固定翼无人机路径规划算法研究.pdf

华中科技大学硕士学位论文

摘要

固定翼无人机以其高速、长航时和大载荷的优势，在军事、民用及科研领域得到

广泛应用。然而，由于固定翼无人机本身的运动约束，其在复杂场景中的路径规划面

临较大挑战。现有研究主要关注二维场景的路径规划问题，忽略了飞行高度因素，难

以适应复杂环境。为此，针对固定翼无人机的三维路径规划问题，开展了以下研究：

首先，研究了无人机在不确定复杂环境下的路径规划问题。采用分而治之的思

想，将不确定复杂环境分解为已知信息与未知信息。针对已知信息，使用一种流水避

石的路径规划方法，并在其基础上将场景划分为多个阶段，同时使用粒子群优化算法

进行参数寻优。针对未知环境，提出了一种基于深度强化学习的路径规划算法。算法

以无人机自身所携带的传感器作为环境信息来源，实时地调整飞行方向，规避环境威

胁体。同时，针对稀疏奖励问题，增加了辅助奖励函数，并提出自适应时间惩罚以减

小路径长度。最后，结合以上两个算法的优势，提出一种混合路径规划算法以应对不

确定复杂环境。实验表明，在完全已知环境、完全未知环境以及混合环境中，混合路

径规划算法在路径长度、路径平滑度和路径风险方面均表现出了良好的性能。

其次，将问题进一步扩展为无人机集群多任务协同路径规划问题。考虑到问题

的复杂性，将多任务协同路径规划问题划分为任务分配和路径规划两个子问题。针

对任务分配问题，采用遗传算法进行求解，并结合贪心策略进一步加快搜索速度，

优化分配方案。在任务分配完成后，针对路径规划问题，提出融入序列神经网络的

强化学习算法，以提高无人机集群的协同能力，并利用迁移学习提升训练速度。此

外，提出单目标点训练、多目标点执行的策略以解决多个目标点训练难以收敛的问

题。实验结果表明，该方法在任务分配阶段缩短了无人机集群的任务完成时间，并

在各种场景中均成功实现了集群协同路径规划，表现出良好的泛用性与协同性。

关键词：固定翼无人机；路径规划；三维场景；任务分配；强化学习

I

华中科技大学硕士学位论文

Abstract

Fixed-wingunmannedaerialvehicles(UAVs)arewidelyemployedinmilitary,civilian,

andresearchfieldsduetotheiradvantagesofhighspeed,longendurance,andlargepayload

capacity.However,significantchallengesareposedbytheinherentmotionconstraintsof

fixed-wingUAVstotheirpathplanningincomplexscenarios.Inexistingresearch,the

primaryfocusisontwo-dimensionalpathplanningproblems,neglectingthealtitudefactor,

makingitdifficulttoadapttocomplexenvironments.Consequently,thefollowingresearch

isconductedtoaddressthethree-dimensionalpathplanningproblemoffixed-wingUAVs:

Firstly,thepathplanningproblemofUAVsinuncertaincomplexenvironmentsis

investigated.Byadoptingadivide-and-conquerstrategy,uncertaincomplexenvironments

aredecomposedintoknownandunknowninformation.Forknowninformation,awater-