基于层次分解策略无人机协同航迹规划的研究

《基于层次分解策略无人机协同航迹规划的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResearchonMulti-UAVsCooperativePathPlanningBasedonHierarchyDecompositionStrategyAThesisinInstrumentScienceandTechnologyEngineeringbyWuRuiAdvisedbyProfessorZhaoMinSubmittedin

2、PartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary,2012承诺书本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本人授权南京航空航天大学可以有权保留送交论文的复印件，允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数

3、据库进行检索，可以采用影印、缩印或其他复制手段保存论文。(保密的学位论文在解密后适用本承诺书)作者签名：日期：南京航空航天大学硕士学位论文摘要随着航空航天和信息技术的迅猛发展，无人机多机协同作战将成为未来战争的一种重要模式。本文得到航空科学基金项目（2009ZC52041）资助，针对无人机多机协同航迹规划进行了深入研究。首先，建立无人机航迹规划问题模型，对单机航迹规划问题进行算法研究。本文建立了无人机机动性能约束和雷达威胁模型，并采用栅格法和Voronoi图法划分环境空间。然后阐述了基于Dijkstra传统算法和蚁群优化算法

4、解决航迹规划问题的方法，通过深入的仿真对比分析，得出将Voronoi图环境建模法和蚁群优化算法两者结合可以较快求得问题解。为了进一步提高算法的收敛速度和求解效果，提出带有方向性引导性的信息素更新策略的蚁群算法，扩展出无人机单机初始多航迹规划生成方法。为了满足飞机机动性能约束，采用三次B样条法对初始航迹平滑处理。针对无人机多机协同航迹规划问题，在McLain等人研究的启发下，采用层次分解策略，将整个动态、大规模、强耦合优化问题划分为三个层次：航迹规划层、协同规划层和航迹平滑层。综合考虑时间协同和空间协同等多类复杂约束条件后，建

5、立无人机协同作战航迹规划模型。然后就多机协同攻击和多机多任务航迹规划问题展开研究，采用标准遗传算法求解协同规划层上的任务/航迹规划。针对遗传算法求解速度慢、效率低等问题，借鉴并行计算思想，提出基于并行蚁群算法的求解方法，提高了搜索效率。最后，基于MAK视景仿真平台，研究了如何利用VR-Forces进行计算机兵力生成的二次开发问题，并在MAK仿真平台上生动演示了无人机多机协同攻击和多机多任务航迹规划的全过程。关键词：无人机，航迹规划，层次分解，多机协同，蚁群算法，MAK仿真i基于层次分解策略的无人机协同航迹规划研究ABSTRA

6、CTWiththerapiddevelopmentofaerospaceandinformationtechnology,coordinatedoperationofmultipleUAVswillbethemainconflictstyleinfuturewarscenes.ThispaperissupportedbytheAviationScienceFoundation(2009ZC52041).ThispaperisjusttobededicatedtotheresearchofMulti-UAVscooperati

7、vepathplanning.First,thispaperconstructedtheUAVpathplanningmodelanduseedsomeoptimizationalgorithmstosolvesinglepathplanningproblem.Inthispaper,theUAVdynamicconstraintsandradarthreatmodelwereestablished,andrespectivelyusingthegridmethodandtheVoronoidiagrammethoddevi

8、dedtheenvironmentalspace.ThenitexpoundedthetraditionalalgorithmbasedonDijkstraalgorithmandAntAolonyOptimizationtosolvethisproblem.Throughthein-de