摘要
近年来，无人机(UnmannedAerialVehicles,UAV)在各个领域和应用中越来越受欢迎，例如，军事、灾害管理、救援行动、公共服务、农业和其他各种领域。随着任务环境越来越复杂，无人机如何在复杂环境中获得最优路径以及在无人机系统作战时保持稳定拓扑结构，是目前众多学者研究的热点方向之一。无人机路径规划涉及从起点到目标的最优路径，同时避免碰撞，减少时间、能量和其他资源的成本。无人机编队控制需要无人机集群组成特定的编队队形进行任务，实现队形保持，队形重构等功能。本文首先介绍了关于无人机航迹规划和编队控制的一些主流方法，并在鲸鱼优化算法的基础上，针对无人机航迹规划提出一种新的算法，此方法可以有效解决无人机航迹规划问题。然后，本文针对无人机编队控制问题，设计了无人机编队滑模控制器，以增加系统鲁棒性。本文研究工作具体如下: 首先，本文旨在解决复杂环境下无人机路径规划和编队控制的挑战性问题。针对无人机路径规划问题，提出了一种基于改进鲸鱼优化算法的方法应用于无人机路径规划。该方法首先通过精英反向学习，解决初始解差异性问题;其次，加入随机权重因子，使收敛因子不再受迭代次数线性影响;最后，通过末端随机邻域扰动，以解决鲸鱼优化算法易陷入局部最优解的问题。通过测试函数对算法进行测试，测试结果表明，本文所提算法收敛速度快，收敛精度高，不易陷入局部最小值。针对无人机环境进行建模，并设计无人机路径综合评估函数。将所提改进鲸鱼优化算法应用于无人机航迹规划中。实验结果表明本文所提算法在无人机航迹规划中，在所寻得路径综合长度更短，路径评价更高的同时，收敛速度快，稳定性强。 其次，针对无人机系统编队控制问题，设计了无人机编队滑模控制器。首先，针对传统趋近律在系统到达滑模面后有较大振荡的问题，设计了新型趋近律，由于新型趋近律所需参数较多，通过本文所设计的改进鲸鱼优化算法对其进行参数整定。实验结果表明，新型趋近律收敛速度快，系统抖振小。结合人工势场方法与滑模控制方法设计了无人机系统编队控制器。最后，通过仿真实验说明，本文所设计无人机系统编队控制器能实现无人机编队相关功能，并且误差低，系统鲁棒性强。
NETL