動態(tài)環(huán)境中的無人機路徑規(guī)劃研究.pdf

1、路徑規(guī)劃是無人機自主任務規(guī)劃的關鍵技術之一。好的路徑規(guī)劃方法可以降低無人機任務油耗、提高無人機生存能力。本文以無人機為研究對象，采用基于采樣的方法，研究了動態(tài)環(huán)境中的無人機路徑規(guī)劃問題。本文的研究工作和創(chuàng)新點簡述如下：
　　1．針對環(huán)境建模提出了一種對不同類型障礙物分別處理的方法?；诓蓸拥姆椒ú捎没緲嬓徒票硎经h(huán)境中的障礙物，而地形障礙采用基本構型近似表示會丟失大量的信息。為了更好的表示環(huán)境信息，將地形障礙與其他障礙物分開處理

2、，用基本構型近似表示障礙物，而直接采用柵格法表示地形信息，然后采用基于采樣的方法對環(huán)境信息進行綜合。
　　2.為了提高概率地圖法在含有窄通道的環(huán)境中的效率，提出了一種改進的路線圖構造方法。好的采樣策略可以用較少的采樣點完成對自由空間的覆蓋并能很好的描述其連通性，目前的采樣策略需要補充采樣來達到聯(lián)通窄通道的目的。為了提高采樣效率，在分析已有各種算法優(yōu)缺點的基礎上，通過引入人工勢場法的思想，提出了一種改進的概率地圖法，使得算法對不同的

3、環(huán)境都能具有較好的適應能力。仿真研究表明，改進算法能夠在窄通道中得到足夠的采樣點，對不同的環(huán)境具有更強的適應性。
　　3．對于蟻群算法在概率地圖中的應用，引入了一種新的啟發(fā)信息，并對信息素的更新機制進行了改進。在蟻群算法的基礎上，將方向信息作為啟發(fā)信息引入蟻群算法，并采用基于排序的信息素更新機制，使螞蟻更傾向于搜索目標所在的方向。仿真結果表明，新的啟發(fā)信息能夠極大的提高算法的搜索效率。其次，修改了蟻群算法的信息素更新規(guī)則，使其可以

4、同時優(yōu)化多個目標。最后，通過引入Pareto解集，播撒不同種類的信息素，使蟻群算法可以同時優(yōu)化路徑長度和威脅大小兩個目標，并能得到一組非支配解，有利于決策者選擇合適的路徑。
　　4．對D*Lite算法在概率地圖中的應用，引入了無人機約束，改進了信息更新機制，修改了距離和啟發(fā)函數(shù)計算方法。D* Lite算法得到的路徑沒有考慮無人機的約束，可能會不滿足無人機可飛的要求，因此在D* Lit e算法搜索可行節(jié)點過程中加入了無人機的約束，去

5、除了不滿足約束的節(jié)點。部分突發(fā)威脅沒有出現(xiàn)在無人機的當前路徑上，對無人機沒有影響，這種情況下不需要重新規(guī)劃路徑，因此對D* Lit e算法作了改進，將不必要的信息更新延遲到需要時進行。為了避免得到的路徑在不同高度間頻繁切換，增大了算法距離公式和啟發(fā)函數(shù)公式中高度的權重。仿真結果表明，改進的D* Lite算法得到的路徑可以滿足無人機約束要求，搜索到的路徑更平滑，避免了飛機高度的頻繁切換。
　　5．提出了一種改進的快速隨機搜索樹方法。

6、針對含有窄通道環(huán)境中的搜索樹構建問題，通過引入采樣點的移動，將落在障礙物上的采樣點移動到窄通道中，提高了路徑搜索效率。為了實現(xiàn)突發(fā)威脅情況下的快速重規(guī)劃，將快速隨機搜索樹方法和D* Lite算法相結合。通過利用搜索樹構建中得到的信息，D*Lite算法可以快速生成替代路徑。仿真結果表明，改進的快速隨機搜索樹方法可以用更少的采樣點搜索到路徑，當出現(xiàn)突發(fā)威脅時能更快的得到替代路徑。
　　6．對于動態(tài)環(huán)境中的路徑規(guī)劃問題，提出了一種引入時

7、間軸的方法。為了表示運動障礙物在所有時刻的可能位置，在構型空間基礎上引入時間軸，將構型空間擴展為構型-時間空間。然后提出了兩種構型-時間空間中的路徑規(guī)劃方法：直接在構型-時間空間中采樣然后構建路線圖并進行路徑生成的直接搜索法，和先在構型空間中構建路線圖然后在構型-時間空間中搜索的兩步法，解決了包含動態(tài)障礙物的環(huán)境中的最短路徑問題和給定到達時間條件下的路徑規(guī)劃問題。在路徑生成階段，提出了一種改進的蟻群算法，通過對螞蟻的引導使螞蟻在初始搜索

8、路徑時更有針對性。仿真結果表明，構型-時間空間可以解決動態(tài)環(huán)境的表示問題，改進蟻群算法可以更快的收斂到全局最優(yōu)解。
　　7．針對動態(tài)環(huán)境中的路徑重規(guī)劃問題，將快速隨機搜索樹方法應用到構型-時間空間中，并作了改進。在構建搜索樹時，動態(tài)添加采樣點時間維坐標，并保存計算得到的路徑段結果，動態(tài)規(guī)劃時引入排序機制并利用已有的路徑段快速構建搜索樹，提高了算法在動態(tài)規(guī)劃中的效率。仿真結果表明，在出現(xiàn)突發(fā)移動威脅后動態(tài)快速搜索隨機樹算法可以更快的