多无人机系统协同航迹规划研究

论文摘要

无人机多机协同作战是未来战争的重要模式。针对此背景本文对多无人机协同航迹规划技术进行了深入的研究。首先,描述了无人机的航迹规划问题,分析了航迹规划的关键技术,阐述了利用Voronoi图和Dijkstra算法生成最优航迹的方法。针对最优航迹不可用的情况,扩展出多航迹生成方法。其次,建立了多机协同航迹规划系统模型,提出了一种基于分解策略的协同算法,引入团队预计到达目标时间ETA(Estimated Team Arrival time)作为协同变量,飞行航迹的代价作为协同函数,通过协同函数传递各架飞机到达目标的时间范围。通过在协同规划层调整ETA,寻找到既能满足时间约束,又能使团队代价最小,且尽量使单架无人机的个体代价次最小的航迹。将集中的多架无人机的航迹规划转化为每架无人机规划出各自的有限路径集合中选取合适的路径,从而降低了问题处理的维度和计算量。最后,为了能够满足飞机的动态性能约束,阐述了一种动态航迹平滑方法,将求出的折线航迹进行平滑处理,使其成为可飞航迹且不改变航迹长度。针对算法精度要求很高,很难满足实际应用条件,对算法提出了改进方法,改善了算法的鲁棒性。本文对上述方法进行了仿真,仿真结果表明了所提出方法的正确性和可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景
• 1.2 无人机多机协同航迹规划
• 1.2.1 航迹规划技术
• 1.2.2 无人机多机协同的意义
• 1.2.3 无人机多机协同作战的优势
• 1.3 国内外发展现状和趋势
• 1.3.1 航迹规划的发展现状与展望
• 1.3.2 无人机多机协同航迹规划研究的方法和国内外现状
• 1.4 本文的研究内容和结构安排
• 1.4.1 研究内容
• 1.4.2 组织结构安排
• 第二章 无人机单机航迹规划
• 2.1 无人机航迹规划问题
• 2.1.1 问题描述
• 2.1.2 数学模型
• 2.2 关键技术
• 2.2.1 地形和敌情信息
• 2.2.2 威胁模型
• 2.2.3 航迹规划算法
• 2.3 基于Voronoi 图的航迹规划
• 2.3.1 Voronoi 图算法
• 2.3.2 航迹代价的计算
• 2.3.3 基于Voronoi 图算法复杂度分析
• 2.3.4 算法优越性
• 2.4 航迹的生成和优化
• 2.4.1 最优航迹求取——Dijkstra 算法
• 2.4.2 次优航迹生成
• 2.5 细节问题处理
• 2.5.1 不等威胁分布
• 2.5.2 威胁点共线
• 2.5.3 起止点与V-图的连接
• 2.6 本章小结
• 第三章 多机协同航迹规划
• 3.1 协同航迹规划系统模型
• 3.1.1 多机协同问题描述
• 3.1.2 分散式思想求解
• 3.1.3 层次模型建立
• 3.2 协同时间策略
• 3.2.1 协同变量/协同函数基本思想
• 3.2.2 协同函数确定
• 3.2.3 具体算法过程
• 3.2.4 攻击方向的确定
• 3.2.5 突发威胁
• 3.3 本章小结
• 第四章 无人机航迹平滑
• 4.1 航迹平滑方法
• 4.2 动态航迹平滑算法与实现
• 4.2.1 航迹点的切圆
• 4.2.2 向量方向的判断
• 4.2.3 转弯点求取
• 4.2.4 具体算法流程
• 4.2.5 等长航迹参数求取
• 4.3 转弯时间的判断
• 4.3.1 判断完成转弯时间
• 4.3.2 判断控制量切换时间
• 4.3.3 算法的鲁棒性改善
• 4.4 跟踪控制
• 4.5 算法执行细节处理
• 4.5.1 起点到V-边的过渡
• 4.5.2 航迹段长度处理
• 4.6 本章小结
• 第五章 仿真实验与分析
• 5.1 单机规划仿真
• 5.1.1 威胁点共线仿真
• 5.1.2 多航迹生成仿真
• 5.1.3 过短航迹段处理仿真
• 5.1.4 航迹平滑仿真
• 5.1.5 初始位置到V-边过渡仿真
• 5.2 多机规划仿真
• 5.2.1 同时到达任务
• 5.2.2 顺次飞越任务
• 5.3 突发威胁仿真
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 课题研究工作总结
• 6.2 不足之处与进一步研究展望
• 参考文献
• 致谢
• 在学期间发表的学术论文