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。     

利用Voronoi图与GIS规划三维飞行航迹

针对飞行器三维航迹规划问题展开研究,通过引进地理信息系统(GIS)的方法对地形图数字化和插值得到三维地形数据;利用Matlab构造Voronoi图计算出初步水平航迹,采用ArcGIS软件获取水平航迹对应的高程值(垂直航迹);再由坡度限制平滑算法,曲率限制平滑算法对垂直航迹进行法向加速度和曲率的约束求取最优飞行的路线,显示出规划的三维航迹及地形;并在突发威胁发生的情况,进行了路径的重规划.仿真结果表明,该方法能够快速规划出合理的航迹并满足实时性要求.     

一种基于最小平均距离的测量飞机航迹规划算法

以测量飞机对单个低空飞行器跟踪为研究对象,根据大地坐标系统和椭球几何学基本原理,结合机载测量设备的作用范围,提出一种基于最小平均距离的测量飞机航迹规划算法.分析预定的低空飞行器飞行路线,提取低空飞行器飞行关键点,划分出低空飞行器水平飞行阶段和转弯飞行阶段,按阶段分别规划出测量飞机的航迹,保证对低空飞行器全程连续稳定跟踪的同时,使测量飞机与低空飞行器的平均距离最小,以提高测量质量,并模拟低空飞行器3种飞行路线,规划了相应的测量飞机航迹,经Mat-lab仿真分析,规划结果满足设计要求,验证了算法的有效性.     

应用OBDD和PSL的航迹规划方法研究

航迹规划是决定无人飞行器飞行航迹优劣的关键环节。由于无人飞行器飞行空域广,态势也较复杂,实际规划中常常面临搜索的状态多、收敛时间慢等问题,这成为无人飞行器执行飞行任务的瓶颈,解决的优化策略包括:缩小问题的状态空间以及根据问题的约束条件,在搜索中剪枝。模型检验的经典OBDD(有序二叉决策图)方法是表示状态和状态迁移的高效率的数据结构方法,可以简化状态系统的表示空间;而PSL是一种重要时序逻辑,利用PSL和一阶逻辑描述无人飞行器航迹规划的领域约束,以期在规划中剪枝搜索状态。在使用上述两种优化策略基础上设计了航迹规划搜索算法,并实现了该算法的规划仿真,仿真结果表明该方法是一种有效可行的航迹规划方法。     

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。     

无人飞行器航迹方案的VIKOR择优评价

针对无人飞行器智能航迹规划算法导致的多航迹选择问题,构建基于多准则妥协解排序法(VIKOR)的航迹路线择优评价体系.为快速获得各威胁源的综合威胁信息,采用路线分割和极限的思想,建立综合威胁计算模型,并给出模型参数变化范围计算方法.以变异系数法确定指标权重,采用可最大化群体利益且弱化个体遗憾的VIKOR算法融合威胁信息,给出基于VIKOR算法的航迹方案择优评价方法和步骤.该评价方法可获得具有优先级别的妥协最优航迹方案,使评价结果更容易被决策者接受.实际航迹路线择优问题验证了所提出方法的有效性.     

一种基于自适应遗传算法的航迹重规划

航迹重规划技术是保证无人飞行器航行安全的关键技术之一。本文针对遗传算法航迹重规划容易陷入局部最优解的问题展开研究。采用自适应交叉变异概率的遗传算法规划局部航迹,避免了航迹早熟,防止航迹陷入局部最优解。通过仿真实验表明,自适应遗传算法能在模拟环境中规划出满足约束条件的近似最优航迹,提升了遗传算法解决航迹重规划的效能。     

基于量子粒子群优化的在线航迹规划

现代战场中,环境信息是变化的,飞行器很难预先获得精确的全局环境信息,因此要求无人飞行器具有实时的航迹规划能力,采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题;同时,根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Spline插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题,简化了问题复杂度,提高了计算效率.仿真结果表明该方法可以满足在线航迹规划的要求.     

基于A*算法的高超声速飞行器航迹规划方法

为了提高A*算法应用于高超声速飞行器航迹规划时的效率和稳定性,并保证航迹可飞性,提出基于改进型变步长稀疏A*算法的航迹规划方法。首先根据飞行器飞行区域不存在地形限制的特点,在规划过程中采取变步长策略,有效地提高了远程规划时的稳定性和效率;然后依赖飞行器的过载计算最大转弯角和爬升/俯冲角,根据计算角度构建规划空间,同时将飞行器飞行过程燃料/时间、航向、飞行高度、航迹末端、禁飞区域等约束用于规划空间优化,减少扩展节点的数量,进一步提高了规划效率并保证航迹的可飞性;最后基于威胁约束设计特殊的代价函数,保障了飞行安全和航迹规划的稳定性。仿真结果表明:规划出的航迹满足高超声速飞行器各种飞行要求,能避开各种威胁,规划时间短,稳定性好。得到的航迹能够作为航迹跟踪控制系统设计时的参考输入。     

飞行器参考航迹规划方法研究

研究飞行器参考航迹规划优化控制问题,飞行器受到飞行达时间、油耗、威胁和地形环境等因素影响,传统的依靠飞行员的视觉效应,达不到优化的要求,同时飞行航迹实时性差.为了找到最优飞行器参考航迹,在分析当前飞行器航迹规划算法存在问题基础上,提出一种改进遗传算法的航迹规划方案.采用遗传算法对飞行器参考航迹进行全局搜索,快速找到全局最优解区域,并在全局最优区域通过模拟退火算法进行局部搜索,得到最优航迹.仿真结果表明,改进遗传算法能够快速找到最优参考航迹,能很好满足在线实时航迹规划的要求,是一种比较理想的飞行器参考航迹规划算法.     

突发威胁情况下的无人机航迹重规划

为了提高Voronoi图在航迹规划方面的实用性,提出了一种改进型的Voronoi图构造模型。该模型通过引入威胁源的不可穿越区域边界,利用折中原理,在Delaunay三角网的基础上构建航迹拓扑空间。改进型的Voronoi图模型拓展了传统模型的航迹段数量,提高了航迹段对威胁的敏感性,使规划的航迹更为合理。其次,在分析突发威胁对于航迹拓扑空间影响的基础上,提出了一种基于改进型Voronoi图的航迹重规划模型,并结合D*算法对突发情况下的航迹重规划进行了研究,规划出了理想航迹。     

基于改进人工蜂群算法的多无人作战飞机协同航迹规划

针对多无人作战飞机(UCAV)航迹规划约束条件复杂、不确定因素多、实时性要求高的特点,提出一种基于改进的人工蜂群算法求解多UCAV协同航迹规划模型。首先构建战场空间的改进Voronoi图生成航迹优化可飞区域;然后采用混沌搜索算法来初始化航迹集合作为算法的蜜源,使其初始航迹集合能以有限的数据充分表示航迹优化可飞区域;最后对多UCAV在多种威胁环境下的航迹空间寻优进行仿真验证。仿真结果证明改进的人工蜂群算法提高了蜜源多样性和算法的收敛速度,增强了UCAV的动态战场适应能力和突发威胁应对能力。     

空中机器人路径规划算法研究

空中机器人能够在枯燥的任务领域、恶劣及危险的环境任务领域不需人为干预地完成指定任务,近年来在军 事和民用两个方面得到越来越广泛应用。本文根据战场上各种威胁的分布情况,构建了Voronoi 图,结合不同威胁的具体信 息,计算Voronoi 图中路径段的代价,最后通过计算和修正,得出了空中机器人的飞行最优路径。     

基于近似Voronoi图的移动机器人实时路径规划

运用Voronoi图理论及人工势场理论,研究了一种基于近似Voronoi图的移动机器人实时路径规划的方法,用来实现未知室内环境中移动机器人的自主导航。该方法朝向预先定义的目标点位置来探测室内环境,生成近似Voronoi图,同时利用人工势场法进行避障,生成一条能达到目标点的安全、光滑路径。仿真结果表明,该方法简单且易于实现,同时能够减少规划时间。     

基于APSODE-MS算法的无人机航迹规划

无人机航迹规划是指在环境威胁与自身约束条件下,规划一条安全可行的航迹,是实现无人机自主化飞行的关键技术之一.为实现无人机在不同城市环境下能够快速规划一条安全可靠的航迹,提出一种基于自适应粒子群差分进化-最小捕捉(APSODE-MS)算法的无人机航迹规划方法.首先,建立城市环境航迹规划数学模型,以航程距离、威胁约束、违背约束代价3者的加权和作为目标函数;其次,在PSO算法中引入自适应非线性惯性权重,根据粒子偏离全局最优解的程度分配不同的搜索模式,结合动态差分进化(DE)算法加快粒子的收敛速度,引入改进的正态扰动提高跳出停滞与早熟现象的能力;最后,筛选关键航迹点,并采用最小捕捉轨迹(MS)算法对航迹进行光滑处理.仿真结果表明,所提出的APSODE-MS航迹规划方法能够在不同城市仿真环境下较好地完成规划任务,并能获得更优的航路,从而验证算法的有效性和鲁棒性.     

静态威胁下的无人机航迹规划

无人机（Uninhabited Air Vehicle,UAV）由于其自身优点,已经在军事以及民用领域取得广泛使用。无人机的航迹规划本质可归结为一个多目标多约束条件的最优化问题。简单介绍无人机航迹规划的基本理论。运用神经网络算法针对静态环境下的火力威胁和非火力分别建模。运用遗传算法对无人机进行航迹规划。通过建立不同环境的模型仿真验证算法的优越性。     

基于维诺图和二分图的水面移动基站路径规划方法

水面传感器网络（Surface sensor networks,SSNs）具有节点稀疏布置的特点（节点间距离通常大于节点通信半径）,因此难以通过节点间的多跳路由汇聚数据,目前主要采用移动基站（Mobile sink,MS）收集网络中的数据,其中移动基站的路径规划是一个关键问题.该文提出一种基于维诺图和二分图的水面移动基站路径规划方法,首先利用维诺图理论生成数据收集“候选点”;然后以二分图描述候选点对网络中传感器节点的支配关系,并基于支配集理论求解出“最小有效支配集”,即可以收集网络中所有节点数据的最小的候选点集合;最后针对最小有效支配集形成最优路径.大量实验结果表明该方法可以有效地规划出水面传感器网络中移动基站的路径,不仅可以完成全网数据收集任务,而且具有路径长度短、能量效率高和节点能耗均衡的优点.     

UAV path planning using artificial potential field method updated by optimal control theory

The unmanned aerial vehicle (UAV) path planning problem is an important assignment in the UAV mission planning. Based on the artificial potential field (APF) UAV path planning method, it is reconstructed into the constrained optimisation problem by introducing an additional control force. The constrained optimisation problem is translated into the unconstrained optimisation problem with the help of slack variables in this paper. The functional optimisation method is applied to reform this problem into an optimal control problem. The whole transformation process is deduced in detail, based on a discrete UAV dynamic model. Then, the path planning problem is solved with the help of the optimal control method. The path following process based on the six degrees of freedom simulation model of the quadrotor helicopters is introduced to verify the practicability of this method. Finally, the simulation results show that the improved method is more effective in planning path. In the planning space, the length of the calculated path is shorter and smoother than that using traditional APF method. In addition, the improved method can solve the dead point problem effectively.     

A framework of Voronoi diagram for planning multiple paths in free space

Most of the emphasis in path planning, a topic of much interest in several domains, has been on finding the optimal path or at most k optimal paths. However, in domains such as adversarial planning, one of the agents might deliberately take less optimal paths to confuse the opponent, and by the same token an agent, for inferring opponent's intent, has to consider all possible paths that the opponent might take. We introduce the notion of representative paths in free space (2D) and study the problem of computing all representative paths with different properties, such as all representative paths with at most L loops, among polygonal regions using a framework of Voronoi diagram. We prove three properties: (1) the upper and lower bounds to the number of simple paths in a Voronoi graph (2) given any path, a homotopic path can always be obtained from the Voronoi diagram of the regions and (3) all representative paths with a given property might not be always obtainable from the Voronoi graph even after searching the graph exhaustively and present an algorithm to work around this limitation. We also show how our findings can be applied for efficient entity re-identification, a problem involving a large number of dynamic entities and obstacles in the military domain.     

拉格朗日松弛的无人机路径规划

提出了基于城市建筑物遮挡模型的无人驾驶飞行器（简称无人机）路径规划方法,主要包含两方面的内容：一是利用圆柱体虚拟城市的建筑物环境,使建筑物对无人机的遮挡面积可计算,另外,由于建筑物的相对位置会相互遮挡,不可以进行简单的面积加法。采用程序实现了无人机的遮挡总和的计算,即每个建筑物遮挡面积的并集。二是在计算出无人机飞行的水平平面上（x,y）点的遮挡曲面值的基础上,给出了无人机基于拉格朗日松弛算法的优化路径规划,即走一条遮挡面积最小的路径的方法。给出matlab仿真结果,实验结果表明该方法是十分有效的。