本文關(guān)鍵詞：低空復(fù)雜環(huán)境下小型無人機(jī)的在線航跡規(guī)劃算法研究

  更多相關(guān)文章： 小型無人機(jī)在線航跡規(guī)劃 靜態(tài)威脅區(qū)建模 動(dòng)態(tài)威脅可達(dá)集估計(jì) 運(yùn)動(dòng)控制誤差處理 航跡搜索與優(yōu)化 冗余航跡點(diǎn)約減

【摘要】：小型無人機(jī)的在線航跡規(guī)劃是指在有限時(shí)間內(nèi)在線生成到達(dá)目標(biāo)的有效航跡,其中,規(guī)劃出的航跡必須滿足可行性(航跡必須滿足無人機(jī)的運(yùn)動(dòng)學(xué)約束條件)、安全性(航跡上的威脅量較低)、低代價(jià)性(航跡的能耗、控制難度和威脅量較低)、低碰撞性(無人機(jī)執(zhí)行航跡時(shí)與障礙物發(fā)生的碰撞概率較低)、可飛性(航跡是易執(zhí)行的并且是曲率連續(xù)的),可飛性處理主要包括冗余航跡點(diǎn)的約減和航跡平滑。在線航跡規(guī)劃是實(shí)現(xiàn)小型無人機(jī)自主飛行的關(guān)鍵環(huán)節(jié),對(duì)該問題的研究有助于提高無人機(jī)在低空復(fù)雜環(huán)境下的生存能力和對(duì)突發(fā)情況的處理能力。在線航跡規(guī)劃的關(guān)鍵技術(shù)包括在線航跡搜索、在線航跡優(yōu)化以及航跡可飛性處理,本文主要針對(duì)小型無人機(jī)在線航跡規(guī)劃的關(guān)鍵技術(shù)及相關(guān)問題進(jìn)行研究。針對(duì)障礙物密集環(huán)境下隱蔽航跡的快速搜索問題,提出了基于精細(xì)采樣空間約減的快速航跡搜索方法和基于K維樹(K-dimensional tree,Kd樹)的航跡點(diǎn)快速存取方法。首先,針對(duì)傳統(tǒng)采樣空間約減方法中存在的對(duì)采樣空間過度約減的問題,提出通過建立代價(jià)模型并比較采樣點(diǎn)與航跡樹節(jié)點(diǎn)的代價(jià),來逐步構(gòu)造精細(xì)的空間約減域的方法;然后,針對(duì)存取規(guī)模較大的K維樹節(jié)點(diǎn)的速度較慢的問題,提出一種基于空間劃分和多Kd樹的航跡點(diǎn)快速存取方法。實(shí)驗(yàn)結(jié)果表明,本文方法提高了障礙物密集環(huán)境下無人機(jī)隱蔽航跡的搜索速度。針對(duì)威脅環(huán)境下安全航跡的在線搜索問題,提出一種基于直覺模糊集靜態(tài)威脅區(qū)建模和動(dòng)態(tài)威脅可達(dá)集估計(jì)的在線航跡搜索算法。首先,針對(duì)傳統(tǒng)概率威脅模型沒有考慮無人機(jī)運(yùn)動(dòng)的問題,提出一種基于直覺模糊集的靜態(tài)威脅區(qū)建模方法,采用隸屬度、非隸屬度和猶豫度函數(shù)共同描述威脅,通過非隸屬度函數(shù)表達(dá)小型無人機(jī)的運(yùn)動(dòng)對(duì)它所受威脅的影響;然后,針對(duì)運(yùn)動(dòng)模型未知時(shí)傳統(tǒng)方法難以準(zhǔn)確估計(jì)動(dòng)態(tài)威脅可達(dá)范圍的問題,基于零和博弈理論對(duì)動(dòng)態(tài)威脅躲避問題進(jìn)行建模,提出一種根據(jù)動(dòng)態(tài)威脅攔截?zé)o人機(jī)的意圖來全面估計(jì)動(dòng)態(tài)威脅可達(dá)的無人機(jī)航跡點(diǎn)集(可達(dá)集)的方法;接下來,針對(duì)傳統(tǒng)在線航跡搜索方法的子目標(biāo)的啟發(fā)性不強(qiáng)的問題,提出一種新的子目標(biāo)選取方法,根據(jù)航跡搜索難度和航跡代價(jià)選取子目標(biāo)。實(shí)驗(yàn)結(jié)果表明,本文方法提高了威脅評(píng)估的可靠性和在線搜索低威脅航跡的速度。針對(duì)小型無人機(jī)的低碰撞航跡的在線航跡搜索問題,提出基于運(yùn)動(dòng)控制誤差估計(jì)的在線航跡搜索方法和動(dòng)態(tài)威脅可達(dá)集估計(jì)方法。首先,針對(duì)傳統(tǒng)的運(yùn)動(dòng)控制誤差處理方法計(jì)算復(fù)雜、啟發(fā)式航跡搜索方法隨機(jī)性強(qiáng)的問題,提出離線估計(jì)無人機(jī)運(yùn)動(dòng)控制誤差分布,并基于采樣空間約減技術(shù)在線搜索低碰撞航跡的方法;然后,為了提高靜態(tài)威脅評(píng)估的可靠性,提出一種在威脅區(qū)建模的過程中考慮運(yùn)動(dòng)控制誤差的方法;接下來,針對(duì)運(yùn)動(dòng)模型已知但約束條件較少時(shí)現(xiàn)有方法對(duì)環(huán)境信息利用不充分的問題,提出一種根據(jù)動(dòng)態(tài)威脅的意圖和對(duì)它路徑的估值全面估計(jì)動(dòng)態(tài)威脅可達(dá)集的方法;最后,針對(duì)傳統(tǒng)航跡調(diào)整方法計(jì)算復(fù)雜且未考慮無人機(jī)運(yùn)動(dòng)的問題,提出根據(jù)運(yùn)動(dòng)控制誤差和威脅區(qū)分布快速調(diào)整航跡以降低航跡上威脅量的方法。實(shí)驗(yàn)結(jié)果表明,本文方法提高了低碰撞航跡的搜索速度,以及靜態(tài)威脅和動(dòng)態(tài)威脅評(píng)估結(jié)果的準(zhǔn)確性。提出基于采樣空間約減的在線航跡優(yōu)化方法和基于估計(jì)最優(yōu)航跡代價(jià)的冗余航跡點(diǎn)約減方法。首先,針對(duì)傳統(tǒng)航跡化方法收斂速度慢以及傳統(tǒng)的基于啟發(fā)式代價(jià)函數(shù)的采樣空間約減方法不準(zhǔn)確、約減域調(diào)整速度慢、未充分利用環(huán)境信息的問題,提出一種新的采樣空間約減方法,并在此基礎(chǔ)上提出一種在線航跡優(yōu)化方法;然后,針對(duì)傳統(tǒng)順序約減方法沒有全面考慮航跡的優(yōu)化性指標(biāo)、捷徑約減方法收斂速度慢的問題,提出一種基于估計(jì)最優(yōu)航跡代價(jià)的冗余航跡點(diǎn)約減方法,通過在順序約減過程中嵌入捷徑法以提高約減過程的多樣性,在隨機(jī)約減過程中,算法根據(jù)估計(jì)的最優(yōu)航跡代價(jià)計(jì)算航跡點(diǎn)被約減的概率并自適應(yīng)調(diào)整該概率,同時(shí)采用順序方法控制隨機(jī)約減的范圍。實(shí)驗(yàn)結(jié)果表明,本文方法提高了航跡優(yōu)化效率和航跡的可飛性。綜上所述,本文的研究為解決低空障礙物密集環(huán)境及威脅環(huán)境下的在線航跡搜索和考慮小型無人機(jī)運(yùn)動(dòng)控制誤差的在線航跡搜索,以及在線航跡優(yōu)化和航跡可飛性處理等關(guān)鍵技術(shù)問題提供了新的思路和方法。
【關(guān)鍵詞】：小型無人機(jī)在線航跡規(guī)劃 靜態(tài)威脅區(qū)建模 動(dòng)態(tài)威脅可達(dá)集估計(jì) 運(yùn)動(dòng)控制誤差處理 航跡搜索與優(yōu)化 冗余航跡點(diǎn)約減
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：V279
【目錄】：

• 摘要4-6
• ABSTRACT6-16
• 第1章 緒論16-43
• 1.1 課題來源及研究的目的和意義16-18
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析18-36
• 1.2.1 常用的航跡搜索算法18-21
• 1.2.2 小型無人機(jī)在線航跡規(guī)劃框架21-23
• 1.2.3 密集障礙物躲避技術(shù)23-24
• 1.2.4 威脅區(qū)建模技術(shù)24-27
• 1.2.5 運(yùn)動(dòng)控制誤差處理技術(shù)27-31
• 1.2.6 在線航跡優(yōu)化及可飛性處理技術(shù)31-36
• 1.3 小型無人機(jī)在線航跡規(guī)劃中存在的問題及難點(diǎn)分析36-37
• 1.4 主要研究?jī)?nèi)容和章節(jié)安排37-43
• 1.4.1 主要研究?jī)?nèi)容37-38
• 1.4.2 組織結(jié)構(gòu)38-41
• 1.4.3 小型無人機(jī)的運(yùn)動(dòng)模型41-43
• 第2章 障礙物密集環(huán)境下的快速航跡搜索43-68
• 2.1 引言43-44
• 2.2 相關(guān)工作44-47
• 2.3 基于采樣空間約減的快速航跡搜索算法47-54
• 2.3.1 基于采樣空間約減的快速航跡搜索算法原理框圖47-48
• 2.3.2 均衡采樣空間邊界的確定和代價(jià)模型的建立48-51
• 2.3.3 采樣空間約減域的逐步構(gòu)造和航跡搜索51-53
• 2.3.4 小型無人機(jī)運(yùn)動(dòng)學(xué)約束條件的處理53-54
• 2.4 基于空間劃分和多K維樹的航跡樹節(jié)點(diǎn)快速存取54-56
• 2.4.1 基于空間劃分和多K維樹的航跡樹節(jié)點(diǎn)存儲(chǔ)方法54-56
• 2.4.2 采樣點(diǎn)的最近鄰樹節(jié)點(diǎn)快速搜索方法56
• 2.5 算法分析56-57
• 2.6 航跡平滑57-59
• 2.6.1 基于Dubins曲線的航跡平滑57-58
• 2.6.2 被阻塞的Dubins航跡段的重規(guī)劃58-59
• 2.7 實(shí)驗(yàn)結(jié)果和分析59-67
• 2.7.1 仿真實(shí)驗(yàn)環(huán)境59-60
• 2.7.2 實(shí)驗(yàn)結(jié)果分析60-67
• 2.8 本章小結(jié)67-68
• 第3章 基于威脅建模的在線安全航跡搜索68-96
• 3.1 引言68-69
• 3.2 相關(guān)工作69-70
• 3.3 基于威脅建模的在線航跡搜索算法原理框圖70-71
• 3.4 環(huán)境威脅的建模71-79
• 3.4.1 基于直覺模糊集的靜態(tài)威脅區(qū)建模71-75
• 3.4.2 運(yùn)動(dòng)模型未知時(shí)的動(dòng)態(tài)威脅可達(dá)集估計(jì)75-79
• 3.5 基于威脅建模在線搜索航跡79-85
• 3.5.1 在線航跡搜索的子目標(biāo)的啟發(fā)式選取方法79-83
• 3.5.2 基于威脅建模的在線航跡搜索算法83-85
• 3.5.3 算法分析85
• 3.6 實(shí)驗(yàn)結(jié)果和分析85-95
• 3.6.1 仿真實(shí)驗(yàn)環(huán)境86-87
• 3.6.2 實(shí)驗(yàn)結(jié)果分析87-95
• 3.7 本章小結(jié)95-96
• 第4章 基于運(yùn)動(dòng)控制誤差估計(jì)的在線低碰撞航跡搜索96-119
• 4.1 引言96-97
• 4.2 相關(guān)工作97-98
• 4.3 基于運(yùn)動(dòng)控制誤差估計(jì)的小型無人機(jī)在線航跡搜索算法原理框圖98-99
• 4.4 環(huán)境威脅的建模與航跡安全性處理99-104
• 4.4.1 考慮無人機(jī)運(yùn)動(dòng)控制誤差的靜態(tài)威脅區(qū)建模99-100
• 4.4.2 運(yùn)動(dòng)模型已知時(shí)的動(dòng)態(tài)威脅可達(dá)集估計(jì)100-102
• 4.4.3 考慮無人機(jī)運(yùn)動(dòng)控制誤差的多威脅集成102-103
• 4.4.4 考慮無人機(jī)運(yùn)動(dòng)控制誤差的航跡安全性調(diào)整方法103-104
• 4.5 基于運(yùn)動(dòng)控制誤差估計(jì)在線搜索航跡104-107
• 4.5.1 基于運(yùn)動(dòng)控制誤差估計(jì)的采樣空間約減104-105
• 4.5.2 基于運(yùn)動(dòng)控制誤差估計(jì)的在線航跡搜索算法105-107
• 4.5.3 算法分析107
• 4.6 實(shí)驗(yàn)結(jié)果和分析107-118
• 4.6.1 仿真實(shí)驗(yàn)環(huán)境107-109
• 4.6.2 實(shí)驗(yàn)結(jié)果分析109-118
• 4.7 本章小結(jié)118-119
• 第5章 在線航跡優(yōu)化與冗余航跡點(diǎn)約減119-146
• 5.1 引言119-120
• 5.2 相關(guān)工作120-121
• 5.3 在線航跡優(yōu)化及冗余航跡點(diǎn)約減算法原理框圖與在線航跡優(yōu)化目標(biāo)121-123
• 5.3.1 在線航跡優(yōu)化及冗余航跡點(diǎn)約減算法原理框圖121-122
• 5.3.2 在線航跡優(yōu)化目標(biāo)122-123
• 5.4 在線航跡優(yōu)化方法123-129
• 5.4.1 基于威脅建模的采樣空間約減域構(gòu)造方法123-126
• 5.4.2 基于采樣空間約減的在線航跡優(yōu)化方法126-129
• 5.5 基于估計(jì)最優(yōu)航跡代價(jià)的冗余航跡點(diǎn)約減129-133
• 5.5.1 基于估計(jì)最優(yōu)航跡代價(jià)的航跡點(diǎn)被約減概率的計(jì)算129-131
• 5.5.2 基于估計(jì)最優(yōu)航跡代價(jià)的冗余航跡點(diǎn)約減方法131-133
• 5.6 在線低代價(jià)航跡規(guī)劃算法133-135
• 5.6.1 在線低代價(jià)航跡規(guī)劃算法實(shí)現(xiàn)133-134
• 5.6.2 算法分析134-135
• 5.7 實(shí)驗(yàn)結(jié)果和分析135-145
• 5.7.1 仿真實(shí)驗(yàn)環(huán)境135-136
• 5.7.2 實(shí)驗(yàn)結(jié)果分析136-145
• 5.8 本章小結(jié)145-146
• 結(jié)論146-148
• 參考文獻(xiàn)148-167
• 攻讀博士學(xué)位期間發(fā)表的論文及其它成果167-169
• 致謝169-170
• 個(gè)人簡(jiǎn)歷170

，

本文編號(hào)：577951