基于改进蚁群算法的无人机避险方法研究

摘要

近年来，无人机凭借其成本低廉和灵活多变的特性，被广泛应用于各行各业。随着商业无人机数量的增多，无人机发生碰撞的事故率也在逐年增高，无人机飞行安全也越来越多的被人们所重视。无人机是否具有自主避险能力，是其在外执行任务时生存的关键，同时也是无人机发展中必不可少的研究内容。无人机避险系统的核心部分是由避险算法来实现。目前，研究无人机在同一高度的二维平面上的避险技术相对比较成熟，但无人机运动的复杂性决定了，单纯的二维平面避险并不能满足无人机自主飞行的要求。在复杂三维环境下的无人机避险技术还需要我们更加深入的去研究。 首先，对无人机避险问题进行全面分析，总结无人机飞行的约束条件，阐述了他们的特点和研究无人机避险时所要注意的问题。针对无人机飞行特点建立复杂三维环境仿真模型，为防止环境模型对后续避险算法精度造成影响，利用二维三次卷积插值法对环境模型进行处理，使环境模型更加符合无人机避险要求。 其次，开始无人机避险算法的研究，通过对智能算法的优劣对比最终选择蚁群算法作为无人机避险算法。在蚁群系统的基础上，提出一种改进的蚁群算法，将障碍物与无人机之间的距离考虑进蚁群算法信息素更新，使转移概率能以最优的分配方式选择蚂蚁前进方向，提高收敛速度，防止陷入局部最优。通过MATLAB仿真验证，所提出的算法有更高的精度，在复杂静态三维仿真环境下，成功完成了无人机的自主飞行避险。 最后，针对在动态三维环境下，蚁群算法收敛速度不能满足需要的问题，提出在改进的蚁群系统基础上融合粒子群算法。利用粒子群算法前期收敛快的特点形成次优解，作为蚁群算法信息素分布的初始条件。为进一步提高融合算法的收敛速度，在杂交粒子群算法的基础上加入自适应条件。融合两种改进的智能算法，最终形成改进粒子群蚁群融合算法，通过采用四种测试函数对融合算法和其他四种算法的性能测试，结果表明融合算法在收敛性和收敛精度上要优于其他四种算法。最后在动态三维环境下进行仿真验证，无人机成功躲避静态障碍物的前提下及时对动态飞行器做出避让动作。该算法具有很强的通用性，可以用在无人机远距离的路径规划和目标识别上，具有重要的研究意义与广泛的应用价值。