排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
城市区域物流无人机路径规划 总被引:1,自引:0,他引:1
针对城市区域物流无人机路径规划问题,采用栅格法进行环境建模,综合考虑无人机性能、任务性质和城市环境等影响要素,以航程、高度变化和危险度最小为目标函数,构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解:为合理预估距离,采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数;为提高搜索效率,引入双向搜索策略;为保证平稳飞行,采用B样条(B-spline)法进行路径优化.结果表明:模型可以实现多目标优化,具有有效性;算法与传统A*算法相比,规划时间少,规划路径航程短,高度变化少,飞行安全稳定.分析参数权重值得出:当3个子目标代价权重系数分别为0.4、0.1和0.5,2种距离权重系数分别为0.15和0.85时,规划路径最优. 相似文献
2.
为提高物流无人机在城市低空环境下配送的安全性和公众接受程度,保证运输经济性,提出一种考虑运行风险、噪声水平和运输成本的城市低空物流无人机航迹规划方法。采用栅格法进行空域环境表征,建立基于风险的城市空域环境模型。结合物流配送要求,建立多目标、多约束的物流无人机航迹规划模型。采用改进A*算法进行求解:为降低航迹代价,设计估价函数预估成本;为保证飞行安全,引入安全保护区确保间隔;为提升搜索效率,采用动态步长加快搜索进程。仿真结果表明:本文模型和算法所得航迹的运行风险小、噪声水平低、运输成本低,能够实现多目标优化。分析模型参数可知,当各子目标代价权重分别为0.6、0.1和0.3时,规划航迹最优。 保证其余参数不变,增大安全间隔,则风险代价、运输成本代价总体呈增加趋势,噪声代价减少。 在本文规划环境下,参考大疆经纬200无人机参数,在安全间隔取15 m时,综合代价最小。 相似文献
3.
4.
针对城市物流无人机起降点布局规划问题,考虑不同级别的物流无人机起降点,构建以总经济成本最小和客户满意度最高为目标,以禁飞区、无人机性能、容需匹配等为约束的整数规划模型。设计人类学习优化算法(HLO),引入随机学习算子、个体学习算子和社会学习算子。在此基础上,基于真实地理信息数据和物流数据设计仿真实验,验证模型与算法有效性。实验结果表明,所建模型可以实现起降点的合理布局规划,适用于大规模资源配置,具备有效性;人类学习优化算法较遗传算法求解精度与收敛速度更优,表现出较佳性能。参数分析表明,基于该仿真环境的最优经济成本权重和客户满意度权重设置为0.4和0.6,最佳算法学习概率参数组合为5/n和 (0.8+2/n)。据此可对城市物流无人机起降点布局规划提供决策依据。 相似文献
5.
针对城市区域物流无人机路径规划问题,采用栅格法进行环境建模,综合考虑无人机性能、任务性质和城市环境等影响要素,以航程、高度变化和危险度最小为目标函数,构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解:为合理预估距离,采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数;为提高搜索效率,引入双向搜索策略;为保证平稳飞行,采用B样条(B-spline)法进行路径优化.结果表明:模型可以实现多目标优化,具有有效性;算法与传统A*算法相比,规划时间少,规划路径航程短,高度变化少,飞行安全稳定.分析参数权重值得出:当3个子目标代价权重系数分别为0.4、0.1和0.5,2种距离权重系数分别为0.15和0.85时,规划路径最优. 相似文献
6.
1