CN105929848A - 一种三维环境中的多无人机系统的航迹规划方法 - Google Patents

一种三维环境中的多无人机系统的航迹规划方法 Download PDF

Info

Publication number
CN105929848A
CN105929848A CN201610488655.7A CN201610488655A CN105929848A CN 105929848 A CN105929848 A CN 105929848A CN 201610488655 A CN201610488655 A CN 201610488655A CN 105929848 A CN105929848 A CN 105929848A
Authority
CN
China
Prior art keywords
cost
flight path
chromosome
unmanned plane
overbar
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610488655.7A
Other languages
English (en)
Inventor
贾广芝
曹科才
岳东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201610488655.7A priority Critical patent/CN105929848A/zh
Publication of CN105929848A publication Critical patent/CN105929848A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种三维环境中的多无人机系统的航迹规划方法,属于无人机航迹规划技术领域。本方法针对无人机航迹规划的特点,其中方法包括以下步骤:获取无人机飞行环境的高程、威胁信息,并生成飞行环境的三维网格地图;利用改进遗传算法进行多无人机的航迹规划;利用B样条曲线对规划好的航迹进行平滑处理,最终形成满足无人机运动约束的航迹。该发明提出的航迹规划方法利用遗传算法可以为多无人机规划出确定的最优飞行路径,提高了任务完成效率。可应用于无人机侦察、监控、救援路径规划等技术领域。

Description

一种三维环境中的多无人机系统的航迹规划方法
技术领域
本发明涉及无人机航迹规划技术领域,特别是一种三维环境中的多无人机系统的航迹规划方法。
背景技术
近年来,无人机因为能快速反应,能搭载多种类型传感器,将影像实时传输,能进行高危地区探测,无人操作等许多优点而受到了军用、商用和民用三方面的重视,发展迅猛。无人机的航迹规划是无人机研究的一个重要领域,其目的是根据任务目标在有障碍的环境中规划出一条满足约束条件的最优无碰撞飞行轨迹。目前单无人机可以在简单的环境中规划出满足任务需求的航迹,然而,随着目标区域范围的扩大,任务数量增加,单无人机将花费很长时间才能完成任务。由于近来无人机的成本降低,使用多架无人机来高效、快速完成任务成为可能。多无人机的应用带来了更复杂的航迹规划、任务分配问题。
多无人机航迹规划属于多旅行商问题,该问题是NP-hard问题。目前,针对多无人机航迹规划问题,研究者提出的解决方案较少。
现有的无人机航迹规划算法有A*算法、蚁群算法、粒子群优化算法、人工势场法、遗传算法等,它们各有优缺点。A*算法计算简单,容易实现,但启发函数的选取限制了全局最优性;蚁群算法、粒子群优化算法和人工势场法则容易陷入局部最优。
遗传算法是基于自然选择和基因遗传学原理的搜索算法。遗传算法是一种新的全局最优搜索算法,简单实用,适合并行处理,搜索过程灵活,具有较好的普适性和易扩充性,在为NP-hard问题找到可行解领域得到广泛的应用。遗传算法的基本操作包括编码、群体生成、适应度函数的构造、遗传操作等。其中,种群中个体分布的多样性,对遗传算法运行效率的起着至关重要的作用。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,而提供一种三维环境中的多无人机系统的航迹规划方法,该方法可以快速生成多无人机所需的安全飞行路径。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种三维环境中的多无人机系统的航迹规划方法,包括以下步骤:
步骤1、飞行环境建模:UAV飞行三维空间表示为{(x,y,z)|0≤x≤Xmax,0≤y≤Ymax,0≤z≤Zmax},采用网格三维编码方式对搜索空间进行编码,将搜索空间离散化为若干个网格;其中,Xmax,Ymax,Zmax分别为三维空间x,y,z三个方向的上界;
步骤2、设置无人机航迹规划的初始条件,包含规划的起始点、目标点、威胁分布及障碍信息;
步骤3、根据任务要求,利用改进遗传算法对多无人机进行航迹规划,生成全局最优的参考航迹;具体如下:
(301)、根据步骤2中设置的无人机航迹规划的初始条件,采用整数编码方法随机生成M条染色体组成种群,每条染色体表示多条飞行路径;
(302)、确定无人机航迹的代价函数:
(3021)、每一条航迹的代价函数为:
F=w1×f1(Ri)+wh×f2(Ri)+wd×f3(Ri)+ws×f4(Ri)
其中,w1,wh,wd,ws分别为航程代价、高程代价、威胁代价、偏转角代价在总代价F中占的比重,且满足w1+wh+wd+ws=1,f1(Ri)为航程代价,f2(Ri)为高程代价,f3(Ri)为威胁代价,f4(Ri)为偏转角代价,R为所有可飞航路集合,i为整数且0<i≤R;
(3022)、对航迹代价函数中各子代价f1(Ri)、f2(Ri)、f3(Ri)、f4(Ri)分别进行归一化处理,分别得到归一化后的子代价
(3023)、构造具有随进化代数动态调整的非线性适应度函数为:
F * = &lsqb; n m &rsqb; F &OverBar;
F &OverBar; = w l &times; f 1 &OverBar; ( R i ) + w h &times; f 2 &OverBar; ( R i ) + w d &times; f 3 &OverBar; ( R i ) + w s &times; f 4 &OverBar; ( R i )
F*为非线性适应度函数,为归一化后的总代价函数,表示取值不大于的整数值,m=1+lnN,N为设定的最大进化代数,n为当前进化代数;
(303)、采用轮盘赌选择和锦标赛选择结合机制,从M条染色体中选取Q条染色体组成父代种群,然后对该父代种群中的个体进行进化操作,通过进化操作生成新个体,将新个体加入到原来的M条染色体中形成新种群,按照步骤(3023)中的非线性适应度函数计算出新种群中每个个体的适应度,删除新种群中Q条适应度最小的染色体,使其大小恢复到原来的染色体大小M;
(304)、重复步骤(303)直到满足终止条件,则从新种群中选出适应度最大的染色体即为所求航迹,至此就得到了多无人机的全局最优参考航迹;终止条件为:新种群中计算得到的最大适应度值保持不变;
步骤4、利用B样条曲线对步骤3得到的多无人机全局最优的参考航迹进行平滑处理,得到最终的平滑飞行路径。
作为本发明所述的一种三维环境中的多无人机系统的航迹规划方法进一步优化方案,所述步骤2中起始点位于三维空间最左下方的顶点,目标点位于三维空间右上方位。
作为本发明所述的一种三维环境中的多无人机系统的航迹规划方法进一步优化方案,所述步骤(301)中的每条染色体长度CS为:
CS=CP+U-1
其中,CS表示染色体长度,CP表示估计的航迹点数目,U表示无人机数目,起始点编码为0。
作为本发明所述的一种三维环境中的多无人机系统的航迹规划方法进一步优化方案,所述步骤(3022)中的归一化处理的方法如下:
f k &OverBar; ( R i ) = f k ( R i ) - min ( f k ( R i ) ) max ( f k ( R i ) ) - min ( f k ( R i ) )
其中,k=1,2,3,4,max(fk(Ri))、min(fk(Ri)分别为子代价的上下限。
作为本发明所述的一种三维环境中的多无人机系统的航迹规划方法进一步优化方案,所述步骤4中,利用B样条曲线对于航迹中拐点进行平滑处理,得到最终的平滑飞行路径。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明采用改进的GA算法,利用网格空间编码,采用随机法生成初始种群,轮盘选择和锦标赛选择结合机制选择父代,此外,构造具有随进化代数动态调整的非线性适应度函数,增加了种群的多样性,避免早熟现象;
(2)采用一条染色体代表多条路径,减少了种群的大小,加快GA算法运行效率,并且采用B样条曲线方法平滑,实现多无人机系统规避威胁全局最优航迹规划,增强了航迹规划的快速性和有效性,提高了任务完成效率。
附图说明
图1为本发明实现步骤的流程框图。
图2为本发明的遗传算法流程图。
图3为具体实施方式中遗传算法中的交叉操作。
图4为具体实施方式中遗传算法中的变异操作;其中,(a)为路径内部变异,(b)为两条路径之间的变异。
图5为具体实施方式中遗传算法中的局部搜索操作;其中,(a)为原路径,(b)为进行局部搜索选取了点2和点7更新后的新路径。
图6为具体实施方式中B样条曲线示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明进行详细描述。
图1为本发明实现步骤的流程框图,本发明方法如下:
步骤1:飞行环境建模。
区域中自然边界复杂,首先对数字地图复杂的障碍物边界进行凸包计算,用所得凸包近似替代障碍区域降低了对环境建模的复杂性。
UAV飞行三维空间表示为{(x,y,z)|0≤x≤Xmax,0≤y≤Ymax,0≤z≤Zmax},其中,Xmax,Ymax,Zmax分别为三维空间x,y,z三个方向的上界。航迹规划需要对搜索空间进行编码,这里采用网格三维编码方式,将空间离散化。本发明采用稍大的网格度量,即网格的度量=10×无人机的一个飞行控制步长时间×无人机的最大飞行速度。航迹点的搜索空间为地表面上方距地面m×h的网格点(h为垂直方向上网格点间距,m为规划区域内地表面上方编码的层数)。这样在算法搜索中直接完成地形跟随,避免地形碰撞。
步骤2:无人机航迹规划条件初始化,具体实现方法为:
(1)给定网格化后的环境空间中每个单元的障碍信息、威胁信息;
(2)在离散化空间中找到起始点S和多个目标点Tr;所述起始点S位于三维空间最左下方的顶点,目标点位于三维空间右上方位;
步骤3:根据任务要求,利用遗传算法生成全局最优的参考航迹;图2为本发明的遗传算法流程图;具体实现方法为:
步骤3.1,根据步骤2中设置的无人机航迹规划初始条件,采用整数编码方法,随机生成M条染色体。每条染色体表多条飞行航迹;所有航迹的第一个节点坐标相同;
其中所述染色体的长度为CS:
CS=CP+U-1
CS表示染色体长度,CP表示估计的航迹点数目,U表示无人机数目。起始点编码为0。本发明附图中图3、图4的无人机数目为3架,航迹点为20个;因为三架无人机的初始点相同故染色体长度为CS=20+3-1=22。
步骤3.2,计算步骤3.1得到的每一条航迹的代价F
F=w1×f1+wh×fh+wd×fd+ws×fs
为航程代价,为相邻航迹段距离之和,假定起始点s为第0个航路点,目标点Tr为第N个航路点。其中di,i+1表示两个相邻航迹点的距离。
为高程代价,为各段航迹平均高程之和。其中hi表示航迹点i的高度。
为综合威胁代价,di,j为第i个航路点与第j个威胁点的距离,m为威胁点的个数,Kj、Rj分别为第j个威胁的强度和作用半径。
为偏转角代价,θi∈(0,π),θi是与节点i相连的两个路径段矢量之间的偏转角度,a为调节系数。
w1,wh,wd,ws为航程、高程、威胁代价、偏转角代价在总代价中占的比重,且满足w1+wh+wd+ws=1。
在航迹代价函数中,由于各个子代价函数数量级差异很大,为此,必须对航迹代价函数中各分代价进行归一化。
在下面:f1用f1(Ri)表示,fh用f2(Ri)表示,fd用f3(Ri)表示,fs用f4(Ri)表示;
fk(k=1,2,3,4)经过下式归一化处理得到
f k &OverBar; ( R i ) = f k ( R i ) - m i n ( f k ( R i ) ) m a x ( f k ( R i ) ) - min ( f k ( R i ) )
R为所有可飞航路集合;为R中第i条航路的第k个归一化的子分代。通过归一化,各子代价函数变为0~1之间的无量纲的数,对航迹总代价具有相同的灵敏度。
适应度函数的选取应尽量地避免早熟现象,即降低适应度较高的个体与其它个体适应度之间的差异,限制其复制数量以维护群体多样性。本发明构造具有随进化代数动态调整的非线性适应度函数为
F * = &lsqb; n m &rsqb; F &OverBar;
F &OverBar; = w l &times; f 1 &OverBar; ( R i ) + w h &times; f 2 &OverBar; ( R i ) + w d &times; f 3 &OverBar; ( R i ) + w s &times; f 4 &OverBar; ( R i )
F*为非线性适应度函数,为归一化后的总代价函数,表示取值不大于的整数值,m=1+lnN,N为设定的最大进化代数取N=200,n为当前进化代数。在遗传算法运行后期阶段能够扩大最佳个体适应度与其它个体适应度之间的差异,提高个体之间的竞争性。
步骤3.3,采用轮盘赌选择和锦标赛选择结合机制,从M条染色体中选取Q条染色体组成父代种群,然后对该父代种群中的个体进行进化操作,通过进化操作生成新个体,将新个体加入到原来的M条染色体中形成新种群,按照步骤3.2中的非线性适应度函数计算出新种群中每个个体的适应度,删除新种群中Q条适应度最小的染色体,使其大小恢复到原来的染色体大小M;
其中所述的进化操作包括如下形式:
(1)交叉操作,其具体作用形式如图3所示。
随机选择父代染色体中两条航迹重新组合,生成两条新的航迹;交叉包含两种方式:单点交叉、多点交叉。
(2)变异操作,其具体作用形式如图4所示。
交叉之后子代经历的变异,实际上是子代基因按小概率扰动产生的变化,群体中的个体码串随机挑选一个或多个基因位并对这些基因位的基因值做异动。从路径的角度来讲可以分为两种变异方式:路径内部变异、两条路径之间的变异:图4中的(a)为路径内部变异、图4中的(b)为两条路径之间的变异。
(3)插入、删除操作
插入、删除操作主要是为了避免无人机的路径中含有障碍网格,并保证原来的最短路径要求。假设所述起始点S位于三维空间最左下方的顶点,目标点位于三维空间右上方位,故按照右、右上及上三个方向插入,当三个方向上都是自由网格时,右上网格优先;无人机航迹段穿越威胁区域或违反其运动约束,则删除该航迹段的网格。
(4)局部搜索,其具体作用形式如图5所示,图5中的(a)为原路径,图5中的(b)为进行局部搜索选取了点2和点7更新后的新路径。
本发明的局部搜索采用2-opt算法。对前面步骤产生的染色体随机选取染色体上的两点g和k,将g之前的路径不变添加到新路径中,将g到k之间的路径翻转其编号后添加到新路径中,将k之后的路径不变添加到新路径中。获得的新路径与原路径比较,若其适应度函数大于原路径,则更新路径。
步骤3.4,重复步骤3.3直到满足终止条件,则从新种群中选出适应度最大的染色体即为所求航迹,至此就得到了多无人机的全局最优参考航迹;终止条件为:新种群中计算得到的最大适应度值保持不变。
步骤4:利用B样条曲线对步骤3得到的全局最优航迹进行平滑处理。本发明使用最为广泛的3阶B样条曲线作为平滑路径产生的方法,任三个相邻的控制点则连成三角形,曲线即落在所有控制点所形成的三角形连接区域中。3阶B样条曲线和控制点见的关系如下:
S i ( t ) = &lsqb; t 3 t 2 t 1 &rsqb; 1 6 - 1 3 - 3 1 3 - 6 3 0 - 3 0 3 0 1 4 1 0 p i p i + 1 p i + 2 p i + 3
其中,pi、pi+1、pi+2、pi+3为控制点,t3表示该样条曲线是3阶的。
其具体作用形式如图6所示,图中的点表示航迹点,折线为步骤3得到的无人机航迹,曲线为经过步骤4平滑后的无人机航迹。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围内。

Claims (5)

1.一种三维环境中的多无人机系统的航迹规划方法,其特征在于,包括以下步骤:
步骤1、飞行环境建模:UAV飞行三维空间表示为{(x,y,z)|0≤x≤Xmax,0≤y≤Ymax,0≤z≤Zmax},采用网格三维编码方式对搜索空间进行编码,将搜索空间离散化为若干个网格;其中,Xmax,Ymax,Zmax分别为三维空间x,y,z三个方向的上界;
步骤2、设置无人机航迹规划的初始条件,包含规划的起始点、目标点、威胁分布及障碍信息;
步骤3、根据任务要求,利用改进遗传算法对多无人机进行航迹规划,生成全局最优的参考航迹;具体如下:
(301)、根据步骤2中设置的无人机航迹规划的初始条件,采用整数编码方法随机生成M条染色体组成种群,每条染色体表示多条飞行路径;
(302)、确定无人机航迹的代价函数:
(3021)、每一条航迹的代价函数为:
F=wl×f1(Ri)+wh×f2(Ri)+wd×f3(Ri)+ws×f4(Ri)
其中,wl,wh,wd,ws分别为航程代价、高程代价、威胁代价、偏转角代价在总代价F中占的比重,且满足wl+wh+wd+ws=1,f1(Ri)为航程代价,f2(Ri)为高程代价,f3(Ri)为威胁代价,f4(Ri)为偏转角代价,R为所有可飞航路集合,i为整数且0<i≤R;
(3022)、对航迹代价函数中各子代价f1(Ri)、f2(Ri)、f3(Ri)、f4(Ri)分别进行归一化处理,分别得到归一化后的子代价
(3023)、构造具有随进化代数动态调整的非线性适应度函数为:
F * = &lsqb; n m &rsqb; F &OverBar;
F &OverBar; = w 1 &times; f 1 &OverBar; ( R i ) + w h &times; f 2 &OverBar; ( R i ) + w d &times; f 3 &OverBar; ( R i ) + w s &times; f 4 &OverBar; ( R i )
F*为非线性适应度函数,为归一化后的总代价函数,表示取值不大于的整数值,m=1+lnN,N为设定的最大进化代数,n为当前进化代数;
(303)、采用轮盘赌选择和锦标赛选择结合机制,从M条染色体中选取Q条染色体组成父代种群,然后对该父代种群中的个体进行进化操作,通过进化操作生成新个体,将新个体加入到原来的M条染色体中形成新种群,按照步骤(3023)中的非线性适应度函数计算出新种群中每个个体的适应度,删除新种群中Q条适应度最小的染色体,使其大小恢复到原来的染色体大小M;
(304)、重复步骤(303)直到满足终止条件,则从新种群中选出适应度最大的染色体即为所求航迹,至此就得到了多无人机的全局最优参考航迹;终止条件为:新种群中计算得到的最大适应度值保持不变;
步骤4、利用B样条曲线对步骤3得到的多无人机全局最优的参考航迹进行平滑处理,得到最终的平滑飞行路径。
2.根据权利要求1所述的一种三维环境中的多无人机系统的航迹规划方法,其特征在于,所述步骤2中起始点位于三维空间最左下方的顶点,目标点位于三维空间右上方位。
3.根据权利要求1所述的一种三维环境中的多无人机系统的航迹规划方法,其特征在于,所述步骤(301)中的每条染色体长度CS为:
CS=CP+U-1
其中,CS表示染色体长度,CP表示估计的航迹点数目,U表示无人机数目,起始点编码为0。
4.根据权利要求1所述的一种三维环境中的多无人机系统的航迹规划方法,其特征在于,所述步骤(3022)中的归一化处理的方法如下:
f k &OverBar; ( R i ) = f k ( R i ) - m i n ( f k ( R i ) ) m a x ( f k ( R i ) ) - min ( f k ( R i ) )
其中,k=1,2,3,4,max(fk(Ri))、min(fk(Ri)分别为子代价的上下限。
5.根据权利要求1所述的一种三维环境中的多无人机系统的航迹规划方法,其特征在于,所述步骤4中,利用B样条曲线对于航迹中拐点进行平滑处理,得到最终的平滑飞行路径。
CN201610488655.7A 2016-06-28 2016-06-28 一种三维环境中的多无人机系统的航迹规划方法 Pending CN105929848A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610488655.7A CN105929848A (zh) 2016-06-28 2016-06-28 一种三维环境中的多无人机系统的航迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610488655.7A CN105929848A (zh) 2016-06-28 2016-06-28 一种三维环境中的多无人机系统的航迹规划方法

Publications (1)

Publication Number Publication Date
CN105929848A true CN105929848A (zh) 2016-09-07

Family

ID=56829744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610488655.7A Pending CN105929848A (zh) 2016-06-28 2016-06-28 一种三维环境中的多无人机系统的航迹规划方法

Country Status (1)

Country Link
CN (1) CN105929848A (zh)

Cited By (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106595663A (zh) * 2016-11-28 2017-04-26 四川航天系统工程研究所 结合搜索与优化的飞行器自主航迹规划方法
CN106709601A (zh) * 2016-12-19 2017-05-24 广西师范大学 基于元胞量子遗传算法与ph曲线相结合的无人机三维航迹规划方法
CN106774421A (zh) * 2017-02-10 2017-05-31 郑州云海信息技术有限公司 一种无人机轨迹规划系统
CN106979784A (zh) * 2017-03-16 2017-07-25 四川大学 基于混合鸽群算法的非线性航迹规划
CN107037829A (zh) * 2017-05-09 2017-08-11 广东容祺智能科技有限公司 一种集群无人机航线规划方法
CN107037826A (zh) * 2017-04-14 2017-08-11 合肥工业大学 无人机探测任务分配方法及装置
CN107103164A (zh) * 2017-05-27 2017-08-29 合肥工业大学 无人机执行多任务的分配方法及装置
CN107145161A (zh) * 2017-05-27 2017-09-08 合肥工业大学 无人机访问多目标点的航迹规划方法及装置
CN107144288A (zh) * 2017-05-19 2017-09-08 北京旋极伏羲大数据技术有限公司 一种无路网地形条件下的路径规划的方法及其装置
CN107168380A (zh) * 2017-06-28 2017-09-15 西安电子科技大学 一种基于蚁群算法的无人机群区域覆盖的多步寻优方法
CN107238388A (zh) * 2017-05-27 2017-10-10 合肥工业大学 多无人机任务分配与航迹规划联合优化方法及装置
CN107478231A (zh) * 2017-08-10 2017-12-15 千寻位置网络有限公司 基于多边形障碍检测的无人机路线规划算法
CN107478233A (zh) * 2017-08-25 2017-12-15 中国地质大学(武汉) 一种地质勘探航迹规划方法及系统
CN107608372A (zh) * 2017-08-14 2018-01-19 广西师范大学 一种基于改进rrt算法与改进ph曲线相结合的多无人机协同航迹规划方法
CN107728642A (zh) * 2017-10-30 2018-02-23 北京博鹰通航科技有限公司 一种无人机飞行控制系统及其方法
CN108107911A (zh) * 2017-12-28 2018-06-01 北京航空航天大学 一种太阳能飞机自主寻优航迹规划方法
CN108204814A (zh) * 2016-12-20 2018-06-26 南京理工大学 无人机三维场景路径导航平台及其三维改进路径规划方法
CN108513644A (zh) * 2017-12-18 2018-09-07 深圳市大疆创新科技有限公司 无人机避障方法及无人机
CN108646782A (zh) * 2018-05-03 2018-10-12 南昌大学 一种无人机安全飞行方法
CN108919641A (zh) * 2018-06-21 2018-11-30 山东科技大学 一种基于改进樽海鞘算法的无人机航迹规划方法
CN108957435A (zh) * 2018-05-21 2018-12-07 西安电子科技大学 基于遗传算法的航迹匹配方法
CN108955645A (zh) * 2018-07-16 2018-12-07 福州日兆信息科技有限公司 应用于通信铁塔智能巡检的三维建模方法及装置
CN109215398A (zh) * 2018-11-05 2019-01-15 飞牛智能科技(南京)有限公司 一种无人机航路规划方法及装置
CN109448434A (zh) * 2018-10-16 2019-03-08 张亮 无人驾驶车辆群体决策方法
CN109540212A (zh) * 2018-11-30 2019-03-29 湖南世优电力科技股份有限公司 一种基于大数据的电缆井状态评估预警系统及方法
CN109541960A (zh) * 2017-09-21 2019-03-29 成都紫瑞青云航空宇航技术有限公司 一种用于飞行器数字化战场对抗的系统和方法
CN109656264A (zh) * 2017-10-11 2019-04-19 波音公司 用于为飞行器生成到着陆地点的3d路径的计算机实施的方法和系统
CN109683630A (zh) * 2019-01-25 2019-04-26 南京邮电大学 基于粒子群和prm算法的无人机航迹规划方法
CN109976329A (zh) * 2017-12-28 2019-07-05 郑州宇通客车股份有限公司 一种车辆避障换道路径的规划方法
CN109981161A (zh) * 2019-03-13 2019-07-05 南京邮电大学 一种基于发布订阅的多无人机通信模式的设计方法
CN110244002A (zh) * 2019-06-11 2019-09-17 徐州工业职业技术学院 一种基于无人机系统的大气污染源追踪方法
CN110244750A (zh) * 2019-04-25 2019-09-17 中国南方电网有限责任公司超高压输电公司昆明局 一种无人机巡视路径规划方法及装置
CN110262567A (zh) * 2019-06-27 2019-09-20 深圳市道通智能航空技术有限公司 一种路径中继点空间生成方法、装置和无人机
CN110296703A (zh) * 2019-06-21 2019-10-01 中国人民解放军陆军工程大学 一种应用于大规模无人机群系统中的地理位置编码方法
CN110427046A (zh) * 2019-07-26 2019-11-08 沈阳航空航天大学 一种三维平滑随机游走无人机群移动模型
CN111024081A (zh) * 2019-12-01 2020-04-17 中国人民解放军军事科学院评估论证研究中心 一种无人机群对单移动时敏目标侦察路径规划方法
CN111207766A (zh) * 2020-01-07 2020-05-29 深圳南方德尔汽车电子有限公司 基于Bspline全局路径规划方法、装置、计算机设备及存储介质
CN111399541A (zh) * 2020-03-30 2020-07-10 西北工业大学 无监督学习型神经网络的无人机全区域侦察路径规划方法
CN111813144A (zh) * 2020-06-11 2020-10-23 南京航空航天大学 一种基于改进羊群算法的多无人机协同航路规划方法
CN112033416A (zh) * 2020-09-18 2020-12-04 中原工学院 一种无人机静态航迹规划方法和装置
CN112198901A (zh) * 2020-05-14 2021-01-08 北京航空航天大学 一种基于三维动态碰撞区的无人机自主避撞决策方法
CN112327939A (zh) * 2020-10-15 2021-02-05 广东工业大学 一种城市街区环境下高层消防多无人机协同路径规划方法
WO2021078164A1 (zh) * 2019-10-21 2021-04-29 深圳市道通智能航空技术有限公司 无人机及其飞行轨迹的生成方法、计算机可读存储介质
CN112784497A (zh) * 2021-02-05 2021-05-11 中国人民解放军93534部队 一种基于遗传算法的地面雷达组网开机优化方法
CN113253761A (zh) * 2021-06-08 2021-08-13 北京远度互联科技有限公司 实时路径规划方法、装置、可移动载具及存储介质
CN115220480A (zh) * 2022-07-08 2022-10-21 北斗伏羲中科数码合肥有限公司 带有约束条件的无人机航迹规划方法、装置及电子设备
CN115903830A (zh) * 2022-12-07 2023-04-04 杭州丰坦机器人有限公司 基于激光测距导航功能的建筑agv底盘
CN117075484A (zh) * 2023-10-18 2023-11-17 山东科技大学 一种水下无人器返航路径规划方法
CN117387634A (zh) * 2023-12-13 2024-01-12 江西啄木蜂科技有限公司 基于用户偏好的变色木林区无人机路径多目标规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
CN103413186A (zh) * 2013-08-19 2013-11-27 中国电子科技集团公司第二十八研究所 一种基于混合优化算法的多飞行器协同目标分配方法
CN103542852A (zh) * 2013-10-23 2014-01-29 上海大学 一种基于分割法的无人机路径规划方法
CN104075717A (zh) * 2014-01-21 2014-10-01 武汉吉嘉伟业科技发展有限公司 一种基于改进a*算法的无人机航线规划算法
CN105259791A (zh) * 2015-11-16 2016-01-20 哈尔滨工业大学 一种基于通用切削能耗模型的加工参数优化方法
EP3032368A1 (en) * 2014-12-09 2016-06-15 Sikorsky Aircraft Corporation Unmanned aerial vehicle control handover planning

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
CN103413186A (zh) * 2013-08-19 2013-11-27 中国电子科技集团公司第二十八研究所 一种基于混合优化算法的多飞行器协同目标分配方法
CN103542852A (zh) * 2013-10-23 2014-01-29 上海大学 一种基于分割法的无人机路径规划方法
CN104075717A (zh) * 2014-01-21 2014-10-01 武汉吉嘉伟业科技发展有限公司 一种基于改进a*算法的无人机航线规划算法
EP3032368A1 (en) * 2014-12-09 2016-06-15 Sikorsky Aircraft Corporation Unmanned aerial vehicle control handover planning
CN105259791A (zh) * 2015-11-16 2016-01-20 哈尔滨工业大学 一种基于通用切削能耗模型的加工参数优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZHAO MING,ETC.: "Improved discrete mapping differential evolution for multi-unmanned aerial vehicles cooperative multi-targets assignment under unified model", 《INTERNATIONAL JOURNAL OF MACHINE LEARNING AND CYBERNETICS》 *
刘莉等: "小型无人机快速三维航迹规划方法", 《系统工程与电子技术》 *
张思才等: "一种遗传算法适应度函数的改进方法", 《计算机应用与软件》 *
李世晓等: "基于协同进化的多无人机航迹规划研究", 《计算机仿真》 *

Cited By (76)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106595663A (zh) * 2016-11-28 2017-04-26 四川航天系统工程研究所 结合搜索与优化的飞行器自主航迹规划方法
CN106709601A (zh) * 2016-12-19 2017-05-24 广西师范大学 基于元胞量子遗传算法与ph曲线相结合的无人机三维航迹规划方法
CN108204814A (zh) * 2016-12-20 2018-06-26 南京理工大学 无人机三维场景路径导航平台及其三维改进路径规划方法
CN106774421A (zh) * 2017-02-10 2017-05-31 郑州云海信息技术有限公司 一种无人机轨迹规划系统
CN106979784A (zh) * 2017-03-16 2017-07-25 四川大学 基于混合鸽群算法的非线性航迹规划
CN107037826A (zh) * 2017-04-14 2017-08-11 合肥工业大学 无人机探测任务分配方法及装置
CN107037826B (zh) * 2017-04-14 2019-11-12 合肥工业大学 无人机探测任务分配方法及装置
CN107037829A (zh) * 2017-05-09 2017-08-11 广东容祺智能科技有限公司 一种集群无人机航线规划方法
CN107144288B (zh) * 2017-05-19 2020-02-18 北京旋极伏羲大数据技术有限公司 一种无路网地形条件下的路径规划的方法及其装置
CN107144288A (zh) * 2017-05-19 2017-09-08 北京旋极伏羲大数据技术有限公司 一种无路网地形条件下的路径规划的方法及其装置
CN107238388B (zh) * 2017-05-27 2018-02-23 合肥工业大学 多无人机任务分配与航迹规划联合优化方法及装置
US10140875B1 (en) 2017-05-27 2018-11-27 Hefei University Of Technology Method and apparatus for joint optimization of multi-UAV task assignment and path planning
CN107103164A (zh) * 2017-05-27 2017-08-29 合肥工业大学 无人机执行多任务的分配方法及装置
CN107145161A (zh) * 2017-05-27 2017-09-08 合肥工业大学 无人机访问多目标点的航迹规划方法及装置
CN107103164B (zh) * 2017-05-27 2020-08-28 合肥工业大学 无人机执行多任务的分配方法及装置
CN107238388A (zh) * 2017-05-27 2017-10-10 合肥工业大学 多无人机任务分配与航迹规划联合优化方法及装置
CN107168380A (zh) * 2017-06-28 2017-09-15 西安电子科技大学 一种基于蚁群算法的无人机群区域覆盖的多步寻优方法
CN107168380B (zh) * 2017-06-28 2020-06-05 西安电子科技大学 一种基于蚁群算法的无人机群区域覆盖的多步寻优方法
CN107478231A (zh) * 2017-08-10 2017-12-15 千寻位置网络有限公司 基于多边形障碍检测的无人机路线规划算法
CN107608372B (zh) * 2017-08-14 2020-12-04 广西师范大学 一种基于改进rrt算法与改进ph曲线相结合的多无人机协同航迹规划方法
CN107608372A (zh) * 2017-08-14 2018-01-19 广西师范大学 一种基于改进rrt算法与改进ph曲线相结合的多无人机协同航迹规划方法
CN107478233B (zh) * 2017-08-25 2019-08-20 中国地质大学(武汉) 一种地质勘探航迹规划方法及系统
CN107478233A (zh) * 2017-08-25 2017-12-15 中国地质大学(武汉) 一种地质勘探航迹规划方法及系统
CN109541960B (zh) * 2017-09-21 2022-06-10 成都紫瑞青云航空宇航技术有限公司 一种用于飞行器数字化战场对抗的系统和方法
CN109541960A (zh) * 2017-09-21 2019-03-29 成都紫瑞青云航空宇航技术有限公司 一种用于飞行器数字化战场对抗的系统和方法
CN109656264A (zh) * 2017-10-11 2019-04-19 波音公司 用于为飞行器生成到着陆地点的3d路径的计算机实施的方法和系统
CN107728642A (zh) * 2017-10-30 2018-02-23 北京博鹰通航科技有限公司 一种无人机飞行控制系统及其方法
CN107728642B (zh) * 2017-10-30 2021-03-09 北京博鹰通航科技有限公司 一种无人机飞行控制系统及其方法
CN108513644A (zh) * 2017-12-18 2018-09-07 深圳市大疆创新科技有限公司 无人机避障方法及无人机
CN109976329A (zh) * 2017-12-28 2019-07-05 郑州宇通客车股份有限公司 一种车辆避障换道路径的规划方法
CN108107911A (zh) * 2017-12-28 2018-06-01 北京航空航天大学 一种太阳能飞机自主寻优航迹规划方法
CN109976329B (zh) * 2017-12-28 2022-06-07 宇通客车股份有限公司 一种车辆避障换道路径的规划方法
CN108646782A (zh) * 2018-05-03 2018-10-12 南昌大学 一种无人机安全飞行方法
CN108957435A (zh) * 2018-05-21 2018-12-07 西安电子科技大学 基于遗传算法的航迹匹配方法
CN108919641A (zh) * 2018-06-21 2018-11-30 山东科技大学 一种基于改进樽海鞘算法的无人机航迹规划方法
CN108919641B (zh) * 2018-06-21 2021-02-09 山东科技大学 一种基于改进樽海鞘算法的无人机航迹规划方法
CN108955645A (zh) * 2018-07-16 2018-12-07 福州日兆信息科技有限公司 应用于通信铁塔智能巡检的三维建模方法及装置
CN109448434A (zh) * 2018-10-16 2019-03-08 张亮 无人驾驶车辆群体决策方法
CN109215398B (zh) * 2018-11-05 2022-03-11 飞牛智能科技(南京)有限公司 一种无人机航路规划方法及装置
CN109215398A (zh) * 2018-11-05 2019-01-15 飞牛智能科技(南京)有限公司 一种无人机航路规划方法及装置
CN109540212A (zh) * 2018-11-30 2019-03-29 湖南世优电力科技股份有限公司 一种基于大数据的电缆井状态评估预警系统及方法
CN109683630A (zh) * 2019-01-25 2019-04-26 南京邮电大学 基于粒子群和prm算法的无人机航迹规划方法
CN109981161B (zh) * 2019-03-13 2021-06-08 南京邮电大学 一种基于发布订阅的多无人机通信模式的设计方法
CN109981161A (zh) * 2019-03-13 2019-07-05 南京邮电大学 一种基于发布订阅的多无人机通信模式的设计方法
CN110244750B (zh) * 2019-04-25 2023-09-05 中国南方电网有限责任公司超高压输电公司昆明局 一种无人机巡视路径规划方法及装置
CN110244750A (zh) * 2019-04-25 2019-09-17 中国南方电网有限责任公司超高压输电公司昆明局 一种无人机巡视路径规划方法及装置
CN110244002A (zh) * 2019-06-11 2019-09-17 徐州工业职业技术学院 一种基于无人机系统的大气污染源追踪方法
CN110296703A (zh) * 2019-06-21 2019-10-01 中国人民解放军陆军工程大学 一种应用于大规模无人机群系统中的地理位置编码方法
CN110262567B (zh) * 2019-06-27 2022-04-15 深圳市道通智能航空技术股份有限公司 一种路径中继点空间生成方法、装置和无人机
CN110262567A (zh) * 2019-06-27 2019-09-20 深圳市道通智能航空技术有限公司 一种路径中继点空间生成方法、装置和无人机
CN110427046B (zh) * 2019-07-26 2022-09-30 沈阳航空航天大学 一种三维平滑随机游走无人机群移动模型
CN110427046A (zh) * 2019-07-26 2019-11-08 沈阳航空航天大学 一种三维平滑随机游走无人机群移动模型
WO2021078164A1 (zh) * 2019-10-21 2021-04-29 深圳市道通智能航空技术有限公司 无人机及其飞行轨迹的生成方法、计算机可读存储介质
CN111024081B (zh) * 2019-12-01 2020-09-11 中国人民解放军军事科学院评估论证研究中心 一种无人机群对单移动时敏目标侦察路径规划方法
CN111024081A (zh) * 2019-12-01 2020-04-17 中国人民解放军军事科学院评估论证研究中心 一种无人机群对单移动时敏目标侦察路径规划方法
CN111207766A (zh) * 2020-01-07 2020-05-29 深圳南方德尔汽车电子有限公司 基于Bspline全局路径规划方法、装置、计算机设备及存储介质
CN111399541A (zh) * 2020-03-30 2020-07-10 西北工业大学 无监督学习型神经网络的无人机全区域侦察路径规划方法
CN111399541B (zh) * 2020-03-30 2022-07-15 西北工业大学 无监督学习型神经网络的无人机全区域侦察路径规划方法
CN112198901A (zh) * 2020-05-14 2021-01-08 北京航空航天大学 一种基于三维动态碰撞区的无人机自主避撞决策方法
CN112198901B (zh) * 2020-05-14 2022-02-18 北京航空航天大学 一种基于三维动态碰撞区的无人机自主避撞决策方法
CN111813144A (zh) * 2020-06-11 2020-10-23 南京航空航天大学 一种基于改进羊群算法的多无人机协同航路规划方法
CN111813144B (zh) * 2020-06-11 2022-02-18 南京航空航天大学 一种基于改进羊群算法的多无人机协同航路规划方法
CN112033416B (zh) * 2020-09-18 2021-08-10 中原工学院 一种无人机静态航迹规划方法和装置
CN112033416A (zh) * 2020-09-18 2020-12-04 中原工学院 一种无人机静态航迹规划方法和装置
CN112327939A (zh) * 2020-10-15 2021-02-05 广东工业大学 一种城市街区环境下高层消防多无人机协同路径规划方法
CN112327939B (zh) * 2020-10-15 2024-04-12 广东工业大学 一种城市街区环境下高层消防多无人机协同路径规划方法
CN112784497A (zh) * 2021-02-05 2021-05-11 中国人民解放军93534部队 一种基于遗传算法的地面雷达组网开机优化方法
CN112784497B (zh) * 2021-02-05 2022-09-27 中国人民解放军93534部队 一种基于遗传算法的地面雷达组网开机优化方法
CN113253761A (zh) * 2021-06-08 2021-08-13 北京远度互联科技有限公司 实时路径规划方法、装置、可移动载具及存储介质
CN113253761B (zh) * 2021-06-08 2021-11-09 北京远度互联科技有限公司 实时路径规划方法、装置、可移动载具及存储介质
CN115220480A (zh) * 2022-07-08 2022-10-21 北斗伏羲中科数码合肥有限公司 带有约束条件的无人机航迹规划方法、装置及电子设备
CN115903830A (zh) * 2022-12-07 2023-04-04 杭州丰坦机器人有限公司 基于激光测距导航功能的建筑agv底盘
CN117075484A (zh) * 2023-10-18 2023-11-17 山东科技大学 一种水下无人器返航路径规划方法
CN117075484B (zh) * 2023-10-18 2024-01-30 山东科技大学 一种水下无人器返航路径规划方法
CN117387634A (zh) * 2023-12-13 2024-01-12 江西啄木蜂科技有限公司 基于用户偏好的变色木林区无人机路径多目标规划方法
CN117387634B (zh) * 2023-12-13 2024-02-27 江西啄木蜂科技有限公司 基于用户偏好的变色木林区无人机路径多目标规划方法

Similar Documents

Publication Publication Date Title
CN105929848A (zh) 一种三维环境中的多无人机系统的航迹规划方法
CN110442135B (zh) 一种基于改进遗传算法的无人艇路径规划方法及系统
Sonmez et al. Optimal path planning for UAVs using genetic algorithm
CN102768536B (zh) 一种基于多目标萤火虫算法的路径规划方法
CN109631900B (zh) 一种无人机三维航迹多目标粒子群全局规划方法
CN109506655B (zh) 基于非均匀建模的改进蚁群路径规划算法
CN102436604B (zh) 一种基于多目标进化方法的多弹协同航路计算方法
Roberge et al. Comparison of parallel genetic algorithm and particle swarm optimization for real-time UAV path planning
CN102880186B (zh) 基于稀疏a*算法和遗传算法的航迹规划方法
CN103913172B (zh) 一种适用于复杂低空下飞行器的路径规划方法
Tseng et al. Hybrid bidirectional ant colony optimization (hybrid BACO): An algorithm for disassembly sequence planning
CN102129249B (zh) 一种危险源环境下的机器人全局路径规划方法
LU101833B1 (en) Route Planning Method and System for Unmanned Surface Vehicles Using Particle Swarm Optimization Based on Greedy Mechanism
CN102855387B (zh) 一种基于小生境粒子群的二维空间多路径规划方法
CN105512769A (zh) 基于遗传规划的无人机航迹规划系统及方法
CN105892480A (zh) 异构多无人机系统协同察打任务自组织方法
CN105589461A (zh) 一种基于改进蚁群算法的泊车系统路径规划方法
Yan et al. Task allocation and route planning of multiple UAVs in a marine environment based on an improved particle swarm optimization algorithm
CN107622327A (zh) 基于文化蚁群搜索机制的多无人机航迹规划方法
CN103425840A (zh) 一种基于改进多目标蛙跳算法的协同空战火力分配方法
Sui et al. ACO+ PSO+ A*: A bi-layer hybrid algorithm for multi-task path planning of an AUV
CN103365293A (zh) 一种基于动态区域划分的机器人安全路径规划方法
CN109917811A (zh) 一种无人机集群协同避障-重构处理方法
CN113671985A (zh) 一种分阶段多基地无人机任务分配和航迹规划方法
CN105608276B (zh) 输电线路路径自动选择方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160907