空中机器人(UAV)轨迹规划设计与仿真

作者:潘勇;丁冬冬;徐向荣; 刊名:佳木斯大学学报(自然科学版) 上传者:惠香园

【摘要】研究空中机器人(UAV)的轨迹规划,使空中机器人(UAV)可以在顺利躲避障碍物的前提下从初始点到目标点。通过对空中机器人(UAV)的轨迹环境采用栅格化处理,在基于栅格划归的轨迹环境下运用蚁群算法寻求空中机器人(UAV)从初始点到目标点的最短路径,并在MATLAB中进行轨迹仿真。经过轨迹仿真,可以明显证明基于蚁群算法的空中机器人(UAV)可以寻求一条从初始点到目标点的最短路径。

全文阅读

0引言空中机器人是当今研究的热点,不论在军事还是民用都发挥了巨大的作用。如物流配送[1],农用机器人[2],车辆导航系统[3],汽车泊车系统[4]等领域均得到了应用[5],而轨迹规划是空中机器人研究的一个重要组成部分,所以空中机器人自主规划路径问题一直是各大高校研究的热点。空中机器人轨迹规划问题可以概括为在顺利躲避障碍物的前提下,机器人可以自主找到一条从初始点到目标点的最短路径[6]。在研究的最初期,轨迹规划问题是采用人工规划的方法,但是此方法不能实现预期的飞行任务,随着对问题的深入研究,国内外学者提出了一系列轨迹规划算法包括蚁群算法、粒子群算法、遗传算法、A*算法、模糊逻辑算法[7-10]等,其中粒子群算法于1992年被Marco Dorigo提出,其灵感来自于蚂蚁寻找食物时,蚂蚁的路径轨迹。和其他算法相比较而言,具有以下优点:1.优良的分布式计算机制;2.较强的鲁棒性;3.全局搜索方法;4.易于其他算法结合,利用蚁群算法通过栅格法对空中机器人飞行环境在MATLAB中进行二维建模。通过仿真分析,可以看出蚁群算法在空中机器人轨迹规划得到了很好应用。1二维轨迹环境建模1.1环境模型预处理空中机器人的飞行轨迹是在一定空间内进行的,假设空中机器人的飞行高度保持不变,飞行速度不变,并且假设在飞行过程中飞行环境不发生变化,那么空中机器人的飞行轨迹就可以简化成一个二维轨迹规划问题类似于移动机器人的轨迹规划问题。1.2栅格法栅格法[11]是在进行轨迹规划时采用栅格来表示地图,假设空中机器人的飞行环境是长为L,宽为W的二维空间,并且每个栅格的长和宽均为b,那么栅格的总数就位(L/b)×(W/b)。飞行环境A可由栅格Gij表示:A={Gij/Gij=0或1,i,j为整数}(1)其中Gij=0表示无障碍区域,1表示有障碍区域通过使用栅格法将空中机器人的飞行环境变成了可以用0,1表示的网格单元。栅格的标识方法通常有两种:直角坐标法和序号法。考虑到序号法相比直角坐标法更加节省系统的存储空间[12],因此本文采用序号法对栅格进行编码,按照从左到右,从上到下依次对栅格进行编码,如图1所示。1 2 3 4 5 6 7 8 9 1011 12 13 14 15 16 17 18 19 2021 22 23 24 25 26 27 28 29 3031 32 33 34 35 36 37 38 39 4071 72 73 74 75 76 77 78 79 8081 82 83 84 85 86 87 88 89 9091 92 93 94 95 96 97 98 99 100图1栅格编码图1.3二维飞行环境建模当空中机器人在离线状态下要进行飞行轨迹规划,首先应获取飞行环境信息,二维飞行环境建模的关键所在是如何将环境信息转变为数字信息。在MATLAB中进行飞行环境仿真,MATLAB主要对矩阵信息进行加载,因此本文的环境建模主要是将环境信息转换为用矩阵表示的数值。根据栅格法构造矩阵,用矩阵来表示环境信息,如下20×20矩阵G,由此也可知道该环境被分割为400个小栅格,在矩阵G20x20中,0表示自由区域,1表示障碍物区域。将矩阵G20x20在MATLAB环境中进行建模,得到结果如图22基于蚁群算法的空中机器人(UAV)轨迹规划2.1蚁群算法概述采用蚁群算法对空中机器人的轨迹进行规划,主要基于以下几个原因:1优良的分布式计算机制;2较强的鲁棒性;3全局搜索方法;4易于其他算法结合蚁群算法是一种模仿蚂蚁群体行为的智能优化算法,蚁群算法较早的应用在TSP问题,很多文献基于TSP问题来详细

参考文献

引证文献

问答

我要提问