【路径规划】基于粒子群算法的新型概率密度无人机作战路径规划附matlab代码

✅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。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 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.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料