無人機環(huán)境建模和運動規(guī)劃算法研究.pdf

1、本文研究了無人機（Unmanned Aerial Vehicle，UAV）的環(huán)境建模和運動規(guī)劃算法。首先，本文提出了偶極子橢圓包絡(luò)(Dipole Ellipse Envelope，DEE)模型以實現(xiàn)環(huán)境建模，并定義了基于該模型的環(huán)境熵增。該模型包括孤立包絡(luò)(Isolated Envelope Mode)和組合包絡(luò)(Combined Envelope Mode)兩種模式，前者針對簡單、孤立的障礙物，后者則適用于復雜、群集的障礙物。這兩種模

2、式以相同的理念為支撐，即從整體上把握障礙物的外廓和走勢，而忽略無關(guān)緊要的邊界細節(jié)，從而以犧牲一定的精確性為代價，換取幾何建模的簡潔性和靈活性，尤其適用于在信息不完全或環(huán)境動態(tài)變化的環(huán)境中對任意形狀障礙物進行幾何建模。
　　在環(huán)境建模的基礎(chǔ)上，本文將運動規(guī)劃問題分為兩個層次:(1)在全局環(huán)境中，將路徑長度和環(huán)境熵增等因子歸一化為目標函數(shù)，進而利用粒子群優(yōu)化(Particle SwarmOptimization，PSO)算法實現(xiàn)路徑規(guī)

3、劃;(2)在局部環(huán)境下，通過實時感知環(huán)境信息來動態(tài)更新環(huán)境模型，并利用人工勢場（Artificial Potential Field，APF）方法進行動態(tài)避障。特別地，為了提高動態(tài)避障的可靠性和效率，本文對傳統(tǒng)APF方法進行了改進，一方面在目標引力場、障礙物斥力場的基礎(chǔ)上引入偶極子導流場以減少發(fā)生路徑振蕩和陷入極小值點的可能性，另一方面在構(gòu)建APF是不僅考慮位置信息和速度信息，而且考慮二者的相互關(guān)系以實現(xiàn)二者的相互協(xié)調(diào)。
　　為了

4、實現(xiàn)路徑規(guī)劃和動態(tài)避障的有機統(tǒng)一，本文將二者融入到統(tǒng)一框架中:在全局環(huán)境中，前者規(guī)劃一條由若干節(jié)點串聯(lián)而成的大致路徑;在局部環(huán)境中，后者實現(xiàn)相鄰節(jié)點之間的動態(tài)避障。這種架構(gòu)實現(xiàn)了二者的利弊互補:前者可以保證全局路徑的合理性，使得后者不會陷入局部極小值點或者局部振蕩區(qū)域;后者可以保證局部軌跡的平滑性，從而減少了前者所需節(jié)點數(shù)，顯著提高了前者的效率。
　　以DEE模型為基礎(chǔ)，本文對路徑規(guī)劃和動態(tài)避障算法進行了仿真實驗，結(jié)果表明該框架具