本文關鍵詞：基于改進RRT算法的無人機航路規(guī)劃研究

  更多相關文章： 交叉粒子群 動態(tài)步長 自適應權重 快速探索隨機樹 Hermite平滑 航路規(guī)劃

【摘要】：近年來,無人機航路規(guī)劃在國內(nèi)外已經(jīng)得到迅速的發(fā)展,逐漸應用到軍用和民用方面,并在這些方面取得巨大的效益。但是,隨著執(zhí)行任務的環(huán)境越來越復雜化以及不確定性因素的不斷增加,無人機對航路規(guī)劃的要求也將越來越高。因此,使得無人機航路規(guī)劃技術成為國內(nèi)外學者研究的熱點之一。為了滿足無人機航路規(guī)劃對于算法性能的苛刻要求,本文提出了交叉粒子群算法和動態(tài)步長的自適應RRT算法進行航路規(guī)劃。 本文中,針對快速探索隨機樹(RRT)算法的規(guī)劃耗時長和易陷入局部最優(yōu)兩方面做了一些改進。第一,引入路徑規(guī)劃的動態(tài)步長,假若探索新節(jié)點為探索失敗點,則根據(jù)其與探索方向的夾角和無人機最大的轉彎角的比值來動態(tài)的改變樹的探索步長,直至下個探索節(jié)點不為失敗點時為止,修改當前探索步長為初始探索步長,以此來加快樹跳出局部極小區(qū)域,提高路徑規(guī)劃效率。第二,引入了自適應權重的策略,若樹的下一個探索新節(jié)點為失敗點時,則其對周圍的節(jié)點均有一定的抑制作用,抑制作用的大小由抑制因子表示,根據(jù)抑制因子的大小來求出當前樹中每個節(jié)點的權重,選取權重最大的節(jié)點作為樹的生長點,從而避免大量的無用探索,提高路徑規(guī)劃效率。 本文中,針對粒子群算法的慢收斂和易陷入局部最優(yōu)兩方面做了一些改進。第一,引入自適應慣性權重來控制算法的收斂性能,主要用來平衡局部和全局的搜索能力。第二,對各個粒子的最優(yōu)極值以及粒子種群的全局最優(yōu)極值進行交叉操作,加速粒子向全局最優(yōu)的方向移動。第三,對粒子種群進行局部的變異操作,保證可行路徑的全局最優(yōu)性。 最后,分別采用交叉粒子群算法和基于動態(tài)步長的自適應快速探索隨機樹算法,對復雜環(huán)境下的無人機航路規(guī)劃進行系統(tǒng)的分析與研究,并在Matlab結合VC6.0/MFC的仿真平臺上驗證了改進算法的正確性與有效性。以山區(qū)地形環(huán)境仿真為例,在迭代300次以后,交叉粒子群算法的規(guī)劃時間為25673ms,路徑長度為244.673km,相比于傳統(tǒng)的粒子群算法在時間和距離兩方面均有明顯的提升；動態(tài)步長的自適應RRT算法的耗費時間為16529ms,路徑長度為241.385km,相比于傳統(tǒng)RRT在時間和距離上都有了很大的提高；同時,動態(tài)步長的自適應RRT與交叉粒子群算法相比,其在規(guī)劃時間上減少了9144ms,路徑長度上減少了3.288km。
【關鍵詞】：交叉粒子群 動態(tài)步長 自適應權重 快速探索隨機樹 Hermite平滑 航路規(guī)劃
【學位授予單位】：沈陽航空航天大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V279;TP18
【目錄】：

• 摘要5-7
• Abstract7-12
• 第1章 緒論12-21
• 1.1 課題背景及研究意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-18
• 1.2.1 航路規(guī)劃系統(tǒng)現(xiàn)狀13-14
• 1.2.2 航路規(guī)劃算法現(xiàn)狀14-17
• 1.2.3 快速探索隨機樹研究現(xiàn)狀17-18
• 1.3 主要研究內(nèi)容及方法18-19
• 1.4 論文結構19-21
• 第2章 無人機航路規(guī)劃描述21-31
• 2.1 環(huán)境模型21-24
• 2.1.1 地形威脅21-23
• 2.1.2 天氣威脅23
• 2.1.3 電磁干擾威脅23-24
• 2.1.4 地空導彈威脅24
• 2.2 約束條件24-27
• 2.2.1. 最大航程25
• 2.2.2. 最小飛行距離25
• 2.2.3. 最大轉彎角25-26
• 2.2.4. 最大爬升/俯沖角26-27
• 2.2.5. 飛行高度27
• 2.3 航路規(guī)劃目標27-28
• 2.3.1 避開威脅源要求28
• 2.3.2 飛行任務要求28
• 2.3.3 飛行約束要求28
• 2.3.4 任務實時性要求28
• 2.4 無人機航路規(guī)劃器28-30
• 2.4.1 規(guī)劃空間建模29
• 2.4.2 航路規(guī)劃算法29
• 2.4.3 路徑平滑算法29-30
• 2.5 本章小結30-31
• 第3章 基于改進快速探索樹算法的無人機航路規(guī)劃31-45
• 3.1 引言31-32
• 3.2 快速探索樹的基本原理32-36
• 3.3 快速探索樹算法的改進36-38
• 3.3.1 生長點選取的改進36-37
• 3.3.2 動態(tài)步長調整策略37-38
• 3.4 快速探索樹的主要特征38-39
• 3.5 改進快速探索樹算法航路規(guī)劃器39-44
• 3.5.1 航路編碼39-40
• 3.5.2 隨機探索樹的產(chǎn)生40-43
• 3.5.3 航路平滑技術43-44
• 3.6 本章小結44-45
• 第4章 基于改進粒子群算法的無人機航路規(guī)劃45-52
• 4.1 引言45-46
• 4.2 粒子群算法的基本原理46-47
• 4.3 改進的粒子群算法47-48
• 4.4 威脅回避技術48-50
• 4.5 本章小結50-52
• 第5章 無人機航路規(guī)劃仿真實驗性能分析52-67
• 5.1 仿真環(huán)境設計52
• 5.2 二維環(huán)境下仿真實驗52-58
• 5.2.1 環(huán)境設計52-53
• 5.2.2 簡易任務環(huán)境仿真53-55
• 5.2.3 復雜任務環(huán)境仿真55-58
• 5.3 三維環(huán)境下仿真實驗58-65
• 5.3.1 環(huán)境設計58
• 5.3.2 丘陵地形環(huán)境仿真58-62
• 5.3.3 山區(qū)地形環(huán)境仿真62-65
• 5.4 本章小結65-67
• 結論67-69
• 參考文獻69-71
• 致謝71-72
• 攻讀碩士期間發(fā)表（含錄用）的學術論文72-73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 于飛;唐小勇;潘洪悅;;改進粒子群算法在三維水下導航規(guī)劃中的應用[J];北京理工大學學報;2010年09期

2 曾佳;申功璋;;一種無人機自主變步長航跡規(guī)劃方法[J];彈箭與制導學報;2008年06期

3 秦明;朱會;李國強;;軍用無人機的發(fā)展趨勢[J];飛航導彈;2007年06期

4 劉麗;汪濤;陳瑛;;美國陸軍無人機系統(tǒng)概述[J];飛航導彈;2011年08期

5 呂偉新;趙立軍;王珂;李志鵬;;基于邊界約束RRT的未知環(huán)境探索方法[J];華中科技大學學報(自然科學版);2011年S2期

6 彭輝;曾碧;;Hermite三次樣條插值的車型機器人路徑規(guī)劃研究[J];計算機工程與應用;2010年22期

7 聶晶;劉弘;王琪;;基于粒子群算法的群體路徑生成方法研究與實現(xiàn)[J];計算機應用;2010年02期

8 邱小湖;邱永成;;優(yōu)化蟻群算法在無人機航路規(guī)劃中的應用[J];計算機仿真;2010年09期

9 鄭龍生,田康生;基于相對計算的雷達探測概率建模方法[J];空軍雷達學院學報;2005年04期

10 高暉,陳欣,夏云程;無人機航路規(guī)劃研究[J];南京航空航天大學學報;2001年02期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 陳巖;蟻群優(yōu)化理論在無人機戰(zhàn)術控制中的應用研究[D];國防科學技術大學;2007年

，

本文編號：561258