基于鸽群优化的复杂环境下无人机侦查航迹优化

地表环境的复杂性以及机载探测装置探测范围的约束,使得无人机在某些方位无法实现对地面目标的有效监测.因此,在设计无人机侦查航路时需要综合考虑无人机飞行性能与目标可视范围等条件.针对这一问题,提出了一种基于改进鸽群优化与动态规划算法的无人机侦查航路优化方法.首先,通过分析机载探测装置视场与地表环境的相对空间关系,得到了目标周围空域的可视范围.随后,结合鸽群优化理论框架与动态规范方法对无人机的最优侦查航迹进行求解.为提高鸽群优化算法在求解目标排序问题中的效率,提出了一种离散化的鸽群优化改进机制.仿真结果表明,侦查航迹优化算法在提高任务完成度的同时具有很高的求解效率和准确性.     

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。     

未知环境中无人机实时航路规划的模糊控制

指出了未知环境下无人机实时航路规划与航路规划的关系;提出了模糊控制用于实时航路规划的算法.根据模糊控制和航路规划原理,构造了模糊控制规则库;将传感器实时探测的信息送给模糊控制器进行处理,得到水平偏转角控制量,使无人机规避障碍同时飞向目标点.用MATLAB进行仿真验证,仿真结果证明了算法的有效性.     

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.     

攻击无人机的协同航路规划

在空中进攻战役计划制订时应充分考虑敌方目标的有关因素及其周围防御力量的水平，合理选择进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标。针对这一问题提出了目标分配及航路选择的优化模型，并改进了遗传算法的编码方式。在此基础上采用遗传算法对基于目标分配的无人机协同作战任务进行了仿真检验，确定了各无人机的攻击目标及相应的回避威胁的协同航路。通过该方法可以有效地提高无人机的协同作战效能。     

面向多点侦察和通信服务的多无人机协同任务分配

针对多无人机对多个异构任务目标进行侦察和通信服务的协同优化问题,通过考虑不同目标的任务要求和价值,以及多机协同增益与任务行为制约关系,构建斯坦伯格博弈模型,将上层无人机建立为博弈领导者,下层无人机建立为博弈的跟随者,并提出一种分布式策略更新迭代算法,实现了多无人机任务分配方案的稳定收敛以及系统任务收益优化.仿真结果显示,所提方法能有效提升多无人机系统同时完成多个任务的效益,并能在不同环境下实现面向异构任务价值的高效协同.     

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。     

基于蚁群算法的多无人机协同任务规划研究

现代战争中,无人机对战前情报收集、重要空域控制、重点目标监视和打击等起着关键作用.随着攻击方参战无人机的规模增加,相应防御方的防御力度也在提高.无人机群的作战任务面临的是多目标多雷达的防御群.因此,多无人机协同任务规划的研究主要集中在任务分配和路径规划.基于蚁群算法建立了针对目标群简化的数学模型,解决了侦查无人机滞留防御方雷达探测范围内的时间总和最小的航线优化问题,完成了无人机侦查任务拟制最佳路线和调度策略,实现了多无人机的协同任务规划.     

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。     

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。