飞行器航迹规划与三维显示

主要讨论了航迹规划的国内外现状及意义,建立了简化威胁源模型,并采用改进遗传算法进行参考航迹规划,算法采用飞行指令编码和自适应交叉、变异算子,改进了简单遗传算法,仿真结果表明该方法快速收敛到全局最优解并能够很好的规避威胁,是一种有效的航迹规划方法。最后通过OpenGL导入三维模型,并利用算法改变飞行器的飞行姿态,逼真地展现了飞行器的三维航迹。     

基于改进遗传算法的UAV航迹规划

针对实际作战环境中的UAV航迹规划,提出一种基于改进遗传算法的UAV航迹规划方法;通过骨架化算法生成规划搜索空间,对规划搜索空间中的信息进行提取,求解出规划搜索空间中航迹点的杀伤概率;根据规划搜索空间中的信息,采用特殊的基因编码方式,使用遗传算法为UAV找到K条备选航迹,提高了航迹规划效率;根据设定的航迹选取原则,求出最优航迹并对其按不同步长进行平滑处理,最终得到满足UAV机动性要求的可飞航迹。     

改进麻雀搜索算法的飞行器航迹规划

针对传统麻雀搜索算法(SSA)在飞行器航迹规划求解问题中计算过程复杂、易陷入局部解等不足,提出了一种融合鲸鱼搜索因子和柯西-高斯变异的麻雀搜索算法(WSSA)。首先借助佳点集法对种群进行了初始化处理;其次借助鲸鱼算法中螺旋式搜索因子形成自适应权重迭代因子,提高算法全局搜索能力的同时保证局部的收敛性;随后在跟随者位置更新中加入柯西-高斯变异因子对原迭代进行扰动更新,提高算法的全局寻优能力;最后基于改进前后的算法进行了模型求解和适应度比较,验证了所提算法的有效性。     

遗传算法在移动机器人静态全局路径规划中的应用

遗传算法自诞生以来，凭借自身优越的全局寻优、不依赖目标函数梯度信息等特性，已在科研领域内得到了广泛应用。应用遗传算法解决移动机器人静态全局路径规划，利用神经网络模型描述环境信息，得到神经网络输出与无碰撞路径的关系，然后将路径的二维编码简化为一维编码，从而将无碰撞约束和最短路径约束合并在一个适应度函数中。在一定程度上提高了运算效率，通过计算仿真证明，方法是正确有效的。     

基于Voronoi图和遗传算法的航迹规划

面对复杂的作战环境,如何快速地规划出满足约束条件的飞行轨迹,是实现无人机突防攻击的关键.提出了一种基于Voronoi图和改进遗传算法的航迹规划方法,该方法采取分层规划的思想,首先由Voronoi图生成初始航迹,并综合考虑约束条件,赋予各条航迹相应的权值;然后采用遗传算法在生成的航迹空间中寻优, 从而得到满意的航迹.为避免产生不可行解,采取了基于优先级编码的改进遗传算法,详细介绍了其编码与解码原理,并给出了相应的操作算子.仿真结果表明,整个航迹规划的思路是可行的.     

基于改进混沌遗传算法的无人机航迹规划

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主规划的关键。提出了一种基于混沌遗传算法的航迹规划方法,该方法首先由Voronoi图生成初始航迹,然后采用混沌遗传算法在生成的航迹空间中寻优。主要对近年来出现的混沌遗传算法进行了改进以使其更具智能化。该方法采用幂函数载波代替传统混沌优化算法中的线性载波;为进一步提高混沌映射迭代序列的均匀性,提出了确定区间的随机幂指数概念并将其应用到混沌遗传算法中。仿真结果表明,该方法可以提高混沌遗传算法收敛的精确性。     

遗传算法在移动机器人静态全局路径规划中的应用

遗传算法自诞生以来,凭借自身优越的全局寻优、不依赖目标函数梯度信息等特性,已在科研领域内得到了广泛应用.应用遗传算法解决移动机器人静态全局路径规划,利用神经网络模型描述环境信息,得到神经网络输出与无碰撞路径的关系,然后将路径的二维编码简化为一维编码,从而将无碰撞约束和最短路径约束合并在一个适应度函数中.在一定程度上提高了运算效率,通过计算仿真证明,方法是正确有效的.     

基于Voronoi图和量子遗传算法的飞行器航迹规划方法

以飞行器航迹规划为应用背景,提出一种基于Voronoi图和量子遗传算法的飞行器航迹规划方法。首先,建立威胁源的V图,并构建发射点、目标点与威胁源的V图赋权有向图,从而建立飞行器航迹规划V图空间;然后,对传统量子遗传算法进行改进,引入了量子门旋转角步长动态调整机制;并增加了量子交叉操作和量子变异操作,使得改进后的量子遗传算法具有更高的搜索效率,采用改进后的量子遗传算法求解V图空间中的最优航迹;最后,进行了仿真实验。仿真结果表明,基于V图和量子遗传算法的航路规划方法是可行和有效的。     

基于MILP的最优航迹规划

航迹规划是提高飞行器应用效能,降低任务代价的重要手段.通常由于条件复杂,计算量大,要得到最优航迹是非常困难的.研究提出一种求解最优航迹的途径,就是基于MILP方法建立飞行器的运动模型、障碍模型及目标函数,然后利用成熟的工具软件进行求解,得到满足多组约束条件的最优解向量,即是最优航迹.实验表明这种方法能够得到符合规划意图的结果.针对规划给出的航迹在多边形障碍的顶点处可能发生穿越的问题,研究给出了补偿方法.     

动态自适应快速扩展树航迹规划算法研究

快速扩展随机树(RRT)是航迹规划的重要算法,针对其难以直接应用于无人机航迹规划的问题,提出了动态自适应RRT算法.动态自适应RRT算法在随机点产生过程中加入无人机转弯角约束,使航迹更适合无人机直接跟踪;同时引入动态调节因子,根据环境中障碍密集程度调整规划步长,有效避免各类障碍.计算机实验结果表明动态自适应RRT算法在单航迹规划和多航迹规划中明显优于基本RRT算法和其它改进RRT算法,更适用于无人机航迹规划.     

遗传算法在无人机航路规划中的应用

随着无人机在现代战争中的作用日趋重要,对无人机航路规划的研究也越来越多。分析了无人机航路规划涉及的因素和处理过程,介绍了遗传算法的相关内容。根据无人机航路规划涉及因素多、计算量大的特点,采用遗传算法进行航路规划。给出了遗传算法编码方法以及算法参数、终止条件的设置方法,提供了一个应用示例,并给出了一些改进的建议。     

基于遗传算法的航路规划编码研究

面对复杂的作战环境,飞机执行作战任务前合理地规划出飞行航路十分重要。遗传算法因其良好的全局搜索能力而在优化问题中得到了广泛的应用。针对地形障碍、恶劣气候、导弹及高炮阵地等威胁源的特点,建立了连续的威胁概率函数模型;描述了各威胁源不同距离处的威胁概率分布情况,并进一步构建了航路规划目标函数模型;将遗传算法运用到航路规划中,设计了一种扩展航路点和规划空间、分段变步长的编码方式。对算法进行了相应的仿真,仿真结果表明,运用所设计的编码方式得到的航路有效地规避了威胁。     

一种满足空地导弹发射角的航路规划研究

针对战机实施对地巡航导弹投放的航路规划中解决飞机的进入角约束问题,提出了一种遗传算法获得初始航路规划方法;在此基础上运用B样条曲线理论进行航路光顺获得二次航路规划,解决了飞机到达目标区发射空地导弹时导弹发射角限制问题.仿真结果表明.该算法既满足飞机过戢要求,又满足导弹发射角要求,可有效提高飞机的任务成功率.     

自适应遗传算法在DOA搜索中的应用

由于DOA参数估计中的搜索算法无法满足实时性的要求,本文提出在空间谱估计中使用遗传算法来提高搜索速度。鉴于传统遗传算法存在收敛速度慢和早熟的问题,本文选用自适应遗传算法。文中对遗传过程中初始群体选取、选择、交叉和变异的各阶段进行了改进,并解决了收敛速度慢和早熟的问题。最后通过计算机仿真进一步证明算法的有效性和鲁棒性。     

基于改进粒子群优化算法的无人机实时航迹规划

在无人机航迹规划中,通过改变惯性权重和采用自适应粒子群编码方式,以最大转弯半径、步进、最短距离和回避威胁作为航迹的评价指标,将约束条件、地形地貌及威胁信息引入适应度函数等方法,对粒子群优化算法进行改进,解决了粒子群算法在寻优过程中易陷入局部最优的问题.仿真结果表明,该方法可实现在线实时航迹规划.     

遗传算法在低空突防中的应用

针对在飞机低空突防航路规划中存在的计算复杂和收敛性等问题,论述了遗传算法基本原理,分析航路优化的性能指标。将遗传算法应用到航路规划中,航路进行染色体编码,根据随机数产生初始种群,适应度函数的大小进行选择、交叉和变异操作,达到算法终止条件后输出最优航路。仿真结果表明,应用改进的遗传算法规划的最优航线可以有效回避威胁和地形。     

改进的蚁群算法在无人机航路规划中的应用

蚁群算法是一种新的源于生物界的仿生随机优化方法。简单介绍了无人机航路规划的基本步骤。针对基本蚁群算法的4个不足,提出了新的改进算法。在算法中设定具体目标和可能经过的威胁点,在信息激素中除了有距离信息还需要增加威胁度信息,并将威胁度设为权重较高的参数指标,在航路规划仿真开始阶段,同时发送多个探路人工蚁。信息激素中的信息是随时更新的,以便于适应战场动态变化。利用MATLAB仿真运算验证了改进算法的有效性。     

自适应IIR滤波器的遗传算法

基于梯度信息的计算未调节自适应IIR滤波器的系数，需要进行复杂的矩阵运算，计算量大，容易陷入局部收敛．本文构造了稳定性检测十分方便的二阶自适应IIR滤波器的并联结构，并将遗传算法应用到滤波器的系数寻优，可以快速地收敛到全局最优解．     

基于启发式算法的无人机三维航迹规划仿真研究

通过引入状态空间节点的概念生成三维航迹搜索空间,将原来的航迹规划问题简化为在状态空间中的搜索寻优问题。再利用改进估价函数,将约束条件和优化的搜索算法相结合,有效减小搜索空间,提高搜索速度。仿真结果表明,生成的航迹具有自主地形跟随、地形规避和威胁规避的能力,并具有根据任务决策偏好选择飞越威胁的能力。