本文關鍵詞：低空復雜環(huán)境下小型無人機的在線航跡規(guī)劃算法研究

  更多相關文章： 小型無人機在線航跡規(guī)劃 靜態(tài)威脅區(qū)建模 動態(tài)威脅可達集估計 運動控制誤差處理 航跡搜索與優(yōu)化 冗余航跡點約減

【摘要】：小型無人機的在線航跡規(guī)劃是指在有限時間內在線生成到達目標的有效航跡,其中,規(guī)劃出的航跡必須滿足可行性(航跡必須滿足無人機的運動學約束條件)、安全性(航跡上的威脅量較低)、低代價性(航跡的能耗、控制難度和威脅量較低)、低碰撞性(無人機執(zhí)行航跡時與障礙物發(fā)生的碰撞概率較低)、可飛性(航跡是易執(zhí)行的并且是曲率連續(xù)的),可飛性處理主要包括冗余航跡點的約減和航跡平滑。在線航跡規(guī)劃是實現(xiàn)小型無人機自主飛行的關鍵環(huán)節(jié),對該問題的研究有助于提高無人機在低空復雜環(huán)境下的生存能力和對突發(fā)情況的處理能力。在線航跡規(guī)劃的關鍵技術包括在線航跡搜索、在線航跡優(yōu)化以及航跡可飛性處理,本文主要針對小型無人機在線航跡規(guī)劃的關鍵技術及相關問題進行研究。針對障礙物密集環(huán)境下隱蔽航跡的快速搜索問題,提出了基于精細采樣空間約減的快速航跡搜索方法和基于K維樹(K-dimensional tree,Kd樹)的航跡點快速存取方法。首先,針對傳統(tǒng)采樣空間約減方法中存在的對采樣空間過度約減的問題,提出通過建立代價模型并比較采樣點與航跡樹節(jié)點的代價,來逐步構造精細的空間約減域的方法;然后,針對存取規(guī)模較大的K維樹節(jié)點的速度較慢的問題,提出一種基于空間劃分和多Kd樹的航跡點快速存取方法。實驗結果表明,本文方法提高了障礙物密集環(huán)境下無人機隱蔽航跡的搜索速度。針對威脅環(huán)境下安全航跡的在線搜索問題,提出一種基于直覺模糊集靜態(tài)威脅區(qū)建模和動態(tài)威脅可達集估計的在線航跡搜索算法。首先,針對傳統(tǒng)概率威脅模型沒有考慮無人機運動的問題,提出一種基于直覺模糊集的靜態(tài)威脅區(qū)建模方法,采用隸屬度、非隸屬度和猶豫度函數(shù)共同描述威脅,通過非隸屬度函數(shù)表達小型無人機的運動對它所受威脅的影響;然后,針對運動模型未知時傳統(tǒng)方法難以準確估計動態(tài)威脅可達范圍的問題,基于零和博弈理論對動態(tài)威脅躲避問題進行建模,提出一種根據(jù)動態(tài)威脅攔截無人機的意圖來全面估計動態(tài)威脅可達的無人機航跡點集(可達集)的方法;接下來,針對傳統(tǒng)在線航跡搜索方法的子目標的啟發(fā)性不強的問題,提出一種新的子目標選取方法,根據(jù)航跡搜索難度和航跡代價選取子目標。實驗結果表明,本文方法提高了威脅評估的可靠性和在線搜索低威脅航跡的速度。針對小型無人機的低碰撞航跡的在線航跡搜索問題,提出基于運動控制誤差估計的在線航跡搜索方法和動態(tài)威脅可達集估計方法。首先,針對傳統(tǒng)的運動控制誤差處理方法計算復雜、啟發(fā)式航跡搜索方法隨機性強的問題,提出離線估計無人機運動控制誤差分布,并基于采樣空間約減技術在線搜索低碰撞航跡的方法;然后,為了提高靜態(tài)威脅評估的可靠性,提出一種在威脅區(qū)建模的過程中考慮運動控制誤差的方法;接下來,針對運動模型已知但約束條件較少時現(xiàn)有方法對環(huán)境信息利用不充分的問題,提出一種根據(jù)動態(tài)威脅的意圖和對它路徑的估值全面估計動態(tài)威脅可達集的方法;最后,針對傳統(tǒng)航跡調整方法計算復雜且未考慮無人機運動的問題,提出根據(jù)運動控制誤差和威脅區(qū)分布快速調整航跡以降低航跡上威脅量的方法。實驗結果表明,本文方法提高了低碰撞航跡的搜索速度,以及靜態(tài)威脅和動態(tài)威脅評估結果的準確性。提出基于采樣空間約減的在線航跡優(yōu)化方法和基于估計最優(yōu)航跡代價的冗余航跡點約減方法。首先,針對傳統(tǒng)航跡化方法收斂速度慢以及傳統(tǒng)的基于啟發(fā)式代價函數(shù)的采樣空間約減方法不準確、約減域調整速度慢、未充分利用環(huán)境信息的問題,提出一種新的采樣空間約減方法,并在此基礎上提出一種在線航跡優(yōu)化方法;然后,針對傳統(tǒng)順序約減方法沒有全面考慮航跡的優(yōu)化性指標、捷徑約減方法收斂速度慢的問題,提出一種基于估計最優(yōu)航跡代價的冗余航跡點約減方法,通過在順序約減過程中嵌入捷徑法以提高約減過程的多樣性,在隨機約減過程中,算法根據(jù)估計的最優(yōu)航跡代價計算航跡點被約減的概率并自適應調整該概率,同時采用順序方法控制隨機約減的范圍。實驗結果表明,本文方法提高了航跡優(yōu)化效率和航跡的可飛性。綜上所述,本文的研究為解決低空障礙物密集環(huán)境及威脅環(huán)境下的在線航跡搜索和考慮小型無人機運動控制誤差的在線航跡搜索,以及在線航跡優(yōu)化和航跡可飛性處理等關鍵技術問題提供了新的思路和方法。
【關鍵詞】：小型無人機在線航跡規(guī)劃 靜態(tài)威脅區(qū)建模 動態(tài)威脅可達集估計 運動控制誤差處理 航跡搜索與優(yōu)化 冗余航跡點約減
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：V279
【目錄】：

• 摘要4-6
• ABSTRACT6-16
• 第1章 緒論16-43
• 1.1 課題來源及研究的目的和意義16-18
• 1.2 國內外研究現(xiàn)狀及分析18-36
• 1.2.1 常用的航跡搜索算法18-21
• 1.2.2 小型無人機在線航跡規(guī)劃框架21-23
• 1.2.3 密集障礙物躲避技術23-24
• 1.2.4 威脅區(qū)建模技術24-27
• 1.2.5 運動控制誤差處理技術27-31
• 1.2.6 在線航跡優(yōu)化及可飛性處理技術31-36
• 1.3 小型無人機在線航跡規(guī)劃中存在的問題及難點分析36-37
• 1.4 主要研究內容和章節(jié)安排37-43
• 1.4.1 主要研究內容37-38
• 1.4.2 組織結構38-41
• 1.4.3 小型無人機的運動模型41-43
• 第2章 障礙物密集環(huán)境下的快速航跡搜索43-68
• 2.1 引言43-44
• 2.2 相關工作44-47
• 2.3 基于采樣空間約減的快速航跡搜索算法47-54
• 2.3.1 基于采樣空間約減的快速航跡搜索算法原理框圖47-48
• 2.3.2 均衡采樣空間邊界的確定和代價模型的建立48-51
• 2.3.3 采樣空間約減域的逐步構造和航跡搜索51-53
• 2.3.4 小型無人機運動學約束條件的處理53-54
• 2.4 基于空間劃分和多K維樹的航跡樹節(jié)點快速存取54-56
• 2.4.1 基于空間劃分和多K維樹的航跡樹節(jié)點存儲方法54-56
• 2.4.2 采樣點的最近鄰樹節(jié)點快速搜索方法56
• 2.5 算法分析56-57
• 2.6 航跡平滑57-59
• 2.6.1 基于Dubins曲線的航跡平滑57-58
• 2.6.2 被阻塞的Dubins航跡段的重規(guī)劃58-59
• 2.7 實驗結果和分析59-67
• 2.7.1 仿真實驗環(huán)境59-60
• 2.7.2 實驗結果分析60-67
• 2.8 本章小結67-68
• 第3章 基于威脅建模的在線安全航跡搜索68-96
• 3.1 引言68-69
• 3.2 相關工作69-70
• 3.3 基于威脅建模的在線航跡搜索算法原理框圖70-71
• 3.4 環(huán)境威脅的建模71-79
• 3.4.1 基于直覺模糊集的靜態(tài)威脅區(qū)建模71-75
• 3.4.2 運動模型未知時的動態(tài)威脅可達集估計75-79
• 3.5 基于威脅建模在線搜索航跡79-85
• 3.5.1 在線航跡搜索的子目標的啟發(fā)式選取方法79-83
• 3.5.2 基于威脅建模的在線航跡搜索算法83-85
• 3.5.3 算法分析85
• 3.6 實驗結果和分析85-95
• 3.6.1 仿真實驗環(huán)境86-87
• 3.6.2 實驗結果分析87-95
• 3.7 本章小結95-96
• 第4章 基于運動控制誤差估計的在線低碰撞航跡搜索96-119
• 4.1 引言96-97
• 4.2 相關工作97-98
• 4.3 基于運動控制誤差估計的小型無人機在線航跡搜索算法原理框圖98-99
• 4.4 環(huán)境威脅的建模與航跡安全性處理99-104
• 4.4.1 考慮無人機運動控制誤差的靜態(tài)威脅區(qū)建模99-100
• 4.4.2 運動模型已知時的動態(tài)威脅可達集估計100-102
• 4.4.3 考慮無人機運動控制誤差的多威脅集成102-103
• 4.4.4 考慮無人機運動控制誤差的航跡安全性調整方法103-104
• 4.5 基于運動控制誤差估計在線搜索航跡104-107
• 4.5.1 基于運動控制誤差估計的采樣空間約減104-105
• 4.5.2 基于運動控制誤差估計的在線航跡搜索算法105-107
• 4.5.3 算法分析107
• 4.6 實驗結果和分析107-118
• 4.6.1 仿真實驗環(huán)境107-109
• 4.6.2 實驗結果分析109-118
• 4.7 本章小結118-119
• 第5章 在線航跡優(yōu)化與冗余航跡點約減119-146
• 5.1 引言119-120
• 5.2 相關工作120-121
• 5.3 在線航跡優(yōu)化及冗余航跡點約減算法原理框圖與在線航跡優(yōu)化目標121-123
• 5.3.1 在線航跡優(yōu)化及冗余航跡點約減算法原理框圖121-122
• 5.3.2 在線航跡優(yōu)化目標122-123
• 5.4 在線航跡優(yōu)化方法123-129
• 5.4.1 基于威脅建模的采樣空間約減域構造方法123-126
• 5.4.2 基于采樣空間約減的在線航跡優(yōu)化方法126-129
• 5.5 基于估計最優(yōu)航跡代價的冗余航跡點約減129-133
• 5.5.1 基于估計最優(yōu)航跡代價的航跡點被約減概率的計算129-131
• 5.5.2 基于估計最優(yōu)航跡代價的冗余航跡點約減方法131-133
• 5.6 在線低代價航跡規(guī)劃算法133-135
• 5.6.1 在線低代價航跡規(guī)劃算法實現(xiàn)133-134
• 5.6.2 算法分析134-135
• 5.7 實驗結果和分析135-145
• 5.7.1 仿真實驗環(huán)境135-136
• 5.7.2 實驗結果分析136-145
• 5.8 本章小結145-146
• 結論146-148
• 參考文獻148-167
• 攻讀博士學位期間發(fā)表的論文及其它成果167-169
• 致謝169-170
• 個人簡歷170

，

本文編號：577951