引入突防概率的飞机航路规划遗传算法

飞机低空突防技术除了包括地形跟随、地形回避和威胁回避以外,当不能在敌防区外发射导弹时,还必须分析目标附近的敌防御体系的构成。将最大突防概率引入航路规划的代价函数指标中,通过突防概率的计算,提出以航路末端进入角来修正代价函数指标。采用遗传算法进行航路规划,仿真算例表明,该算法可以满足对地形和静态威胁的回避,同时可以按照突防概率最大的末端进入角到达目标点。     

基于改进量子进化算法的巡航导弹航路规划方法

针对巡航导弹作战区域广阔、航路规划效率低的问题,提出了基于改进量子进化算法(IQEA)的巡航导弹航路规划方法。首先分析并确定巡航导弹航路规划空间,建立航路评价的代价指标;针对实数编码量子进化算法容易早熟、陷入局部最优的缺点,引入染色体的概率表达特性,使得每条染色体均能以一定概率表达优化问题的所有可行解;借鉴遗传算法的思想,在IQEA中引入染色体繁殖机制,结合动态量子门实现染色体的进化,实现算法局部搜索和全局搜索的平衡。仿真实验结果表明,基于带繁殖机制的IQEA的航路规划算法能够快速、稳定地搜索到代价更低的航路,所规划航路能够有效进行威胁规避、地形回避和地形跟随。     

多约束条件下UUV空间航迹规划

针对多约束条件下无人水下航行器（UUV）空间航迹规划问题,提出了结合安全曲面和威胁地图的规划方法,建立了水下安全航行曲面,将3D空间规划降为2D航向平面规划,以解决3D规划空间过大的问题。并对敌对威胁和地形威胁统一化处理,构建威胁地图,引入威胁代价和威胁程度启发因子,最后运用A＊算法进行航迹搜索,以获得最优航迹。仿真结果显示,所提出的航迹规划算法简便、快速,生成的航迹能满足地形跟随、地形回避和威胁回避的需要。     

实时低空突防最优航迹算法

在规划出安全走廓和参考航迹的情况下,利用非线性规划法,提出了一种新的你蓉突防最优航迹算法。该算法考虑了飞行器机动能力约束,使量优航迹不需要平滑２就一一个可实现航迹,同时也考虑了地形及威胁对最优航迹的影响。另外,打破了将威胁当作一座山的传统处理方式,使最优航迹不仅能紧密跟踪地形,而且能自动有效地回避威胁。更重要的是采用分段规划,使优化速度大大提高。计算结果表明,该算法能产生平滑的三维突防航迹,并具有     

电视指令制导导弹目标攻击中载机航迹规划研究

为提高电视指令制导导弹的命中精度,突防载机在导弹发射后必须满足导弹使用的约束条件选择航迹才能保证导弹命中目标。在分析防区外使用电视指令制导导弹进行对地精确打击时飞机航迹特点的基础上,结合飞机性能及导弹制导要求,建立了满足导弹制导约束条件下的飞机航迹规划模型;并且在传统A*算法的基础上,提出了一种改进的A*算法,该算法有效地将约束条件和航迹寻优算法有机结合在一起,提高了算法的收敛速度,更加符合航迹规划的要求。仿真表明建立的导弹制导过程中战斗机航迹规划模型和改进算法能够找到满足导弹使用的突防航迹。     

粒子群算法在翼伞空投系统航迹规划中的应用

针对当前翼伞系统研究中未考虑到地形威胁、火力威胁对航迹规划影响的问题,对地形威胁和火力威胁进行了建模,结合翼伞飞行特性,引入最小威胁曲面生成三维航迹搜索空间,并利用粒子群算法搜索优化翼伞系统的航迹。仿真结果表明,粒子群算法能有效地减小搜索空间,提高规划的效率,且使规划出的航迹能够躲避威胁,满足航程和高度的要求。     

基于Floyd算法的灵活航迹规划方法

针对支持卫星通信的巡航导弹预存多个目标打击航迹的特点,给出了一种基于Floyd算法的灵活目标打击航迹规划方法。该方法通过在代价函数中引入高程代价和风险代价,使得Floyd算法能够充分利用地形和威胁信息;通过在算法搜索中考虑导航图的对称性,减少了算法的搜索时间;通过对规划的航迹进行平滑计算,保证了航迹的可行性。给出了灵活航迹的规划步骤和算法复杂性分析,仿真计算结果表明了该方法的有效性。     

基于SAPSO算法的无人机三维航迹规划

运用粒子群算法(PSO)进行无人机三维航迹规划时,常通过引入最小威胁曲面来减小搜索空间,提高算法效率,但将威胁信息等效至数字地图中并不能准确反映威胁作用,且失去了利用地形遮蔽进行突防的优势。针对这一问题,从航迹规划的核心适应度函数出发,综合考虑火力威胁、地形威胁、高度威胁、机动性能四个方面约束,对适应度函数模型进行了分析改进。同时,针对粒子群算法易陷入局部最优的问题,提出将模拟退火粒子群算法(SAPSO)运用于航迹规划,利用模拟退火算法概率突跳能力进一步改善航迹质量。仿真结果表明,改进模型获得的三维航迹不仅满足各项约束,而且能够利用地形遮蔽进行突防,SAPSO算法改善航迹效果明显。     

水下地形辅助导航最优航路规划

为了确保水下地形辅助导航系统在规划航路上能够获得充足的地形信息,提出了一种综合考虑航行任务和地形信息量的最优航路规划方法。该方法首先建立了水下地形熵信息量分布模型,然后以地形信息量和航路长度为优化目标,同时考虑障碍物和航行器机动性能的约束,利用粒子群优化算法在匹配区内全局寻优,得到符合要求的最优航路,最后采用粒子滤波水下地形匹配算法沿该航路进行匹配运算。仿真结果表明,该方法能够给出地形特征充足的最优航路。     

改进A*算法在突防航迹规划中的应用

针对实际应用中传统A*算法存在搜索时间长、占用空间大和生成的航迹可飞性低等问题,对传统A*算法进行了改进。通过引入启发函数选择因子,并结合航迹约束条件改进节点扩展策略,有效减小了算法搜索时间和所占用的内存空间;采用索引矩阵和无序数组的混合数据结构实现对Open表和数据的管理,显著提高了算法效率;通过对航迹进行后期平滑处理,使生成的航迹满足飞机机动性能要求。仿真结果表明,改进后的A*算法有效提高了规划效率且生成的航迹更具可飞性,在突防航迹规划中具有一定的实际应用价值。     

巡航导弹航迹规划决策系统研究与开发

在研究巡航导弹任务规划的基础上,采用TF/TA2（Terrain Following/Terrain Avoiding/Threat Avoiding）技术,利用地球曲率和地形起伏而造成的防空体系的盲区,使导弹进行超低空飞行,达到突防目的.并设计了巡航导弹航迹规划决策系统,包括地形模拟、航迹决策、雷达辐射源库、火力威胁库的建立和最优航迹算法研究等.     

基于蚁群算法的舰载机避障路线分析

为了使舰载机编队在突破飞行过程中保持最大的生存概率,针对具有不同威胁程度的威胁体的舰载机避障路径规划问题,提出了一种不同于V图的初始路径构图方法,通过蚁群算法得到了模型中舰载机遭遇各威胁体的避障方式,以及相同威胁度与不同威胁度情况下的避障路线,并进行仿真验证.仿真结果表明:该方法给出最优的避障路线能有效解决V图只能对相同威胁体进行规划的难题,在威胁度与距离2个问题上取得平衡,可进一步推广应用于不同威胁体的多机协同路径规划,为舰载机飞行中过程中的路径规划问题提供了理论依据.     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

三论超低空突防战术和技术

着重讨论了无人飞行器超低空飞行中所遇到的几个关键技术问题,包括高度控制系统、地形跟踪、地形回避,威胁回避、飞行任务规划等,并对亚声速、超低空飞行突防的最新战例、事例进行了跟踪和分析。     

相邻特定平飞段间纵向航迹的快速规划算法

分析了相关的纵向航迹约束条件,选择了1组高度变化点的高度值（即平飞高度值）作为控制变量,基于约束设计了相邻特定平飞段间纵向航迹的快速规划算法模型,编制了计算机程序并以实例验证了算法的正确性。该算法能快速有效地实现相应的纵向航迹规划,对巡航导弹纵向航迹的自动规划研究具有一定的参考价值。     

多约束条件下飞行器航路规划

飞行器航路规划是一个大范围多目标多约束的三维规划问题。遗传算法是一种求解复杂问题的通用方法。该文在遗传算法中加入了航路规划的相关知识来求解问题，给出一种解决多约束规划问题的方法。首先。提出了一种航迹极坐标编码方式，将航路规划中的部分约束融人到算法模型中并加以解决；第二，采用目标函数的方式解决航路规划中的部分约束。     

无人机编队Dubins 航路规划及编队控制器设计

为完成无人机编队任务并解决无人机在飞行中因干扰而造成编队任务失败的问题,设计一种无人机编队 任务的Dubins 航路规划算法及控制器。根据无人机编队同时到达集结点的时间一致性要求,利用解析几何方法进行 航路设计,通过分析无人机飞行状态,设计了能够进行速度调整的控制器,并使用六自由度无人机模型验证了航路 算法及控制器的性能。仿真结果表明：该航路算法能够解算出各种编队任务的飞行航路,在控制器作用下能够很好 地完成编队任务。     

无人机雁行仿生群飞路径规划

为解决单架无人机因互相之间没有通信机制而无法独立进行路径规划的问题,提出一种仿生雁群路径航 路选择的无人机群飞路径规划。介绍算法原理,将无人机初始化为粒子后,在无人机群中确定主机、僚机。依据遗 传算法基础原理,将仿生学引入到无人机群协同编队飞行航点规划当中,使用遗传算法对组群飞行的主机航路进行 路径规划,产生需要的解或最优解;通过模仿雁群跟随的策略,设计僚机跟随主机的算法,从而实现组群飞行,并 进行了实验验证。实验结果表明,该研究对无人机群飞行控制有一定的参考价值。     

基于改进A-Star算法的无人机航迹规划算法研究

针对传统A- Star算法在无人机航迹规划问题应用中的局限性，提出了一种结合飞行器简化运动学方程的改进A- Star算法，并将该算法应用于解决无人机在未知危险环境中的威胁规避问题；研究了综合考虑各路径代价影响因素情形下的航迹规划方法。最后对无人机参考航迹规划的数字仿真证明了改进算法的有效性。