攻击型无人机群协同自组织控制研究

无人机群利用协同侦察和攻击模式可以提高作战任务的成功概率,完成单架无人机无法完成的任务。论述了无人机群协同自组织控制的研究进展,主要包括：无人机群自组织控制流程、无人机群编队队形设计、无人机群编队飞行控制策略。     

基于改进粒子群算法的UCAV二维路径规划

采用粒子群算法实现了有限数目航点的优化,提出了新的解决PSO路径规划中因基于航点适应度优化计算导致的威胁感知盲点问题的办法,研究了路径规划约束的数学模型、粒子构造方式和粒子的评价适应度函数。用数学仿真方法实现了改进后的PSO路径规划。     

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。     

基于遗传算法的巡飞器路径规划

分析和对比了可应用于巡飞器路径规划的几种主要研究方法,提出了基于遗传算法的巡飞器巡飞路径规划方法.针对出现的多目标优化问题,采用分时分目标的优化方法,减小了计算量,有效地加快了解向期望值的收敛速度.针对探测阶段的定高度和变高度巡飞路径进行了规划,得到了满足要求的优化结果,给出了所需要的最小航程,为后续的巡飞器推力方案设计和气动外形设计提供了依据.     

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。     

基于进化算法的无人飞行器路径规划研究

提出了一种基于遗传算法和B-样条曲线的路径规划新方法。以昏样条曲线控制点的坐标作为遗传因子用遗传算法来进行规划；根据这些控制点，运用B-样条曲线在3维坐标系中生成飞行器路径轨迹。该轨迹是由一些小的B-样条曲线光滑连接而成。由于只对控制点进行规划减小了系统的计算量，极大提高了系统的实时性。仿真表明运用该算法规划的路径可以以最优的轨迹把无人飞行器指引到预定的目的地。     

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。     

基于粒子群算法的移动机器人路径规划

基于粒子群算法的移动机器人路径规划,通过建立目标函数、变换坐标等对环境建模,再引入粒子群优化算法,得到全局最优路径.MATLAB仿真结果显示,此方法可有效地解决空间作业机器人路径规划及避障问题.与传统遗传算法比,该法建模容易,计算快捷,可以在不同的障碍物环境下得到不同的优化轨迹,     

未知环境下基于PF-DQN 的无人机路径规划

为解决无人机无模型路径规划的问题,提出一种环境信息未知情况下基于势函数(PF)奖赏的DQN 路径 规划方法。建立无人机在环境中的连续状态空间,将360?等分成若干个角度作为航向角建立无人机的动作空间,设 计目标和障碍物对无人机的势函数奖赏,刻画不同动作对无人机的影响,并进行仿真实验。实验结果表明：PF-DQN 算法能较好地实现无人机在环境信息未知下的无碰撞路径规划,且势函数奖赏能加快无人机路径规划网络的训练 速度。     

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。     

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。     

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。     

基于RRT算法的某型无人机航路在线规划设计

针对高原地区复杂地形地貌,提出了无人机需具备在线航路规划能力;分析了快速随机搜索树（RRT）算法的基本原理,并对RRT算法的收敛性和参数选择进行了探讨,设计了基于RRT算法的在线航路规划方法;对所设计的方法进行仿真验证。仿真结果表明：该航路在线规划方法达到了预期目的,能够很好的规避突发障碍。     

基于混沌DESAPSO算法的无人机三维航迹规划

粒子群(PSO)算法易陷入局部最优,将其运用于无人机三维航迹规划会导致航迹品质不高,针对这一问题,提出了将差分进化(DE)算法、模拟退火(SA)算法嵌入PSO算法中,构成混沌差分进化模拟退火粒子群(DESAPSO)算法,从三个方面提高了航迹品质:一是利用DE算法的变异、交叉及竞争选择增加种群多样性;二是利用SA算法概率突跳能力跳出局部最优解;三是对PSO算法参数进行混沌优化,进一步增强种群多样性.仿真结果表明:混沌DE-SAPSO算法改进航迹品质效果明显,获得了满意的无人机三维航迹.     

基于稀疏A*算法的微小型固定翼无人机航迹规划

为在微小型固定翼无人机嵌入式平台上应用航迹规划,设计一种基于稀疏A*算法的自动航迹规划方法.根据微小型固定翼无人机的应用环境、特点和运动约束,建立航迹规划的环境模型和运动模型,利用单元分解法实现飞行区域环境建模和无人机运动建模,使用稀疏A*算法进行航迹规划,给出其操作使用流程,并对2种不同的启发函数进行仿真分析.结果表明:该方法能提高航迹规划的安全阈度,优化算法.     

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.     

基于威胁建模的PSO 在UAV 3 维航路规划中的应用

为解决无人机(unmanned aerial vehicle,UAV)3维航路规划问题,采用粒子群优化算法(particle swarm optimization,PSO)进行无人机的3维航路规划.对无人机飞行环境中各种威胁进行数学建模,考虑了航程的影响,得出基于航路长度和威胁的航路评价函数.运用粒子群优化算法进行3维航路规划仿真测试,并提出了在天基信息支援下进行无人机二次航路规划的设想.仿真结果表明,该方法具有可行性.