Transformación de Formación Basada en un Algoritmo Genético Mejorado y Control Predictivo Distribuido
Autores: Chen, Guanyu; Zhao, Congwei; Gong, Huajun; Zhang, Shuai; Wang, Xinhua
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Transformación de Formación Basada en un Algoritmo Genético Mejorado y Control Predictivo Distribuido
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Formación transformación
Algoritmo distribuido
Coincidencia de objetivos
Algoritmo genético
Planificación de trayectorias
Control predictivo del modelo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Para resolver el problema de la transformación de formaciones de múltiples aeronaves a una formación designada, se estudió un algoritmo de transformación de formaciones distribuido que descompone el problema de transformación de formaciones en problemas de coincidencia de objetivos y problemas de planificación de trayectorias. De acuerdo con los requisitos reales de transformación de formaciones, se propuso el índice de asignación de objetivos, y se utilizó un algoritmo genético mejorado que es un 23% mejor que otros algoritmos para lograr la coincidencia de objetivos. Se diseñó una probabilidad de cruce adaptativa, y la población se propagó sin duplicados mediante el algoritmo hash. Se utilizó el algoritmo multiobjetivo de control predictivo distribuido para diseñar trayectorias suaves y libres de conflictos para los UAV en la transformación de formaciones, y el problema de planificación de trayectorias se transformó en un problema de programación cuadrática bajo restricciones de desigualdad. Finalmente, se realizó la planificación de trayectorias fuera de línea sin colisiones de punto a punto mediante simulación.
Descripción
Para resolver el problema de la transformación de formaciones de múltiples aeronaves a una formación designada, se estudió un algoritmo de transformación de formaciones distribuido que descompone el problema de transformación de formaciones en problemas de coincidencia de objetivos y problemas de planificación de trayectorias. De acuerdo con los requisitos reales de transformación de formaciones, se propuso el índice de asignación de objetivos, y se utilizó un algoritmo genético mejorado que es un 23% mejor que otros algoritmos para lograr la coincidencia de objetivos. Se diseñó una probabilidad de cruce adaptativa, y la población se propagó sin duplicados mediante el algoritmo hash. Se utilizó el algoritmo multiobjetivo de control predictivo distribuido para diseñar trayectorias suaves y libres de conflictos para los UAV en la transformación de formaciones, y el problema de planificación de trayectorias se transformó en un problema de programación cuadrática bajo restricciones de desigualdad. Finalmente, se realizó la planificación de trayectorias fuera de línea sin colisiones de punto a punto mediante simulación.