基于Voronoi图和动态自适应蚁群算法的UAV航迹规划

以UAV航迹规划为应用背景,提出了一种基于Voronoi图和动态自适应蚁群算法的航迹规划方法;为了提高航迹规划问题最优解的质量及全局求解能力,克服传统蚁群算法收敛速度慢、容易陷入局部最优等缺点,提出了一种动态自适应蚁群算法;采用动态自适应航迹点选择策略并将信息素更新规则和挥发系数进行动态自适应调整变化来对蚁群算法进行了改进,提高了算法的求解效率;根据战场已知威胁源生成Voronoi加权图,并与所提的动态自适应蚁群算法相结合求解规划空间中的最优航迹;考虑到UAV的物理约束限制,对生成的可行航迹进行平滑优化;仿真结果表明,该方法能够为UAV规划出一条满足要求的可飞航迹,验证了所提方法在解决航迹规划问题时是可行、有效的;     

无人机三维实时航迹规划仿真平台

无人机航迹规划是任务规划中的关键技术,为得到一条既安全可靠又全局代价最优的三维航迹.针对实现实时动态规划最佳航迹,利用图形用户界面开发环境,规则网格的数字高程地图模型建立了基于地形因素的多种威胁源模型,采用改进型概率地图法(probabilistic roadmap method,PRM)与最短路径搜索-Dijkstra算法相结合的方法规划了三维航迹.最终设计的平台能够实现多种航迹规划算法的搜索,二维与三维、实时与非实时、单机与多机的航迹规划仿真.通过平台的实际运行,证明了改进PRM算法的高效性,同时验证了该平台的有效性与实用性.     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

基于几何法的无人机航迹规划

针对无人机的三维航迹规划问题,提出了一种基于几何法的航迹规划算法.通过对无人机飞行航迹的分析,将无人机航迹看作是由一系列直线、圆弧和螺旋线的有序组成.研究了无人机最大过载系数、最大平飞速度、升限等性能与航迹可行性的关系,得出生成最优航迹的限定条件.讨论了几何法无人机航迹规划的步骤.按照几何原理对无人机航迹进行了规划,将无人战斗机的机动性能在航迹中充分体现出来.计算机仿真结果表明用几何法规划的航迹具有较好的适用性.     

基于人工蜂群算法的无人机航迹规划研究

为求解航迹规划问题,引入人工蜂群(ABC)算法,并将航迹空间以网格划分,通过固定起始节点和设定最大允许航迹节点数等方法,解决了ABC算法应用于航迹规划的2个难题:航迹节点不固定和邻域构造困难,实现了将ABC算法应用于航迹规划问题.通过典型的实例仿真对算法性能进行测试,并与其他智能优化算法进行比较,结果表明:该算法不仅增加了解的多样性,有效克服了停滞行为的过早出现,而且能够加快收敛速度,得到全局最优解或近似解,是解决航迹规划和其他组合优化问题的一种有效算法.     

基于概率地图的军用飞行器航迹规划方法研究

提出了一种基于概率地图的航迹规划方法.文中所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性.在此基础上设计的带权系数的航迹规划算法,可以通过改变权系数的值,实现在寻找较短的航线和寻找具有较小失败概率的航线之间进行权衡,以此反映规划者的主观意图.另外,此方法还能给出航迹的失败概率值,可以作为指挥决策时的一个评价指标.仿真实验证明,该方法能够获得满意的效果.     

基于SA-ML-PDA的无源协同定位方法

针对无源协同定位系统中低可观测目标的航迹初始及维持问题,提出一种基于模拟退火极大似然概率数据关联的双基站无源协同定位方法.首先,建立双基站无源协同定位系统数学模型.其次,提出基于极大似然概率数据关联的无源协同定位航迹初始算法,并首次利用模拟退火算法解决极大似然概率数据关联中的优化求解问题,以提高目标检测跟踪性能.最后,通过滑窗法实现航迹维持.仿真结果表明,所提方法能够有效解决双基站无源协同定位系统中低可观测目标的航迹初始及维持问题.     

基于改进RRT算法的UAV航迹规划与优化研究

分析步长、搜索次数对UAV航迹生成的影响,给出一种改进RRT算法。结合目标信息给出启发因子、优话采样节点选择方法、选取合适的启发概率等方法,解决了扩展树生长过程中随机性较大的问题,提高了全局搜索能力和搜索速度,同时考虑局部搜索精度。针对航迹随机化造成的航迹不够优化的问题,提出一种航迹迭代优化方法。仿真结果表明:该算法和优化方法具有较快的收敛速度和更短的搜索时间;迭代优化方法减少了冗余规划点,缩短了规划航迹,提高了航迹规划效率。     

改进量子遗传算法在无人机航迹规划中的应用

研究无人机航迹规划优化问题,有效地规避威胁,可提高无人机的生存能力.但传统量子遗传算法在航迹规划方面局部寻优精度较低、稳定性差.为解决上述问题,提出改进量子遗传算法的无人机航迹规划方法.首先上述算法采用一维编码表示航迹,并对影响有效规避威胁的适应度构造代价模型和惩罚策略;针对量子遗传算法初始种群的单一性,引入关于概率划分的小生境协同进化策略,并对各种群采用动态量子旋转角,并借鉴狼群分配原则对种群进行更新,提高收敛速度;利用精英选择运算,创建精华种群,保留父代中最佳个体.仿真结果表明,上述算法的无人机航迹规划效率高,稳定性好,能够获得平滑的低代价航迹,是一种有效可行的航迹规划算法,且具有一定的推广意义.     

多目标优化下智能飞行器三维航迹快速规划

针对智能飞行器在复杂的飞行环境下不能精确定位校正而无法到达目的 地的问题,提出了一种飞行器定位误差校正策略和飞行器转弯控制策略.当校正点集合存在问题校正点时,在保证成功到达概率的前提下,尽可能减少校正次数和路程,提出了一种概率参数优化策略,通过采用蒙特卡罗算法和NSGA2遗传算法来计算真实概率和航迹路线;为满足实际应用,建立了以飞行器航迹最短和校正次数最少的多目标优化的数学模型,并设计了一种圆环形包络面的数据预处理算法以提高模型的求解效率,最后进行了仿真计算和代码优化,仿真结果表明,提出的策略和算法能够有效地给出更为满意的航迹规划路线.