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.     

基于舰艇编队的反舰导弹航路规划

根据舰艇编队对海导弹攻击中航路规划指挥决策的需要,为避免出现各舰发射的导弹出现航路交叉现象,提出单舰导弹航路规划功能区域的概念和编队导弹航路规划区域划分的思想,建立了编队导弹航路规划区域划分模型.分析了编队导弹航路规划的决策过程,并且结合想定装备参数运用遗传算法进行了编程实现和算例分析.为指挥员实施导弹航路规划决策提供辅助决策和科学依据.     

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.     

反舰导弹协同攻击航路规划与重规划

为解决反舰导弹预先航路规划无法应对战场态势变化的难题,提出了航路分段规划的思想,并基于该思想构建了反舰导弹协同攻击航路规划与重规划模型。将航路分为预先规划段和重规划段:前段以航程距离和航路点个数为优化指标,通过协调发射间隔达到多导弹时域协同的目的;后段以领弹、数据链、卫星定位技术为基础,考虑导弹飞行误差和目标位置迁移,以损失部分导弹航程为代价,重点关注协同时间指标。为了达到多弹协同的战术目的和满足航路规划的快速需求,提出了一种逆向动态节点规划方法,首先规划得到各弹多条较优航路,然后对航路进行空域和时域协同操作,以获取导弹编队整体最优航路。仿真结果验证了模型的有效性和算法的快速性。     

基于全局最小值算法的反舰导弹协同攻击方案优化研究

在反舰导弹航路规划的基础上,运用航路矩阵全局最小值算法建立了反舰导弹协同攻击方案优化模型,将不同攻击角的航路分配到多个发射平台,通过合理分配导弹发射时间,使导弹以多个不同的攻击方向同时打击各个目标,达到协同攻击的目的,最后对仿真结果进行可行性分析。     

战术航空侦察航路规划评价模型

介绍了进行战术航空侦察航路规划需要考虑的各个因素,从影响战术航空侦察任务的三个方面(战术生存性、飞行约束性、任务有效性)着手,建立了基于任务要求的侦察航路评价模型,解决了战术航空侦察航路规划中航路优劣的评价问题.     

一种满足空地导弹发射角的航路规划研究

针对战机实施对地巡航导弹投放的航路规划中解决飞机的进入角约束问题,提出了一种遗传算法获得初始航路规划方法;在此基础上运用B样条曲线理论进行航路光顺获得二次航路规划,解决了飞机到达目标区发射空地导弹时导弹发射角限制问题.仿真结果表明.该算法既满足飞机过戢要求,又满足导弹发射角要求,可有效提高飞机的任务成功率.     

红外制导空舰导弹最大攻击角解析计算方法

针对红外制导空舰导弹航路规划中的重要影响因素——攻击角,建立了航路点数量、相邻航路点间距、航路点转弯角和航路路程等约束条件模型;提出了最大攻击角的解析计算方法,并区分一个、两个和多个航路点等三种情况,运用几何学原理,分别给出了最大攻击角的定量计算模型。最后,对航路点数量、转弯角和导弹航程等因素影响下的最大攻击角进行了仿真计算。结果显示,最大攻击角随着航路点数量的增加而快速增大;航路点数量一定时,最大攻击角随着航路点转弯角的减小而增大;但应注意,攻击角的增加是以牺牲红外制导空舰导弹航程为代价的。     

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。     

基于MPSO算法的空舰导弹航路规划

为保证空舰导弹的最佳攻击效果,借鉴水空介质航行器的相关研究思路,提出一种将导弹末端突防航路扩展至水下的攻击模式,并对其全局航路规划进行了研究。首先对目标舰艇对空及对海的综合防御能力进行了分析与建模,为保证规划算法效率,利用多种群粒子群优化(MPSO)算法进行寻优搜索,设计了相应的适应度函数和进化策略,最后给出仿真算例。仿真结果表明,该方法可以实现不同介质空间武器全局航路规划。     

蚁群算法在110警车巡逻方案中的应用

蚁群算法是一种新型智能仿生类算法。以近年来国内外学者提出的蚁群算法思想为基础,并结合了城市道路的实际情况,为了更好的解决110警车巡逻路线问题,建立了智能局部自适应最大区域覆盖模型,同时应用了最短路径优化算法,通过实例来验证算法改进的合理实用性和模型假设的科学有效性,为大规模的预警巡逻提供了理论和应用支持。从而为警车巡逻在控制社会治安问题中发挥着越来越重要的作用。     

综合作战区同构舰载预警机巡逻策略分段滚动规划方法研究

为了研究在综合作战区内当航母编队面临多来源威胁时,指挥员应如何针对单/多架同构且所属于相同/相异舰艇平台的预警机制定拟定警戒时间限定下的防空警戒巡逻策略问题,首先通过对舰载预警机巡逻策略的规划机制进行分析,提出了一种基于时间分段的单/多架同构舰载预警机巡逻策略滚动规划模型,并紧随其后详细介绍了模型的实现过程.针对模型的求解,提出了一种多主单从结构的多种群并行自适应-禁忌遗传算法进行求解.在仿真部分,分别通过对警戒时间限定下的单/多架同构预警机巡逻策略规划以及仿真对比,证明了所建立模型的有效性及优越性.     

将盘旋动作引入自主航路规划的方法

为了使侦察无人机在不确定环境下航路选择更加灵活,提出了一种将盘旋动作引入到自主航路规划中的方法。首先,分析了盘旋动作对机载侦察设备的不利影响,以及盘旋动作对扩大航路选择范围上的优势。然后,通过设置修正系数的方法,对航路选择的目标函数进行改进,将盘旋动作引入到无人机航路规划的决策集中。最后,通过仿真试验验证了该方法的有效性。     

基于改进局部搜索算法的三维空间路径规划研究

在机器人路径规划中,搜索区域维数增大会导致路径搜索算法收敛时间过长甚至不收敛的现象发生。针对此类问题,文中以改进的局部搜索算法为基础,融合蚁群算法中信息素因子和人工势场算法中势场因子,建立了启发函数模型以提高寻优的目的性,并对搜索到的路径用迭代法进行优化。文中具体讨论了三维空间中路径点的选取方式和启发函数模型的建立方法,同时给出了算法的详细流程。最后通过MATLAB仿真实验证明基于改进后的算法进行路径规划时,迭代次数降低,搜索速度变快,路径点轨迹趋势更加平稳。     

采用混合粒子群算法的星图识别方法

为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

不确定环境下的侦察无人机自主航路规划仿真

自主式无人机是无人机发展的必然趋势,不确定环境下的航路规划是无人机航路规划研究的新领域.为了研究战时条件下侦察无人机的自主航路规划,根据无人机的控制系统工作方式,建立了仿真模型框架,并在此基础上开展仿真研究.首先,针对战时条件下侦察无人机执行任务的不确定环境,从战场使用的实际情况出发,建立了基于目标存在概率的环境信息模型;然后,根据无人机机载探测设备探测区域建立了探测模型,提出了航路控制决策模型,并采用动态规划进行航路规划.最后,设计了一个无人机侦察不确定环境的仿真试验,仿真结果验证了该方法的有效性.     

无人作战飞机在线航路规划算法

针对无人作战飞机单机自主对地攻击过程中航路在线规划问题,在以栅袼形式表示的数字地图中,通过对威肋源建模、数据结构组织、估价函数建立、优化算法等多个方面进行改进,提出了一种基于A*算法的改进型规划模型.在保证规划有效性的同时,减小了搜索空间,进而提高了规划算法的实时性.仿真结果表明,该模型能够有效减弱规划结果对于栅格数字地图精度的依赖程度,为进一步开展在线规划及无人作战飞机实时路径重规划研究提供了券者.     

基于A*算法的多线程并行航迹规划方法研究

并行计算是提高航迹规划速度的一种有效手段,同时A*算法具有隐含并行的特性,计算机多CPU多线程技术使得并行计算脱离了工作站或工作组计算机,可使A*算法在单机上进行并行计算。随后根据A*算法的特点对并行计算进行了相应改进,并将其应用到巡航导弹的航迹规划当中。仿真结果表明:改进的并行算法在没有改变航迹规划结果性能的同时,计算速度、稳定性都有了较大提高,有利于快速航迹规划。     

自适应遗传算法在飞行器离线航迹规划中的应用

飞行器航迹规划是一个多目标多约束的三维规划问题。根据分层规划思想,确定离线参考航迹是飞行器低空突防前要解决的首要问题。针对遗传算法中局部最优与全局最优之间的矛盾,采用自适应遗传算法进行离线的航迹规划,用极坐标编码方式在飞行方向上构造染色体。进化过程中采用自适应交叉概率和变异概率,并尽可能把符合实际情况的各种约束考虑到问题中。仿真结果表明,算法避免了早期收敛,提高了全局寻优能力,是解决实际飞行器离线航迹规划问题的较好方法。