论文部分内容阅读
作为实现无人机自主化的关键技术之一,任务规划是目前无人机领域研究的重点问题之一。航迹规划和任务分配作为任务规划系统的两个组成部分,也是提高无人机自主性的关键技术。然而,复杂工作环境下的航迹规划和任务分配问题均被证明是NP-困难(Non-deterministic Polynomial Hard)问题,并且这两个问题的NP-困难特性给它们的求解带来了巨大的挑战。因此,提出高效的航迹规划和任务分配算法是任务规划研究领域亟待解决的问题,也是提升无人机自主化的重中之重。为此,本文以粒子群算法为主要的优化工具,围绕无人机任务规划中任务分配和航迹规划展开研究。完成的主要研究工作和成果包括:1.针对基本粒子群算法的两个缺陷:(1)粒子搜索极易过早陷入迭代停滞;(2)不能很好地平衡粒子的全局和局部搜索能力,结合进化博弈论和SPSO 2011(Standard Particle Swarm Optimization 2011)算法,提出了一种基于进化博弈论的自适应粒子群优化算法(SAEGPSO)。针对提出的SAEGPSO算法,从理论上分析和证明了该算法的收敛性,得到了保证算法收敛的充分必要条件,在此基础上,提出了充分保证该算法收敛的参数设置法则。同时,研究了提出的SAEGPSO算法中粒子在不同控制参数取值区间的收敛行为,并从理论上分析了该算法的局部最优性。2.针对二维情况下的单机航迹规划问题展开研究,并设计了基于SAEGPSO算法的单机航迹规划方法。在设计的单机航迹规划方法中,针对单机航迹规划问题的等式和不等式约束,提出了一种结合自适应松弛变量法和解的可行性法则的约束处理方法,降低了优化的难度和增加了解的多样性。另外,为了圆滑SAEGPSO算法搜索到的全局航迹,提出了一种基于特殊参数形式的5阶毕达哥拉斯曲线拼接的航迹圆滑算法,保证了圆滑后的航迹同时满足曲率连续和最大曲率限制要求。3.针对二维情况下的多机协同航迹规划问题展开研究。首先,在充分考虑每架无人机自身物理约束、航迹安全性能约束以及航迹间的时空约束情况下,建立了多机协同航迹规划问题数学模型。然后,设计了一种基于多SAEGPSO种群协作的分布式方法对建立的多机协同航迹规划问题进行求解,实现了在有限的计算时间里快速地给每架无人机规划出一条满足所有约束条件的可接受航迹。4.基于SAEGPSO算法的多无人机单目标任务分配问题研究。以多机协同攻击多个目标为任务分配背景,提出了一种基于SAEGPSO算法求解多无人机单目标任务分配的方法,以实现快速给多无人机系统确定一个最优的任务分配方案。5.为了给多无人机系统同时找到多个可行的非劣分配方案,结合改进的SAEGPSO算法和Pareto非劣解理论,本文首先提出了一种基于SAEGPSO算法的多目标优化方法。然后,以多机协同攻击多个目标为任务分配背景,建立了多机多目标任务分配数学模型,最后,将提出的多目标优化方法用以求解所研究的多机多目标任务分配问题。在提出的多目标优化方法中,结合提出的自适应松弛变量法和解的可行性法则以及Pareto支配的概念,设计了一种约束支配法则,用以处理多目标问题的约束条件,增加了解的多样性和降低了优化的难度;针对粒子全局最优位置选择问题,提出了一种基于Sigma方法的选择法则,为SAEGPSO算法中粒子选择全局最优位置,加快了粒子收敛到最优Pareto非劣前沿的速度;针对粒子搜索的Pareto非劣解集更新问题,设计了一种结合循环排挤法和精英保存策略的方法,以得到分布性更好的Pareto非劣前沿。