自适应遗传算法在飞行器离线航迹规划中的应用

飞行器航迹规划是一个多目标多约束的三维规划问题。根据分层规划思想,确定离线参考航迹是飞行器低空突防前要解决的首要问题。针对遗传算法中局部最优与全局最优之间的矛盾,采用自适应遗传算法进行离线的航迹规划,用极坐标编码方式在飞行方向上构造染色体。进化过程中采用自适应交叉概率和变异概率,并尽可能把符合实际情况的各种约束考虑到问题中。仿真结果表明,算法避免了早期收敛,提高了全局寻优能力,是解决实际飞行器离线航迹规划问题的较好方法。     

一种具有预测能力的实时三维航迹规划方法

为提高飞行器对地攻击效能,必须对其三维航迹规划技术进行研究.通过考虑飞行器姿态变化对暴露范围的影响,建立了飞行器简化RCS模型;考虑到威胁并非不可穿越,建立了间歇式暴露模型;在改进稀疏A*算法的基础上提出了一种具有实时规划能力的分步规划算法,针对该算法存在规划“死胡同”的缺陷,提出了一种具有预测能力的三维航迹规划方法;...     

基于Voronoi图和量子遗传算法的飞行器航迹规划方法

以飞行器航迹规划为应用背景,提出一种基于Voronoi图和量子遗传算法的飞行器航迹规划方法。首先,建立威胁源的V图,并构建发射点、目标点与威胁源的V图赋权有向图,从而建立飞行器航迹规划V图空间;然后,对传统量子遗传算法进行改进,引入了量子门旋转角步长动态调整机制;并增加了量子交叉操作和量子变异操作,使得改进后的量子遗传算法具有更高的搜索效率,采用改进后的量子遗传算法求解V图空间中的最优航迹;最后,进行了仿真实验。仿真结果表明,基于V图和量子遗传算法的航路规划方法是可行和有效的。     

不确定环境中基于概率威胁的航迹规划研究

针对不确定战场环境航迹规划问题进行了研究,提出一种基于概率表示的飞行器航迹规划方法。根据威胁源的存在概率函数、位置分布概率函数和静态威胁概率函数模型,建立不确定威胁源的威胁概率函数模型。将遗传算法运用到航迹规划中,并进行了仿真实验,仿真结果验证了模型及算法的有效性。     

应用 D*Lite 算法的目标移动时无人机三维航迹规划

针对不确定环境下目标移动时的无人飞行器三维航迹规划问题,采用改进的D*Lite搜索算法,设计了一种三维航迹快速规划方法。利用改进的代价评估函数,根据突发威胁和移动目标的实时信息,将航迹规划约束条件和改进的搜索算法相结合,给出了地面目标移动时的无人飞行器三维航迹规划方法。仿真结果表明,该算法不但可以满足实时在线的航迹规划要求,能够有效躲避突发威胁,打击移动目标,还能有效地缩小搜索空间,提高搜索效率及寻优能力,能较好地解决不确定环境下目标移动时的航迹规划问题。     

应用D~* Lite算法的目标移动时无人机三维航迹规划

针对不确定环境下目标移动时的无人飞行器三维航迹规划问题,采用改进的D*Lite搜索算法,设计了一种三维航迹快速规划方法。利用改进的代价评估函数,根据突发威胁和移动目标的实时信息,将航迹规划约束条件和改进的搜索算法相结合,给出了地面目标移动时的无人飞行器三维航迹规划方法。仿真结果表明,该算法不但可以满足实时在线的航迹规划要求,能够有效躲避突发威胁,打击移动目标,还能有效地缩小搜索空间,提高搜索效率及寻优能力,能较好地解决不确定环境下目标移动时的航迹规划问题。     

飞行器三维突防航迹快速生成方法

介绍了一种飞行器低空突防三维航迹规划方法.通过分析敌防空区域地形方差,判断其地形特征,决定最佳离地高度,从而构建了飞行器安全飞行曲面.利用Dijkstra算法,在安全飞行曲面之上,进行二维航迹节点的搜索,达到三维航迹规划的目标.搜索空间维数的缩小,存储节点数目的删减,都加快了航迹生成的速度.威胁概率模型的建立,航迹代价函数的构造,权重比值的分配,使得规划出的航迹具有一定的威胁/地形回避和地形跟随效果.最后给出了算例和仿真结果.     

基于启发式A*算法的飞行器三维航路规划

提出了一种基于启发式A*算法的三维航路规划方法并进行了仿真验证.首先对地形的高程栅格数据进行综合平滑处理,建立满足飞行器机动性能的安全飞行曲面,结合威胁数据的量化模型,采用改进的A*算法在安全飞行曲面上规划出三维飞行航路,并对搜索出的航路进行了优化和平滑处理.仿真结果显示,算法简单快速,能满足飞行器执行不同任务的需要,易于工程实现.     

基于多策略SSO和改进A*算法的无人机动态航迹规划

针对无人机遇到突发威胁动态航迹规划问题,提出了一种基于多策略SSO和改进A*算法的无人机动态航迹规划方法。该方法将无人机航迹规划划分为静态航迹规划和突发威胁实时规避两个阶段:首先,对于静态航迹规划阶段,采用多策略SSO优化算法对极坐标航迹规划模型进行求解,通过引入完全弹性碰撞、自适应跳跃等机制,在有效满足飞行性能约束的同时,提高了航迹规划结果的可行性;其次,对于突发威胁实时规避阶段,采用改进A*算法对局部区域进行航迹重规划,通过拓展A*算法搜索邻域个数和引入最小"弯折"估计代价函数,在保证实时性要求的同时,能够规划出更加平滑的最优航迹。仿真结果表明,提出的方法能够有效地给出更为满意的无人机动态航迹规划路线。     

用改进变异粒子算法实现突发威胁下的无人机航迹规划

针对无人飞行器航迹规划问题,提出一种改进变异粒子群算法及航迹节点拓展法,有效解决了突发威胁下的航迹规划问题,并进行仿真验证。通过引入维量化活性度解决了粒子群算法搜索后期速度下降问题,通过相对坐标转换避免了采用一元多项式函数作为水平航迹丢失部分解的情况。仿真表明,利用改进的变异粒子群算法能够有效地提高搜索速度和精度,适用于突发威胁下的航迹规划问题。     

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LPA*算法的无人机三维航迹快速规划研究

针对无人机的快速航迹规划展开研究.首先针对航迹规划的实际需要,将航迹规划划分为二维的航线规划和二维航线点之间的三维航迹规划;然后对二维威胁建模得到的赋权图,用Dijkatra算法产生初始的多任务二维航线;再结合无人机在飞行过程中的约束条件,提出动态权值的三维LPA*的航迹规划方法对二维航线产生的航线点之间进行规划,满足地形回避和威胁回避.仿真表明,上述方法可以有效快速地完成规划任务,同时当数字地图改变时,LPA*算法可以通过检测局部一致性来避免进行重新的全局搜索,大大缩减了搜索空间,从而可以快速地修正航迹.     

基于A*算法的无人机攻击轨迹解算

借鉴飞行器航迹规划方法,提出用A*算法来解算无人机攻击轨迹.首先对原始地图进行预处理,基于威胁信息等效为山峰的思想,生成了三维等效数字融合地图;然后,利用介绍的A*算法,对路径寻优进行建模仿真,实时规划出无人机攻击目标的轨迹;最后,通过分析算法的时间复杂度,结合攻击轨迹仿真结果,得到了可以在元人机攻击目标时快速生成攻击...     

利用概率天气预报的通航飞行路径规划

为解决实际天气与天气预报不一致时根据确定性天气预报所规划飞行路径效益低的问题,提出一种利用以概率方式给出的天气预报,对通用航空飞行路径进行规划的方法。该方法利用由集合数值天气预报得到的概率天气预报信息,构建空域概率天气模型,使用分阶段飞行路径规划方法保障预期规划目标的实现,将飞行路径规划分解为多个阶段,除第一阶段外,从每个阶段的每个起始点出发都分别规划绕飞和穿越可能的危险天气区域两条不同的路径,各阶段的不同路径采用A*算法进行搜索,得到包含多条飞行路径的规划飞行路径集合。实验结果表明,在保证安全性的前提下,该方法规划的飞行路径与其他典型算法规划的飞行路径相比,在统计意义上的期望飞行距离显著减小。      

四旋翼无人机的轨迹规划跟踪控制研究

针对四旋翼无人机的实际应用需求,开展轨迹跟踪控制研究。提出了一种基于快速扩展随机树（RRT）算法的Dubins航迹规划方法,同时搭建了四旋翼模型,并设计了轨迹跟踪控制方案对所提出的规划路径进行了轨迹跟踪仿真。该RRT-Dubins算法采用RRT算法对有障碍区域的无人机路径进行有效规划,然后利用Dubins路径对规划出的轨迹进行平滑处理,以形成一条无人机可飞行路径。仿真实验表明,采用所提出的轨迹规划方法及路径可以较好地规避障碍区域,且轨迹平滑更适合无人机飞行,同时验证了所提轨迹跟踪控制方案的有效性。     

多智能体强化学习飞行路径规划算法

为了减轻现代空战中大量信息处理给飞行员带来的负担,同时为了实现无人机航路自主规划,提出了一种基于多智能体强化学习理论的飞行路径规划算法.该算法采用多智能体强化学习的方法,采用两个功能不同的智能体,分别对应局部和全局路径规划.该算法对状态和动作空间进行划分和抽象,有效地减少了状态的数量,解决了强化学习维数灾难的问题.最后用Matlab对此算法进行了数字仿真,验证了算法的可行性,仿真实验结果显示该算法收敛速度快,能够解决飞行路径规划的任务.     

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。     

基于RRT算法的无人机路径规划应用研究

经典的路径规划算法大都需要在全局已知空间中对环境进行建模,包括人工势场法、遗传算法、启发式算法、仿生学算法等.由于需要预先构建环境,因此这些方法并不适合解决在高维度空间中的路径规划问题.基于快速扩展随机树(RRT)的路径规划方式其优势在于可以避免对全局环境的构建,通过对状态空间进行随机采样,检测碰撞点,能够有效地解决在...     

机载单站多目标定位航迹规划研究

多目标航迹规划是指侦察飞机在机载单站无源定位过程中,根据侦收到的多个目标信号方向、威胁等级和飞机本身机动能力的限制,计算出最优飞行航迹,并跟随该航迹同时完成多目标定位任务。首先建立了机载单站无源定位中的探测模型、控制模型和航迹规划模型;然后提出一种基于评价函数和扩展α法的多目标航迹规划算法;最后进行了仿真分析,仿真结果表明该方法的有效性。