多固定翼无人机的任务分配和路径规划算法

摘要

【目的】多固定翼无人机（Unmanned Aerial Vehicle, UAV）的任务分配和路径规划问题中，将固定翼UAV简单地视为质点，未考虑自身航向角、初始和终止速度向量等问题。针对多固定翼UAV任务规划问题，将改进的蚁群算法（Ant Colony Optimization, ACO）和自组织映射（Self-Organizing Map, SOM）算法相结合，提出ACO-SOM算法应用于多无人机系统。【方法】通过SOM进行任务分配，引入蚁群状态转移概率方法，调整SOM获胜神经元的权值，使得固定翼UAV按照最优Dubins路线依次到达各个目标点。根据巡航能力和运动学约束合理分配任务，构造多目标优化函数，实现多固定翼UAV的协同执行任务能力。【结果】分别在障碍物、不同起落点场景下对ACO-SOM算法进行仿真验证，实验结果表明，该方法能使多固定翼UAV合理任务分配并规划出最优路径，具有较高的避障和规划能力。

关键词

任务分配 / 路径规划 / 固定翼无人机 / 自组织映射 / 蚁群算法 / Dubins曲线