燃油约束下航迹规划算法研究与仿真

现有航迹规划算法通常不能够综合路径规划过程中的多种约束因素,且很少考虑到推进系统的能力限制,致使规划出的航迹实际不可飞。针对该问题,提出了一种满足飞行器多种机动性约束条件的航迹规划算法。对飞行器在垂直面内的运动状态进行分析,在传统代价函数的基础上提出了以燃油消耗为优化目标的代价函数。仿真结果表明,改进的代价函数能够对航迹进行很好的评价,所设计的规划算法搜索效率高,规划出的航迹实际可飞。     

支援干扰下战斗机突防段综合航迹规划

针对传统A*算法搜索空间以及收敛时间等方面的不足,首先提出了改进的A*算法;其次对战斗机突防段综合航迹规划影响因素进行分析,在此基础上建立了战斗机对地攻击突防段代价函数数学模型;然后对支援干扰下的雷达压制区进行研究,确定干扰机位置,由此条件构建支援干扰下战斗机突防段综合航迹规划模型;最后应用改进的A*算法进行战斗机突防段综合航迹规划。仿真实例表明,基于改进的A*算法可以有效地进行突防段的航迹规划,可以有效地减小航迹的代价,提高战斗机的突防概率,有利于我方战斗机成功突防。     

基于混沌麻雀搜索算法的无人机航迹规划方法

针对无人机(UAV)航迹规划求解计算量大、难收敛等问题,提出了一种基于混沌麻雀搜索算法(CSSA)的航迹规划方法.首先,建立二维任务空间模型与航迹代价模型,将航迹规划问题转化为多维函数优化问题;其次,采用立方映射初始化种群,并使用反向学习策略(OBL)引入精英粒子,增强种群多样性,扩大搜索区域范围;然后,引入正弦余弦算...     

一种多飞行器协同航迹规划的新方法

在综合考虑飞行器编队的飞行代价和作战效果的基础上,提出了一种多飞行器协同航迹规划的新思路,将飞行器编队的协同航迹规划与任务分配结合起来考虑,研究基于任务分配的多飞行器协同航迹规划方法.对传统的飞行器航迹规划模型加以改进,重新建立了结合任务分配的飞行器编队协同航迹规划模型.运用遗传算法对构建的航迹规划模型进行仿真验证,结果表明,基于任务分配的飞行器编队协同航迹规划方法,不仅能保证各飞行器选择合理的协同航迹,也使得作战任务可以获得最佳作战效果,有效的提高编队作战的效费比.     

改进量子遗传算法在无人机航迹规划中的应用

研究无人机航迹规划优化问题,有效地规避威胁,可提高无人机的生存能力.但传统量子遗传算法在航迹规划方面局部寻优精度较低、稳定性差.为解决上述问题,提出改进量子遗传算法的无人机航迹规划方法.首先上述算法采用一维编码表示航迹,并对影响有效规避威胁的适应度构造代价模型和惩罚策略;针对量子遗传算法初始种群的单一性,引入关于概率划分的小生境协同进化策略,并对各种群采用动态量子旋转角,并借鉴狼群分配原则对种群进行更新,提高收敛速度;利用精英选择运算,创建精华种群,保留父代中最佳个体.仿真结果表明,上述算法的无人机航迹规划效率高,稳定性好,能够获得平滑的低代价航迹,是一种有效可行的航迹规划算法,且具有一定的推广意义.     

一种面向突发威胁的多因素Dubins航迹规划算法

针对传统无人机航迹规划算法应用在突发威胁场景下存在搜索点冗余、路径规划实时性较差等问题,提出了一种基于多因素Dubins路径的无人机动态航迹规划算法。该算法首先根据无人机自身性能约束及突发威胁区域的位置,并且考虑无人机的起始和最终位置,利用传统的Dubins路径找到有效的路径扩展点。然后结合启发式搜索思想建立基于路径长度和威胁的路径扩展点评估函数。最后通过路径评估函数计算,比较路径点的代价值,选取每一步的路径扩展点,规划出较优路径。仿真结果表明,在突发威胁场景下利用该算法进行航迹规划时路径长度较短、路径扩展点较少,并且符合无人机实际飞行过程中航向角变化,可有效保障无人机的安全性和航迹规划的实时性。     

基于遗传算法的飞行器参考航迹规划

针对飞行器航迹规划问题展开研究,为了规划出最优满意的飞行轨迹,分析了飞行器航迹规划中存在的威胁与自身约束条件,提出了一种关于遗传算法的航迹规划方案,采用改进编码机制对飞行器在已知威胁情况下飞行航迹进行整体规划。取航迹个体只包含一个染色体,每个染色体为一个航迹点序列,随机生成种群,通过选择交叉变异,并将各种威胁和约束条件的影响适当的加入到适应值函数中,得到优化路径进行仿真。仿真结果给出了不同加权比例下所得到的最优航迹,通过仿真验证了算法的有效性。     

基于差分进化算法的飞行器航迹规划

提出了一种基于差分进化算法的高超声速飞行器航迹规划方法并进行了仿真验证。建立威胁模型,将威胁模型投影到赤道平面内,利用一个有限项的多项式函数来逼近实际航迹在赤道平面内的投影,使航迹规划问题简化为在一个多项式系数空间中的搜索寻优问题。利用差分进化算法,鉴于高超声速飞行器特点,规划得到赤道平面内的航迹,根据对应关系,最后得到实际航迹。仿真结果表明,生成的航迹自动避开了威胁。     

基于蚁群算法的最小代价航迹规划仿真

在大比例尺地图的路径规划中,由于飞行器全局航迹规划需要计算机存储的栅格点数量巨大,存在维数爆炸问题,使得航迹解算计算量激增,因此提出1种改进的蚁群算法,将栅格由大及小进行划分,利用大栅格为飞行器选择相对平滑和离散度低的飞行地形,利用小栅格为飞行器提供相对精确的全局飞行航迹,将栅格带所有栅格的代价之和作为航迹代价,从而选出1条航迹代价最小的路径．该算法将蚁群算法的信息素更新机制更加合理地应用到航迹规划中．仿真结果表明,该方法能解决航迹维数解算问题,可以将一系列栅格点组成的路径点集合为最优解,为飞行器提供最优航迹规划路径．     

飞行器整体航迹规划建模/仿真的研究与实现

航迹规划是低空突防过程中的关键技术,目的是得到一条既安全可靠又全局代价最优的三维航迹,是导航系统和控制系统的基础之一.在对整体航迹规划技术进行研究与实现的过程中,详细讨论了威胁建模、地形预处理、航迹规划算法等问题,并采用建模/仿真技术给出了实现流程以及试验结果.规划出的参考航迹能够满足低空突防飞行器进行"地形跟随/地形回避/威胁回避"机动飞行的需要.随着航迹规划问题的解决,建立了"地形跟随/地形回避/威胁回避"为主要手段的低空突防技术论证与试验环境.