CN105841702A - 一种基于粒子群优化算法的多无人机航路规划方法 - Google Patents
一种基于粒子群优化算法的多无人机航路规划方法 Download PDFInfo
- Publication number
- CN105841702A CN105841702A CN201610135573.4A CN201610135573A CN105841702A CN 105841702 A CN105841702 A CN 105841702A CN 201610135573 A CN201610135573 A CN 201610135573A CN 105841702 A CN105841702 A CN 105841702A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- routeing
- planning
- model
- plane
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本专利公开了一种基于粒子群优化算法的多无人机航路规划方法。首先,建立多无人机航路规划空间的三维地图。在此基础上,建立三维地图下多无人机航路规划模型,主要包括:障碍物模型、路径模型、无人机状态模型、约束模型和多无人机航路规划数学模型。最后,采用粒子群优化算法求解三维地图下的多无人机航路规划问题。本发明可有效提高复杂环境下多无人机的航路规划能力,为无人机空中交通管理平台、多无人机全自主飞行***等提供技术支撑。
Description
技术领域
本发明涉及一种基于粒子群优化算法的多无人机航路规划方法,属于无人机航路规划领域。
背景技术
目前,无人机已在电力、通信、气象、监测等多个领域得到成功应用,取得了良好的经济效益和社会效果。由于单架无人机自身软硬件条件的限制,已很难胜任日益复杂的应用环境和多样化的任务需求。多无人机协同完成任务的模式是未来无人机发展应用的重要趋势,是提升无人机任务执行效率、拓展新的任务方式、提高***可靠性的有效途径。美国空军科学顾问委员会就曾指出,无人机应当以机群的方式工作,而不是单独行动。
多无人机航路规划是实现多人机有效协同和管理的关键技术之一。目前,现有的多无人机航路规划方法一般采用最优式算法,主要包括穷举法、动态规划法、数学规划、牛顿法和梯度法等。这些方法在实际应用存在较大的局限性,如缺乏对多无人机航路规划的有效决策,即对多无人机之间信息观测的冲突性、相关性的冗余性考虑不足;加权算法的权值的分配带有很大的主观性,缺乏有效、实用的权值分配方法等。因此,迫切需要更为有效、实用的多无人机航路规划方法。
发明内容
本发明的目的是解决现有的多无人机航路规划方法所存在的上述问题,提出一种基于粒子群优化算法的多无人机航路规划方法。
本发明的技术方案主要包括以下步骤:
步骤1:建立多无人机航路规划空间的三维地图。将无人机飞行空间以数据形式进行存储,将其表示为规划空间里的所有点(x,y,z)的集合{(x,y,z)|Xmin≤x≤Xmax,Ymin≤y≤Ymax,Zmin≤z≤Zmax},其中(x,y)表示该点的水平位置,z为高程数据。离散化后的规划空间采用栅格的形式保存数字地形高程数据。
步骤2:建立三维地图下多无人机航路规划模型。主要包括以下步骤:
步骤2.1、建立障碍物模型。将无人机的障碍分为软障碍物和硬障碍物。其中软障碍物的描述包括:障碍物的中心位置,障碍物的作用半径,障碍物对无人机的损伤概率。硬障碍物一般是由于特定因素限制不能飞跃的区域,一旦穿越则就会损毁。硬障碍物可以看成软障碍物的特殊情况,其描述和软障碍物的描述一样,只是障碍的损伤概率取值0或1。总的损伤概率ω等于各个并行损伤概率ωi的叠加,而各个并行损伤概率ωi的计算与其包含串行损伤概率ωij满足以下关系:
步骤2.2、建立路径模型。对于每架无人机,可行路径可以看作是一条从起点到终点、由若干线段组成的折线,可以用这些折线的端点序列表示。为避免带有过于尖锐的角的路径。采用“修正”的处理方法:在尖锐拐角处加入一端圆弧,进行对应的平滑过渡处理。这个圆弧的半径选择为无人机的最小转弯半径,满足无人机的机动性能约束,并且保证构成该圆弧与连的两条线之间相切,用得到的两个切点代替原来的拐角点。
步骤2.3、建立无人机的状态模型。本专利按照无人机的实际运行情况,将无人机区分为:就绪、工作、返航、失控4个状态。
步骤2.4、建立无人机航路规划主要约束模型。本专利选择无人机垂直方向最大转弯角约束、水平方向最大转弯角约束、最大转弯半径约束、最远飞行距离约束、飞行高度约束、特殊航路点等作为进行航路规划的约束条件。具体如下:
(1)垂直方向最大转弯角约束
式中,i表示当前为第i段航迹,(xi,yi,zi)与(xi+1,yi+1,zi+1)分别表示当前航路点与待选航路点在规划空间中的位置坐标,θmax表示无人机在垂直方向上的最大转弯角度。
(2)水平方向最大转弯角约束
式中,表示无人机在水平方向上的最大转弯角度。
(3)最小转弯半径约束
Ri≥Rmin
式中,Ri为规划航迹进行第i次转弯时的转弯半径,Rmin为无人机的最大转弯半径。Rmin由下式计算:
式中,Vmin为无人机的最小飞行速度,ny max为无人机的最大法向过载。
(4)最远飞行距离约束
式中,li表示第i段航迹的飞行距离,Lmax为允许最远飞行距离。
(5)飞行高度约束
Hmin≤Hi≤Hmax
式中,Hi为当前飞行高度,Hmin为最低可飞高度,Hmax为最高可飞高度。
(6)特殊航路点
特殊航路点包括为在航路上为无人机分配的充电或更换电池的驿站,用于提高无人机的续航能力。将此类点视作特殊航路点对待,当无人机电量过低报警后,就近选择相应的特殊航路点,对无人机电池充电或是更换。对于刚离开特殊航路点的无人机而言,在对其进行航路规划时其机动和续航能力按最高值考虑。
步骤2.5、建立多无人机航路规划数学模型。多无人机的航迹规划问题为规划空间内满足特定要求,且飞行代价最小,从飞行起点到终飞行点之间的一系列航迹节点的集合,表示为
式中,C(p)为所规划无人机飞行航路p的代价函数,g(p)为约束条件。
步骤3:采用粒子群优化算法求解多无人机航路规划。具体包括以下步骤:
步骤3.1、根据建立的三维地图下多无人机航路规划模型,选取粒子群优化算法的决策变量,并确定决策变量的上下界;
步骤3.2:根据建立的三维地图下多无人机航路规划模型,设置粒子群优化算法的目标函数。
步骤3.3:设置粒子群算法迭代过程中种群数目、最大迭代次数、粒子最大飞行速度、学习因子、惯性权重等算法基本参数。
步骤3.4:在不同初始条件下,通过算法迭代获得满足约束要求的航路规划结果。
本发明的特点在于:
1.本发明提供的多无人机航路规划方法基于三维数字地图实现,不受限于多无人机的任务背景和工作环境。通过建立不同的三维数字地图,可以很容易的实现本方法应用场景的扩展。
2.本发明采用粒子群优化算法求解多无人机航路规划问题。粒子群优化算法具有不依赖于问题的递度信息,需要调整的参数少,收敛精度高等特点;同时,算法能够同时处理多无人机航路规划中的不同约束以及某些特殊要求。
3.本发明在多无人机航路规划建模时,对空中管理平台中的一些特殊功能(如给无人机充电、更换电池的驿站,临时停机点等)予以体现。因此,本发明提出的多无人机航路规划方法可应用于未来无人机空中管理平台之中。
附图说明
图1是本发明的实现流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请中的附图1,对本申请中的技术实现方案进行说明。
步骤1:建立多无人机航路规划空间的三维地图。将无人机飞行空间以数据形式进行存储,将其表示为规划空间里的所有点(x,y,z)的集合{(x,y,z)|Xmin≤x≤Xmax,Ymin≤y≤Ymax,Zmin≤z≤Zmax},其中(x,y)表示该点的水平位置,z为高程数据。离散化后的规划空间采用栅格的形式保存数字地形高程数据。
步骤2:建立三维地图下多无人机航路规划模型。主要包括障碍物模型、路径模型、无人机状态模型、约束模型和多无人机航路规划数学模型。其中约束模型又包括垂直方向最大转弯角约束、水平方向最大转弯角约束、最小转弯半径约束、最远飞行跟踪约束、飞行高度约束和特殊航路点等。
步骤3:采用粒子群优化算法求解多无人机航路规划。具体包括选择粒子群优化算法决策变量并确定其上下界,设置算法的目标函数,设置粒子群算法迭代过程中种群数目、最大迭代次数、粒子最大飞行速度、学习因子、惯性权重等算法基本参数。针对多无人机航路规划问题,粒子群优化算法主要参数的参考设置值为:粒子群种群数目20~50,算法最大迭代次数50~100,粒子最大飞行速度为相应变量搜索范围的1/10~1/5,学习因子为2,惯性权重的初始值为0.9,终止值为0.4。最后,通过算法迭代获得满足约束要求的航路规划结果。
Claims (1)
1.一种基于粒子群优化算法的多无人机航路规划方法,主要包括以下步骤:
步骤1:建立多无人机航路规划空间的三维地图。将无人机飞行空间以数据形式进行存储,将其表示为规划空间里的所有点(x,y,z)的集合{(x,y,z)|Xmin≤x≤Xmax,Ymin≤y≤Ymax,Zmin≤z≤Zmax},其中(x,y)表示该点的水平位置,z为高程数据。离散化后的规划空间采用栅格的形式保存数字地形高程数据。
步骤2:建立三维地图下多无人机航路规划模型。主要包括以下步骤:
步骤2.1、建立障碍物模型。将无人机的障碍分为软障碍物和硬障碍物。其中软障碍物的描述包括:障碍物的中心位置,障碍物的作用半径,障碍物对无人机的损伤概率。硬障碍物一般是由于特定因素限制不能飞跃的区域,一旦穿越则就会损毁。硬障碍物可以看成软障碍物的特殊情况,其描述和软障碍物的描述一样,只是障碍的损伤概率取值0或1。总的损伤概率ω等于各个并行损伤概率ωi的叠加,而各个并行损伤概率ωi的计算与其包含串行损伤概率ωij满足以下关系:
步骤2.2、建立路径模型。对于每架无人机,可行路径可以看作是一条从起点到终点、由若干线段组成的折线,可以用这些折线的端点序列表示。为避免带有过于尖锐的角的路径,。采用“修正”的处理方法:在尖锐拐角处加入一端圆弧,进行对应的平滑过渡处理。这个圆弧的半径选择为无人机的最小转弯半径,满足无人机的机动性能约束,并且保证构成该圆弧与连的两条线之间相切,用得到的两个切点代替原来的拐角点
步骤2.3、建立无人机的状态模型。本专利按照无人机的实际运行情况,将无人机区分为:就绪、工作、返航、失控4个状态。
步骤2.4、建立无人机航路规划主要约束模型。本专利选择无人机垂直方向最大转弯角约束、水平方向最大转弯角约束、最大转弯半径约束、最远飞行距离约束、飞行高度约束、特殊航路点等作为进行航路规划的约束条件。具体如下:
(1)垂直方向最大转弯角约束
式中,i表示当前为第i段航迹,(xi,yi,zi)与(xi+1,yi+1,zi+1)分别表示当前航路点与待选航路点在规划空间中的位置坐标,θmax表示无人机在垂直方向上的最大转弯角度。
(2)水平方向最大转弯角约束
式中,表示无人机在水平方向上的最大转弯角度。
(3)最小转弯半径约束
Ri≥Rmin
式中,Ri为规划航迹进行第i次转弯时的转弯半径,Rmin为无人机的最大转弯半径。Rmin由下式计算:
式中,Vmin为无人机的最小飞行速度,nymax为无人机的最大法向过载。
(4)最远飞行距离约束
式中,li表示第i段航迹的飞行距离,Lmax为允许最远飞行距离。
(5)飞行高度约束
Hmin≤Hi≤Hmax
式中,Hi为当前飞行高度,Hmin为最低可飞高度,Hmax为最高可飞高度。
(6)特殊航路点
特殊航路点包括为在航路上为无人机分配的充电或更换电池的驿站,用于提高无人机的续航能力。将此类点视作特殊航路点对待,当无人机电量过低报警后,就近选择相应的特殊航路点,对无人机电池充电或是更换。对于刚离开特殊航路点的无人机而言,在对其进行航路规划时其机动和续航能力按最高值考虑。
步骤2.5、建立多无人机航路规划数学模型。多无人机的航迹规划问题为规划空间内满足特定要求,且飞行代价最小,从飞行起点到终飞行点之间的一系列航迹节点的集合,表示为
式中,C(p)为所规划无人机飞行航路p的代价函数,g(p)为约束条件。
步骤3:采用粒子群优化算法求解多无人机航路规划。具体包括以下步骤:
步骤3.1、根据建立的三维地图下多无人机航路规划模型,选取粒子群优化算法的决策变量,并确定决策变量的上下界;
步骤3.2:根据建立的三维地图下多无人机航路规划模型,设置粒子群优化算法的目标函数。
步骤3.3:设置粒子群算法迭代过程中种群数目、最大迭代次数、粒子最大飞行速度、学习因子、惯性权重等算法基本参数。
步骤3.4:在不同初始条件下,通过算法迭代获得满足约束要求的航路规划结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610135573.4A CN105841702A (zh) | 2016-03-10 | 2016-03-10 | 一种基于粒子群优化算法的多无人机航路规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610135573.4A CN105841702A (zh) | 2016-03-10 | 2016-03-10 | 一种基于粒子群优化算法的多无人机航路规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105841702A true CN105841702A (zh) | 2016-08-10 |
Family
ID=56587789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610135573.4A Pending CN105841702A (zh) | 2016-03-10 | 2016-03-10 | 一种基于粒子群优化算法的多无人机航路规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105841702A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908066A (zh) * | 2017-04-25 | 2017-06-30 | 西安电子科技大学 | 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法 |
CN106959700A (zh) * | 2017-03-21 | 2017-07-18 | 北京航空航天大学 | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 |
CN106996789A (zh) * | 2017-03-24 | 2017-08-01 | 西安电子科技大学 | 一种多机载雷达协同探测的航路规划方法 |
CN107063255A (zh) * | 2017-01-09 | 2017-08-18 | 北京工业大学 | 一种基于改进果蝇优化算法的三维航路规划方法 |
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
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 |
CN108731684A (zh) * | 2018-05-07 | 2018-11-02 | 西安电子科技大学 | 一种多无人机协同区域监视的航路规划方法 |
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 |
CN109631900A (zh) * | 2018-12-24 | 2019-04-16 | 中国矿业大学 | 一种无人机三维航迹多目标粒子群全局规划方法 |
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 |
CN110362098A (zh) * | 2018-03-26 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 无人机视觉伺服控制方法、装置以及无人机 |
CN110411458A (zh) * | 2019-08-30 | 2019-11-05 | 深圳市道通智能航空技术有限公司 | 航线规划方法及无人飞行器 |
CN110544296A (zh) * | 2019-07-31 | 2019-12-06 | 中国矿业大学 | 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法 |
CN110598926A (zh) * | 2019-09-04 | 2019-12-20 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机协同航路规划方法 |
CN110617818A (zh) * | 2019-10-15 | 2019-12-27 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机航迹生成方法 |
CN110659771A (zh) * | 2019-09-04 | 2020-01-07 | 中国航空工业集团公司沈阳飞机设计研究所 | 飞机协同航路规划方法 |
CN110967016A (zh) * | 2019-11-22 | 2020-04-07 | 中国人民解放军63629部队 | 载机航路离线规划方法、装置和计算机设备 |
CN111536979A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种基于随机优化的无人机巡检路径规划方法 |
CN112034880A (zh) * | 2020-06-11 | 2020-12-04 | 南京航空航天大学 | 一种新型多无人机协同航路规划方法 |
CN112214930A (zh) * | 2020-09-29 | 2021-01-12 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于协作粒子群优化算法的多机协同航路规划方法及*** |
CN112230678A (zh) * | 2020-10-29 | 2021-01-15 | 皖江工学院 | 基于粒子群算法的三维无人机路径规划方法及规划*** |
CN112491094A (zh) * | 2020-11-19 | 2021-03-12 | 南方电网数字电网研究院有限公司 | 一种混合驱动的微电网能量管理方法、***及装置 |
CN112650292A (zh) * | 2020-12-29 | 2021-04-13 | 中国计量大学 | 一种面向工业园区污染源监测的多无人机路径优化方法 |
CN112711267A (zh) * | 2020-04-24 | 2021-04-27 | 江苏方天电力技术有限公司 | 基于rtk高精度定位与机器视觉融合的无人机自主巡检方法 |
CN113483764A (zh) * | 2021-07-07 | 2021-10-08 | 哈尔滨工业大学 | 一种基于在线传感的智能飞行器任务路径规划方法 |
CN113900449A (zh) * | 2021-10-26 | 2022-01-07 | 鹏城实验室 | 多无人机轨迹规划方法、装置、无人机及存储介质 |
CN115930973A (zh) * | 2023-02-08 | 2023-04-07 | 中国民航大学 | 一种无人机航路规划方法及装置 |
CN116126032A (zh) * | 2023-04-17 | 2023-05-16 | 华南农业大学 | 一种基于改进多目标进化算法的无人机群路径规划方法 |
CN116842736A (zh) * | 2023-07-05 | 2023-10-03 | 中国人民解放军92728部队 | 基于质点目标的航路规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7158877B2 (en) * | 2003-03-27 | 2007-01-02 | Saab Ab | Waypoint navigation |
CN103471592A (zh) * | 2013-06-08 | 2013-12-25 | 哈尔滨工程大学 | 一种基于蜂群协同觅食算法的多无人机航迹规划方法 |
EP2711913A2 (en) * | 2012-09-20 | 2014-03-26 | The Boeing Company | Optimized flight plan management system |
CN104406593A (zh) * | 2014-12-03 | 2015-03-11 | 广西民族大学 | 一种确定无人机航路最优路径的方法 |
-
2016
- 2016-03-10 CN CN201610135573.4A patent/CN105841702A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7158877B2 (en) * | 2003-03-27 | 2007-01-02 | Saab Ab | Waypoint navigation |
EP2711913A2 (en) * | 2012-09-20 | 2014-03-26 | The Boeing Company | Optimized flight plan management system |
CN103471592A (zh) * | 2013-06-08 | 2013-12-25 | 哈尔滨工程大学 | 一种基于蜂群协同觅食算法的多无人机航迹规划方法 |
CN104406593A (zh) * | 2014-12-03 | 2015-03-11 | 广西民族大学 | 一种确定无人机航路最优路径的方法 |
Non-Patent Citations (2)
Title |
---|
李子杰等: "基于进化算法的多无人机协同航路规划", 《火力与指挥控制》 * |
林林等: "多无人机协同航路规划研究", 《北京邮电大学学报》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107063255A (zh) * | 2017-01-09 | 2017-08-18 | 北京工业大学 | 一种基于改进果蝇优化算法的三维航路规划方法 |
CN107063255B (zh) * | 2017-01-09 | 2020-10-30 | 北京工业大学 | 一种基于改进果蝇优化算法的三维航路规划方法 |
CN106959700B (zh) * | 2017-03-21 | 2019-08-27 | 北京航空航天大学 | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 |
CN106959700A (zh) * | 2017-03-21 | 2017-07-18 | 北京航空航天大学 | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 |
CN106996789A (zh) * | 2017-03-24 | 2017-08-01 | 西安电子科技大学 | 一种多机载雷达协同探测的航路规划方法 |
CN106996789B (zh) * | 2017-03-24 | 2020-05-05 | 西安电子科技大学 | 一种多机载雷达协同探测的航路规划方法 |
CN106908066B (zh) * | 2017-04-25 | 2019-12-20 | 西安电子科技大学 | 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法 |
CN106908066A (zh) * | 2017-04-25 | 2017-06-30 | 西安电子科技大学 | 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法 |
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
CN110362098B (zh) * | 2018-03-26 | 2022-07-05 | 北京京东尚科信息技术有限公司 | 无人机视觉伺服控制方法、装置以及无人机 |
CN110362098A (zh) * | 2018-03-26 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 无人机视觉伺服控制方法、装置以及无人机 |
CN108731684A (zh) * | 2018-05-07 | 2018-11-02 | 西安电子科技大学 | 一种多无人机协同区域监视的航路规划方法 |
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 |
CN109631900B (zh) * | 2018-12-24 | 2022-08-26 | 中国矿业大学 | 一种无人机三维航迹多目标粒子群全局规划方法 |
CN109631900A (zh) * | 2018-12-24 | 2019-04-16 | 中国矿业大学 | 一种无人机三维航迹多目标粒子群全局规划方法 |
CN109683630B (zh) * | 2019-01-25 | 2021-11-09 | 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 |
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 |
CN110544296B (zh) * | 2019-07-31 | 2023-05-30 | 中国矿业大学 | 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法 |
CN110544296A (zh) * | 2019-07-31 | 2019-12-06 | 中国矿业大学 | 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法 |
CN110411458A (zh) * | 2019-08-30 | 2019-11-05 | 深圳市道通智能航空技术有限公司 | 航线规划方法及无人飞行器 |
CN110411458B (zh) * | 2019-08-30 | 2021-11-09 | 深圳市道通智能航空技术股份有限公司 | 航线规划方法及无人飞行器 |
WO2021037046A1 (zh) * | 2019-08-30 | 2021-03-04 | 深圳市道通智能航空技术有限公司 | 航线规划方法及无人飞行器 |
CN110659771B (zh) * | 2019-09-04 | 2022-11-22 | 中国航空工业集团公司沈阳飞机设计研究所 | 飞机协同航路规划方法 |
CN110659771A (zh) * | 2019-09-04 | 2020-01-07 | 中国航空工业集团公司沈阳飞机设计研究所 | 飞机协同航路规划方法 |
CN110598926A (zh) * | 2019-09-04 | 2019-12-20 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机协同航路规划方法 |
CN110617818A (zh) * | 2019-10-15 | 2019-12-27 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机航迹生成方法 |
CN110967016A (zh) * | 2019-11-22 | 2020-04-07 | 中国人民解放军63629部队 | 载机航路离线规划方法、装置和计算机设备 |
CN112711267A (zh) * | 2020-04-24 | 2021-04-27 | 江苏方天电力技术有限公司 | 基于rtk高精度定位与机器视觉融合的无人机自主巡检方法 |
CN112034880A (zh) * | 2020-06-11 | 2020-12-04 | 南京航空航天大学 | 一种新型多无人机协同航路规划方法 |
CN111536979A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种基于随机优化的无人机巡检路径规划方法 |
CN112214930A (zh) * | 2020-09-29 | 2021-01-12 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于协作粒子群优化算法的多机协同航路规划方法及*** |
CN112230678A (zh) * | 2020-10-29 | 2021-01-15 | 皖江工学院 | 基于粒子群算法的三维无人机路径规划方法及规划*** |
CN112491094A (zh) * | 2020-11-19 | 2021-03-12 | 南方电网数字电网研究院有限公司 | 一种混合驱动的微电网能量管理方法、***及装置 |
CN112650292B (zh) * | 2020-12-29 | 2022-04-22 | 中国计量大学 | 一种面向工业园区污染源监测的多无人机路径优化方法 |
CN112650292A (zh) * | 2020-12-29 | 2021-04-13 | 中国计量大学 | 一种面向工业园区污染源监测的多无人机路径优化方法 |
CN113483764A (zh) * | 2021-07-07 | 2021-10-08 | 哈尔滨工业大学 | 一种基于在线传感的智能飞行器任务路径规划方法 |
CN113900449A (zh) * | 2021-10-26 | 2022-01-07 | 鹏城实验室 | 多无人机轨迹规划方法、装置、无人机及存储介质 |
CN113900449B (zh) * | 2021-10-26 | 2023-12-22 | 鹏城实验室 | 多无人机轨迹规划方法、装置、无人机及存储介质 |
CN115930973A (zh) * | 2023-02-08 | 2023-04-07 | 中国民航大学 | 一种无人机航路规划方法及装置 |
CN115930973B (zh) * | 2023-02-08 | 2023-07-14 | 中国民航大学 | 一种无人机航路规划方法及装置 |
CN116126032A (zh) * | 2023-04-17 | 2023-05-16 | 华南农业大学 | 一种基于改进多目标进化算法的无人机群路径规划方法 |
CN116842736A (zh) * | 2023-07-05 | 2023-10-03 | 中国人民解放军92728部队 | 基于质点目标的航路规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105841702A (zh) | 一种基于粒子群优化算法的多无人机航路规划方法 | |
CN110428111B (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
CN108229719B (zh) | 无人机编队任务分配与航迹规划的多目标优化方法及装置 | |
CN110320930B (zh) | 基于Voronoi图的多无人机编队队形可靠变换方法 | |
Edison et al. | Integrated task assignment and path optimization for cooperating uninhabited aerial vehicles using genetic algorithms | |
CN106197426A (zh) | 一种无人机应急通信路径规划方法及*** | |
CN110488859B (zh) | 一种基于改进Q-learning算法的无人机航路规划方法 | |
CN107977743B (zh) | 多无人机协同任务分配方法及装置 | |
CN110530388B (zh) | 多agv的路径规划方法及*** | |
CN107169608A (zh) | 多无人机执行多任务的分配方法及装置 | |
CN110766254A (zh) | 一种基于改进遗传算法的多无人机协同任务分配方法 | |
CN104991895A (zh) | 一种基于三维空域网格的低空救援航空器航迹规划方法 | |
CN105700549A (zh) | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 | |
CN106774331A (zh) | 一种分布式控制无人艇集群分簇编队方法 | |
CN107622327A (zh) | 基于文化蚁群搜索机制的多无人机航迹规划方法 | |
CN109917811A (zh) | 一种无人机集群协同避障-重构处理方法 | |
CN105043379B (zh) | 一种基于时空约束的景区浏览路径规划方法、装置 | |
CN104407619A (zh) | 不确定环境下的多无人机同时到达多个目标方法 | |
CN107807665A (zh) | 无人机编队探测任务协同分配方法及装置 | |
CN109506654A (zh) | 低空航路规划方法及装置、飞行器 | |
CN111813144B (zh) | 一种基于改进羊群算法的多无人机协同航路规划方法 | |
Liu et al. | Study on UAV parallel planning system for transmission line project acceptance under the background of industry 5.0 | |
CN111580561A (zh) | 基于粒子群算法优化的无人机调度方法、***和可读存储介质 | |
CN108413963A (zh) | 基于自学习蚁群算法的条形机器人路径规划方法 | |
CN108846522A (zh) | 无人机***联合充电站部署及路由选择方法 |
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 |
Application publication date: 20160810 |
|
WD01 | Invention patent application deemed withdrawn after publication |