基于混合算法的无人机路径规划

针对无人机多目标攻击路径规划问题,提出了一种基于Voronoi图的遗传模拟退火算法。首先构建了威胁与障碍的Voronoi图,得出了无人机可行路径的集合,然后给出了目标函数,接着利用Dijkstra算法进行了模型简化,最后利用遗传模拟退火算法进行计算。计算表明,该方法在解决无人机路径规划问题上与单纯的遗传算法相比具有寻优快且好的特点。     

基于Bellman-Ford算法的无人机路径规划研究

通过预先侦察和经验评估，给出了一种敌情信息未知环境中的无人机路径规划方法。采用Bayes方法求取了给定规划区域内威胁存在的概率，构建了威胁概率分布图，并将其转化成权重为威胁概率的带权图，利用Bellman-Ford算法搜索该带权图，求取了一条从出发点到目标点的无人机最小威胁路径，根据无人机气动性能约束，对最小威胁路径进行了修正和优化，得到一条可飞的最优路径，最后给出了仿真结果，验证了方法的有效性。     

基于马尔可夫模型的无人机路径规划的线性化

研究了利用马尔可夫模型对无人机路径规划问题建模,以及马尔可夫模型的线性化问题,提出了离散的马尔可夫模型线性化的方法,并利用数学归纳法进行了证明。仿真结果表明,对状态流程图进行线性化以后,由初始状态到终止状态的每条路径的状态转移概率变得更加直观,能够从状态流程图中清楚地得到各个因素对整个系统任务的影响。     

一种基于分割法的无人机路径规划新方法

为解决无人机快速可靠的路径规划问题,提出了一种在威胁分布已知条件下的无人机飞行路径规划新方法。在Matlab软件平台下,运用Voronoi图法根据已知威胁分布获取无人机的初始安全飞行路径,然后采用Dijkstra算法进行路径搜索获取最短路径,再利用提出的分割法对最短路径进一步优化并减少其拐点,最后利用spcrv函数对路径进行平滑以获取最优路径,并通过一系列的仿真证明了该算法可行并具有很好的时间性能。     

基于蚁群算法的无人机最短航路规划

为解决无人机在执行多航点任务过程中,由于航点数量较多而导致的多种飞行轨迹问题,提出一种仿生 蚁群觅食路径选择的无人机航点任务轨迹规划方法。介绍算法原理,计算信息点的信息素浓度,通过工蚁航点转换 规则和信息素浓度修改规则进行算法实现,并对其进行计算仿真和结果分析。仿真结果表明：该算法能够保证飞行 器以最短路径飞行完成所有航点任务,提高了无人机的任务执行效率,减少了控制系统的时间损耗,便于无人机编 队飞行系统的实现。     

限定搜索区域的分层遗传算法无人机路径规划

为克服简单遗传算法易陷入局部最优解的缺点,减小路径搜索范围,提出了限定搜索区域的分层遗传算法无人机路径规划方法,该方法将分层遗传算法引入无人机路径规划的优化搜索问题中,将路径节点的二维坐标作为基因进行编码,根据威胁的分布情况缩小路径规划算法的搜索范围,使子种群可以获得包含不同优良模式的新个体,为子种群提供更加平等的竞争生存机会,使优化搜索有较为明确的搜索方向。仿真结果表明:与基于分层遗传算法的路径规划方法相比,该方法提高了路径寻优算法的性能,减少了绕行路径的出现几率,缩短了最优路径的长度。     

基于Q学习的多无人机协同航迹规划方法

针对多无人机同时到达目标的航迹规划问题,建立战场环境模型和单无人机航迹规划的马尔可夫决策模型,基于Q学习算法解算航程最短的最优航迹,应用基于Q学习算法得到的经验矩阵快速解算各无人机的最短航迹并计算协同航程,通过调整绕行无人机的动作选择策略,得到各无人机满足时间协同的航迹组。考虑多无人机的避碰问题,通过设计后退参数确定局部重规划区域,基于深度Q学习理论,采用神经网络替代Q_table对局部多无人机航迹进行重规划,避免维度爆炸问题。对于先前未探明的障碍物,参考人工势场法思想设计障碍物Q矩阵,将其叠加至原Q矩阵,实现无人机的避碰。仿真结果表明：所提基于Q学习的多无人机协同航迹规划算法能够得到时间协同与碰撞避免的协同航迹,并对环境建模时所未探明的障碍物进行躲避;与A^*算法相比,针对在线应用问题,新算法具有更高的求解效率。     

一种面向城市战的无人机路径规划群智能算法

针对传统路径规划算法用于解决无人机战术路径规划问题时存在局部最优、慢收敛等问题,提出一种改进的群智能算法,以改变初始种群的更新方式,提升灰狼算法的全局寻优能力并加快其收敛速度。引入莱维飞行随机策略以及共生生物搜索算法,借助莱维飞行策略更新种群个体,利用共生生物搜索算法偏利共生阶段的交互性避免陷入局部最优问题。威胁建模是UAV路径规划的重要前提,对威胁物进行等效预处理,结合适应度函数检验算法。设计一种虚实映射仿真验证平台,通过以实映虚的手段验证算法的有效性。实验结果表明,改进后的算法改善了传统路径规划算法的局部最优和慢收敛等路径规划问题,对UAV作战能力的提升具有一定参考价值。     

未知环境中的无人侦察机动态航路规划

高空长航时无人机执行侦察任务时往往需要进人不确定的战场环境下搜集各种情报信息。由于该类型无人机一般存在航时长、监视或侦察范围广、目标数量大等问题,因而对无人机的飞行安全环境存在高威胁因素。针对该问题,提出了一种无人机侦察航路规划方法。首先根据获得的先验信息建立参考航路,然后综合考虑基于目标发现概率建立的环境信息模型,基于机载传感器获取信息构建的威胁模型以及决策系统,选定最优侦察飞行航路,最后对航路进行评估。仿真结果表明,该方法能够有效地完成规划任务,获得较满意的航路。     

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。     

基于流函数法的无人机航路规划

针对无人机的自身特点和飞行任务要求,研究了流函数法在无人机航路规划中的应用.在二维平面中,将地形障碍和雷达等威胁等效为圆柱,无人机目标点等效为汇（sink）,推导了流体运动的复势.提出了流函数法避障时存在滞点问题的解决方案,并将其应用到存在多个障碍物的环境中.考虑无人机最小平飞距离和最小转弯半径约束,用流函数法得到了无人机的规划航路.仿真结果表明,修正后的流函数法可以规划出平滑的航路,同时满足无人机航路规划的要求.     

基于可拓学的无人机边境侦察巡逻能力评估

为解决无人机边境侦察巡逻能力有效评估问题,采用基于可拓学的原理物元分析方法,结合无人机在高 原边境的使用,分析影响无人机侦察巡逻能力的主要因素,选取恰当的指标参数,构建无人机侦察巡逻能力指标评 价模型,最终得到无人机所属效能等级。结果表明：该方法可较好地保证评估结果的客观性和完备性,能够对高原 环境下指挥员和操作手利用无人机侦察巡逻提供一定参考。     

基于COTS 的无人机火箭助推起飞设计思路

为节省研发过程中的成本和时间,提出一种基于商用货架产品(commercial-off-the-shelf,COTS)的无人机火箭助推起飞设计思路.通过分析无人机火箭发射过程和要求,立足现有火箭助推器定型产品,进行发射参数估算,完成了火箭助推器的选型,在此基础上进行火箭助推发射建模、方案设计、仿真分析.仿真结果表明:该方法能确立火箭助推起飞最优发射角和安装角,可实现该型无人机的稳定安全发射,对其他同类无人机火箭助推起飞系统的设计也有很好的工程借鉴经验.     

无人机SLAM 避障技术研究

针对无人机没有考虑障碍规避而导致无人机的同时定位与地图构建(simultaneous localization and mapping, SLAM)任务无法完成的问题,提出一种改进的人工势场法。通过建立一个包含无人机到目标点的距离、无人机到障碍物的距离及障碍物方差的势场函数,制定避障策略,从而解决无人机 SLAM的障碍规避问题,并在构建的无人机运动模型基础上,对提出的算法进行仿真验证。仿真结果表明：该算法在完成 SLAM任务的同时,能够有效地避开障碍物的威胁。     

不确定环境下的多无人机协同搜索航路规划

为解决多架无人机(UAV)在不确定环境中搜索目标的问题,根据多UAV协同搜索的基本原则,建立了多UAV协同搜索的环境模型和UAV运动模型,提出了一种满足UAV机动限制和适应数据通讯延迟的协同路径决策算法.根据先验知识将环境分为未知环境,已知环境和禁飞区,设计了搜索回报函数,引导UAV对未知环境进行搜索,对已知环境进行规...     

基于人工势场法的无人机群航路自主规划

为实现无人机编队在指定空域完成从起始点到目标点间的自主路径规划,且机群在该过程中具有良好的 协同性和执行高效性,提出了一种无人机群航路自主规划的方法并进行仿真。分析了机群个体的规划路径点及其特 点,并通过建立的数学评价体系对以上路径进行优劣性评估。仿真及评估结果表明：该方案是正确和有效的,并能 对传统规划方案存在的固有缺陷进行较好的修正,更利于现实中无人机群的实现。     

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。