| 299 | 2 | 29 |
| 下载次数 | 被引频次 | 阅读次数 |
为了提高无人机在电力系统输电线路巡检中的时效性和准确性,提出了一种基于引导蚁群优化的路径规划方法。通过测量影响UACV飞行的4个因素(即对方雷达探测、飞行燃料成本、最大射程和高度成本),设计了雷达威胁模型、燃料成本模型、最大范围限制模型和高度代价模型。又通过设置诱导制导,改善了蚂蚁系统在局部搜索中的性能。仿真结果表明,该算法能从根本上提高UACV的飞行任务性能。
Abstract：In order to improve the performance of UAV in surveillance and combat, the authors propose a path planning method based on guided ant colony optimization. By measuring four factors that affect UACV flight(namely, enemy radar detection, flight fuel cost, maximum range and altitude cost), radar threat model, fuel cost model, maximum range limit model and altitude cost model are designed. Moreover, the performance of ant system in local search is improved by setting guidance. The simulation results show that the algorithm can fundamentally improve the mission performance of UACV.
[1] Bennett B L,Holcomb J B.Battlefield Trauma-Induced Hypothermia:Transitioning the Preferred Method of Casualty Rewarming[J].Wilderness & Environmental Medicine,2017,28(2):582-589.
[2] Reva V A,H?rer T M,Makhnovskiy A I,et al.Field and enroute resuscitative endovascular occlusion of the aorta:A feasible military reality?[J].The Journal of Trauma and Acute Care Surgery,2017,83(1 Suppl 1):S170-S176.
[3] 林娜，刘二超.基于改进蚁群算法的无人机动态航路规划[J].计算机测量与控制，2016,24(3):149-153.
[4] 吴学礼，贾云聪，张建华，等.一种改进蚁群算法的无人机避险方法仿真研究[J].河北科技大学学报，2018,39(2):166-175.
[5] 黄心，向煜.基于改进蚁群算法的无人机航迹规划仿真研究[J].城市勘测，2019(1):83-87.
[6] Dentler J,Rosalie M,Danoy G,et al.Collision Avoidance Effects on the Mobility of a UAV Swarm Using Chaotic Ant Colony with Model Predictive Control[J].Journal of intelligent & robotic systems:Theory & applications,2019,93(12):227-243.
[7] 肖绍.基于改进蚁群算法的无人机航迹规划研究[D].南昌：南昌航空大学，2016.
[8] 张博.基于改进蚁群算法的无人机航迹规划研究[D].西安：西安科技大学，2019.
[9] Sitarz P,Powa?ka B.Dual ant colony operational modal analysis parameter estimation method[J].Mechanical Systems and Signal Processing,2018,98:231-267.
[10] 徐宏宇，孙洪俊，韩毅.优化蚁群算法在无人机二维航迹中的应用[J].沈阳航空航天大学学报，2017,34(6):78-82.
[11] 李海彬，沈显庆.改进蚁群算法的路径规划研究[J].电子测试，2020(3):38-39+87.
[12] 孙洪俊.小型无人机多机路径协同规划方法研究[D].沈阳：沈阳航空航天大学，2018.
[13] 李华伟，任颖，张骏鹏.改进蚁群算法及其仿真研究[J].现代计算机(专业版),2011(8):17-18.
基本信息:
中图分类号:V279;TP18
引用信息:
[1]辛慧娟,杨洪权.基于引导蚁群优化的无人机航路规划[J].微型电脑应用,2021,37(08):89-92.
基金信息:
校级项目(ZK19-14); 咸阳科技局科研攻关项目(2018K02-10)
2021-08-20
2021-08-20