✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
⛄ 内容介绍
本文提出了一种基于粒子群优化(PSO)算法的无人机路径规划算法.建立无人机飞行区域内的雷达威胁概率地图模型,定义了综合考虑生存概率,航路距离以及无人机自身性能约束的航路代价函数,使得规划得到的预飞航路能够满足最大生存能力,采用PSO算法搜索预飞航迹的控制点位置,在最小化航路代价函数的过程中实现飞行航迹的寻优过程.仿真结果表明,基于PSO算法的智能航路规划方法能够得到满意的无人机预飞路径.
⛄ 部分代码
clc
clear all
close all
global radar1
global radar2
global R
% radar1 = [350 105 305 105 175 245 415 480 40 470];
% baili = size(radar1,2);
% radar2 = [200 0 -150 110 110 110 0 110 100 -50];
% R = [140 70 150 30 25 25 25 90 40 30];
radar1 = [100 200 300 400 150 250 350 150 250 350 0 466 250 250 466 30];
baili = size(radar1,2);
% figure (1)
% apso = mean(storeer);
% plot(apso)
figure (2)
hold on
plot(0,0,'k*')
plot(500,0,'ks')
for i = 1:baili
hold on
plot(radar1(i),radar2(i),'ko');
cir_plot([radar1(i),radar2(i)],R(i));
end
legend('starting point','target point','threat center')
axis equal
%axis([-100,620,-300,200])
for i = 1:(D-1)
plot([500/(D+1)*i,500/(D+1)*(i+1)],[GlobalParams(i),GlobalParams(i+1)],'r:','LineWidth',2);
hold on
end
plot([0,500/(D+1)*(1)],[0,GlobalParams(1)],'r:','LineWidth',2);
plot([500/(D+1)*D,500],[GlobalParams(D),0],'r:','LineWidth',2);
⛄ 运行结果
⛄ 参考文献
[1] 浦黄忠, 甄子洋, 张超,等. 基于概率地图和粒子群算法的无人机路径规划[C]// 中国航空学会. 中国航空学会, 2010.
[2] 刘科, 周继强, 郭小和. 基于改进粒子群算法的无人机路径规划研究[J]. 中北大学学报:自然科学版, 2013, 34(4):7.
[3] 王翼虎, 王思明. 基于改进粒子群算法的无人机路径规划[J]. 计算机工程与科学, 2020(009):042.
[4] 黄祎, 孙德宝, 秦元庆. 基于粒子群算法的移动机器人路径规划[J]. 兵工自动化, 2006, 25(4):3.
[5] 王翼虎, 王思明. 基于改进粒子群算法的无人机路径规划[J]. 计算机工程与科学, 2020, 42(9):7.
[6] 孙浩磊. 基于群体智能算法的无人机路径规划技术研究[D]. 沈阳理工大学.