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路径规划方法,利用粒子群优化算法,将约束条件和搜索算法相结合,从而有效减小搜索空间,得到一条全局最优路径。仿真结果表明：该方法能够快速有效地完成规划任务,获得满意的三维航迹。     

基于免疫克隆粒子群算法的无人机航迹规划

针对无人机飞行中可能遭遇突发移动威胁的情况,为了提高无人机路径规划的安全性和快速性,文中提出基于免疫克隆粒子群算法的航迹规划策略。该策略在标准粒子群算法中,结合变结构优化搜索理论,引入免疫克隆优化搜索。与同类路径规划算法的对比仿真发现,该策略有效改善粒子群算法的局部和全局搜索能力。仿真结果表明,文中提出的规划策略,满足无人机航迹规划需求,且在速度和安全性能两方面较其他算法更优。     

复杂环境下无人机三维航迹规划方法研究

复杂环境下规划无人机三维航迹时,随机型的粒子群优化由于问题维度高导致收敛性差难以获得最优甚至可行航迹;而确定型的稀疏A~*算法易陷入局部搜索导致搜索时间长且计算量大。基于分层思想,将高维航迹规划问题转换为多个低维问题。首先通过粒子群优化规划出少量导引航迹点集,然后采用稀疏A*算法计算导引点间的航迹段。仿真结果表明该方法能在获得满意解的前提下提高复杂环境下无人机航迹规划效率。     

基于改进沙猫群算法的无人机三维航迹规划

针对传统沙猫群(SCSO)算法全局搜索能力不足、易陷入局部最优等问题,提出一种改进沙猫群(LVSCSO)算法。该算法引入非线性调整机制,更好地体现出SCSO算法的搜寻和攻击过程;同时引入自适应莱维飞行机制,有效提高了算法的全局搜索能力和跳出局部最优的能力。采用栅格法构建无人机野外环境模型和复杂城市环境模型,以综合航迹长度、飞行高度和飞行转角的适应度函数为衡量指标,进行了算法的仿真验证。研究结果表明：在野外环境模型下,相较于传统SCSO算法和粒子群优化算法,该改进算法分别提升56.40%和22.06%;在复杂城市环境模型下,相较于传统SCSO算法和粒子群优化算法,该改进算法分别提升了56.33%和61.80%;新的LVSCSO算法在航迹规划上具有有效性和优越性。     

无人机航迹规划分段需求分析

介绍了无人机的作战使用特点,说明了无人机的航迹规划过程.依据分段需求分析的思想,对无人机全程航迹进行了需求分析,探讨了各段航迹规划的目标.分析了各段航迹面临的威胁并建立了相应的模型,对无人机航迹规划系统的设计与实现具有一定的参考意义.     

基于组合优化算法的无人机航迹规划方法研究

根据遗传算法与蚁群算法各自的特点。将两者进行有机结合构成GA-ACO（genetic algorithm-ant colony optimization）组合优化算法,并将其应用在航迹规划路径寻优中以获取高质量的飞行航路。首先采用全局搜索能力强的遗传算法进行全局快速搜索,选取遗传算法得到的较优解集合,构成蚁群算法中初始信息素分布．再利用蚁群算法正反馈机制的特点求精确解,该组合优化算法在克服两种算法缺点的同时发挥了各自的优点,达到优势互补。仿真结果表明,与基本蚁群算法相比,GA-ACO在提高效率的同时改善了解的质量,是可行和有效的。     

基于最优控制的无人机主动SLAM航迹规划

为降低无人机同时定位与地图创建的不确定性,加快无人机所处环境的搜索速度,设计一种基于最优控 制的主动SLAM 航迹规划算法。综合考虑各种因素,利用平均信息增益和新探索地标环境的表示方法,设计一种新 的目标函数,将无人机SLAM 作为组合优化问题进行处理,以达到最优控制全局优化的目的,同时在建立的简化无 人机运动模型基础上进行验证。仿真结果表明：该算法有效、可行,且优于随机SLAM 算法。     

针对组网雷达的无人机集群智能航迹欺骗算法

为研究针对组网雷达的无人机集群智能航迹欺骗算法,基于视线准则,分析虚假目标、无人机与雷达三者的耦合关系,推导得到用于航迹规划的无人机运动控制方程。以一定的无人机动力学约束为约束条件,以最小化各无人机飞行距离为优化目标,建立针对组网雷达的无人机集群智能航迹欺骗数学模型。在预设虚假航迹以及雷达先验信息已知的条件下,采用粒子群优化（Particle Swarm Optimization,PSO）算法对上述优化模型进行求解。仿真结果表明,所提算法能够基于预设虚假航迹及雷达位置等先验信息,在满足严格动力学约束的条件下,适应动态威胁环境,完成实时欺骗信号参数设计,以低速平台模拟高速虚假目标,实现对组网雷达的欺骗干扰。     

基于RRT算法改进的无人机航迹规划研究

针对应用快速搜索随机树（RRT）算法规划路径时,算法搜索效率低、时间长、搜索的路径冗长、路径不平滑等问题,对RRT算法开展进一步改进研究。引入以目标点为导引的启发式函数,使随机点偏向于目标点生成,减少了随机点的无效采样,并将原算法扩展步长设置为动态,加速路径的生成;采用了贪婪算法对路径进行剪枝优化,删除路径中不必要的节点,优化无人机飞行中多余的转向,缩短路径长度;对剪枝后的路径用B样条曲线进行平滑处理,生成平滑且满足动力学约束的航迹。仿真结果表明,改进的RRT算法可以有效躲避障碍物,优化了RRT算法的路径搜索的时间、长度和平滑性。     

基于改进A-Star算法的无人机航迹规划算法研究

针对传统A- Star算法在无人机航迹规划问题应用中的局限性,提出了一种结合飞行器简化运动学方程的改进A- Star算法,并将该算法应用于解决无人机在未知危险环境中的威胁规避问题;研究了综合考虑各路径代价影响因素情形下的航迹规划方法。最后对无人机参考航迹规划的数字仿真证明了改进算法的有效性。     

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。     

一种基于改进遗传算法的三维航路规划

针对遗传算法在求解航路规划时存在的收敛速度慢、容易＂早熟＂问题,结合模糊推理、模拟退火算法和自适应机制,提出了一种基于改进遗传算法的三维航路规划.算法利用极坐标描述航路点,缩短了染色体编码长度,降低了搜索空间,提高了优化效率,并将模拟退火的Boltzmann接受机制引入遗传算法,对遗传操作后的新解进行判断接受与否.仿真结果表明了该方法的有效性和可行性.     

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.     

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。     

基于一种改进粒子群算法的水下远程武器航路规划

针对水下远程武器航路规划中,采用基本粒子群算法避障出现的航路倒退问题,提出了一种借鉴遗传算法采用粒子对换的改进粒子群优化（PSO）算法,并结合远程武器的航路规划设计模型,应用于水下武器作战仿真系统。计算结果表明,该算法可有效提高远程武器航路规划避障的计算效果,对水下远程武器的作战使用研究具有一定的参考价值。     

基于蚁群算法的无人机航迹规划技术及研究现状

配置适当的算法是无人机航迹规划的关键技术之一。介绍了一种基于蚁群算法的无人机航迹规划技术的基本原理,并采用网格图建模,演示了无人机二维航迹规划问题的一般实现步骤。然后从改进算法、更换其它模型、多无人机航迹规划、动态航迹规划等四个方面探讨了基于蚁群算法的无人机航迹规划技术的研究现状,并指明了配置更完善的算法实现复杂条件下的实时航迹规划等问题是无人机航迹规划未来的主要研究方向。     

基于遗传算法的反辐射无人机航路规划

采用遗传算法对反辐射无人机进行了航路规划,并对算法进行了相应地仿真。仿真结果表明．文中提出的遗传算法模型．能够迅速地寻找到最优航路。     

粒子群算法在翼伞空投系统航迹规划中的应用

针对当前翼伞系统研究中未考虑到地形威胁、火力威胁对航迹规划影响的问题,对地形威胁和火力威胁进行了建模,结合翼伞飞行特性,引入最小威胁曲面生成三维航迹搜索空间,并利用粒子群算法搜索优化翼伞系统的航迹。仿真结果表明,粒子群算法能有效地减小搜索空间,提高规划的效率,且使规划出的航迹能够躲避威胁,满足航程和高度的要求。