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Voronoi图与蚁群算法的UCAV航路规划

提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法.首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无人作战飞机航路规划的具体实现过程,最后对UCAV在多种威胁环境下的航路规划进行了仿真实验,仿真结果表明这种航路规划方法是可行和有效的.     

采用威胁启发粒子群算法的无人机航路规划

针对复杂地形和威胁环境下的无人机航路规划问题,对粒子群算法进行了改进,提出了融入威胁启发机制的改进粒子群算法.充分利用无人机在任务区域中已知的威胁信息,将其作为威胁启发项,构成粒子群速度更新公式的一部分,有效丰富粒子群算法的搜索行为,增强粒子在搜索过程中的针对性和指导性.使用最小威胁曲面方法,降低粒子编码的维数,并采用...     

基于遗传算法的无人机航路规划

无人机在执行任务时需要装载根据战场环境预先规划好的最优路径,路径的优劣直接决定了无人机的作战效率。采用遗传算法进行无人机路径优化,算法利用极坐标描述威胁位置和航路点,将路径编码由二维缩减至一维,降低了搜索空间,提高了优化效率。对算法进行了相应的仿真,仿真结果表明,编码方式大大提高了优化效率,得到的航路有效地规避了威胁。     

基于机动目标威胁和粒子群算法的航路规划

执行飞行作战任务前对飞行航路进行合理规划十分重要,而环境/威胁建模是航路规划需要解决的首要问题。根据飞行过程中可能遇到的各种威胁源的特点,建立了山体障碍、恶劣气候及导弹、高炮固定阵地等各种静态威胁源的威胁概率函数模型,并进一步构建了机动导弹、高炮等动态威胁源的威胁概率函数模型;针对粒子群算法全局搜索能力强、收敛性好的特点,将粒子群算法运用到航路规划中,并进行了仿真实验,仿真结果证明了模型及算法的有效性。     

多旋翼无人机编队动态航路规划研究

针对多旋翼无人机的编队动态航路规划问题,提出一种蚁群算法和快速扩展随机树RRT算法相结合的改进混合算法。首先利用蚁群算法离线搜索全局航路代价最小的初始航路,在局部航路规划中提出"协同避障—重构"策略,同时运用改进RRT算法实时修正几何航路,使机群满足时间协同约束绕过静态威胁源和突发障碍物,编队飞行至目的地。仿真结果表明,提出的改进混合算法和策略能有效规划无人机动态无碰航路,相较普通RRT算法,航路最优性及局部航路在线搜索速率得到明显提升。     

基于遗传算法的航路规划编码研究

面对复杂的作战环境,飞机执行作战任务前合理地规划出飞行航路十分重要。遗传算法因其良好的全局搜索能力而在优化问题中得到了广泛的应用。针对地形障碍、恶劣气候、导弹及高炮阵地等威胁源的特点,建立了连续的威胁概率函数模型;描述了各威胁源不同距离处的威胁概率分布情况,并进一步构建了航路规划目标函数模型;将遗传算法运用到航路规划中,设计了一种扩展航路点和规划空间、分段变步长的编码方式。对算法进行了相应的仿真,仿真结果表明,运用所设计的编码方式得到的航路有效地规避了威胁。     

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.     

采用威胁启发鸽群优化的武装直升机航路规划

针对复杂地形和威胁环境下武装直升机对地攻击航路规划问题,对鸽群优化进行了改进,提出了融入威胁启发机制的改进鸽群优化。充分利用作战区域中已知的威胁信息,将其作为启发信息反馈到鸽群中指导信鸽飞行,增强个体在搜索过程中的方向性。此外,采用航路点允许列表构成鸽群优化的寻优空间,缩小搜索空间,并保证了生成航路的可行性。仿真结果表明,所提出的方法能够有效地规划出直升机的最优航路,且规划航路具备避开地形障碍和敌方威胁的能力。     

基于作战效能的无人机航路规划研究

综合考虑目标分配与航路规划全过程,提出一种基于作战效能的无人机航路规划方法.在航路规划层利用变长染色体遗传算法规划无人机的初始航路,在协同规划层则以作战效能为指标,运用遗传粒子群优化算法进行任务优化分配,最终得到一个备选航路集.然后,利用协同算法可在备选航路集中找到满足要求的任务航路.该方法不仅能够规划出单机或多机协同全局航路,而且还可根据威胁环境或目标变化适时修正航路,并始终保证较高攻击效能.     

基于改进A*算法的无人机动态航迹规划

在无人机航路规划问题的研究中,针对传统 A*算法在航路规划中的不足,提出了一种增加约束条件的广义搜索 A*算法,并将该算法应用到动态航路规划中。该算法在节点搜索中解决了 A*算法大空间搜索的复杂程度,而且用重新估价代价值来满足无人机的实时性,最后用平滑处理算法使规划的航路满足无人机的机动性能约束。仿真结果表明,该算法性能优于传统 A*算法,具有很好的实时性,适用于无人机航路规划的工程应用。     

基于分布式约束优化的多平台导弹协同航路规划

 考虑到战场环境存在不同威胁体,引入改进型Voronoi图,完成了不同威胁集合下导弹可飞航路集的构图;建立了威胁和燃油模型,计算得到各段航路的代价.在此基础上,针对多导弹航路的总代价最小,且到达目标的最大时差最小的优化目标,将多平台导弹航路规划问题建模为分布式约束优化问题,并利用分布式约束优化算法求解各弹的航路.针对典型实例进行了仿真,获得了优化的航路方案,且计算时间、通信量等指标均表明了模型方法的有效性.     

雷达假目标干扰无人机航路规划研究

雷达假目标干扰无人机在执行干扰任务前要根据战场环境预先规划好最优路径.全面考虑战场环境威胁约束、机动性能约束和假目标干扰任务约束,综合轮盘法、最优保存策略和六种进化算子形成进化算法,对航路规划问题进行求解.仿真结果表明,利用文中的假目标干扰任务约束量化方法和进化算法对雷达假目标无人机干扰航路进行规划是可行的.     

采用粒子群优化算法规划无人机侦察航路

研究了粒子群优化算法,提出了将该算法运用于无人机的航路规划.引入交换指数和变异子的概念,解决了算法的局部极值问题,给出了航路规划的方法和步骤.在Matlab仿真环境下得到了参考航路.结果表明,该算法简单有效,在很大程度上提高了无人机的侦察效率.     

直升机海上搜索航路辅助规划算法

随着国家海上贸易、军事活动的日益增多,直升机作为海上搜救的重要工具,海上搜救能力需要不断提高。搜索航路的合理性是提高直升机海上搜救的效率及成功率的关键因素。在能够获取目标地点的前提下,给出不同场景下的搜索航路规划方法。首先给出两种手持设备场景下的电子航路规划方法,然后重点分析了目力搜索航路规划,给出了目力观察范围、存活时间估计、飞行高度限制、飞行速度限制、扫海宽度计算、搜索起始点的计算以及3种常用航路的选取原则与参数设置,最后给出了整个算法的流程图及仿真分析。     

巡逻攻击导弹协同侦察航路规划研究

为了充分发挥巡逻攻击导弹巡逻侦察能力,研究了巡逻攻击导弹侦察航路规划.首先,在威胁建模的基础上,基于图论思想将巡逻侦察航路规划问题转化为哈密顿圈问题;然后,提出了基于Floyd算法和改良圈算法的航迹规划算法,求取了初始航路;最后采用三次B样条对航路进行优化,得到可飞航路.仿真结果表明该方法简单实用.     

基于狭窄通道路径树的快速航路规划算法

针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-exploring Random Tree, RRT)算法,在两棵搜索树的扩展过程中,通过判断搜索树与狭窄通道路径树的位置关系,将狭窄通道路径树添加到搜索树上,实现搜索树在狭窄通道中的快速扩展,减少两棵搜索树的无用扩展,提升航路树生成的速度。仿真结果表明,该方法能够解决无人机在存在狭窄通道的复杂环境中进行快速有效航路规划的问题。     

无人机航路规划算法研究

针对无人机航路规划问题,研究了一种基于元胞蚂蚁算法的无人机航路规划方法.元胞蚂蚁算法对基本蚁群算法进行了系列改进,并将元胞邻居演化和改进后的蚂蚁寻优相结合,有效地克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,提高了算法的运算精度,从而为解决复杂战场环境下无人机航路规划这一多约束多目标优化问题提供了一条可行...     

航路规划中数字地图单元格代价计算模型研究

为了解决航路规划中使用的原始数字地图信息量不够全面的问题,结合反舰导弹航路规划的实际作战背景,建立了数字地图单元格代价计算的数学模型.该模型包含了地形高程代价、威胁危险代价、战略回避代价和搜索区目标存在代价等基本模型.通过该模型可以将原始数字地图转化为包含各种相关航路规划主客观信息的综合数字地图.     

基于稀疏A*算法的无人机航路规划方法

针对多约束条件下三维空间航路规划问题,分析了三维规划空间的划分方法,综合考虑航程代价、爬升代价和威胁代价等因素,针对航路规划任务对各种指标的偏重程度,引入指标的权重系数,设计了代价函数,并编制了稀疏A*算法流程,对算法的有效性进行了仿真验证.验证结果表明:采用稀疏A*算法能够有效地解决多约束条件下的三维空间航路规划问题.