基于任务区分的无人机航路规划方法

军用无人机飞行航路必须基于作战任务规划,在任务完成和飞行安全之间体现不同侧重.文中将无人机航路规划问题区分为固定航路规划和突防航路规划,阐明了各自的规划要点,提出的基于任务完成度的固定航路规划方法和基于改进蚁群算法的突防航路规划方法,能够满足无人机不同作战任务需求.通过算法仿真和作战仿真系统的应用实践,证明了文中方法的合理性和实用性.     

基于遗传算法的航路规划TSP问题研究

文中将航路规划转化为多目标规划TSP问题,建立了航路规划的TSP数学模型,并提出一种基于遗传算法求解最优航迹的搜索算法,最后给出了计算机仿真结果验证了该算法的可行性.     

基于数学形态学的无人机航路规划方法研究

提出了一种基于数学形态学的无人机航路规划方法,重点在于解决基于真实地形数据和存在不规则火力威胁区时初始路径规划空间的确定方法.仿真结果表明,该方法生成的初始路径规划空间小,易于实现.     

基于改进A*算法的无人机航路规划方法研究

提出了一种基于改进A^＊算法的无人机航路规划方法,解决了A^＊算法大空间搜索耗时多的问题。仿真结果表明,该方法计算速度快,易于实现。     

引入突防概率的飞机航路规划遗传算法

飞机低空突防技术除了包括地形跟随、地形回避和威胁回避以外,当不能在敌防区外发射导弹时,还必须分析目标附近的敌防御体系的构成。将最大突防概率引入航路规划的代价函数指标中,通过突防概率的计算,提出以航路末端进入角来修正代价函数指标。采用遗传算法进行航路规划,仿真算例表明,该算法可以满足对地形和静态威胁的回避,同时可以按照突防概率最大的末端进入角到达目标点。     

约束引导的反舰导弹航路规划遗传算法

为了提高遗传算法对航路规划问题的求解效率,提出了一种约束引导的航路规划遗传算法（CD-GA）.与传统GA不同的是,该算法在优化过程中使用航路节点间的关联约束来实时限定基因值的准确变化范围.为了使染色体与航路的表达方式更加接近,采用定长实数的矩阵编码方式;采用一种分步递归初始化策略生成初始种群,保证其中均是非劣个体;在算法迭代过程中,分别采用一种连续多点分步交叉策略和扰动连续修复变异策略进行交叉和变异,使得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表明,该算法能够显著提高遗传算法的全局搜索性能,并且算法收敛速度快,稳定性好.     

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.     

基于流函数法的无人机航路规划

针对无人机的自身特点和飞行任务要求,研究了流函数法在无人机航路规划中的应用.在二维平面中,将地形障碍和雷达等威胁等效为圆柱,无人机目标点等效为汇（sink）,推导了流体运动的复势.提出了流函数法避障时存在滞点问题的解决方案,并将其应用到存在多个障碍物的环境中.考虑无人机最小平飞距离和最小转弯半径约束,用流函数法得到了无人机的规划航路.仿真结果表明,修正后的流函数法可以规划出平滑的航路,同时满足无人机航路规划的要求.     

反辐射无人机与反辐射导弹作战能力对比分析

对反辐射无人机和反辐射导弹的发展历程进行了概述,并对它们的作战能力进行了对比,分析了各自的作战优势。在此基础上,总结提出了反辐射无人机在作战中适合于执行对敌防空压制任务,而反辐射导弹主要用于载机突防时的自卫,使载机免受敌防空武器的攻击以及摧毁敌方干扰源,保证己方电子设备正常工作等场合,具有较强的实时攻击能力。对反辐射无人机与反辐射导弹的应用前景进行了展望。     

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。     

基于混沌DESAPSO算法的无人机三维航迹规划

粒子群(PSO)算法易陷入局部最优,将其运用于无人机三维航迹规划会导致航迹品质不高,针对这一问题,提出了将差分进化(DE)算法、模拟退火(SA)算法嵌入PSO算法中,构成混沌差分进化模拟退火粒子群(DESAPSO)算法,从三个方面提高了航迹品质:一是利用DE算法的变异、交叉及竞争选择增加种群多样性;二是利用SA算法概率突跳能力跳出局部最优解;三是对PSO算法参数进行混沌优化,进一步增强种群多样性.仿真结果表明:混沌DE-SAPSO算法改进航迹品质效果明显,获得了满意的无人机三维航迹.     

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.     

基于遗传算法的无人机层流翼型优化设计

以高空长航时无人机大展弦比机翼的层流翼型为研究对象,在低雷诺数范围内,把遗传算法与N—S方程气动数值解法相结合,依靠计算流体动力学CFD计算技术,对翼型进行气动外形优化设计。在基准翼型的基础上,翼型描述采用了解析函数线性叠加法,个体以解析函数中的变量构成,结合锦标赛选择、均匀交叉,进行了以提高升阻比为目标的优化设计。优化后翼型在低雷诺数条件下的升力系数及升阻比有所提高,这说明了利用遗传算法进行层流翼型气动外形优化的可行性。     

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。     

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。     

基于改进蚁群算法的巡航导弹巡航段航路规划

为提高巡航导弹的突防概率,在对敌防御区域内的目标进行打击时,必须保证它能以较小的被发现概率和可接受的航程接近目标.针对这一问题,提出一种新的航路规划区域粒度控制图--圆径图,对传统的蚁群算法进行了讨论和改进,使其更具智能化,将它们应用于巡航导弹的航路规划问题,详细地考虑了巡航导弹航路规划中的各种影响因素,提出合理的代价函数,进行了仿真计算.仿真结果表明,圆径图和改进后的蚁群算法能够较好地解决巡航导弹的航路规划问题,改进后的算法收敛速度快,全局寻优能力强.     

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.