文献阅读笔记

最新推荐文章于 2022-10-25 11:09:08 发布

JeremyAhhh

最新推荐文章于 2022-10-25 11:09:08 发布

阅读量916

点赞数 3

文章标签：分布式

本文链接：https://blog.csdn.net/ws297933371/article/details/104788737

版权

本文探讨了未知环境下无人机集群协同区域搜索算法，包括环境模型、无人机模型和覆盖地图更新策略。通过分布式模型预测控制（DMPC）与差分进化（DE）算法结合，解决多无人机协同搜索问题，提高区域覆盖率。在仿真中模拟了无人机故障情况，验证了算法的有效性。

摘要由CSDN通过智能技术生成

文章目录

未知环境下无人机集群协同区域搜索算法

期刊
侯岳奇男，硕士研究生。主要研究方向: 航空集群智能决策。
梁晓龙男，博士，教授，硕士生导师。主要研究方向: 航空集
群指挥与控制、智能系统、空管智能化。
何吕龙男，博士研究生。主要研究方向: 航空集群编队控制。
刘流男，硕士研究生。主要研究方向: 航空集群编队控制

前言

协同搜索问题：
1，将任务区域进行分割，设计各个子区域的覆盖搜索航
线，飞行航线固定。该方法的优势在于能够实现任务区域的全覆盖，而在无人机故障、火力威胁等突发情况下该方法受限。
2，使用笛卡儿栅格描述环境，赋予每个栅格一个值代表目标分布的不确定性，设计了搜索回报函数和禁飞区回避
策略。在有先验信息的情况下，该方法可以实现重点侦察和覆盖搜索。但是假设无人机在相邻栅格之间运动，这种“粗粒度”的运动模型虽然简化了协同搜索决策的解空间，但却在一定程度上降低了决策结果的精细程度。
3，基于分布式模型预测控制框架，采用纳什最优和粒子群优化相结合的算法，有效地降低了协同搜索决策问题的求解规模和通信负担。虽然上述研究在一定程度上使多无人机具备了协同搜索的能力，但仍存在区域覆盖率较低的问题。存在这一问题的原因在于: 缺少专门的引导机制，来引导无人机向未覆盖区域进行搜索。