固定翼无人机在线航迹规划方法
设计了斥力增益模糊控制器,有效地完成了无人机动态避障。启发式搜索法包括A*(A-Star)算法[11]、粒子群算法、遗传算法[12]等经典算法;但这类算法随着搜索空间的扩大,计算复杂度会呈爆炸式增长。文献[13]提出了一种稀疏A*算法,该算法在修剪搜索空间的同时使得规划路径满足约束条件,以此提高规划路径的效率。文献[14]针对机器人避障提出了一种混合粒子群算法,实验表明此算法性能和收敛速度要优于标准粒子群算法。文献[15]提出一种惯性权值依据迭代次数变化而变化的改进粒子群算法,该算法明显提高了航迹优化精度和稳定性;但因未过多考虑无人机的约束条件,不适用于实际工程应用。文献[16]提出了基于滚动时域控制的模糊粒子群优化(Receding Horizon Control-Fuzzy Particle Swarm Optimization, RHC-FPSO)算法以解决带有动力学约束的多旋翼无人机航迹规划问题,该方法是在已知全局环境信息的前提下需要计算全局代价图,当环境突然发生变化时,使用RHC-APF(Receding Horizon Control-Artificial Potential Field)作出调整,但是该方法不适用于局部环境已知的固定翼无人机航迹规划。为提高固定翼无人机的生存能力,本文中提出了静态避障和动态避障相结合的在线航迹规划算法。首先,采用基于带有约束的滚动时域控制策略的模糊粒子群优化(Restricted-RHC-FPSO, R-RHC-FPSO)方法完成已知局部环境信息下的静态避障;然后,构造分段线性人工势场法(Piecewise Linear Artificial Potential Field, PLAPF),完成动态避障。实验结果表明,本文提出的算法能够满足不确定环境下固定翼无人机实时避障的要求和无人机动力学约束,达到良好的动态航迹规划效果。