摘要:多目標的無人機路徑規劃問題作為主要研究方向之一,針對各類活動中多目標情況下如何規劃出更合理的路徑,成為無人機研究者最關心的問題,為更好的發揮出無人機的作用,為各地區各行業發展提供支持,本文通過分析無人機近距離運動規劃體系,提出無人機路徑規劃方法,為相關人員提供參考。
關鍵詞:多目標;無人機路徑規劃
隨著社會經濟與科學技術的不斷發展,無人機發展越來越穩定,各項活動基本上都可以看到無人機出現,同時,無人機的應用也會出現在不同的場景中,例如,軍事勘探、人物追蹤、農藥無人噴灑、民用航拍等等,無人機的應用越來越深入,其中多目標下的無人機路徑規劃成為主要探究問題,也是各項大型活動的必要準備。
一、無人機近距離運動規劃體系
在深入研究單個自主運動功能規劃相關問題之前,首先我們需要要建立相對較為完整的單個自主運動功能規劃工作體系,再由該規劃體系專家作為理論指導,對單個自主運動功能規劃的各項具體基本問題特點進行系統深入分析研究。本章章節將根據單個自主運動機器人的整體思維表達方式、運動思維形式、任務以及行為等不同特點,建立與之相匹配適應的單個自主運動功能規劃工作體系。并按照自主機器人的使用數量與運動規模,將單個自主運動功能規劃體系分為單個自主機器人的自主運動功能規劃與多少個機器人整體協同進行運動功能規劃兩類運動規劃工作體系。
1、單個無人機規劃體系
運動規劃系統操作是整個自主運動控制單元系統中的各主控控制單元的一個核心組成部分,因此我們有必要先進地研究系統自主運動控制單元系統和其他各主控控制單元的基本體系形式結構模型問題。系統自主運動控制系統技術發展研究至今,先后已經出現了多種基本體系形式結構模型形式,目前被廣泛應用于控制實踐的主要是分布式基本體系模型結構,其各個基本功能模塊相互作為相對獨立的功能單元相互參與整個控制體系。隨著現代人工聰慧智能控制技術的不斷進步發展,基于比較多agent的分布式基本體系模型結構逐漸發展成為了技術主流,各各個功能模塊相互作為獨立的一個智能體單元參與整個系統自主運動控制系統過程,該基本體系形式結構廣泛應用的基本體系形式結構如下表圖1所示。一般上方面,主控控制單元與運動測控系統介入信號處理、姿態運動控制系統、軌道控制傳動系統、熱控控制系統、能源控制系統、數傳、有效載荷運動控制等各個功能模塊子系統相互獨立為一個智能體,由主控總線交互相連;另一方面,主控控制單元為整個主控系統運動提供一個整體規劃,以及負責協調、管理各功能子系統agent的運動行為。
2、多個無人機協同規劃體系
多線程主控智能體系統的基本主控控制群體管理結構體系基本管理結構一般來說可以被細分為一種系統集中式、分散式兩種基本主控群體管理結構,分散式主控群體管理結構又因為復雜可以進一步地可以細分為多種系統分層式和多種系統分布式主控群體管理結構。這種系統集中式主控群體管理結構通常由一個系統控制主控單元控制管理單元同時能夠掌握全部系統主控管理環境和一個系統受控管理單元控制機器人主控管理任務信息,運用系統流程規劃信息管理分析算法對系統主控管理任務進行信息管理進行系統綜合解析分解,并實時自動分配管理信息給各自的系統受控管理單元控制機器人,組織它們共同完成系統主控管理任務
二、無人機路徑規劃研究方法
1、圖搜索法
圖形化搜索的方法主要依靠收集已知的網絡環境實景地圖以及網絡地圖文件中的所有障礙物位置信息等來構造從一個起點搜索到一個終點的可行搜索路徑。主要可以分成采用深度擴展優先和采用廣度最后優先兩個搜索方向。采用深度最后優先技術算法擴展優先深度擴展可行搜索路徑深度大的搜索節點,可以快速的擴展得到一條可行搜索路徑,但是采用深度最后優先技術算法擴展得到的第一條可行路徑往往就只是較長的可行路徑。采用廣度最后優先技術算法擴展優先深度擴展搜索深度小的搜索節點,呈現長波狀的擴展搜索實現方式。采用廣度最后優先技術算法擴展搜索時得到的第一條可行路徑往往就是最短可行路徑。
2、 RRT算法
快速采樣搜索隨機采樣樹(rrt)搜索算法是它是一種利用增量式隨機采樣的稠密搜索計算方法,該搜索方法在實際應用中不僅僅需要任何精度參數就能整體確定,具備良好的綜合性和使用性能。這種增量式稠密搜索計算方法首先需要構建的稠密采樣搜索隨機采樣序列樹其路經序列樹的導向搜索方式主要取決于稠密采樣搜索隨機采樣序列樹的路經序列,當該隨機采樣樹的序列為隨機選種采樣樹的序列時,該稠密采樣搜索隨機采樣序列樹又被廣泛稱為快速搜索采樣樹來搜索隨機選種采樣序列樹,而不論此時該隨機采樣樹的序列為隨機采樣順序序列還是為非確定性隨機采樣樹的序列,都被廣泛地簡稱為快速搜索采樣樹來搜索稠密隨機采樣這種樹,這種規劃方法可處理微分等多種約束。
3、人工勢場法
人工虛擬勢能運動造場法基本理論主要是由khatib提出的一種廣泛地應用于進行機器人勢能運動力學研究規劃的人工運動虛擬勢能運動力學研究學科和方法。其基本概念理論總體思想基本概念主要是將人工運動勢能目標和其他一個障礙物對機器人運動的勢場及其影響反應關系進行具體化并綜合形成一個人工的勢能造勢場。人工運動勢能目標在其他人礙物處人工運動時則勢能低,障礙物處人工運動時則勢能高。這種勢場間的反差影響關系直接產生了人工運動勢能目標對其他一個機器人的反反斥吸引力和其他一個障礙物對其他一個機器人的反反斥壓和吸壓力,其對各種綜合吸引力力的運動控制可使一個機器人沿各個人工和造勢場的負梯度方向向各個勢能目標點運動進行反向運動。
綜上所述,為解決多目標無人機路徑規劃問題,必須根據現場主要情況與形勢進行研究,選擇合適的路徑運動規劃算法,規劃出最為合理的路徑。為后續提高各類算法在路徑規劃問題中的運算性能,設置多目標無人機真實場景,構建完善的解決方案與模型體系做支持。
參考文獻:
[1]趙梵喆;林躍;楊永琪.基于多目標規劃的無人機路徑規劃[J].價值工程,2020(009):208-210.
[2]張婷婷;柴來.多無人機多目標路徑規劃[J].指揮信息系統與技術,2020(006):32-36,46.
基金號:南寧理工學院2019年度校級科研項目+基于無人機在無線傳感網數據采集中的路徑規劃研究+KY200901;
2020年廣西高校中青年教師科研基礎能力提升項目+5050KY58011。
作者簡介:劉浩(1990-),男,漢族,廣西桂林人,桂林理工大學碩士,講師,研究方向:計算智能。