自适应蚁群算法的无人机航迹规划方法

为了提高无人机完成任务效率,在执行攻击任务前必需规划设计出高效的无人机飞行航路.提出了一种Q-学习的自适应蚁群算法的无人机航路规划方法,建立了基于真实地形数据和火力威胁区的威胁模型;针对传统蚁群算法在搜索过程中出现停滞现象,提出的Q-学习的自适应蚁群算法有效地解决了这一缺陷.并使用该算法对无人机的攻击任务航路进行了仿真计算,仿真结果表明该方法是一种有效的航路规划方法.     

基于Voronoi图与蚁群算法的UCAV航路规划

提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法.首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无人作战飞机航路规划的具体实现过程,最后对UCAV在多种威胁环境下的航路规划进行了仿真实验,仿真结果表明这种航路规划方法是可行和有效的.     

采用粒子群优化算法规划无人机侦察航路

研究了粒子群优化算法,提出了将该算法运用于无人机的航路规划.引入交换指数和变异子的概念,解决了算法的局部极值问题,给出了航路规划的方法和步骤.在Matlab仿真环境下得到了参考航路.结果表明,该算法简单有效,在很大程度上提高了无人机的侦察效率.     

一种骨架提取的无人机航迹规划法

未来战争中无人机的应用地位将大大提高,如何提高无人机的生存率、作战效率成为航路规划研究的主要方向。将敌方雷达、对空导弹、地形等威胁简化构建成威胁圆,根据威胁圆的分布情况,构造基于威胁圆的规避威胁的骨架化图;结合各具体威胁信息,计算各路径段的代价值,形成有赋值的有向图,计算初始最优航路;利用实际飞行中无人机对威胁规避的要求,对初始航路做缩短处理。运用Matlab编制图形化界面,得到仿真结果的图形显示。     

雷达假目标干扰无人机航路规划研究

雷达假目标干扰无人机在执行干扰任务前要根据战场环境预先规划好最优路径.全面考虑战场环境威胁约束、机动性能约束和假目标干扰任务约束,综合轮盘法、最优保存策略和六种进化算子形成进化算法,对航路规划问题进行求解.仿真结果表明,利用文中的假目标干扰任务约束量化方法和进化算法对雷达假目标无人机干扰航路进行规划是可行的.     

多无人机飞行路径自动规划算法研究

路径规划对无人机完成其侦察作战任务具有重要意义。针对多无人机飞行路径自动规划算法,从模型建立和算法设计2个方面对规划过程中的关键技术进行了详细分析。算法采用构造Voronoi多边形图的方法来进行路径规划。基于构建的战场环境V图,采用图论中的Dijkstra算法,对V图进行搜索得到初始航路并进行优化。经过分析仿真结果证明,该算法能对典型的多无人机飞行任务进行路径规划,并能满足多种约束条件,获取合理的规划结果。     

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。     

采用粒子群优化算法的无人机实时航迹规划

战场环境是动态变化的,很难预先获得全局精确的威胁信息,因此需要无人机具备一定的实时航迹规划能力.采用连续型粒子群优化(PSO)算法进行无人机参考航迹的实时规划,以最大转弯半径、步进、最短距离和回避威胁作为适应度函数的评价指标,得到代表最优航路的离散点.对算法进行了相应的仿真,结果表明该方法费时短,占用内存少,可以满足在线实时航迹规划的要求.     

基于作战效能的无人机航路规划研究

综合考虑目标分配与航路规划全过程,提出一种基于作战效能的无人机航路规划方法.在航路规划层利用变长染色体遗传算法规划无人机的初始航路,在协同规划层则以作战效能为指标,运用遗传粒子群优化算法进行任务优化分配,最终得到一个备选航路集.然后,利用协同算法可在备选航路集中找到满足要求的任务航路.该方法不仅能够规划出单机或多机协同全局航路,而且还可根据威胁环境或目标变化适时修正航路,并始终保证较高攻击效能.     

基于数据链的无人机航路规划A~*算法研究

介绍了无人机航路规划技术的现状,对数据链体制下的无人机通信指挥模式进行了研究,结合数据链改进了A*算法,引入惯性权重系数,并使用了线性权值自适应方法.Matlab仿真表明,该算法很好地实现威胁回避及地形回避.     

物流无人机路径规划及评估方法研究

针对物流无人机路径规划问题,文中引入任务时间约束并采用A*算法搜索路径,获得一条满足任务时间要求的四维飞行路径,并构建路径评估指标及模型,综合采用层次分析法及模糊综合评价法对飞行路径优劣进行评估。仿真实验表明,文中方法可规划物流无人机路径,并对路径优劣进行客观评价。     

无人机编队飞行面临问题及关键技术研究

随着无人机任务的复杂性增加,无人机编队飞行成为无人机发展的新方向。为了研究无人机由于编队带来的新问题,分析在单架无人机执行任务时所遇到的问题及无人机编队飞行的必要性,并在分析无人机编队飞行的特点基础上,阐述编队飞行过程中所需解决的问题。通过查阅近几年国内外对于无人机编队的问题研究,总结整理出无人机编队主要面临的队形保持中控制器设计、防撞避障及航迹规划中路径优化等问题。针对各个问题,对编队飞行过程中的关键技术进行探讨和分析。     

基于分层处理的无人机任务规划

随着无人机在现代战争中的作用日趋重要,对无人机任务规划的研究也越来越多。根据无人机任务规划涉及的内容,分析了它的要求和包含的主要功能,给出了任务规划的处理流程。任务规划涉及的因素复杂繁多,所以采用分层处理来解决任务规划问题,并利用聚类算法和遗传算法解决目标分配和航路规划2个核心问题。     

基于改进RRT算法的无人机航迹规划

针对快速扩展随机树（RRT）算法用于无人机自主在线航迹规划时,只能快速获得可行的航迹,无法获得接近于最短航迹的较优航迹的缺点,提出了一种改进的RRT算法.该算法将无人机动力学约束融入到节点扩展过程中,通过改进离随机采样点最近的根节点的选取策略和引入航迹距离约束,搜索树将沿着航迹距离较短的方向朝着目标点进行扩展,使得规划出来的航迹接近最优,并采用基于B样条曲线的航迹平滑方法生成平滑可跟踪的航迹.仿真结果表明该算法能够快速地搜索安全并且满足无人机动力学约束的较优航迹.     

无人机航迹规划群智能优化算法综述

无人机航迹规划是指根据任务目标规划出满足约束条件的飞行轨迹.航迹规划的好坏,对任务的完成产生重大的影响.因此,对航迹规划的研究成为了无人机技术研究的重要内容.本文综述了无人机航迹规划研究的现状,分别介绍了粒子群算法、蚁群算法、蜂群算法三种常见的群智能优化算法及其优缺点,最后对无人机航迹规划群智能优化算法的发展趋势进行了展望.     

无人机假目标干扰有效性要求分析

分析无人机任务航路上的假目标干扰有效性有助于加深飞行航路和任务配置参数的理解。在简要描述假目标无人机的十扰过程和干扰原理的基础上,从空域要求、干扰样式要求、功率要求和航路要求四个方面出发,提出了假目标无人机成功实施干扰所需的前提条件,为判断其在飞行航路上能否彤成有效干扰提供了依据。     

无人机任务规划研究

任务规划系统作为高科技技术已经引起了广泛的关注和应用。目前世界上一些主要国家都在研制任务规划系统。无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率。介绍了无人机任务规划的基本概念,描述了无人机任务规划的基本功能、常用的规划算法,如代理方法、遗传算法和战场威胁源建模方法等,给出了基于VORONOI图的一种无人机任务规划技术方案。     

基于Agent的UAV智能导航技术研究

UAV智能导航是指在复杂动态环境下,UAV能够通过对周围环境的感知自主进行智能路径优化,减小轨迹中的误差安全到达目的地,同时尽量降低代价。智能导航需要解决自身定位、环境态势感知、导航方式决策、智能管理以及航路引导决策等关键技术,确保能够具有实时可靠的位置、速度、姿态等导航信息以及安全的路径。本文将智能Agent引入到导航系统中,建立了基于Agent的智能导航决策方法,给出了智能导航系统的组成、功能等。在此基础上,提出了一种基于人工势场的航迹规划方法,使得uAV在任意航路点之间进行智能路径规划。     

无人机通信网络的研究

在现代局部战争中,可采用高空长航时无人机作为通信中继平台,实现地面站与各无人机之间的通信(测控信息和任务信息传输)。本文给出了无人机系统(UAVS)通信网仿真系统的组成,设计了通信协议模块的分层呼叫协议与路由选择协议,该软件已用于UAVS通信网仿真系统。     

启发式动态任务调度与航路规划方法

针对任务、资源、航路的调度与规划需要,建立了一种分层递阶的任务规划系统结构,上层主要解决任务优先级和冲突消解问题;下层主要解决满足各种要求的航路规划与实时重规划问题。提出了启发式动态任务调度与航路实时规划算法,可以有效提高对各种突发事件的态势自适应和冲突消解能力以及对时敏目标的打击能力,进而提高无人机在动态不确定环境下的自主性。