检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:孙静[1] 吴碧[2] 许玉堂 李灿波[1] 罗训强
机构地区:[1]中国兵器科学研究院,北京100089 [2]空军装备研究院总体所,北京100076 [3]空军装备部科研订货部,北京100843 [4]简式国际汽车设计(北京)有限公司,北京100085
出 处:《弹箭与制导学报》2014年第3期170-174,共5页Journal of Projectiles,Rockets,Missiles and Guidance
摘 要:复杂环境下规划无人机三维航迹时,随机型的粒子群优化由于问题维度高导致收敛性差难以获得最优甚至可行航迹;而确定型的稀疏A~*算法易陷入局部搜索导致搜索时间长且计算量大。基于分层思想,将高维航迹规划问题转换为多个低维问题。首先通过粒子群优化规划出少量导引航迹点集,然后采用稀疏A*算法计算导引点间的航迹段。仿真结果表明该方法能在获得满意解的前提下提高复杂环境下无人机航迹规划效率。For three-dimensional UAV route planning in complex environment, the probabilistic particle swarm optimization (PSO) has diffi- culty in acquiring optimal path or even feasible path due to high dimensionality, while the deterministic sparse A * algorithm is likely to be trapped into local search which leads to long search time and expensive computation. Based on hierarchical path planning, the high dimen- sional path planning could be decomposed to some low dimensional problems. Firstly, some navigation waypolnts was planned using PSO, and then the path linking the navigation points was planned using sparse A * algorithm. The simulation results indicate the proposed method could improve feasible path planning efficiency in complex environment.
关 键 词:无人机 航迹规划 复杂环境 粒子群优化 稀疏A^*算法
分 类 号:V279[航空宇航科学与技术—飞行器设计]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.3