无人机的侦察航路规划

针对无人机(UAV)侦察任务的两个目标：(1)发现尽可能多的目标；(2)获得对所有目标尽可能多的有效侦察时间，提出了一种优化方法，包括航路规划和航路光顺两部分。首先由基于遗传算法(GA)的航路规划器根据选定的任务目标制定出优化航路，然后由航路光顺器对优化航路进行光顺以形成可供无人机飞行的航路。最后给出了仿真结果，初步表明该方法可以有效地提高无人机的侦察任务效率。     

基于蚁群算法的无人机任务规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，本文对新近发展的蚁群算法进行了研究，提出适用于航路规划的优化方法，并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。     

改进模拟退火遗传算法在协同空战中的应用

针对不确定环境下的目标分配问题,本文建立了相应的评估及分配模型。构建空战态势评估指标体系,并用区间层次分析法(interval analytic hierarchy process,IAHP)和模糊优选法确定指标的主客观权重。然后建立相应的不确定环境下多目标优化攻击效能评估模型,将协同多目标攻击决策问题转化为导弹攻击配对优化问题。进一步提出一种基于区间灰数的模拟退火遗传算法(interval grey number-simulated annealing genetic algorithm,ISAGA)用于该决策问题的求解,设计了选择操作和相应的模拟退火机制,有效防止算法陷入局部最优。最后根据寻优所得的解确定合理的攻击方案。仿真结果表明:所提出的算法可以胜任不确定环境下目标分配问题的评估和寻优,并且在10步以内能够找到比较好的解,这在一定程度上是对传统的目标分配问题的完善。     

基于改进蚁群算法的无人机三维航路规划

研究了一种基于改进蚁群算法的无人机三维航路规划方法,以保证在敌方防御区域内以最小的被发现概率以及可接受的航程到达目标点。首先对无人机三维航路规划模型进行分析,在此基础上采用蚁群算法对三维航路进行优化。将最短路径的信息反馈到系统中作为搜索的指导信号,并改进节点选择方法,以提高应用蚁群算法搜索无人机三维航路的效率。最后将所研究的方法应用于无人机的三维航路规划,仿真结果表明本文方法是有效的。     

多层反导协同作战兵力需求研究

为探寻一种科学的多层反导协同作战兵力需求分析方法,界定了多层反导协同作战兵力需求的内涵,系统阐述了作战单元、火力层次、航路捷径、突击波次等相关概念,在明确多层反导协同作战兵力需求研究思路的基础上,构建了多层反导协同作战拦截毁伤模型,提出了反导火力重叠需求计算方法,给出了单火力层次反导作战单元最小可接受数量及多层反导协同作战总兵力需求计算模型,并设置了反导作战实例,运用LINGO软件对实例进行求解,充分印证了所采用方法的合理性以及各反导火力层次在作战中的地位作用。     

无人机群反舰作战动态目标弹药分配模型

无人机群在协同作战中具有独特的作战优势,基于目标战术价值和编队防御优势等因素,建立目标舰队动态防御威胁数学模型,用于无人机群多目标分配;在传统蚁群算法的基础上,通过改进其搜索机制及信息素更新范围,提出一种基于信息素范围约束条件下的随机蚁群(RRSACS)搜索算法,采用12架无人机对抗5艘舰船以1批次和2次突防的模式,模...     

基于SAGA的协同多目标攻击决策

以超视距协同空战为背景,在对每个目标分配一枚导弹攻击的模式下,研究了协同多目标攻击空战决策问题.首先,基于对空战威胁态势的分析,将协同多目标攻击决策问题转化为导弹目标攻击分配的优化问题并建立其攻击效能评估模型.然后,提出将模拟退火遗传算法(SAGA)用于该问题的寻优,算法中个体采用整数编码,并采用非常规的交叉与变异操作产生新的个体.在进化结束后,通过最佳导弹目标分配个体求得最终协同攻击决策方案.仿真结果表明所提出的算法对最优分配方案的搜索效率明显优于单纯的遗传算法.     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

一种无人机路径规划的混沌遗传算法

提出采用基于混沌的遗传算法进行无人机路径优化问题的求解。算法利用极坐标描述战场中的威胁位置和航路点,缩短了路径编码长度,提高了搜索效率,并在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法收敛速度慢和容易陷入局部最优的局限。实例仿真结果表明,文中的算法与标准遗传算法相比,优化效率显著提高,得到的优化解即优化航路更好地规避了威胁。     

反辐射无人机攻击效能评估

应用概率数学模型描述反辐射无人机在威胁环境中的攻击过程，给出了反辐射无人机完成任务概率、目标雷达被击毁概率及反辐射无人机被击毁概率的表达式．最后讨论了反辐射无人机空对地攻击行动中某些效能的度量，并计算了实例．     

基于搜索理论的多无人机协同控制方法研究

探讨了多无人机对静止多目标协同搜索问题。运用搜索理论,根据搜索域上的“回报率”状态图,针对多无人机协同控制的搜索规划方法进行了研究。并通过蒙特卡洛仿真,以理论上最优搜索为标准,对协同搜索和随机搜索进行了评估。仿真结果表明,协同搜索相对随机搜索能更有效地利用无人机资源,提高无人机机群的作战效能。     

基于遗传算法的多无人机协同逆推式路径规划

综合了多无人机群的任务和任务区域的特点,在优化过程中考虑了机群综合获利效益、无人机(UAV)的的最大转弯角限制和多无人机成员间防碰和威胁区域的生存概率,合理构建了UAV任务的目标函数和约束条件。将协同逆推预测控制(CRH)方法引入无人机机群路径规划方法的研究中,并采用遗传算法求出了满足目标和约束要求的控制量。仿真算例表明采用介绍的协同逆推式路径规划算法,任务空间中无人机能够自动地分别访问不同的目标以得到最大的获利值,证明了算法的有效性。     

航迹预测的多无人机任务规划方法

为提高无人机自主控制性能,实现任务分配与航迹规划整体架构,提出一种基于航迹预测的多无人机任务规划方法.首先,将禁飞区考虑为更接近真实场景的多边形模型;然后,使用改进A*航迹预测算法生成任意两个航迹点间障碍规避后的最短路径,利用该路径近似航迹航程作为任务分配过程的输入信息,建立目标函数,采用改进PSO算法求取最优结果;最后,使用B样条曲线平滑分配后的路径组合,生成无人机可飞行航迹.仿真结果表明,该方法能够以较高的计算速度和精度生成近似最优的任务分配结果和满足飞行约束的平滑航迹.     

星图应用哈米尔顿拉丁方的并行路由算法

提出了一种星图的信息路由算法.在星图中,从一个源节点到一个目的节点传递k个数据包,令第i个数据包将沿着第i条路径传输(1≤i≤k).对所有的数据包,要保证每个数据包的路径与其余数据包的路径不相交.为了构造这样的路由,提出了应用哈米尔顿循环拉丁方的星图信息路由算法,并给出该算法的时间复杂度是O(n2).     

多重威胁下的无人机自主避障航迹规划

无人机作为一种新兴的无人作战力量和不可或缺的民用设备,现已渐渐融入到国家安全和社会发展中的各个方面,航迹规划是保障无人机顺利完成既定任务的核心环节.为解决规划空间存在诸多静态和动态威胁的实时航迹规划问题,提出了一种基于滚动时域的无人机自主避障航迹规划方法.首先将航迹规划模型构建为单目标函数优化问题,根据无人机简化运动学模型和约束条件,采用滚动优化策略生成最优航迹序列;然后对最优航迹序列之间的航迹再一次采用滚动优化策略产生子序列,综合考虑威胁和飞行约束,利用负梯度下降法搜索航路点,采用遗传算法对子序列进行规划;最后经反复滚动迭代优化可得近似全局最优航迹,同时利用贝塞尔曲线对航迹进行处理,使其表征实际的飞行航迹.实验仿真结果表明:验证了模型的合理性和方法的有效性;具有良好的威胁规避能力并能规划出一条光滑航迹;与全局规划方法相比,该方法减少了收敛时间,实时性更强,能够快速、鲁棒地收敛到近似全局最优解.     

JZ-3型水轮机修复机械手路径轨迹规划

针对水轮机修复机械手在水轮机转轮的异性叶片曲面上焊接的路径轨迹规划问题,在概述了水轮机修复专用机械手运动方程的基础上,论述了经过修订的两种笛卡尔空间路径轨迹规划算法.为使规划的路径轨迹准确通过补焊位置而减小误差,同时尽可能使工作路径涵盖绝大部分的水轮机叶片曲面,提出了任意四边形内多焊道等宽路径轨迹规划的概念、算法和相应步骤.编程和仿真显示此方法可用于异形曲面的路径轨迹规划,并使焊道涵盖90%左右的水轮机叶片表面.     

Motion planning of UAV group using modified gyroscopic force for guidance and avoidance

It is comment that unmanned aerial vehicles （UAVs） have limitation on information cap- turing in reality applications. Therefore, online method of motion planning is necessary for such UA- Vs. Gyroscopic force （GF） is used for obstacle avoidance as an online method. However, classical GF has shortcoming in generating orbit for UAV with high velocity because the GF results in a time- varying turning radius. Modified gyroscopic force （MGF） given by function of velocity can overcome this shortcoming and help get a more practical control law for avoidance. MGF can also be used to implement the guidance of UAV by designing particular active conditions. Interactions in forms of stress function and damping force are introduced so that an UAV group can have coordinated motion. By combining controls of MGF and interactions, motion planning of UAV group in obstacle environ- ment can be implemented.     

面向无人机航迹规划的自适应乌贼算法

面向无人机在线/离线航迹规划应用,针对传统乌贼算法的长时搜索局域化及精度变差问题,提出了一种联合修正的自适应乌贼路径搜索算法.首先,提出联合混沌扰动与变异学习的混合调节机制来扩充乌贼搜索深度,以提高搜索精度;然后,引入自适应权重机制来减小乌贼搜索范围,以提高搜索效率;同时引入适应度自动筛选机制来改善乌贼种群多样性,以防止陷入局部最优.通过6个基准函数测试验证了所提算法的有效性与先进性,最后对所提算法进行不同场景下的航迹规划仿真验证.针对离线航迹规划,所提算法规划航迹成功率高达100%,规划航迹最接近全局最优,其航程均值相比传统乌贼算法可缩减7.3 units,比粒子群算法缩减可达28.3 units.仿真结果表明:所提算法全局规划性能和搜索精度显著增强,同时随着场景复杂度的提高,其航迹优化效果更加显著;针对在线航迹规划,首先将全局路径规划问题转化为若干个航迹分段的规划,然后引入启发式方法确定分段节点.仿真结果显示所提算法满足实时性要求,规划航迹精度高,进一步验证了所提算法的有效性.     

自主水下潜器全局规划及其仿真方法研究

应用遗传算法设计出二维/三维全局规划器,用于解决自主水下潜器在大范围海洋环境中自主全局路径规划的问题.规划空间采用栅格法离散建模,染色体采用十进制可变长编码方式,基于领域知识设计了初始种群生成算法和五种遗传算子;基于三维建模软件与视景技术建立了半实物虚拟仿真系统,通过设计不同的使命案例对全局规划算法进行了仿真验证.结果表明:该规划算法具有路径描述简单清晰、算法收敛速度快、求解效率高的特点,满足了使命规划的安全性和可行性要求.