基于粒子群优化算法的无人机航迹规划

提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,在等效数字地图中实现单个目标点的无人机航迹规划,并对算法性能进行仔细分析,仿真结果表明,该方法能够快速有效地完成航迹规划任务,得到满意的三维航迹。     

基于粒子群优化算法的无人机航迹规划

提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,在等效数字地图中实现单个目标点的无人机航迹规划,并对算法性能进行仔细分析,仿真结果表明,该方法能够快速有效地完成航迹规划任务．得到满意的三维航迹。     

面向无人机三维航迹规划的改进粒子群优化算法

基本粒子群算法在求解问题维数增多时陷入局部解的可能性增大,提出了一种结合模糊C均值(FCM)算法的改进粒子群算法。FCM算法分类停止后,采用轮盘赌法确定每个粒子所属的类,将粒子群算法速度更新公式中的所有粒子所经历的历史最优位置改为类内粒子的当前(本次迭代中的)最优位置,将改进算法用于无人机三维路径规划仿真实验,仿真结果表明:改进算法显著提高了基本粒子群算法的全局寻优能力与算法在最优解附近的寻优精度,成功得到了一条合理有效的路径。     

基于粒子群优化算法的航迹规划与重规划

航迹规划与重规划是驾驶员智能辅助决策支持系统中的重要组成部分。通过分析描述航迹状态规划空间,提出一种基于粒子群的航迹规划算法,该方法通过使用特定的粒子群编码方式和适当的适应度函数的构造,可以在满足航迹约束的条件下,有效利用各种环境信息,进行在线实时航迹规划,并最终得到一条近似最优航迹。仿真结果表明了该方法的有效性。     

基于优化粒子群算法的无人机航路规划

针对粒子群优化(PSO)算法的无人机(UAV)航路规划问题,引入惯性权重和自然选择对粒子群算法进行优化,以提高基本粒子群算法收敛速度,防止陷入局部最优.算法分析惯性权重对粒子群算法的影响,进而调整惯性因子,提高算法的搜索能力;利用自然选择的便利性和规律性等特点,更新粒子群算法的粒子;同时通过对无人机的可行航向进行限定,缩小搜索范围.仿真实验表明:基于粒子群优化算法的无人机航路规划不仅缩短了最优航路,而且提高了搜索速度.     

基于改进粒子群算法的UAV航迹规划方法

结合当前无人机集群发展趋势,针对航迹规划算法和策略问题开展研究,在分析经典粒子群算法和传统航迹规划方法基础上,提出了一种基于改进粒子群算法的航迹规划方法,将无人机航迹规划分为整体航迹规划和节点间航迹规划两部分,针对两部分对于搜索速度和解的精度的不同需求,结合环境模型及约束条件,分别设计粒子群航迹规划算法的评价函数;对于节点间粒子群航迹规划,通过设计分段式惯性权重调整公式改进粒子群算法,在保证了算法的搜索速度的同时,提高了航迹规划解的精度。通过仿真验证了该方法的正确性和可行性,横向对比其他算法策略分析了该方法的优越性。最后在算法自主实时性方向上对于后续的工作开展提出了期望。     

基于量子粒子群优化的在线航迹规划

现代战场中,环境信息是变化的,飞行器很难预先获得精确的全局环境信息,因此要求无人飞行器具有实时的航迹规划能力,采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题;同时,根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Spline插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题,简化了问题复杂度,提高了计算效率.仿真结果表明该方法可以满足在线航迹规划的要求.     

基于适应度值优劣粒子群算法的无人机路径规划

粒子群优化算法(PSO)是一种典型的基于群体合作的搜索算法,针对传统粒子群优化算法在求解无人机路径规划问题时存在陷入局部最优和容易早熟收敛等问题,提出基于适应度值优劣粒子群算法的路径规划方法。改进的粒子群算法将避障和路径长度作为约束条件来建立目标函数,通过将整个种群中的粒子按照适应度值划分为两个部分,并且分别设计了划分后的两个部分的惯性权重,以此来提高算法的多样性和收敛性,从而进一步提高粒子群算法的寻优能力。通过仿真实验表明：与原粒子群算法相比,根据适应度值来调整算法惯性权重能够有效提高粒子群算法的多样性和收敛性。     

基于粒子群算法的无人机航路规划与建模仿真

研究无人机航路规划问题,解决基本粒子群算法易陷入局部最优、收敛速度慢长导致人机作航路规划效率低的难题.为了提高无人机航路规划效率,提出了一种基于改进粒子群算法的无人机航路规划方法.在无人机航路规划建模过程中,如果粒子失活,该算法对其进行相应的变异与微调,重新激活粒子,保证了粒子群体在进化过程中具有较强的活力,能够快速逃逸出局部极值点,这样就以较快收敛速度找到最优航路.最后用改进的粒子群算法对无人机任务航路进行了仿真,仿真结果表明,相对于基本粒子群算法,该方法避免了陷入局部最优,并缩短了搜索时间,航路规划效率明显提高.该算法是一种有效的无人机航路优化算法.     

基于凸优化粒子群算法的在线航迹规划

针对未知环境中无人机可视图有限的路径规划问题,提出了一种基于凸优化的粒子群算法（Particle swarm optimization,PSO）进行路径点选取。在迭代寻优过程中以凸优化求解出的轨迹、避障以及到达终点距离等为元素设计粒子群的适应度函数,在获得最优路径点后再将路径点之间的轨迹显示出来。将所得轨迹作为同时定位与地图创建（Simultaneous localization and mapping,SLAM）的一部分来建立更加可信的环境地图。理论分析和实验仿真结果表明,与其他智能算法以及基于采样的路径规划算法相比,基于凸优化的粒子群算法可以有效地提高路径规划的效率以及减少规划路径的长度。     

Online Two-Dimensional Route Planning for a Group of Unmanned Aerial Vehicles

Journal of Computer and Systems Sciences International - This paper suggests a novel approach to online two-dimensional route planning for a coordinated flight of a group of unmanned aerial...     

Three-dimensional Route Planning for Unmanned Aerial Vehicles in a Risk Environment

This paper introduces a new approach for three-dimensional flight path optimization for unmanned aerial vehicles. It considers the performance of the air vehicle as well as mission specific requirements including the avoidance of no-fly areas, risk reduction in threat environments by terrain following flight or terrain masking low-level flight, and other regulations such as fixed release and approach vectors at the start and destination locations. The focus of the approach is on a proper discretization of the airspace by a network which allows the application of standard algorithms of combinatorial optimization. In contrast to conventional discretizations by grids or grid-like graphs, our network is non-regular since created by some random process. Moreover, each path in the network corresponds to a twice continuously differentiable trajectory which obeys the kinematic restrictions of the air vehicle and which is feasible with respect to the operational requirements of the mission. With suitable costs defined on the edges of the network, a minimum-cost path calculation allows to identify a trajectory of shortest length, shortest flight time, minimum flight height, or minimum visibility from the ground. The latter objectives aim to minimize the probability of being detected by hostile forces, hence increasing the survivability of the air vehicle.     

基于PH曲线的无人机路径规划算法

研究了无人机可飞行路径规划问题,传统路径规划算法不能生成满足无人机运动学约束的可飞行路径.为解决上述问题,提出了将曲率连续的Pythagorean Hodograph (PH)曲线(又称勾股速端曲线)直接用于无人机路径规划的方法,利用PH曲线曲率连续、曲线平滑以及有理特性,在已知威胁的环境中可直接得到满足最大曲率约束且曲率连续的无人机可飞行路径.采用遗传模拟退火算法搜索避开环境中威胁体,并满足约束条件的最优PH路径,使仿真过程结合遗传算法和模拟退火算法的优点,取长补短,提高搜索效率,加强全局搜索能力.仿真结果表明,遗传模拟退火算法能在较少的进化代数下得到最优路径解,且所得的满足约束条件的PH路径曲率连续,为无人机飞行控制提供了依据.     

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.     

基于改进粒子群算法的反舰导弹航路规划研究

针对飞行器航路规划问题,提出了一种改进粒子群算法.在标准粒子群算法的基础上,对惯性权重系数进行了非线性的调整,对学习因子进行线性和非线性的优化,并引入遗传算法中的交叉算子,将较好粒子与较差粒子进行交叉,保证了种群的多样性,从而提高算法的全局搜索能力.为了验证算法的可行性与有效性,对其进行仿真测试.实验结果表明,与标准粒子群算法、线性惯性权重相比,改进的粒子群算法表现出较强的全局搜索能力和较好的收敛性.