優化的局部路徑規劃算法，即采用代價函數分別評估離散生成的候選路徑的安全性、平滑性等，再根據各代價函數加權計算獲得局部最佳路徑。針對障礙物移動隨機性，設計了一種基于運動估計結合高斯卷積的移動障礙安全性代價函數；考慮候選路徑曲率的變化及其連續性
[24]李平陽.基于遺傳算法的無人機多目標路徑規劃[J].農業裝備與車輛工程, 2019, 57(1): 68-70.
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]。
圖 1 組合式無人機的基本形式
圖 2 組合式太陽能無人機
圖 3 組合式太陽能無人機氣動性能分析
圖 4 組合式太陽能無人機路徑規劃
