这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

基于人工势场-A*算法的双无人机协同悬吊运输路径规划研究

作者及机构
本研究由上海大学机电工程与自动化学院的Jinjun Rao、Chaoyu Xiang、Jinyao Xi、Jinbo Chen、Jingtao Lei、Mei Liu团队与波兰波兹南理工大学机器人与机器智能研究所的Wojciech Giernacki合作完成，发表于2023年7月的期刊《Knowledge-Based Systems》（第277卷，110797页）。

学术背景
研究领域与动机
本研究属于无人机（UAV，Unmanned Aerial Vehicle）协同控制与路径规划领域。随着无人机在物流运输（如亚马逊、京东的无人机配送）、农业植保等场景的广泛应用，多无人机协同运输重型负载的需求日益凸显。然而，单无人机受限于尺寸和续航能力，而多机协同系统面临负载摆动、障碍物避碰等挑战。传统路径规划算法（如A*算法）存在路径紧贴障碍物、搜索效率低等问题，难以满足悬吊运输的安全需求。

研究目标
团队提出一种新型混合算法——人工势场-A算法（APF-A, Artificial Potential Field-A*），旨在解决以下问题：
1. 提升双四旋翼无人机协同悬吊运输的路径安全性；
2. 减少负载摆动，增强运输稳定性；
3. 优化搜索效率，缩短路径规划时间。

研究流程与方法
1. 系统建模与动力学分析
- 研究对象：双四旋翼无人机协同悬吊运输系统，负载通过绳索连接，形成欠驱动多体系统。
- 模型构建：
- 定义主机（host）-僚机（wingman）协同编队，通过虚拟结构法建立6自由度（6-DOF）动力学模型，包含位置变量 ( p_f = [x_1, y_1, z_1]^T ) 和姿态变量 ( p_c = [\alpha_f, \beta_f, \rho_f]^T )，其中 (\alpha_f) 和 (\beta_f) 分别表示负载的水平方位角和高度倾斜角。
- 假设绳索无弹性，忽略无人机姿态对负载位置的直接影响，简化动力学方程。

2. 算法设计
- APF-A*算法核心改进：
- 启发函数优化：在传统A*算法的距离代价中引入障碍物排斥力项，公式为：
[ h(p) = \omega \left( \lambda \times l + \beta \times \left( \frac{1}{d} \right) \right) ]
其中 (d) 为节点与障碍物的距离，(\omega) 为自适应权重系数，确保路径远离障碍物（安全距离设为0.707米）。
- 编队控制：僚机基于人工势场法实现局部避障，通过引力（主机目标点）与斥力（障碍物）的合力动态调整路径。

3. 仿真验证
- 平台与场景：在AirSim仿真环境中构建四类场景（室内、室外、复杂虚拟环境），测试算法性能。
- 对比算法：与传统A*、JPS*（Jump Point Search）、PRM（Probabilistic Roadmap）、RRT*（Rapidly-exploring Random Tree）对比，量化以下指标：
- 搜索时间、搜索节点数、危险节点数（距离障碍物<0.707米）、路径长度。
- 结果：APF-A*的搜索节点数平均减少53.75%，搜索时间降低近60%，且危险节点数为0。

4. 实物实验
- 平台搭建：基于DJI Tello EDU无人机和运动捕捉系统（MC4000红外相机），在7.5m×4.5m的室内环境中部署障碍物。
- 实验内容：
- 验证编队保持、障碍物避碰（如侧向避障、越窗实验）及负载摆动抑制效果。
- 通过贝塞尔曲线平滑路径，避免急转弯。

主要结果
1. 算法性能：
- 在复杂虚拟环境中，APF-A*的路径长度较RRT*缩短13.6%，且无危险节点；而传统A*算法有22个危险节点。
- 搜索效率提升显著，如室内场景搜索时间从0.173秒降至0.062秒。

1. 协同控制效果：

   • 僚机在障碍物附近自动切换编队（如从横向编队变为纵向编队），负载摆动角（(\beta_f)）始终小于15°。
     
   • 实验数据显示，双机水平间距稳定在0.5±0.05米，速度波动<0.4 m/s，加速度<0.2 m/s²。
     

2. 安全性验证：

   • 仿真与实验均表明，负载质心与障碍物的最小距离达1.2米，满足安全冗余要求。
     

结论与价值
1. 科学价值：
- 提出首个融合人工势场与A*算法的双无人机路径规划框架，解决了传统算法在悬吊运输中的安全性与效率矛盾。
- 通过动力学建模与编队控制耦合，为多无人机协同运输提供了理论范式。

1. 应用价值：
   
   • 可应用于物流配送、灾害救援等场景，尤其适合狭窄空间（如城市建筑群）中的重型负载运输。
     
   • 实验平台（AirSim仿真+运动捕捉系统）为后续研究提供了可复用的技术方案。
     

研究亮点
- 创新算法：APF-A*通过排斥力项和自适应权重，兼顾路径安全性与搜索效率。
- 全流程验证：从理论建模、仿真到实物实验，形成闭环验证链条。
- 工程实用性：算法在低算力硬件（如Tello EDU）上实时运行，具备商业化潜力。

其他贡献
- 开源了仿真环境配置参数与实验数据集，促进学术社区协作。

此研究为无人机协同运输领域提供了重要的方法论突破和工程实践参考。