录用日期: 2025-04-25
摘要:
小型无人机在复杂低空环境受障碍物随机分布和风速扰动不确定影响,而传统确定性模型难以量化动态风险场,使得候选轨迹易陷局部最优,不利于无人机状态、环境模型和控制策略实时更新,导致实际飞行与候选轨迹出现偏差。因此,提出基于蒙特卡洛法的小型无人机飞行轨迹控制方法研究。构建环境风险场模型(障碍物位置子模型与风速扰动子模型),通过状态向量概率密度函数初始化实现动态风险的量化表征。基于马尔科夫链蒙特卡洛方法生成候选轨迹,通过动态调节采样密度策略平衡探索效率与计算成本,构建符合动力学约束的轨迹解集。引入贝叶斯优化框架,利用高斯过程代理模型与蒙特卡洛积分评估轨迹综合代价,实现多目标优化下的最优轨迹筛选。结合滑动窗口优化技术、卡尔曼滤波与蒙特卡洛方法,对无人机状态、环境模型和控制策略进行实时更新,应对不确定性因素的变化,从而实现小型无人机飞行轨迹的有效控制。实验结果显示:设计方法应用后生成的四旋翼小型无人机候选轨迹与实际候选轨迹趋于一致,确定的四旋翼小型无人机最优轨迹与实际最优轨迹相同,控制扰动方差与期望代价最小值分别为0.2与10。