无人机自主航路规划平台设计

基于人机交互的需求,设计了一款无人机自主航路规划平台。该平台主要应用于无人机飞行前的航路规划工作,能够在已知任务环境信息的基础上,根据任务需求,规划出一条有效航路,同时具备控制无人机飞行、飞行状态监控等功能。首先,在国内外无人机系统适航标准规范的基础上,针对突发或紧急任务下无人机地面操作员工作负荷增大等问题,对无人机航路规划系统设计的安全性要求和人机交互需求进行了归纳梳理;然后,基于航路规划系统功能需求,从航路规划、通信、控制、状态监控等方面,构建了航路规划平台,并采用MATLAB APP Designer完成了软件平台的开发;最终试验测试表明该平台符合设计需求。     

优化蚁群算法在无人机航路规划中的应用

研究无人机航路规划问题,采用基本蚁群算法易陷入局部最优、搜索时间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,提高速度和系统品质特性,提出了一种基于改进蚁群算法的无人机航路规划方法.算法前期采用了保留最优解和自适应航路点选择策略对路径进行优化,使之适应大规模问题求解;后期改进了基本蚁群算法中信息素、挥发因子的更新规则,通过改进使得每轮搜索后信息素的增量能更好地反映求解的质量,有效地避免陷入局部最优,加快了收敛,提高了搜索效率.采用改进的蚁群算法对无人机任务航路进行仿真,仿真结果表明,改进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,证明是一种有效的无人机航路优化方法,可为实际应用提供参考.     

基于群智能-一致性理论的无人机编队全过程飞行航迹规划方法

针对无人机编队执行任务全过程飞行规划问题,提出一种基于多步粒子群优化的无人机编队航迹规划算法.首先,对无人机和执行任务策略进行建模,将编队执行任务全过程划分为编队成形、执行任务、返航、解散和无人机降落5个阶段,设计不同阶段的飞行策略;其次,针对不同的终端约束条件,设计多类多层优化指标,提出多步粒子群算法,并引入模型预测控制滚动优化航路点,得到适用于不同阶段的能严格满足约束条件的航路规划方法;然后,建立旋转坐标系,将航路点信息转换为编队控制律中的理想航向和高度信息,得到能通过航路点的编队控制算法;最后,利用编队控制算法去执行航路规划方法给出的航路点,生成航迹,得到编队航迹规划算法.仿真结果表明,所提规划方法比传统方法更适用于编队飞行,能为编队规划执行任务全过程的平滑航迹,具有良好的通用性.     

外军无人机任务规划系统研究

无人机任务规划系统是指配装在地面或是飞机上,用来对不同类型数量的无人机进行任务分配、航路规划的一种规划系统。本文首先介绍了无人机任务规划的概念,并说明了无人机任务规划系统的特点。再详细介绍外军无人机任务规划系统的发展情况。     

基于改进蚁群算法的无人机动态航路规划

研究无人机航路规划,针对基本蚁群算法易于陷入局部最优、规划航路耗时长的问题,对基本蚁群算法进行了改进;引入航路点的动态自适应选择策略和信息素挥发因子动态自适应调整准则,有效克服了基本蚁群算法的不足,并对规划出的航路进行了平滑处理,使其更加满足无人机实际飞行需求;通过仿真分别规划出无人机在静态威胁和动态威胁中的航迹,仿真结果表明,与基本蚁群算法和遗传算法相比,改进的蚁群算法在两种飞行环境中均能规划出较优的航路。     

基于蚁群遗传算法的三维飞行器航路规划

关于飞行器航路优化设计问题,航路规划是任务规划系统的一部分,是飞行器自主控制的关键技术.为了能够快速的寻找到最优航路且得到的航路有更少的制动点,在航路问题描述的基础之上,把蚁群算法和遗传算法相结合,提出了一种蚁群遗传算法的三维航路规划方法.设计了具有方差因子的航路评价函数,给出了一种关于面的规划空间的构造方法,并在规划空间中,进行蚁群遗传算法的种群初始化,所采用的遗传算子,给出了算法的流程.仿真结果证明了算法的正确性和有效性.     

基于无人机中继的导弹集群任务规划系统研究

导弹集群协同作战是C4ISR的网络攻击的典型作战模式,本文以无人机中继模式为例分析了导弹集群实施远程打击的作战流程。任务规划系统的关键技术包括网络体系下的系统结构、任务调度技术、实时航路规划技术、人在回路制导方式下导弹饱和攻击技术等。设计了导弹集群任务规划仿真系统,主要功能包括:任务管理、地图预处理、数据链信息处理、任务规划、视景仿真等。导弹集群协同航路规划子系统是任务规划系统的重要子系统,对其系统结构进行了分析与设计,并给出了航路规划的仿真结果。     

无人机群航路规划定量验证方法研究

无人机群航路规划是实现无人机群对目标协同搜索的关键，针对无人机群航路规划的优化、解算问题，提出了一种针对无人机群航路规划的定量验证方法，该方法运用概率迁移系统与随机多主体博弈模型构建了无人机群航路时空系统模型，使用概率空间时态逻辑对无人机群航路规划的质量指标进行了描述，通过自动验证算法实现质量指标的验证。该方法可实现对无人机群航路规划的建模、分析工作，完成对无人机群航路规划在任务完成度、飞行安全度和性能发挥度这3个方面质量指标的计算，为确定无人机群的较优航路提供理论依据。     

基于贝叶斯网络和蚁群算法的航路优化

为了提高无人机（UAV）的作战效率和生存概率,在UAV执行任务前,必须为其设计高效的飞行航路。采用将贝叶斯网络模型威胁强度评估算法与蚁群算法相结合的航路规划方法,根据UAV航路规划问题的特点对蚁群算法进行改进。仿真结果表明,该方法能更好地满足实时战场需要,得到良好的优化航路。     

基于改进人工势场法的无人机在线航路规划算法

在线航路规划能够使无人机针对动态变化的环境快速有效地生成相适应的飞行航路,是无人机任务规划系统必需的能力之一。基于人工势场法提出一种三维在线航路规划方法,使无人机在应对动态变化的飞行环境时能实时规划出保障飞行安全并满足其任务执行效率指标的飞行航路。此航路规划方法在环境构建过程中引入了参考航路引力场和自适应的时间扰动因子,解决了原人工势场法在航路规划中容易陷入势场局部最小值而导致无法用适感环境动态变化区域的问题。在此基础上,提出一种虚拟目标法以更有效地解决人工势场法遇到的局部极值陷阱问题。通过仿真验证表明:所提出的无人机在线航路规划方法比传统的人工势场法更容易跳出势场的局部最小值,且有较好的避障能力。     

利用三次样条改进蚁群算法的无人机航路规划

针对无人机在二维平面自动飞行中转弯角度过大、路径规划困难的问题,研究了蚁群算法在复杂环境下航路规划中的应用,利用链接图简洁的特点建立空间模型,对无人机的飞行环境和航迹代价进行了描述,并结合三次样条插值函数与蚁群算法,提出了改进蚁群算法,对无人机飞行路径进行优化,并给出算法软件流程。利用MATLAB进行了仿真实验,得出了最优的航路,算法具有较好的稳定性和鲁棒性,对轨迹中不可飞的尖角进行了平滑处理,使得航路为曲线轨迹,满足无人机工作的性能要求,减少无人机在飞行中的代价损耗,验证了该优化算法在无人机航路规划中的可行性。     

无人布雷机航路规划仿真系统设计与实现

用文化基因算法求解无人布雷机航路规划问题,设计无人布雷机的航路规划仿真系统。以粒子群优化算法为主搜索策略,利用单向信息共享机制提高收敛速度。采用模拟退火的方法进行局部修正,以减小局部极值的影响。利用Visual C++中MFC编制OpenGL程序的方式模拟飞行过程,通过Matlab中的GUI建立三维航路规划系统仿真平台,实现三维航路可视化。     

人工蜂群算法的无人机航路规划与平滑

航路规划是无人机(UAV)作战任务规划系统的关键组成部分,目标是在适当的时间内为UAV计算出最优或次最优的飞行航路.人工蜂群(ABC)算法是一种最新发展的模拟昆虫王国中蜜蜂群体寻找优良蜜源的群体智能优化算法.采用人工蜂群算法完成无人机的平滑航路规划,首先阐述了人工蜂群算法的基本原理,然后将无人机航路规划问题通过建模转换成为一个多维函数优化问题,利用人工蜂群算法的优势,找到多维函数的最优解,最后对优化后的航路进行了平滑,使UAV对规划后的航路可飞.仿真实验结果表明,此方法可有效规划出航路,且所规划的航路可飞.     

基于MapReduce与蚁群优化的航路规划算法

航路规划是提高无人机生存能力的有效途径,可使其安全、快速到达目的地。为在云计算环境中分布式并行地求解航路规划问题,应用云计算技术提出基于MapReduce和多目标蚁群算法的航路规划算法( RPMA)。设计多目标蚁群算法,并采用多种优化策略对传统算法进行改进。 RPMA能预先规划出多条航迹,可根据不同的飞行任务选择不同的航路,并在飞行过程中根据不同需要临时确定合适的飞行航路。仿真实验结果表明, RPMA求解航路问题是可行、有效的,具有较好的收敛性和扩展性,以及对大规模数据的处理能力。     

无人机任务规划系统体系设计①

无人机任务规划系统(MPS)是一项复杂的系统工程,一个综合高效的任务规划系统对于具有超视距侦查和监视能力的无人机完成作战任务是相当重要的。系统地构建一个可行的任务规划系统需要考虑的因素很多,首先要进行任务信息需求分析,其次是对各种资源的合理配置,另外还要满足飞机飞行特性、航空控制规则以及作战法则等标准。从无人机任务规划概念出发,分析无人机任务规划系统的信息需求环境和构建要求,归纳了无人机任务规划的基本体系结构和模块化设计,最后给出了无人机任务规划系统基本的评价指标。     

基于三维程控的无人机协同编队飞行研究

基于三维程控飞行策略,对多无人机(UAV)协同编队飞行控制进行研究,提出一种多机同方位任务需求的编队控制方法.采用“长机-僚机”编队结构模式控制编队飞行,以编队中的长机航迹坐标为基准坐标系实现了僚机与长机相对位置一致的控制;实现了编队中所有无人机同时到达指定位置并保持速度相对稳定的控制.通过航路规划和编队遥调,实现了人工干预与自动控制结合的编队飞行策略.仿真结果表明,该方法具有较好的可实施性、管理性、应用性和安全性.     

基于多任务的无人机编队控制研究

考虑到多架无人机编队飞行的特点,将松散编队及协同思想应用到紧密编队控制中,提出了一个三架无人机协同作战编队的飞行控制系统设计方法;在编队飞行动力学模型的基础上,设计了基于特征结构配置的无人机横侧向控制律,进行指定航路的飞行控制;然后,设计编队控制器,两架僚机可紧紧跟随长机并保持队形稳定;仿真结果表明,设计的控制器可以控制多架无人机进行紧密编队飞行,具有一定的实用性和推广价值。     

基于文化蚁群算法的三维飞行器航路规划

研究飞行器航路规划问题时,由于目标函数复杂,计算量大,采用蚁群算法,存在航路搜索速度慢,容易陷入局部最优从而得不到最优航路的问题,把蚁群算法嵌入到文化算法中,提出了一种文化蚁群算法来解决航路规划问题.计算模型包括蚁群算法的群体空间和利用群体空间最优解的信仰空间.群体空间的群体演化采用蚁群系统,并加入了奖惩机制.信仰空间由群体空间中的最好个体组成,并利用遗传算法的思想进行更新,以指导群体空间的进化.仿真结果表明,提出的算法拥有更快的搜索速度,得到的航路也更好.     

优化蚁群算法在反舰导弹航路规划中的应用

应用基本蚁群算法解决反舰导弹航路规划问题,会有收敛速度慢、计算时间长、易于过早陷入局部最优等缺点。针对该问题,引入轮盘式选择策略、精英策略以及路径优化策略对传统蚁群算法进行优化,并将优化算法应用于反舰导弹航路规划中;同时通过对反舰导弹的可行航向进行限定,缩小了航路规划的最大搜索范围。仿真实验表明,基于优化蚁群算法的反舰导弹航路规划不仅缩短了最优航路长度,而且提高了最优航路搜索过程的收敛速度。     

多无人机协同航路规划的共同进化方法

面向多无人机协同作战的航路设计问题,提出了一种较新颖的多无人机协同航路规划共同进化方法.将航路映射到进化计算个体建立了基于共同进化计算的航路规划问题模型,以此为基础重点讨论了个体适应度设计等关键问题.以SEAD任务为想定,对多无人机协同航路规划共同进化方法进行了仿真.仿真结果表明该方法能够快速为多无人机找到协同航路,能够综合考虑无人机航路的燃油、安全、避碰以及任务协同等指标,可以解决多无人机协同执行任务的航路设计问题,且具有较好的收敛性和线性时间性.