无人机自主避障飞行避障算法优化

王敏(渭南师范学院网络安全与信息化学院渭南714099)摘要：提出旋转翼无人机平面自主避障算法，保证其在复杂环境下安全到达目标地，提高飞行稳定性和安全性。该算法通过

一元二次方程解的方式，分析障碍威胁点，计算在发生碰撞条件下的最小碰撞时间，依据障碍物位置确定期望速度和方向。 同时，分析在过载约束条件下，对仿真迭代计算中可选速度进行二等分，依据惩罚因子最小原则，确定避障速度。通过MAT-

LAB仿真分析，平面空间避障算法可以发挥旋转翼无人机的悬停优势，实现其自主避障目的。关键词：旋转翼无人机，路径规划，平面避障算法The Optmization Study on Avoidance Algorithm for UAV

Autonomous Obstacle Avoidance FlightWNAG Min(School of Network Security and Informatization, Weinan Normal University, Weinan, 714099 , China)Abstract: A planar autonomous obstacle avoidance algorithm for rotary 一 wing UAV is proposed to ensure its safe arrival at the target in

complex environment and improve flight stability and safety. The algorithm analyzes the threat point of obstacle through the solution of one element two times equation, and calculates the minimum collision time under the condition of collision, and determines the desired

velocity and direction according to the position of the obstacle. At the same time, under the condition of overload constraints, the op­tional speed in the simulation iteration is divided into two parts, and the obstacle avoidance speed is determined according to the princi­

ple of minimum penalty factor. Through MATLAB simulation analysis, the planar space obstacle avoidance algorithm can give full play to the hovering advantage of rotary wing UAV , and realize its autonomous obstacle avoidance purpose.Keywords: rotary wing UAV , path planning, plane obstacle avoidance algorithm旋转翼无人机广泛应用于民用和军事领域，如何在复杂环境中到达预定目标，对飞行路径进行优化，发 挥自主避障功能，是目前该领域研究的关键点。既往研究采用多目标启发式搜索在全局规划条件下实 现增量重规划，解决动态不确定性环境中的路径优化问题。然而，该方法数据处理量大，造成飞行器过载，

导致实时处理能力下降，增加碰撞概率。动态自主避障模型将碰撞判断问题转化为一元二次方程，算得最

小碰撞时间，依据速度尽可能指向目标的原则，获得无人机的期望运动速度。由于引入权重因子，增加过载 约束条件，其计算量显著减少，减少最优机动速度判断时间。1问题分析无人机自主避障设计3个因素，位置、速度、角度，但是最优的速度，或者最优的角度，并不能得到最优的

本文于2018 -08 -03收到,2018 -08 -22收到修改稿。*2017年陕西省军民融合基金项目“民用无人机智能飞行系统设计”之阶段性成果，课题批准文号：陕军民融发(2016)第2号。4期王 敏等：无人机自主避障飞行避障算法优化37方案。本文在考虑最优速度、角度的基础上，增加权重因子，对自主避障方案进行赋权3\选择整体最优的

飞行方案，提高无人机到达目标点的成功率。假设旋转翼无人机的目标点为G,飞行中受复杂环境中动、静

态障碍物影响，需要计算最优避障路径，无碰撞抵达目标点。其中，飞行中最大过载为Lmax,速度不改变情 况下，改变飞行方向。旋转翼无人机通过自身携带雷达测距和摄像等设备，获得动、静障碍物位姿参数

obl(P.,；a)o同时，旋转翼无人机自身位姿参数为m *bl(P.，S),目标点参数为G(xc，yj,无人机的安全范围

如图1所示。由图1可知，障碍物位姿信息为p. =(X\")Va = ( V.COS0, ,vasin0a)

旋转翼无人机的位姿信息为pa = (xA,yA)(1)vA = ( vAcos0A,vAsineA) (2)式(1)、式(2)中，V*、Va分别为障碍物、无人机的速度矢量 模，而0a.0A分别为速度矢量的方向角。依据上述分析，得到无

人机的运动方程如式(3)所示。* = vAsineAX1 yA = vacos0a (3)0图1平面自主算法中无人机与障碍物参数0A = i(t)/vA其中，1( t)为无人机的法向量方面的过载，障碍物相对于无人机保持匀速直线运动。2碰撞判断假设无人机与障碍物之间保持初始速度，如果之间出现碰撞机会，那么t时间后，两者之间的相对距离

小于r,。如果无人机与障碍物之间出现碰撞，那么必须符合式(4)。Hr - VffixttH = r,

式(5)。(4)其中］为无人机与障碍物的相对位置矢量为无人机与障碍物的相对速度。式(4)展开后，为

IIPa + vAt - P. + vat|| = r,n(x. - xA - (vAcos0A - v,cos6.)t)2 + (ya - yA - ( vAsin0A - v.sinGjt)2=>v器对『-2(x, - xA) (vAcos0A - v,cos0,)t) - 2(y, - yA) (vAsin0A - v.sinOjt)

+『-r：=0

( 5 )假设式(5)中rA = v 爲{ B = (x* - xA) (vAcos0A - v.cosOj - (y, - yA) ( vAsin0A - vasin0a)

lc =『_ r；则式(5)可以简化为At2 -2Bt + C=0,变成以t为变量的一元二次方程。如果A = b' -4ac,那么A = b2 -4ac >0,则方程有2个解，代表无碰撞；△ = b2 -4ac = 0 ,则有唯一解，代

表临界情况；△=圧-4ac <0,方程则无解，代表碰撞。当A=b2 -4ac> 0时，无人机与障碍物之间的碰撞时间为t,其计算公式如式(6)所示。t = - b - ->/^/2a

当A=b2 -4ac <0时，其与障碍物间出现碰撞，其碰撞时间为无穷小，即无解。(6)38网络新媒体技术2019 年3避障运动方向的判断运动方向判断是在存在障碍物环境中，按照计算结构，选择自身的运动路径，实现无碰撞飞行。旋转翼 无人机在自主飞行过程中，需要确定最优路径，使得其可以有效规避障碍物，成功到达目标点，完成飞行任

务。其中，运动方向与运动速度都是自主避障算法研究的重点［5'61o无人机与障碍物接触前，要进行避障转向，而转向幅度不宜过大，否则将增加无人机的行驶距离，增加 其到达目标点的时间。因此，无人机避障的期望运动方向为目标方向，期望转向角为ero当无人机横向距 离未到达目标点G时(x,-xA >0),转向角度为蓟” =arctan血；当无人机横向距离超过目标点G时(x,-X距离XA <0)，转向角度为g =arctan沁+E,其中£为参数调整值；当无人机横向距离到达目标点G(x, -xA =

X距离0),而纵向距离未达到目标点(yt -yA >0),转向角度为0厂=£/2；当无人机横向距离到达目标点G(x,-

xA =0)，而纵向距离超过目标点(y, -yA <0)，转向角度为e：re = -£/2。其中，无人机的避障速度可以表示为

=(vAcos0^re - vAsin0^re)，结果如图 2 所示。由图2可知，无人机在飞行过程中，有最佳期望角度or和

实际飞行角度氐，最佳期望角度是通过计算获得最优方案，而实

际飞行角度是由于无人机所处条件，所能实现的角度⑺。两者

冃标点G之间的角度差较大，如何进行调整，需要飞行速度和方案选择。 最佳飞行角度并未将速度因素考虑进去，而且在此角度下的路 径最优，需要进一步分析。V・旋转翼4最优避障方案的确定*P 无人机无人机通过雷达测距设备获得(X, -xA)yt -yA)值，对周围

环境进行图像采集，计算避障角度緘”，以此控制自身速度。在

图2无人机与目标点运动示意图迭代运算过程中，确定避障速度e ( -amax • At, v(t) +

禹二• At)o对于任意避障速度匸,计算其与期望速度的差模和最小碰撞时间tmin(7),考虑到权

重因子q(^)，其计算公式如式(7)所示。q(Y) =3 • l/tmin (^) + |p + vp，e || (7)其中，3为常数，其值越大代表方案越优,nmq(^)为最优避障方案。可以通过对避障速度范围进行二 等分，将式(7)进行优化，减少对资源的占用。优化后的公式为v( e ( - amax - At, v(t) ,v(t) + amax • At) o

依据权重因子最小原则，选择无人机避障方向，以及最佳机动速度5旋转翼无人机自主避障算法仿真分析将上述一元二次方程对无人机平面自主避障算法，与 表1无人机与障碍物的初始位置多目标启发式搜索算法进行比较⑻，结合MATLAB软件进坐标位置(m)速度v( m/s)&角度(rad)行仿真分析，研究该算法的实际运行效果。假设无人机在无人机(0,1)277/2二维平面运行，发现两障碍物obA和obB,分别处于无人机obA(-2,2)20的左右两侧方。无人机与障碍物之间的初始位置如表1obB(4/2,4^)27T所示。假设障碍物为半径R=2m的圆，相对于无人机，两障碍物处于匀速运动状态。无人机最大法向过载为0.2m/『。目标点位置G(0,3),位置保持不动，仿真分析时间At =0.02s,其结果如图3所示。4期王 敏等：无人机自主避障飞行避障算法优化39由图3可知，无人机首先遇到左侧障碍物obA,其自左向右运动，并与无人机路径重叠。依据计算采用

由左向右进行避障，两者几乎碰撞，但无人机增加相对速度，成功避障。然后，无人机遇到右侧obB障碍物，

其速度快于无人机，所以无人机选择自由向左进行避障，并减少相对速度，成功规避。上述过程的角度和速 度变化，如图4所示。3.02.8◄----平面自主避障算法V-多目标启发式搜索算法2.62.4

黑2.2 番20J t,

t2 lIr;--►i A1.81.61.41.21.01 1-1.5 -1.0.l'« .-0.5

0

时间/s0.51 11.0 1.5图4两种算法的无人机避障过程中角度和速度变化图3两种算法的无人机平面自主避障示意图由图4可知，平面自主避障算法的无人机在遇到obA障碍物时，降低期望速度，增加避障角度。成功避

障后，无人机调整自身速度和角度，保持平稳运行。在遇到obB时，无人机增加期望速度，调整较小角度，成 功避障。然而，多目标启发式搜索算法的无人机在遇到obA障碍物时，多全局信息进行计算，并选择最优方

式，与图像和距离数据进行匹配，计算时间较长，导致其角度调整小，速度提升缓慢⑼。成功避障后，无人机 对调整信息处理缓慢，导致角度持续改变，自身速度随之增加。获得相关结构后，进行调整，又由于计算过

程复杂，在速度为1.5m/s的阶段，出现第二次速度调整，自身保持差速变化。在遇到obB时，无人机进行全 局搜索，自身速度增加缓慢，调整角度较小，虽成功避障，但自身飞行并未保持平稳。由于本研究障碍物和

无人机间的距离较大，无人机自身速度和角度调整余地充分，否则多目标启发式搜索算法的无人机将与障 碍物相撞。6结束语通过旋转翼无人机多动态障碍物避障算法，将无人机自主避障问题转化为一元二次方程求解问题，计 算其期望速度、调整角度，构建方案集合⑼。通过二等分方式，对雷达测速、图像收集数据进行优化，并引入

权重因子,对备选方案进行赋权，得到最优方案。利用MATLAB软件进行仿真分析，结果表明二等分法减少 数据分析量，一元二次方程提高运算速度，权重因子优化备选方案。本避障算法在计算速度和计算量方面，

均优于多目标启发式搜索算法，其可以提高无人机在动态、复杂环境下的避障的准确性，保证其安全到达目 标点，增强自身的抗干扰性。然而，本研究未进行多种飞行方式的无人机验证，研究分析未增加其他复杂因

素，未来将进一步进行分析。参考文献[1] 徐晓晴，朱庆保.动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划[J].电子学报,2012,4(8):1694

-1700.[2] 上官经邦，陈新华，黄海宁，宋春楠，李嶷，张志博，余华兵.水下声学定位系统及其误差分析[J].网络新媒体技术，2016,

5(3) ：29 -33.(下转第51页)4期吴永胜等：有限孔径近场声全息技术研究51Patch近场声全息方法开展系统的研究，在选择实施对象时，选择简谐激励作用下为四周无限大障板的简支 钢板。并通过利用仿真算法进行分析验证其准确性。与此同时，对全息面数据空间补零长度和声场重构受 到的迭代循环次数的影响进行了分析研究；在此基础上，提出了多次组合测量的方法，将简支钢板划分为四

个区域，在局部孔径测试下采用Patch近场声全息方法实现对应区域声场重构，根据声场位置关系进行空间 拼接，比较准确地得到了覆盖整个简支板表面的声场分布。因此，将本文方法运用到大尺寸结构声源辐射

声场全息重构中是有效可行的。参考文献[1] 张鹏，匡正，吴鸣，杨军.球坐标系下声场分离的低频辐射声场测量技术[J].网络新媒体技术,2014,3(4) ：49 -50.[2] Maynard J. D , Williams E. G, Lee Y. Near field acoustical holography I: theory of generalized holography and the development of

NAH[ J]. Journal of the Acoustical Society of America, 1985 ,78(4) : 1395 — 1413.[3] 田湘林，楼京俊•平面Path近场声全息几种方法的比较研究[J].舰船科学技术,2018,40(7):112 -115.[4] Williams E G, Houston B H , Herdic P C. Fast fourier transform and singular value decomposition formulations for patch nearfield

acoustical holography [J]. Journal of the Acoustical Society of America, 2003 , 114( 3 ) : 1322 — 1333.[5 ] Williams E G. Approaches to Patch NAH [ C]. Inter - Noise, Jeju( Korea) , 2003 : 2187 —2194.[6] Lee M Y, Bolton J S. Patch near - field acoustical holography in cylindrical geometry [J]. Journal of the Acoustical Society of A-

merica, 2005, 118(6) : 3721 -3732.[7 ] Xu L, Bi C X, Chen X Z. Application of Papoulis - Gerchberg algorithm in Patch near - field acoustic holography [ C ]. Inter -

Noise, Shanghai( China) , 2008 : 2330 - 2337.[8] 徐亮，毕传兴，陈剑，陈心昭.基于波叠加法的Patch近场声全息及其实验研究[J].物理学报，2007, 56(5)： 2776

-2783.[9] Williams. E. G and Maynard J D. Numerical evaluation of the Rayleigh Integral for planar radiators using the FFT [J]. Journal

of the Acoustical Society of America, 1982, 72(6) : 2020 - 2030.作者简介吴永胜，(1983.9 -),男，工程师，主要研究方向为水下目标探测识别。黄亮,(1984.9 -)，男，工程师，主要研究方向为水下减震降噪。(上接第39页)[3] 杨秀霞，刘小伟，张毅•基于比例导引角度线性化的无人机避障研究[J] •导航定位与授时,2014,12(3)=1 -5.[4] 拆解：能读懂情感的英特尔RealSense 3D摄像头[J].电子世界,2015,(17):17.[5] 王韧.让计算机也能感知世界英特尔RealSense 3D交互技术点评[J].电脑迷,2014,(08) :32 -33.[6] 王亚,朱明.基于卷积神经网络的人脸检测方法[J].网络新媒体技术,2015,6(5):24 -30.[7] WANG H L,LYU W T, YAO P,et al. Three 一 dimensional path planning for unmanned aerial vehicle based on interfered fluid dy­

namical system[ J]. Chinese Journal of Aeronautics,2015 ,28( 1 ) ：229 —239.[8] 董崇杰，刘毅，彭勇.改进布谷鸟算法在人群疏散多目标优化中的应用[J].系统仿真学报,2016,28(5):1063 - 1069.[9] 刘浩翰，郭晶晶，李建伏，贺怀清.基于随机游走的多目标A*算法的改进[J] •计算机应用,2018,38(1)： 116-119作者简介王敏,(1972.7 -),女，副教授，主要研究方向为大数据技术在电子商务中的应用。