基于 Fopid-Tid 控制器和 Haoaroa 算法的无人机路径规划控制混合优化方法性能分析
快速阅读: 据《Nature.com》称，近年来，无人飞行器（UAV）的轨迹规划和障碍物规避取得显著进展，但仍缺乏将平滑轨迹生成方法与高级混合优化技术结合的研究。本研究引入骑手优化算法（HAOAROA），将其与B样条曲线及分数阶比例积分微分控制器（FOPID TID）结合，实现实时、平滑且高效的UAV自主导航，提升避障性能和稳定性。
近年来，无人飞行器（UAV）的轨迹规划和障碍物规避取得了巨大进展：这得益于优化算法和路径规划技术的结合。然而，在这方面仍存在显著的研究缺乏，尤其是在将平滑轨迹生成方法如B样条曲线与适用于复杂环境的高级混合优化边界函数相结合方面。大多数现有研究仅限于基本优化算法或启发式策略的应用，而不是充分利用能够同时提供全局探索和局部精炼的混合算法在复杂环境中的协同作用。此外，只有最近的工作开始考虑UAV实时适应动态且不可预测变化的障碍物的需求。例如，A*算法和跳点搜索（JPS）常用于UAV轨迹规划，但往往产生不具稳定UAV飞行所需的平滑性和连续性的分段线性路径，特别是在通过狭窄空间或避开复杂障碍物时。本研究通过引入一种新的混合阿基米德优化算法——骑手优化算法（HAOAROA），将其整合到基于梯度的自主障碍物规避轨迹规划系统中，采用B样条曲线，填补了这一研究空白。HAOAROA算法结合了阿基米德优化算法（AOA）的全局探索能力和骑手优化算法（ROA）的精细局部开发能力，提供了广泛搜索和精确局部精炼的独特平衡。在复杂环境中，我们提出了一种混合方法，使UAV能够自主导航，遵循平滑、高效且无碰撞的路径。不同于以往单独进行优化的方法，我们的混合方案通过实时访问障碍物及其规避需求来动态调整UAV的路径，从而提供最优的轨迹规划。本研究贡献在于应用B样条曲线生成平滑、连续且动态调整的HAOAROA轨迹，实现最优的障碍物规避。使用B样条曲线实现的平滑过渡确保UAV保持稳定飞行，避免导致不稳定或能量低效的急转弯。我们还结合了基于梯度的优化元素，实时优化B样条控制点，持续细化UAV的轨迹以避免碰撞。这成为一种新颖的方法，将HAOAROA的全局搜索与基于梯度的优化的局部改进相结合，应用于静态和动态环境下的实时UAV轨迹规划。我们工作的主要贡献之一是将HAOAROA与具有时不变导数的分数阶比例积分微分控制器（FOPID TID）相结合。根据UAV控制系统知识，分数微积分被添加到该控制器中，以增强其稳定性和鲁棒性。我们的系统不仅集成了FOPID-TID控制器，以帮助UAV精确地调整飞行路径以应对干扰或环境的动态变化，从而平稳稳定地飞行。分数阶控制使响应更加灵活，而混合HAOAROA则用于维持整体轨迹在路径长度和障碍物规避方面的最优性。
近年来，无人飞行器（UAV）的轨迹规划和障碍物规避取得了巨大进展：这得益于优化算法和路径规划技术的结合。然而，在这方面仍存在显著的研究缺乏，尤其是在将平滑轨迹生成方法如B样条曲线与适用于复杂环境的高级混合优化边界函数相结合方面。大多数现有研究仅限于基本优化算法或启发式策略的应用，而不是充分利用能够同时提供全局探索和局部精炼的混合算法在复杂环境中的协同作用。此外，只有最近的工作开始考虑UAV实时适应动态且不可预测变化的障碍物的需求。例如，A*算法和跳点搜索（JPS）常用于UAV轨迹规划，但往往产生不具稳定UAV飞行所需的平滑性和连续性的分段线性路径，特别是在通过狭窄空间或避开复杂障碍物时。本研究通过引入一种新的混合阿基米德优化算法——骑手优化算法（HAOAROA），将其整合到基于梯度的自主障碍物规避轨迹规划系统中，采用B样条曲线，填补了这一研究空白。HAOAROA算法结合了阿基米德优化算法（AOA）的全局探索能力和骑手优化算法（ROA）的精细局部开发能力，提供了广泛搜索和精确局部精炼的独特平衡。在复杂环境中，我们提出了一种混合方法，使UAV能够自主导航，遵循平滑、高效且无碰撞的路径。不同于以往单独进行优化的方法，我们的混合方案通过实时访问障碍物及其规避需求来动态调整UAV的路径，从而提供最优的轨迹规划。本研究贡献在于应用B样条曲线生成平滑、连续且动态调整的HAOAROA轨迹，实现最优的障碍物规避。使用B样条曲线实现的平滑过渡确保UAV保持稳定飞行，避免导致不稳定或能量低效的急转弯。我们还结合了基于梯度的优化元素，实时优化B样条控制点，持续细化UAV的轨迹以避免碰撞。这成为一种新颖的方法，将HAOAROA的全局搜索与基于梯度的优化的局部改进相结合，应用于静态和动态环境下的实时UAV轨迹规划。我们工作的主要贡献之一是将HAOAROA与具有时不变导数的分数阶比例积分微分控制器（FOPID TID）相结合。根据UAV控制系统知识，分数微积分被添加到该控制器中，以增强其稳定性和鲁棒性。我们的系统不仅集成了FOPID-TID控制器，以帮助UAV精确地调整飞行路径以应对干扰或环境的动态变化，从而平稳稳定地飞行。分数阶控制使响应更加灵活，而混合HAOAROA则用于维持整体轨迹在路径长度和障碍物规避方面的最优性。
(以上内容均由Ai生成)
