无人机编队在线快速航迹规划研究答辩ppt
无人机编队在线快速航迹规划
研究
030910337 徐大生
指导老师：江驹（教授）
课题简介
?1、课题的研究内容
?2、课题的时间安排
课题的研究背景和意义
?1、发展历程
?国外：起源于六十年代，九十年代后迅速发展
?国内：开始于八十年代初
?2、编队作战的意义和优势
?安全、高效的完成任务
?协同探测、协同干扰、定时攻击、协同作战
编队航迹规划需要考虑的因素
?1、航迹隐蔽性
?2、无人机物理限制
?3、飞行任务要求
?4、协同性
?5、实时性
几种常用算法的比较分析
人工神经网络算法遗传算法蚁群算法
粒子群优化
算法
Voronoi图
算法
优点非线性动态
结构
灵活易实现
、鲁棒性强
、没有搜索
空间限制
正反馈机制
，并行性、
鲁棒性、协
作性、寻优
性好
搜索效率高
、三维效果
好
简单易行、
实时性好、
方便和其他
算法共同使
用
缺点容易陷入局
部最优解、
计算量大、
学习难、收
敛速度慢
耗时长、精
度低、实时
性差
容易陷入局
部最优解、
搜索时间长
、容易停滞
隐蔽性差
得到折线航
迹需要进行
平滑
适用范围离散化空间离线规划并行式分布
规划
敌方威胁弱
、地形恶劣
实时性要求
高
?1、Voronoi图威胁模型
?2、航迹代价函数
∑=++=N j j i j i j i i i t d d d L J 14
,,6/54
,,2/14
,,6/1,)
111(
?3、Dijkstra算法流程图
初始航迹生成4、Dijkstra算法求取最优路径
?1、求取航迹平滑圆心
?航迹平滑的圆心
?2、平滑后的航迹
?1、协同航迹规划层次模型
?2、协同时间策略
?协同变量：到达目标时间（ETA ）?协同函数：编队整体代价函数∑==n
i i
i T Z J J 1
))((min
?3、分解策略流程
1、总结
本次课设的任务要求的完成情况
?2、本次课设有待进一步改善的地方
致谢
AOPA无人机任务规划练习测试题
精心整理 1. 无人机______是指根据无人机需要完成的任务、无人机的数量以及携带任务载荷的类型，对无人机制定飞行路线并进行任务分配。 A. 航迹规划 B. 任务规划 C. 飞行规划 答案:B. 2. 任务规划的主要目标是依据地形信息和执行任务环境条件信息，综合考虑无人机的性能、到达时间、耗能、威胁以及飞行区域等约束条件，为无人机规划出一条或多条自______的______，A. B. C. 答案 3. A. B. C. 答案4. A. B. C. 答案5. A. B. C. 答案6. A. B. C. 答案:C. 7. 动力系统工作恒定的情况下______限制了航迹在垂直平面内上升和下滑的最大角度。 A. 最小转弯半径 B. 最大俯仰角 C. 最大转弯半径 答案:B. 8. 无人机具体执行的飞行任务主要包括到达时间和进入目标方向等，需满足如下要求：______。 A. 航迹距离约束，固定的目标进入方向 B. 执行任务时间，进入目标位置 C. 返航时间，接近目标的飞行姿态
答案:A. 9.从实施时间上划分，任务规划可以分为______。 A.航迹规划和任务分配规划 B.航迹规划和数据链路规划 C.预先规划和实时规划 答案:C. 10.就任务规划系统具备的功能而言，任务规划可包含航迹规划、任务分配规划、数据链路规划和 系统保障与应急预案规划等，其中______是任务规划的主体和核心。 A.航迹规划 B.任务分配规划 C.数据链路规划 答案:A. 11. A. B. C. 答案 12. A. B. C. 答案 13. A. B. C. 答案 14. A. B. C.任务规划、返航规划和载荷分配 答案:A. 15.______包括携带的传感器类型、摄像机类型和专用任务设备类型等，规划设备工作时间及工作 模式，同时需要考虑气象情况对设备的影响程度。 A.任务规划 B.载荷规划 C.任务分配 答案:B. 16.______包括在执行任务的过程中，需要根据环境情况的变化制定一些通信任务，调整与任务控 制站之间的通信方式等。 A.链路规划 B.目标分配
无人机自主飞行航迹规划问题
摘要： 对于问题1也就是在二维平面上规划无人机最优航迹，我们首先用VORONI粗略作出可选航线，然后对每一段路径进行代价估测，问题1考虑的因素较少主要考虑了雷达威胁度和燃油两个因素。其中雷达威胁大小的度量主要考虑飞机距离雷达的长度，距离越近其危险值也就越大，由于飞机的燃油也是有限的，过长的航行路径会导致飞机燃油耗尽。因此在这两个因素中，我们引入加权系数，使得这危险度和航程因素影响的比重可视具体情况调节。得出路段代价后，再用改进的Dijkstra 算法求出3条较优参考路径。然后对这三条路径进行对比从而找出最佳路径。 问题2是在三维空间情况下规划无人机航迹，我们对选取的二维路径进行如下优化：首先，用三次样条插值法对折线路径进行平滑处理；其次，考察无人机的操作性能（主要考虑拐弯），对曲线做进一步平滑处理；然后，考虑无人机飞行高度对其安全性及操作性的影响，一方面是在威胁度计算时加入高度因素，重新进行权值计算；另一方面是对飞机飞行高度变化进行讨论，如无人机的最大仰角和过度地带飞机至少飞行的高度。由于数字地图的复杂型，二维处理中产生的最佳路径，在三维中并不一定是最优的，我们经过计算，发现二维平面次优的航道才是三维最优的航道路径。 在问题3仿真过程中，我们使用MATLAB 7.0进行计算和最后的飞机飞行航道图形绘制，包括三次样条曲线拟合，数字地图与预处理等，使用了VC++ 6.0编写了Dijkstra 算法计算最优路径。 关键字：Voronoi图Dijkstra算法三次样条插值最小曲率半径
目录 一、问题的重述 (1) 二、模型的假设 (1) 三、模型的符号说明 (2) 四、对问题的分析 (3) 五、模型的建立与求解 (3) 5.1 问题1模型的建立 (3) 5.1.1 引入问题 (3) 5.1.2约束条件 (4) 5.1.3基于VORONOI图的航路代价计算 (4) 5.1.3.1 VORONOI图的基本思想 (4) 5.1.3.2 VORONOI图的生成原理 (4) 5.1.4 Dijkstra算法 (5) 5.1.4.1 Dijkstra算法的基本思想 (5) 5.1.4.2 实现Dijkstra算法的步骤 (5) 5.1.4.3 对Dijkstra算法的改进 (6) 5.1.5 雷达威胁代价的计算 (6) 5.1.6 燃油代价的计算 (7) 5.1.7 航路总代价的计算 (7) 5.2 问题2模型的建立 (7) 5.2.1约束条件 (7) 5.2.2 航路代价的计算 (8) 5.2.2折线型航线平滑化 (8) 5.2.3三次样条函数定义 (8) 5.2.4三次样条函数原理 (9) 5.2.5无人机最大转角问题 (11) 5.2.6 无人机爬坡优化 (13) 5.2.6.1.地形平滑 (13) 5.2.6.2曲率限制法 (14) 5.2.6.3最小离地间隙限制 (15) 5.3 问题的求解 (16) 5.3.1问题1模型的求解 (16) 5.3.1.1 雷达的分布情况 (16) 5.3.2问题2模型的求解 (17) 六、仿真求解 (17) 6.1 问题1 模型进行仿真 (18) 6.1.1 VORONOI图 (18)
无人机航迹规划优化模型
2007高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 20004005 所属学校（请填写完整的全名）：中南大学 参赛队员 (打印并签名) ：1. 张腾 2. 王雄 3. 王泽 指导教师或指导教师组负责人 (打印并签名)： 日期： 2008 年 8 月 11 日赛区评阅编号（由赛区组委会评阅前进行编号）：
无人机自主飞行航迹规划 摘要 本文对无人机自主飞行航迹的二维规划和三维规划问题根据所给要求分别建立了动态规划模型，并对模型进行了可行性分析和仿真分析，最终求得最优的规划路线（见附录表1，表2）。 首先，对于问题1，无人机自主飞行航迹的平面规划问题，我们采用传统的图论方法，使用Voronoi图【1】对雷达威胁网络进行划分；并以雷达威胁度和路程代价为主要考虑因素对Voronoi图的每条边赋予权值，得到一个权矩阵，通过Dijsktra算法求得出发点到目标点的最优路径。但是我们考虑到这种算法实现较难，而且Voronoi图不可推广到三维航迹的规划问题上，因此我们通过假设条件消除其后效性，建立了动态规划模型，并且为了增加模型精确度，将地图以100米为单位网格化。 其次，对于问题2，将问题推广到三维空间，增加了地形因素以及飞机飞行的性能，即考虑到飞机飞行时转弯和地形影响的因素。我们使用matlab对该三维空间进行了模拟【2】，并由平面的动态规划模型通过对每点增加高程z，对飞机的转弯性能最小转弯角进行简化，增加地形约束条件，建立了以无人机飞行路线广义代价为目标函数的动态规划模型。 再次，我们对所建立的动态规划模型做了可行性分析和仿真分析，通过对比在广义代价方程中各个因素的权重系数的不同取值，得出不同的规划路线，最终得出最优的规划路线，并肯定了模型的正确性。 最后，我们对于此动态规划模型进行综合评价，并提出了此模型在实际条件中应用所欠考虑的部分，并在模型的推广中对其他实际因素进行了具体的分析并加以改进和完善。 关键字Voronoi图动态规划模型广义代价代价方程仿真分析 一、问题的重述 1.1 问题背景 无人机的发展至今已有70多年的历史，其军事应用主要是遂行各种侦察任务。随着无人机平台技术和机载遥感技术的不断发展，它的军事应用范围已经并将继续扩展，如通信中继、军事测绘、电子对抗、信息攻击等。特别是精确制导武器技术的发展，又使它成为这种武器的理想平台。
无人机航迹规划算法选择
遗传算法（GA ）： 主要流程： (1)编码：遗传算法在进行搜索之前首先要对无人机位置以及航迹可行性编码。2)初始群体生成：随机产生x 个初始串结构数据，每个串结构数据代表一个个体， 个个体构成一个群体。初始群体表示无人机所有可能的航迹位置。(3)选取适应度函数：适应度函数的选取是遗传算法最为关键的部分，它是进化过程的驱动力。(4)遗传算子：群体通过选择、交叉、变异 3种基本的遗传操作得到下一代群体，进化后期可以提高变异概率以提高算法的局部搜索能力。(5)最优航迹生成：通过不断循环进化，最后生成具有最大适应度值的个体即为最优航迹。 N Y 遗传算法流程图 优点：算法灵活且实现简单、自身不受搜索空间限制、具有较强鲁棒性，是一种高效、并行、全局搜索的方法。 缺点：规划时间长，最优解精度不高，不适用于实时航迹规划 适用范围：离线规划 人工神经网络（ANN ）算法： 实现步骤： 编码成位串 种群1 无人机位置和航迹可行性编码 计算适应度 1、位串解释得到参数 2、计算目标函数 3、函数值像适应值映射 4、适应值调整 遗传算子 3种基本遗传算子： 选择算子、交叉算子、变异算子 统计结果 种群2 是否满足终 止条件？ 解码输出最优解 结束 开始
(1)对规划空间进行离散化处理，构建与无人机相适应的Hopfield神经网络模型。(2)结合数字地形信息以及约束条件构造一个能量函数，其中连接权可以反映地形信息，若无人机靠近障碍物时，连接权迅速减小，这样可以实现无人机的安全飞行。(3)由于所创建的Hopfield 神经网络是并行处理问题，而当前计算机处理器一般是串行工作的，因此需要对所建立的神经网络模型进行串行模拟。(4)当串行模拟达到预期的要求时，在规划空间则会建立起单峰梯度的数值势场。(5)结合势场梯度数值以及无人机飞行约束条件在规划空间内搜索最优航迹。 优点：具有高度的并行结构和并行实现能力，具有快速找到优化解的能力。 缺点：容易陷入局部最优解，计算量大，收敛速度慢。 适用范围：TF/TA等规划空间大的航迹规划。 蚁群算法： 实现步骤： (1)根据已知威胁源分布情况构造V oronoi图，给V oronoi每条边赋予一定的权值(初始信息素值)。(2)将所有人工蚂蚁置于距离起始点最近的V oronoi图节点位置，根据蚂蚁状态转换规则(一般由两点间的可见度以及两点间边的信息素值的强度决定)选择下一节点，直至所有蚂蚁到达终点完成搜索过程(3)循环完成后分别计算出每条可行路径的代价，更新所找到的最优路径。(4)参照生物信息激素修改规则更新所有边的权值，对没有经过的各节点进行信息素蒸发(即去除权值)。 优点：采用正反馈机制，具有良好的并行性、协作性和鲁棒性，寻优性好，具备较强的动态特性。 缺点：容易陷入局部最优解，搜索时间过长，容易出现停滞现象。 适用范围：并行分布式规划。 粒子群优化算法： 实现步骤： 1、航迹规划建模（威胁模型、地形模型、威胁等效地形模拟和航迹代价函数） 2、分析原理 3、进行试验和仿真 4、结果分析与实验改进 优点：有效减小搜索空间，提高搜索效率，快速完成航迹规划任务通过调整参数的设置．可以使得航迹在地形跟随和地形回避之间有所偏重．得到较为满意的三维航迹 缺点：高度的升高使得无人机的航迹更加趋向于地形跟随．地形遮蔽作用将大大削弱，容易被地方探测设备发现．势必会带来敌方威胁的增大。 适用范围：适合于敌方威胁较弱、地形环境恶劣且时效性要求较高的作战区域