科研之友
微信
新浪微博
Facebook
分享链接
摘要
多固定翼无人机(Unmanned Aerial Vehicle， UAV)的任务分配和路径规划问题，将固定翼UAV简单的视为质点，未考虑自身航向角、初始和终止速度向量等问题。虽然能优化路径并避免障碍物，但其路径规划能力仍有待提高。针对多固定翼UAV任务规划问题，将改进的蚁群算法（Ant Colony Optimization， ACO）和自组织映射(Self-Organizing Map， SOM)算法相结合，提出ACO-SOM算法应用于多无人机系统。通过SOM进行任务分配，引入蚁群状态转移概率方法，调整SOM获胜神经元的权值，使得固定翼UAV按照最优Dubins路线依次到达各个目标点。根据巡航能力和运动学约束合理分配任务，构造多目标优化函数，实现多固定翼UAV的协同执行任务能力。分别在障碍物、不同起落点场景下对ACO-SOM算法进行仿真验证，实验结果表明，该方法能使多固定翼UAV合理任务分配并规划出最优路径，具有较高的避障和规划能力。
- 单位
