窦爽成:基于改进蚁群算法的无人机避险方法研究论文

窦爽成:基于改进蚁群算法的无人机避险方法研究论文

本文主要研究内容

作者窦爽成(2019)在《基于改进蚁群算法的无人机避险方法研究》一文中研究指出:近年来,无人机凭借其成本低廉和灵活多变的特性,被广泛应用于各行各业。随着商业无人机数量的增多,无人机发生碰撞的事故率也在逐年增高,无人机飞行安全也越来越多的被人们所重视。无人机是否具有自主避险能力,是其在外执行任务时生存的关键,同时也是无人机发展中必不可少的研究内容。无人机避险系统的核心部分是由避险算法来实现。目前,研究无人机在同一高度的二维平面上的避险技术相对比较成熟,但无人机运动的复杂性决定了,单纯的二维平面避险并不能满足无人机自主飞行的要求。在复杂三维环境下的无人机避险技术还需要我们更加深入的去研究。首先,对无人机避险问题进行全面分析,总结无人机飞行的约束条件,阐述了他们的特点和研究无人机避险时所要注意的问题。针对无人机飞行特点建立复杂三维环境仿真模型,为防止环境模型对后续避险算法精度造成影响,利用二维三次卷积插值法对环境模型进行处理,使环境模型更加符合无人机避险要求。其次,开始无人机避险算法的研究,通过对智能算法的优劣对比最终选择蚁群算法作为无人机避险算法。在蚁群系统的基础上,提出一种改进的蚁群算法,将障碍物与无人机之间的距离考虑进蚁群算法信息素更新,使转移概率能以最优的分配方式选择蚂蚁前进方向,提高收敛速度,防止陷入局部最优。通过MATLAB仿真验证,所提出的算法有更高的精度,在复杂静态三维仿真环境下,成功完成了无人机的自主飞行避险。最后,针对在动态三维环境下,蚁群算法收敛速度不能满足需要的问题,提出在改进的蚁群系统基础上融合粒子群算法。利用粒子群算法前期收敛快的特点形成次优解,作为蚁群算法信息素分布的初始条件。为进一步提高融合算法的收敛速度,在杂交粒子群算法的基础上加入自适应条件。融合两种改进的智能算法,最终形成改进粒子群蚁群融合算法,通过采用四种测试函数对融合算法和其他四种算法的性能测试,结果表明融合算法在收敛性和收敛精度上要优于其他四种算法。最后在动态三维环境下进行仿真验证,无人机成功躲避静态障碍物的前提下及时对动态飞行器做出避让动作。该算法具有很强的通用性,可以用在无人机远距离的路径规划和目标识别上,具有重要的研究意义与广泛的应用价值。

Abstract

jin nian lai ,mo ren ji ping jie ji cheng ben di lian he ling huo duo bian de te xing ,bei an fan ying yong yu ge hang ge ye 。sui zhao shang ye mo ren ji shu liang de zeng duo ,mo ren ji fa sheng peng zhuang de shi gu lv ye zai zhu nian zeng gao ,mo ren ji fei hang an quan ye yue lai yue duo de bei ren men suo chong shi 。mo ren ji shi fou ju you zi zhu bi xian neng li ,shi ji zai wai zhi hang ren wu shi sheng cun de guan jian ,tong shi ye shi mo ren ji fa zhan zhong bi bu ke shao de yan jiu nei rong 。mo ren ji bi xian ji tong de he xin bu fen shi you bi xian suan fa lai shi xian 。mu qian ,yan jiu mo ren ji zai tong yi gao du de er wei ping mian shang de bi xian ji shu xiang dui bi jiao cheng shou ,dan mo ren ji yun dong de fu za xing jue ding le ,chan chun de er wei ping mian bi xian bing bu neng man zu mo ren ji zi zhu fei hang de yao qiu 。zai fu za san wei huan jing xia de mo ren ji bi xian ji shu hai xu yao wo men geng jia shen ru de qu yan jiu 。shou xian ,dui mo ren ji bi xian wen ti jin hang quan mian fen xi ,zong jie mo ren ji fei hang de yao shu tiao jian ,chan shu le ta men de te dian he yan jiu mo ren ji bi xian shi suo yao zhu yi de wen ti 。zhen dui mo ren ji fei hang te dian jian li fu za san wei huan jing fang zhen mo xing ,wei fang zhi huan jing mo xing dui hou xu bi xian suan fa jing du zao cheng ying xiang ,li yong er wei san ci juan ji cha zhi fa dui huan jing mo xing jin hang chu li ,shi huan jing mo xing geng jia fu ge mo ren ji bi xian yao qiu 。ji ci ,kai shi mo ren ji bi xian suan fa de yan jiu ,tong guo dui zhi neng suan fa de you lie dui bi zui zhong shua ze yi qun suan fa zuo wei mo ren ji bi xian suan fa 。zai yi qun ji tong de ji chu shang ,di chu yi chong gai jin de yi qun suan fa ,jiang zhang ai wu yu mo ren ji zhi jian de ju li kao lv jin yi qun suan fa xin xi su geng xin ,shi zhuai yi gai lv neng yi zui you de fen pei fang shi shua ze ma yi qian jin fang xiang ,di gao shou lian su du ,fang zhi xian ru ju bu zui you 。tong guo MATLABfang zhen yan zheng ,suo di chu de suan fa you geng gao de jing du ,zai fu za jing tai san wei fang zhen huan jing xia ,cheng gong wan cheng le mo ren ji de zi zhu fei hang bi xian 。zui hou ,zhen dui zai dong tai san wei huan jing xia ,yi qun suan fa shou lian su du bu neng man zu xu yao de wen ti ,di chu zai gai jin de yi qun ji tong ji chu shang rong ge li zi qun suan fa 。li yong li zi qun suan fa qian ji shou lian kuai de te dian xing cheng ci you jie ,zuo wei yi qun suan fa xin xi su fen bu de chu shi tiao jian 。wei jin yi bu di gao rong ge suan fa de shou lian su du ,zai za jiao li zi qun suan fa de ji chu shang jia ru zi kuo ying tiao jian 。rong ge liang chong gai jin de zhi neng suan fa ,zui zhong xing cheng gai jin li zi qun yi qun rong ge suan fa ,tong guo cai yong si chong ce shi han shu dui rong ge suan fa he ji ta si chong suan fa de xing neng ce shi ,jie guo biao ming rong ge suan fa zai shou lian xing he shou lian jing du shang yao you yu ji ta si chong suan fa 。zui hou zai dong tai san wei huan jing xia jin hang fang zhen yan zheng ,mo ren ji cheng gong duo bi jing tai zhang ai wu de qian di xia ji shi dui dong tai fei hang qi zuo chu bi rang dong zuo 。gai suan fa ju you hen jiang de tong yong xing ,ke yi yong zai mo ren ji yuan ju li de lu jing gui hua he mu biao shi bie shang ,ju you chong yao de yan jiu yi yi yu an fan de ying yong jia zhi 。

论文参考文献

  • [1].基于卷积神经网络的无人机检测系统的研究与实现[D]. 张凯帝.桂林电子科技大学2019
  • [2].基于无人机辅助的无线传感器网络通信研究[D]. 沈敏儿.杭州电子科技大学2019
  • [3].基于视觉的自主循迹系统与无人机姿态控制研究[D]. 贾涛.华北电力大学2019
  • [4].基于Kinect室内四旋翼无人机的定位跟踪与姿态估计[D]. 周克旻.华北电力大学(北京)2019
  • [5].基于分层A*算法的多旋翼无人机避障方法研究[D]. 周强.上海交通大学2018
  • [6].基于视觉和惯性传感器的无人机跟踪方法研究[D]. 徐天宇.浙江工业大学2018
  • [7].无人机与民航客机碰撞安全风险评估[D]. 杨敏.中国民用航空飞行学院2019
  • [8].大型无人机碰撞模型建模方法研究[D]. 杨硕.河北科技大学2019
  • [9].环境监测的无人机群路径规划方法研究[D]. 张爽爽.哈尔滨理工大学2019
  • [10].基于卷积神经网络的无人机侦察图像识别[D]. 马杰.北京邮电大学2019
  • 读者推荐
  • [1].改进的粒子群算法在求解非线性方程组中的应用[D]. 武海妮.延安大学2019
  • [2].基于精英蚁群算法的交通最优路径研究[D]. 汪贵庆.南京大学2019
  • [3].无人机与民航客机碰撞安全风险评估[D]. 杨敏.中国民用航空飞行学院2019
  • [4].无人机自主飞行若干关键问题研究[D]. 席志鹏.浙江大学2019
  • [5].基于改进RRT~*算法的无人机避障路径规划[D]. 王嘉琦.南昌航空大学2019
  • [6].森林防火无人机系统的研究[D]. 焦振田.西安理工大学2019
  • [7].基于能耗最优的无人机山地作业路径规划研究[D]. 范叶满.西北农林科技大学2019
  • [8].基于改进蚁群算法的移动机器人路径规划研究[D]. 王飞.安徽工程大学2019
  • [9].基于蚁群算法的无人机航迹规划仿真[D]. 黄心.昆明理工大学2017
  • [10].基于改进蚁群算法的多无人机航路规划研究与应用[D]. 柳丹.烟台大学2018
  • 论文详细介绍

    论文作者分别是来自河北科技大学的窦爽成,发表于刊物河北科技大学2019-07-02论文,是一篇关于无人机论文,飞行避险论文,蚁群系统论文,粒子群算法论文,三维环境模型论文,河北科技大学2019-07-02论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自河北科技大学2019-07-02论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    窦爽成:基于改进蚁群算法的无人机避险方法研究论文
    下载Doc文档

    猜你喜欢