基于改进混沌遗传算法的无人机航迹规划

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主规划的关键。提出了一种基于混沌遗传算法的航迹规划方法,该方法首先由Voronoi图生成初始航迹,然后采用混沌遗传算法在生成的航迹空间中寻优。主要对近年来出现的混沌遗传算法进行了改进以使其更具智能化。该方法采用幂函数载波代替传统混沌优化算法中的线性载波;为进一步提高混沌映射迭代序列的均匀性,提出了确定区间的随机幂指数概念并将其应用到混沌遗传算法中。仿真结果表明,该方法可以提高混沌遗传算法收敛的精确性。     

基于Voronoi图和量子遗传算法的飞行器航迹规划方法

以飞行器航迹规划为应用背景,提出一种基于Voronoi图和量子遗传算法的飞行器航迹规划方法。首先,建立威胁源的V图,并构建发射点、目标点与威胁源的V图赋权有向图,从而建立飞行器航迹规划V图空间;然后,对传统量子遗传算法进行改进,引入了量子门旋转角步长动态调整机制;并增加了量子交叉操作和量子变异操作,使得改进后的量子遗传算法具有更高的搜索效率,采用改进后的量子遗传算法求解V图空间中的最优航迹;最后,进行了仿真实验。仿真结果表明,基于V图和量子遗传算法的航路规划方法是可行和有效的。     

基于Voronoi图和离散粒子群优化的无人机航迹规划

航迹规划是根据任务目标规划出满足约束条件的飞行轨迹,是实现无人机突防攻击的关键技术.由于无人机航迹规划的复杂性,提出了一种无人机分层航迹规划的方法,该方法首先由Voronoi图生成初始航路,然后考虑各约束条件,赋予各航路相应的权值,最终应用离散型粒子群算法搜索出满意的规划解.仿真结果表明,该方法规划效率高,占用内存少,...     

基于改进型Voronoi图的无人机航迹规划研究

常规Voronoi图只能用于等威胁体的航迹规划, 对实际战场环境有较大的局限性。提出一种基于Delaunay三角网的改进型Voronoi图, 并将其用于不同威胁体的航迹规划。主要讨论了改进型Voronoi图的构造步骤以及起始航迹和终止航迹的确定方法, 最终在VC++6.0开发环境下完成了基于改进型Voronoi图的航迹规划。结果显示, 规划出的航迹能有效避开雷达等威胁, 表明了改进型Voronoi图在基于不同威胁体的航迹规划中的可行性。     

用改进蚁群算法实现突发威胁下的航迹规划

航迹规划对UAV完成任务具有重要的意义。为解决突发威胁下的UAV航迹规划问题,根据Voronoi图的局域动态特性提出了一种基于改进蚁群算法的实时重规划方法。采用全新的目标吸引策略、引入信息素增量调节因子并自适应调整信息素挥发系数来对基本蚁群算法进行了改进,提高了算法的求解效率,并进行仿真验证。根据战场已知威胁源生成Voronoi加权图,并与所提的改进蚁群算法相结合求解规划空间中的最优航迹。仿真结果表明,利用改进蚁群算法能够有效地提高收敛速度和寻优能力,可以较好地解决突发威胁下的UAV航迹规划问题,保证UAV能够回避战场威胁,顺利飞抵目标点。     

可行三维航迹个体的生成算法

在遗传算法中,初始种群中个体的质量对遗传算法的收敛速度影响较大.本文在分析航迹规划约束条件的基础上,设计了一种初始航迹个体的生成算法,产生的三维航迹个体满足飞行器性能约束,并能避免撞山危险,比传统的随机生成算法产生的航迹个体具有较大的适应度.使遗传算法能有效避免冗余搜索,从而提高航迹规划的收敛速度.     

应用于六旋翼飞行器航迹规划的改进Voronoi算法

六旋翼飞行器是一种新型的旋翼飞行器,文中主要针对该飞行器在航迹规划时的Voronoi算法进行了改进,优化了飞行器的航迹规划路线.通过对电院大草坪的树林作为障碍物的情况下,飞行器穿过树林到达空旷地方的航迹规划的数学建模发现,使用传统的Voronoi算法的航迹规划的距离为169.113m,使用改进的Voronoi算法的航迹规划的距离为152.8753m,比起传统的Voronoi算法规划出来的航迹的距离缩短了10.6％.     

飞行器航迹规划与三维显示

主要讨论了航迹规划的国内外现状及意义,建立了简化威胁源模型,并采用改进遗传算法进行参考航迹规划,算法采用飞行指令编码和自适应交叉、变异算子,改进了简单遗传算法,仿真结果表明该方法快速收敛到全局最优解并能够很好的规避威胁,是一种有效的航迹规划方法。最后通过OpenGL导入三维模型,并利用算法改变飞行器的飞行姿态,逼真地展现了飞行器的三维航迹。     

基于改进遗传算法的UAV航迹规划

针对实际作战环境中的UAV航迹规划,提出一种基于改进遗传算法的UAV航迹规划方法;通过骨架化算法生成规划搜索空间,对规划搜索空间中的信息进行提取,求解出规划搜索空间中航迹点的杀伤概率;根据规划搜索空间中的信息,采用特殊的基因编码方式,使用遗传算法为UAV找到K条备选航迹,提高了航迹规划效率;根据设定的航迹选取原则,求出最优航迹并对其按不同步长进行平滑处理,最终得到满足UAV机动性要求的可飞航迹。     

基于并行蚁群算法的无人机协同任务/航迹规划应用研究

无人机协同任务/航迹规划问题具有多类复杂的约束条件,针对该问题本文提出并行蚁群算法的求解思路。首先采用蚁群算法构造无人机航迹的解空间,然后对解空间提出基于整数编码的遗传算法,对参与作战的无人机、目标任务、可选航迹进行编码,来提高解空间的求解效率。本文以无人机的SEAD任务为想定,对单任务进行了仿真实验。结果表明,并行蚁群算法可以有效地解决无人机协同任务/航迹规划问题,满足各类约束条件,提高问题解的可行性。     

基于Voronoi图与蚁群算法的UCAV航路规划

提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法.首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无人作战飞机航路规划的具体实现过程,最后对UCAV在多种威胁环境下的航路规划进行了仿真实验,仿真结果表明这种航路规划方法是可行和有效的.     

基于分布式约束优化的多平台导弹协同航路规划

 考虑到战场环境存在不同威胁体,引入改进型Voronoi图,完成了不同威胁集合下导弹可飞航路集的构图;建立了威胁和燃油模型,计算得到各段航路的代价.在此基础上,针对多导弹航路的总代价最小,且到达目标的最大时差最小的优化目标,将多平台导弹航路规划问题建模为分布式约束优化问题,并利用分布式约束优化算法求解各弹的航路.针对典型实例进行了仿真,获得了优化的航路方案,且计算时间、通信量等指标均表明了模型方法的有效性.     

3种多导弹航迹规划算法的比较

多导弹航迹规划是一个约束条件众多、强耦合的复杂多目标优化与决策问题,能有效提高作战效能。充分考虑了禁飞区和威胁区的不同作用距离、威胁度以及目标战术价值等环境因素,分别采用基于扩展Voronoi图法、基于栅格法和基于可视图法研究了多导弹航迹规划问题。采用了相同的战场环境,从产生的航迹、仿真时间、导弹攻击目标的组合、总体航迹代价和导弹飞行时间等各方面进行比较,仿真结果证明了3种算法的有效性,且根据研究问题的不同有各自的侧重点。提出的算法对多导弹航迹规划的研究具有很高的应用价值,可实际应用在巡航导弹、无人机等无人飞行器的协同控制中。     

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。     

基于冲突消解多无人机协同航路规划算法仿真

针对多架无人机同时攻击同一目标的问题,提出了一种基于冲突消解机制的航路规划算法.通过分析协同规划中的各种约束条件及任务要求,从规划终点同时、同步扩展每架无人机的飞行航迹,并采用不等步长扩展法反映每架无人机的飞行速度,在扩展节点的同时进行各项约束条件的检查和消除,保证多条航迹间的时空协同;最后通过数学仿真验证了该算法的可...     

基于改进蚁群算法的无人机协同航迹规划研究

无人机群协同作战中,如何确定各无人机的航迹是整个规划问题的基础和关键,直接影响到作战效率.采用层次分解策略,首先对威胁场进行Voronoi图环境建模,然后利用改进蚁群算法,提出带有方向性引导性的信息素更新策略,减小迷失蚂蚁对算法收敛性的影响.同时,从时域和空域方面考虑多机协同问题,在满足最小时间窗基础上,最后仿真得到了...