無人機路徑規劃的案例
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。
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 無人機航跡規劃技術研究綜述
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 無人駕駛汽車局部路徑規劃算法研究
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 
基于matlab求解二維非穩態對流擴散反應問題
?? 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 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。
無人機：復雜環境下高效自主地尋找路徑
現在報名，立即優惠50元
備注『無人機』，優先搶占名額
添加“書哲”，了解更多~
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。
無人機避障算法綜述
無人機需要通過感知的自身狀態信息與環境信息進行自主決策判斷，確定合適的運行模式，并作出相應的機動決策策略。
(3)路徑規劃技術。無人機避障路徑規劃是根據智能決策給出的避障任務與實時環境變化，為無人機提供可機動策略空間與運行引導的過程。路徑規劃可分為全局規劃與局部規劃，是無人機避障關鍵技術之一。
(4)運動控制技術。運動控制技術是根據當前無人機自身狀態以及規劃出的避障路徑，生成控制指令，控制無人機精確、快速跟蹤規劃出的路徑，主要包括調向、調速、調高等控制動作，是無人機避障關鍵技術之一。
2 無人機避障方法
運行中的無人機一旦檢測到飛行沖突，立即解算避障路徑，并驅動機體按照安全路徑運行。當前避障技術主要分為三類：基于優化、勢場和機器學習的避障方法。
2.1 基于優化的避障方法
基于優化的避障方法思想源于最優控制[6]，是根據已建立的無人機時域數學模型或頻域數學模型，選擇一個容許的控制律，使無人機按照約束的條件運行，并使某一性能指標達到最優的過程。其特點在于從整個沖突態勢的演繹全局來考慮問題，可用各類數值計算與現代優化方法求解規避障礙的路徑。
2.1.1 數學優化算法
針對已建立的無人機避障模型，可利用各類數學優化算法將最優控制問題轉化為便于求解的模型，從而生成解脫路徑。
(1)非線性優化方法
性能指標或約束條件中包含非線性函數的問題稱為非線性優化問題，當前用于無人機避障的非線性優化方法有梯度下降法、二次規劃法、凸優化法等。陳偉鋒等[7]將避障問題轉化為最優控制命題形式，提出一種基于析取關系直接變換的動態聯立求解方法，并用Radau配置點的拉格朗日插值對最優控制模型進行離散化處理，并通過對比驗證了方法的有效性。
展開 無人機風電葉片自動運維巡檢
無人機運維巡檢的操作流程
自動機場：實現飛機的釋放與回收，對無人機進行換電池與充電;
無人機：搭載可變焦攝像頭與激光雷達，進行風機全自主路徑規劃與圖像拍攝；
后端控制中心：自動巡檢系統運行中樞，調度無人機與機場，并獲了實時視頻；
AI識別與處理：通過深度學習進行故障檢測.
1.風機停機需求
風機運行過程中40m長度風葉尖端，轉動速度達80m/s，現有無人機性能無法跟隨拍攝；
高動態下由于風葉在視場位置變化，難以對焦，導致成像效果差，影響視頻分類處理的準確率；
停機狀態，風機低速旋轉，無人機可進行跟蹤拍攝。
2.無人機路徑規劃
后端處理軟件規劃巡檢路線；
機場自動換電，無人機釋放；
無人機飛行至指定風機上方。
展開 集群組合式柔性太陽能無人機研究進展
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
本文內容轉載自【中國科學院工程熱物理研究所】官方網站
一文看懂無人機到底有哪些關鍵技術
無人機結構強度一般需要將陣風載荷作為主要的設計工況，而陣風載荷大小決定了無人機結構設計的強度。如果以現有輕型飛機、通用飛機的強度設計標準進行無人機載荷設計，無人機結構將付出很大的代價。以輕量化結構為目標，綜合無人機氣動力特性、無人機飛行控制操縱方式、無人機設計壽命等因素開展無人機氣動載荷設計技術是提高無人機綜合性能的重要技術途徑。
復合材料結構技術
無人機以復合材料結構為主，不同類型的無人機對復合材料結構有不同的要求，如大型無人機主要對大尺寸、全復材結構有較高要求，而小型無人機對復合材料結構的要求是低成本、快速加工制造、快速修復等。
3 自主控制技術
態勢感知技術
實現無人機自主控制必須不斷發展態勢感知技術，通過各種信息獲取設備自主地對任務環境進行建模，包括對三維環境特征的提取、目標的識別、態勢的評估等。
規劃與協同技術
規劃與協同技術涉及兩個方面的技術：路徑規劃和協同控制。這兩個方面相互依托，互相聯系。無人機路徑規劃與重規劃能力是無人機自主控制系統必須具有的，即系統可以根據探測到的態勢變化，實時或近實時地規劃、修改系統的任務路徑，自動生成完成任務的可行飛行軌跡。自主飛行無人機典型的規劃問題是如何有效、經濟地避開威脅，防止碰撞，完成任務目標。
自主決策技術
對于復雜環境下工作的無人機，必然要求具有較強的自主決策能力，以適應未來的需要。自主決策技術需要解決的主要問題包括：任務設定、編隊中不同無人機協調工作、機群的使命分解等。
執行任務技術
無人機自主控制發展的最終目的是使它對環境和任務的變化具有快速的反應能力。無人機自主控制應該具有開放的平臺結構，并面向任務、面向效能包含最大的可拓展性。先進的無人機自主控制應當提供編隊飛行、多機協同執行任務的能力。
展開 eVTOL總體設計關鍵技術、電子/電氣系統重要性及技術發展趨勢分析詳解
該技術具有實時機動避障決策功能，主要包括空間復雜環境下的多障礙物探測和分類、障礙物定位及路徑預測與碰撞風險分析、避障策略選擇和航線重新規劃等技術，涉及感知傳感器構型設計、多源信息融合、智能目標識別、障礙物危險評估與避障決策等諸多領域。
現有eVTOL制造商一般通過加裝ADS-B、TCAS等空中防撞設備來解決自動安全間隔保持能力、規避周圍危險能力。但針對城市地形地貌復雜、建筑物及附屬設施眾多、局部氣象條件多變、電磁環境惡劣、鳥群飛行等情況，根據幾何空間相對運動矢量進行避障決策、利用無碰撞路徑規劃代替避障決策、人工智能算法進行避障決策、建立城市低空環境仿真模型等技術路線還需攻克，通過快速監控檢測潛在障礙物、及時提前改變航向避開障礙物等eVTOL避障技術還不成熟。
（三）高精度的低空智能駕駛技術
eVTOL智能駕駛技術應具備無人駕駛的自主飛行能力，是一個從輔助駕駛、半自動飛行再到全自主飛行的遞進過程。該技術應能借助視覺、紅外、激光雷達和毫米波雷達等新型傳感器，采取極簡操控方式（SVO），通過融合多種傳感器增強飛機的環境感知能力，綜合運用AI、大數據等新興技術對已感知的環境進行智能決策分析，并利用電傳操縱系統建立的良好控制基礎。
eVTOL自動飛行性能，可在空中不確定的復雜氣象環境條件下實現自動駕駛、安全操作的智能駕駛技術還需逐漸演變進階。
（四）高韌性的低空航路規劃設計
eVTOL要安全運行必須解決低空航路規劃與設計問題，創建靈活機動、富有韌性的低空航線網絡系統。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。
展開 低空無人機自主避障算法綜述
當無人機在安全區域時，采用較大的搜索步長以提高實時性，而在遭遇沖突時，則縮小搜索步長以保證搜索精度和魯棒性，防止無人機發生碰撞。但是較小的搜索步長會導致算法效率下降，可能無法面對突發的多重威脅情形。
針對同一高度上兩機沖突問題，宋雪倩等[27]提出利用Dubins曲線結合A*算法分別為工作區域內的無人機構建最短避障路徑，當出現兩機沖突情況時，通過矢量共享法求解航向偏離量，實時重規劃兩機的飛行路徑避免發生碰撞。該算法綜合了Dubins曲線、矢量共享法和A*算法的優點，保證了路徑的光滑和可飛性。但是該算法需要將障礙物建模為圓形，并且無人機之間的避障依賴于一個集中式的規劃器，在高密度多機沖突情景下，其規劃器的實時性將面臨巨大挑戰。
2.2 采樣法
針對搜索類算法在多維狀態空間下容易出現“維數災難”的問題，可采取基于采樣的方法，例如快速擴展隨機樹(Rapidly-exploring Random Tree,RRT)[28]及其改進算法RRT*[29]以實現漸近最優。
AGUILAR等[30]提出RRT* GL算法，其結合了RRT*目標算法以及RRT*限制算法的特點，在降低尋找可靠解計算成本的同時，增加了路徑周圍的樹枝密度，從而產生一個更短的路徑而不會增加迭代次數。但是該算法僅能實現漸近最優，即在有限的時間內僅能得到次優解。
LIN等[31]提出閉環快速擴展隨機樹算法(Closed-Loop RRT),其采用了簡化節點連接策略并利用軌跡上的中間點來提高算法規劃效率。其次，該算法采用了可達集的方法來預測碰撞，從而有效實現在線重規劃。但是，對于無人機之間的碰撞情形，該算法被簡化成二維平面，因此無法應用于三維空間避障。
MECHALI等[32]提出對RRT*算法生成的最終路徑進行平滑和修正，以降低飛行過程中的能量消耗。
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 