对于无人机反制相信大家并不陌生，因为随着我国无人机黑飞事件不断发生，而无人机反制刚好可以进行打击来阻止黑飞事件。那么对于无人机反制系统的相关知识你了解多少呢?下面就由东方哨兵小编为大家详细介绍下。
1、基于优化的避障方法
基于优化的避障方法思想源于最优控制[6]，是根据已建立的无人机时域数学模型或频域数学模型，选择一个容许的控制律，使无人机按照约束的条件运行，并使某一性能指标达到最优的过程。其特点在于从整个冲突态势的演绎全局来考虑问题，可用各类数值计算与现代优化方法求解规避障碍的路径。
2、 数学优化算法
针对已建立的无人机避障模型，可利用各类数学优化算法将最优控制问题转化为便于求解的模型，从而生成解脱路径。
3、非线性优化方法
性能指标或约束条件中包含非线性函数的问题称为非线性优化问题，当前用于无人机避障的非线性优化方法有梯度下降法、二次规划法、凸优化法等。陈伟锋等[7]将避障问题转化为最优控制命题形式，提出一种基于析取关系直接变换的动态联立求解方法，并用Radau配置点的拉格朗日插值对最优控制模型进行离散化处理，并通过对比验证了方法的有效性。付其喜等[8]将无人机额外飞行距离作为优化函数，首先基于随机并行梯度下降法(Stochastic Parallel Gradient Descent, SPGD)对初始解脱可行解进行计算，再利用序列二次规划(Sequential Quadratic Programming, SQP)求解最优解脱航向。王祝等[9]将无人机避障非凸问题转化成一系列近似凸优化子问题，利用凸优化法进行求解，得到兼具时效性与最优性的解脱路径。
4、混合整数线性/非线性规划(Mixed Integer Linear/Nonlinear Programming, MILP/MINLP)
混合整数线性规划方法是用整数约束无人机的控制指令(速度、航向)，进而通过线性规划的方法对最优航路进行计算。Radmanesh等[10] 提出一种有限范围内的动态混合整数线性规划算法，降低了航路规划计算量。Turnbull等[11]提出基于MILP-MPC的避撞航路规划算法，对语言决策树进行训练，训练后的模型被用于实时航路规划。Sarim等[12]在粗略航路规划的前提下，利用MILP对航路进行精细处理，生成最优避障路径。Alonso-Ayuso等[13]利用多次滚动时域方法将消解问题转化为混合整数非线性规划问题，并进一步线性化为MILP模型，实现速度调整进行避障。张启钱等[14]基于序列混合整数线性规划，提出同时可以选择调速、调向与调高的序列混合整数线性优化(Sequential Mixed Integer Linear Optimization-Velocity Change, Turn Change and Altitude Change, SMILO-VTAC)模型，解决了复杂低空多机冲突解脱问题。采俊玲等[15]采用航向-速度解脱策略结合的混合整数非线性规划(MINLP)模型，实现空域内航空器的避障。
5、动态规划法(Dynamic Programming, DP)
动态规划的核心是基于贝尔曼最优性原理，根据基本递推关系式，不断转移决策过程，将最优化问题转化为多步决策问题。Denton等[16]将动态规划与树形搜索结合，计算出三维最优地形回避航路。Sunberg等[17]将多无人机冲突消解问题转化为近似动态规划问题进行求解。Bousson[18]利用单网格点动态规划，对飞行器避撞问题进行最优化求解。
以上就是关于无人机避障方法的详细介绍，希望可以帮助到大家，如果后期大家还有相关无人机防御的问题，大家可以持续关注东方哨兵官网。
