Page 222 - 当代控制理论及应用技术概论

当代控制理论及应用技术概论
Introduction to Contemporary Control Theory and Applied Technology

（二）无人机航迹规划算法的分类
无人机航迹规划算法大致分为传统方法和现代智能计算方法两种。
传统方法主要是采用数学模型或者人工智能方法进行航迹规划。该方法主
要应用于早期无人机系统中，包括动态规划、遗传算法、人工势场等方法，具有
一定的准确度和可靠性，但难以处理复杂的实时任务。

现代智能计算方法主要是基于机器学习、深度学习、强化学习等技术的，
可以更好地解决传统方法所面临的问题。该方法可以通过大量的数据进行学习，
具有良好的泛化能力和适应性。目前的研究热点主要是基于深度学习算法的无人

机航迹规划。
1. 传统航迹规划算法
人工势场（Artificial Potential Field，APF）法将空间假设为人工势场，势场
由引力场和斥力场组成，目标点对物体表现为引力，障碍物对物体表现为斥力，
物体的移动是由引力和斥力的合力来控制。人工势场法适用于局部路径规划问题，

该方法有着规划速度快、规划结果安全、便于理解、实时性好等优点，但也存在
明显的缺点：当环境比较复杂时，由于人工势场具有局部势场依赖的特性，容易
使得问题陷入局部最优解。因此，针对在复杂环境下传统人工势场法容易陷入局

部最优问题，许多学者对其进行了改进。首先对环境进行威胁建模缩小搜索空间；
在此基础上对航迹点预规划寻找起始点和目标点之间的路径，实现了全局规划，
弥补了人工势场容易陷入局部最优的缺陷；并改进了人工势场中的引力算法，有
效解决了人工势场法容易陷入局部最优的问题，提高了算法的效率和适应性。
针对无法在线规划的问题，有文献在环境搭建过程中将目标引力场替换为

参考航路引力场并添加自适应的时间扰动因子；同时提出一种虚拟目标法，在航
路规划陷入局部最小值时，使用虚拟目标将实际目标暂时替换使其逃离局部最优。
该方法解决了在线规划陷入局部最优死循环无法逃离的问题，但算法在实际应用

中还需适应性改进。针对电力巡检应用场景对势函数进行调整，增加在理想路径
投影点对无人机的吸引力使无人机摆脱陷阱区域，并更好地逃离 U 型障碍物。
在静态路网中寻找最短路径最有效的方法是 A* 算法。A* 算法本质上是广
度优先搜索算法优化，采用贪心策略首先遍历起始点周围的邻近点，遍历完之后
再遍历邻近点的点。A* 算法是一种直接搜索算法，搜索性能好、准确度高；但

是当搜索节点增多时，其搜索时间大幅增加，搜索效率降低，实时性差，当存在

214
214