基于量子遗传算法的翼伞系统归航轨迹规划

轨迹规划是翼伞系统自主归航任务的核心。针对归航轨迹规划,建立相应数学模型,提出了一种基于改进量子遗传算法的翼伞系统归航轨迹最优规划方法。在该方法中,首先引入非均匀B样条曲线拟合控制律,将轨迹规划最优控制问题转化为B样条基函数控制顶点的参数优化问题;然后采用改进的量子遗传算法对轨迹规划中目标函数进行寻优,从而引导并实现翼伞系统归航轨迹规划。对实际工况中不同初始条件下的翼伞系统进行归航轨迹规划仿真实验,结果表明,本方法是翼伞系统归航轨迹规划的一种有效方法,优化得到的控制律和轨迹符合翼伞系统自主归航控制的特点。     

大型翼伞归航控制航迹仿真分析

为了对翼伞归航算法的航迹控制有效性进行验证,可以采用空投试验或仿真分析2种方法.空投试验获取航迹数据准确性高,但存在人员和物资投入成本高、协调工作量大的缺点.而仿真分析具有成本低、易实现的优点,但由于气象条件和翼伞本身气动特性的不确定性,仿真结果与真实空投数据会有差异.如果在仿真分析的过程中采用真实空投获取的翼伞关键参数建立翼伞模型,则仿真方法的准确性会得到很大的提升,是一种低成本验证归航控制算法航迹准确性的优选方案.对大型翼伞归航控制航迹仿真分析方法进行了研究,并通过其仿真数据与真实空投数据的比较说明了该仿真方法的有效性和可行性.通过对风的仿真说明了风速和风向对翼伞飞行航迹的影响.结果表明,该方法可以辅助优化翼伞归航控制算法设计,是一种低成本易实施的验证方式,可为控制算法的验证、分析和改进工作提供良好的参考依据.     

Differential algorithm for improving precision of GPS positioning and velocity determination

为了对翼伞归航算法的航迹控制有效性进行验证,可以采用空投试验或仿真分析2种方法. 空投试验获取航迹数据准确性高,但存在人员和物资投入成本高、协调工作量大的缺点. 而仿真分析具有成本低、易实现的优点,但由于气象条件和翼伞本身气动特性的不确定性,仿真结果与真实空投数据会有差异. 如果在仿真分析的过程中采用真实空投获取的翼伞关键参数建立翼伞模型,则仿真方法的准确性会得到很大的提升,是一种低成本验证归航控制算法航迹准确性的优选方案. 对大型翼伞归航控制航迹仿真分析方法进行了研究,并通过其仿真数据与真实空投数据的比较说明了该仿真方法的有效性和可行性. 通过对风的仿真说明了风速和风向对翼伞飞行航迹的影响. 结果表明,该方法可以辅助优化翼伞归航控制算法设计,是一种低成本易实施的验证方式,可为控制算法的验证、分析和改进工作提供良好的参考依据.

     

可控翼伞归航控制软件设计

为了解决航天器定点无损回收着陆及人员物资可控定点空投问题,研制了一种大型可控翼伞归航控制软件.本软件运行于大中型可控翼伞归航控制系统机载归航控制器上,采用分段归航控制算法和模块化软件设计结构,具有自动归航和人工遥控2种飞行模式,可对GPS提供的定位定向数据进行实时解码和运算,并自动输出控制信号操纵翼伞左右伞绳的收紧和放松,从而控制翼伞在指定区域着陆.该软件已经通过了分系统软硬件联合试验的验证.结果表明:该软件可以满足可控翼伞定点归航控制的需要,可广泛应用于精确定点空投及航天器、武器装备和运载火箭助推器定点回收着陆等领域.     

翼伞-载荷系统的航迹跟踪

翼伞-载荷系统可被用于精确空投、定点无损着陆以及大型航天器的回收,在航空航天、军事等领域发挥着非常重要的作用。因此,基于翼伞-载荷系统的八自由度动力学模型,采用横向非线性控制方法,对翼伞-载荷系统的航迹跟踪进行了理论分析与仿真模拟。仿真结果表明,飞行器与参考点之间的较佳距离L1为100 m;该距离内,无风和受到5 m/s常值风情况下,所提出的翼伞-载荷系统均能较好地完成90°,180°,270°,360°转弯的航迹跟踪,说明横向非线性控制方法具有较好的控制性能和一定的抗风能力,可被应用于翼伞-载荷系统的航迹跟踪控制,为翼伞-载荷系统的优化设计以及大型航天器回收的精确控制提供参考。     

航迹预测的多无人机任务规划方法

为提高无人机自主控制性能,实现任务分配与航迹规划整体架构,提出一种基于航迹预测的多无人机任务规划方法.首先,将禁飞区考虑为更接近真实场景的多边形模型;然后,使用改进A*航迹预测算法生成任意两个航迹点间障碍规避后的最短路径,利用该路径近似航迹航程作为任务分配过程的输入信息,建立目标函数,采用改进PSO算法求取最优结果;最后,使用B样条曲线平滑分配后的路径组合,生成无人机可飞行航迹.仿真结果表明,该方法能够以较高的计算速度和精度生成近似最优的任务分配结果和满足飞行约束的平滑航迹.     

多重威胁下的无人机自主避障航迹规划

无人机作为一种新兴的无人作战力量和不可或缺的民用设备,现已渐渐融入到国家安全和社会发展中的各个方面,航迹规划是保障无人机顺利完成既定任务的核心环节.为解决规划空间存在诸多静态和动态威胁的实时航迹规划问题,提出了一种基于滚动时域的无人机自主避障航迹规划方法.首先将航迹规划模型构建为单目标函数优化问题,根据无人机简化运动学模型和约束条件,采用滚动优化策略生成最优航迹序列;然后对最优航迹序列之间的航迹再一次采用滚动优化策略产生子序列,综合考虑威胁和飞行约束,利用负梯度下降法搜索航路点,采用遗传算法对子序列进行规划;最后经反复滚动迭代优化可得近似全局最优航迹,同时利用贝塞尔曲线对航迹进行处理,使其表征实际的飞行航迹.实验仿真结果表明:验证了模型的合理性和方法的有效性;具有良好的威胁规避能力并能规划出一条光滑航迹;与全局规划方法相比,该方法减少了收敛时间,实时性更强,能够快速、鲁棒地收敛到近似全局最优解.     

翼伞系统威胁规避最优归航轨迹设计

本文针对三自由度翼伞系统威胁规避归航轨迹优化问题进行了研究,采用了控制变量参数化和精确罚函数优化算法对翼伞系统的最优控制问题进行了数值求解。该方法将控制量转化为参数,将路径约束与控制约束问题转化为无约束问题进行求解。与粒子群算法(PSO)的计算结果进行了比较,仿真结果表明:本文设计的控制方法效果良好,所需控制能耗低,距离偏差与方向偏差均满足实际需求,有效地提高了翼伞系统的着陆精度与生存能力,验证了该优化算法的可行性与高效性。     

基于子航迹Hough变换的模糊航迹关联

针对多局部节点的航迹关联问题,提出一种基于子航迹Hough变换的模糊航迹关联方法.将融合中心相邻时刻的同源局部状态估计定义为子航迹,利用Hough变换将同一时段的所有子航迹映射为参数空间中一组点集,以最大熵模糊聚类实现子航迹-系统航迹关联.实验结果表明,在多局部节点情况下,该算法能实现子航迹-系统航迹关联,减少系统航迹的平均更新时间,满足系统的实时处理要求,与传统的航迹关联算法相比,具有较快的关联处理速度.     

基于小生境粒子群技术的多航迹规划研究

文章将飞行器多航迹规划转化为多峰值函数优化问题,并以此为基础提出基于小生境粒子群技术的多航迹规划方法。该方法采用特定的粒子编码方式和适当的适应度函数,在满足各种航迹约束的条件下,通过引入RCS(Restricted Competition Selection)小生境生成策略,将航迹规划空间内的粒子群形成不同的相互独立的小生境子种群。在进化过程中,所有粒子个体只在各自的小生境子种群内部进化,追逐不同的极值点。当进化结束时,每个小生境子种群将分别生成一条各自的最优航迹,从而为飞行器生成了多条不同的可选航迹。仿真结果表明了该方法的有效性。     

飞机水平航迹规划技术

提出了一种飞机水平航迹规划方法,分析了飞机目标运动航迹及其特点,考虑了飞机的速度和姿态因素,建立了飞机运动航迹的数学模型,以最小航迹通过规划的关键点,使代价达到最优,并提出了航迹规划的约束条件,仿真结果证明了该方法的正确性。     

飞机水平航迹规划技术

提出了一种飞机水平航迹规划方法,分析了飞机目标运动航迹及其特点,考虑了飞机的速度和姿态因素,建立了飞机运动航迹的数学模型,以最小航迹通过规划的关键点,使代价达到最优,并提出了航迹规划的约束条件,仿真结果证明了该方法的正确性。     

基于改进蚁群算法的多批次协同三维航迹规划

针对基本蚁群算法容易陷入局部寻优、收敛速度慢的缺陷以及解决多批次协同航迹规划问题的需要,提出了基于改进蚁群算法的多批次三维航迹规划算法。该算法采用基于加权排序的信息素更新规则,扩大各优劣蚂蚁的差异,提高了算法收敛速度,并采用了一种信息素挥发系数的随机自适应调节方法,在确保收敛速度的同时使算法具有全局寻优,解决了基本蚁群算法容易过早陷入局部最优缺点;在此基础上,引入蚂蚁子群间多约束条件下的协同进化策略,解决了多批次协同三维航迹规划。仿真结果表明:改进的蚁群算法在运算效率和收敛性上明显优于基本蚁群算法,多批次协同航迹规划能有效提高无人机的作战效能。     

面向无人机航迹规划的自适应乌贼算法

面向无人机在线/离线航迹规划应用,针对传统乌贼算法的长时搜索局域化及精度变差问题,提出了一种联合修正的自适应乌贼路径搜索算法.首先,提出联合混沌扰动与变异学习的混合调节机制来扩充乌贼搜索深度,以提高搜索精度;然后,引入自适应权重机制来减小乌贼搜索范围,以提高搜索效率;同时引入适应度自动筛选机制来改善乌贼种群多样性,以防止陷入局部最优.通过6个基准函数测试验证了所提算法的有效性与先进性,最后对所提算法进行不同场景下的航迹规划仿真验证.针对离线航迹规划,所提算法规划航迹成功率高达100%,规划航迹最接近全局最优,其航程均值相比传统乌贼算法可缩减7.3 units,比粒子群算法缩减可达28.3 units.仿真结果表明:所提算法全局规划性能和搜索精度显著增强,同时随着场景复杂度的提高,其航迹优化效果更加显著;针对在线航迹规划,首先将全局路径规划问题转化为若干个航迹分段的规划,然后引入启发式方法确定分段节点.仿真结果显示所提算法满足实时性要求,规划航迹精度高,进一步验证了所提算法的有效性.     

一种改进蚂蚁算法的无人机多目标三维航迹规划

传统的标准蚂蚁算法及A*算法求解无人机多目标三维航迹规划存在需设置导航节点及构建VORONOI图等缺陷,针对这一问题,提出了一种改进的蚂蚁算法.该算法将导引因子引入到状态转移策略中,减少了蚂蚁局部搜索的盲目性,确保蚂蚁形成有效航迹,解决了将该算法应用于航迹规划的两个构造难题,即航迹节点不固定和局部搜索难以到达目标节点这两个难题.将雷达、导弹、高炮及大气威胁模型的最大作用距离和有效作用距离等约束条件引入代价函数及启发因子计算中,解决了航迹规划多约束求解困难等问题.仿真结果表明,该算法构造合理,蚂蚁算法无需导航节点及VORONOI图便可自主寻找到目标节点,且收敛速度满足航迹规划要求,生成的航迹代价较小.     

基于分层优化的飞行器实时航迹算法研究

针对飞行器的实时航迹规划问题，提出了一种基于分层优化的算法。首先根据启发代价函数预测下一个临时目标点的位置；其次通过一个有限项的多项式来逼近三维航迹在水平面内的投影，将航迹规划问题转化为多项式的系数寻优问题，利用微粒群算法进行优化搜索；最后结合逐次松驰法将所得航迹调整为可行航迹。用Matlab进行了仿真验证，证明了算法的有效性。     

人工免疫算法路径规划在林火救援中的应用

为解决复杂环境下双机林火救援路径规划问题,提出用人工免疫算法规划三维飞行航迹。借鉴人工免疫算法规划机器人路径的方法,通过考虑飞机飞行特性和双机路径规划的要求,为双机异地出发同时到达规划出三维飞行路线,并对算法的主要影响因素进行了分析和估计,获得规划航迹的最优参数,用于设计安全高效的飞行航迹。研究结果表明,该方法能规划出复杂环境下双机飞行航迹,利用参数优化后的人工免疫算法不但能快速有效地规划三维航迹,而且丰富了航迹规划方法研究。     

无人机快速三维航迹规划算法

针对无人机三维航迹规划的实时性问题,提出了基于快速扩展随机树的三维航迹规划方法。该算法能够根据当前环境快速有效搜索规划空间,通过随机采样点将搜索导向空白区域,使三维航迹规划能够用于实时航迹规划。通过引入航迹距离约束,搜索树将沿着路径距离最短的近似最优航迹的方向进行扩展,克服了基本快速扩展随机树方法随机性强,只能快速获得可行航迹,无法获得较优航迹的缺点。在搜索过程中无人机的航迹约束条件和地形信息得到了充分利用,使算法生成的航迹能够自动回避地形和威胁,同时满足无人机的动力学约束。通过生成的虚拟数字地图对算法进行了仿真验证,仿真结果表明该方法能够快速有效地规划出满意的无人机三维航迹。     

基于稀疏A~*遗传算法的无人机三维航迹规划

针对基于自适应遗传算法无人机三维航迹规划寻优性能较低的问题,提出了一种基于稀疏A*遗传算法的无人机三维航迹规划方法;建立了稀疏A*遗传算法的仿真模型,利用稀疏A*搜索新航迹点的方法,提高了初始种群质量;通过引入禁飞区域代替威胁区域、安全区域、保密区域,可使本算法适用于民用无人机航迹规划。仿真实验表明,与自适应遗传算法规划无人机三维航迹相比,该算法具有更好的寻优性能。     

基于极大似然估计的最优航迹关联算法

针对两传感器以上的分布式多传感器航迹关联问题,提出了一种基于极大似然估计的最优航迹关联算法,并且使用一种剪枝方法来快速求解该关联算法的最优解．最后,在不同的目标间隔距离条件下进行了仿真实验．仿真结果表明,该算法有较高的正确关联率,是有效可行的．