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。     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题,提出了一种基于遗传模拟退火算法的静态路径规划方法.通过对算法进行实验仿真,结果表明提出的静态路径规划方法是正确有效的.     

无人机巡航路径规划在多船舶跟踪中的应用研究

无人机凭借其灵活特性,在船舶的跟踪以及路径规划应用中变得越来越重要.设计了一种无人机对多船舶最优跟踪的巡航路径规划方法,通过构建路径规划模型来获得最优路径.依据船舶的初始位置信息,通过加权平均方法求出无人机初始位置,采取余弦相似度聚类方法对区域内多条船舶进行航速和航向的聚类,从而规划出对多船舶跟踪的最优路径.仿真结果表...     

基于强化学习的雷达对抗侦察无人机航线规划

为了提高无人作战效率,将深度强化学习应用于雷达对抗侦察无人机的航线规划中．首先对雷达对抗的侦察行动进行分析,建立无人机飞行航线仿真与分幕评价侦察效果的模型;然后根据训练强化学习智能体的需求,对规划航线过程中所需信息进行了参数化,以雷达对抗侦察行动的特点设计了动作与奖励机制,给出了适用的智能体神经网络结构和训练算法．仿真结果表明,与两种固定航线的规划策略相比,采用本文深度强化学习的航线规划方法,在平均收益上提高了37%,完成既定侦察任务次数提高了超过1.5倍,完成任务平均消耗的航程减少了13%.     

基于遗传算法的多无人机协同逆推式路径规划

综合了多无人机群的任务和任务区域的特点,在优化过程中考虑了机群综合获利效益、无人机(UAV)的的最大转弯角限制和多无人机成员间防碰和威胁区域的生存概率,合理构建了UAV任务的目标函数和约束条件。将协同逆推预测控制(CRH)方法引入无人机机群路径规划方法的研究中,并采用遗传算法求出了满足目标和约束要求的控制量。仿真算例表明采用介绍的协同逆推式路径规划算法,任务空间中无人机能够自动地分别访问不同的目标以得到最大的获利值,证明了算法的有效性。     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题，提出了一种基于遗传模拟退火算法的静态路径规划方法．通过对算法进行实验仿真，结果表明提出的静态路径规划方法是正确有效的．     

基于遗传模拟退火算法的无人机航迹规划

航迹规划技术是无人机任务规划系统中重要的核心技术之一,无人机飞行空间广阔,需要一种快速搜索最佳路径的方法。首先在飞行区域中建立数字地图模型和防空威胁区模型,在满足无人机飞行约束条件的情况下,为无人机航迹规划提供一种遗传模拟退火算法,充分利用模拟退化算法的概率突跳特性和遗传算法强大的快速搜索能力。仿真结果表明,使用该算法无人机能够自动避开模拟数字地图的威胁区,搜索出一条安全有效航迹,并保证航线的完整性和最优性。     

机器人避开多随机障碍物的路径规划遗传算法

针对当前路径规划中存在的诸多问题,提出了基于遗传算法的机器人避开多随机障碍物的路径规划方法。首先提出障碍物环境的神经网络模型,并利用该模型建立机器人动态避碰路径与神经网络输出的关系,将需规划路径的二维编码简化成一维编码,并把动态避碰要求和最短路径要求以及边界约束条件融合成一个适应度函数。通过对该算法进行实验仿真,证明该方法具有良好的动态避障性能,是有效和正确的。     

无人机的侦察航路规划

针对无人机(UAV)侦察任务的两个目标：(1)发现尽可能多的目标；(2)获得对所有目标尽可能多的有效侦察时间，提出了一种优化方法，包括航路规划和航路光顺两部分。首先由基于遗传算法(GA)的航路规划器根据选定的任务目标制定出优化航路，然后由航路光顺器对优化航路进行光顺以形成可供无人机飞行的航路。最后给出了仿真结果，初步表明该方法可以有效地提高无人机的侦察任务效率。     

基于分层规划思想的无人机协同优化

无人机自身具有的航空特性和可以进行大面积巡查的特点,使得其在洪水、旱情、地震等自然灾害实时监测方面具备特别优势.在完成灾情巡查、生命迹象探测、通信中继和对地数据传输等协同任务时,需要对无人机进行任务分配与航迹规划.对于无人机巡查重点区域任务规划问题,基于分层规划思想建立了多旅行商数学模型,并使用遗传算法进行求解.首先分配重点区域之间的无人机任务,其次再规划重点区域内部无人机的路线,最后根据无人机的限制条件,在既定路线上进一步优化无人机路线.     

基于遗传算法的综合布线路径布局研究

以综合布线系统的路径规划为研究对象,对布线路径中的公共路径和最短路径的双目标进行统筹规划,以满足不同情况下的不同施工需求. 首先给出了综合布线决策的整数规划模型,采用遗传算法构建了一种新的综合布线优化算法,用于进行综合布线路径规划的设计与研究. 在遗传算法的基础上,通过加权组合的方式实现公共路径和最短路径的协调,其中公共路径越长越节约工期,最短路径越长越节约成本. 最后,通过仿真对所提模型和方法的有效性进行了验证.     

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.     

优化的移动机器人无障区域内覆盖路径研究

移动机器人在含障区域内全覆盖路径规划的优化问题是一个需要整体考虑的问题,通常包括无障子区域分割、子区域内部行走路径和子区域间衔接三个子问题.文章研究子区域内部行走路径的优化问题,对几种常用的行走路径进行计算、分析和比较,并用实物机器人进行了行走实验.结果表明,无论从局部和全局上讲,向内螺旋式路径更适合于移动机器人在无障子区域内完成全覆盖任务.     

基于蚁群-粒子群融合算法的无人机三维航迹规划研究

无人机飞行空间广阔,需要一种快速搜索最佳路径的方法,本文在飞行区域中建立航迹规划环境模型和防空威胁区模型,在满足无人机飞行约束条件的情况下,为无人机航迹规划提供一种蚁群-粒子群融合算法,充分利用蚁群算法良好的分布机制、信息反馈机制和粒子群算法收敛速度快、全局搜索能力强的特点,使无人机能够自动避开威胁区,搜索出一条安全有效航迹,并保证航线的完整性和最优性.用Matlab对算法进行仿真实验证明,算法能为无人机的三维航迹规划提供一种快速、安全、高效的搜索方法.     

避免路径规划NA算法局部极小值的仿真试验

针对已知障碍物形状和位置环境下的机器人全局路径规划问题,提出利用神经网络路径规划算法进行路径规划。为解决神经网络路径规划算法的局部极小值问题,提出地对障碍物的形状设定各条边的模拟退火初始温度。采用此方法仿真试验的结果表明,该方法能够避免某些局部极小值情况,规划的无碰路径达到最矩无碰路径。     

基于STK/MATLAB的运用压制干扰的无人机侦察仿真研究

为了研究运用压制干扰无人机对一片区域的侦察能力,基于STK/RADAR模块相关技术,完成了对预警机、地面雷达站、无人机模型的建立和实现,以无人机经过我国东部海岸线为仿真过程,对无人机运用压制干扰后雷达的探测概率进行研究,并得出了验证结果.为研究在压制干扰下的无人机探测以及研究提供了一种实验方法.     

可接受风险水平下城市空域无人机路径规划方法研究综述

无人机作为城市空中交通运输的新型运载工具,进入城市空域运行,会给地面公共安全带来巨大安全隐患.本文从无人机运行风险要素分析、城市区域风险分布地图和基于风险地图的路径规划方法3个方面,梳理了国内外学者对无人机运行地面风险评估和无人机运行规划相关研究现状.最后文章对基于可接受风险的城市空域无人机运行规划研究趋势进行展望,指...     

基于PSO-ACO算法的新型无人机探测与通信优化设计

新型太阳能无人机在地震、泥石流、城市内涝等重大灾害的探测中起到越来越重要的作用.利用粒子群算法(PSO)与蚁群算法(ACO)研究新型太阳能无人机的最小线路规划与终端中继的互通问题,通过建模与求解,制订了无人机最优化线路,极大优化了无人机数量与飞行路径,提高了太阳能无人机使用效率,为救灾过程的持续通信提供了保障.模型综合考虑了地形与地震灾害现场的因素,规划了太阳能无人机地震救灾过程中的探测路径,实现了无人机白天12h的不间断通信.     

RWPSO与马尔科夫链的无人机航路规划

粒子群算法(PSO)是基于种群的全局搜索算法,具有原理简单,搜索稳定高效等特性,在航路规划领域被普遍运用,但是其在陷入局部最优以及收敛速度方面都存在一定的缺陷.本文针对无人机的任务权重值与生存权重值引入随机游走策略,按照一定规律改变粒子的惯性权重值,可以有效的避免上述情况发生,提升无人机在航路规划中找到最优路径的效率.另一方面,为了能够给规划的路径提供优劣性的判断标准或参考依据,需要构建适用于评估无人机飞行路径点上的生存状态概率模型,本文将随机游走粒子群算法(RWPSO)的航路规划模型与马尔科夫链生存状态随机性模型相结合,得到一个可以用来评估路径点生存概率的航路规划问题模型.仿真结果表明,基于任务权重、生存权重、任务生存权重随机游走的RWPSO算法在寻优时比PSO、量子粒子群算法(QPSO)效率更高,并成功结合马尔科夫链得到一个可以描述出无人机生存概率变化的模型.此模型框架还能够扩展应用于有辐射源、武器、电磁干扰等复杂场景中的航路与任务规划.     

不确定环境下无人机多任务区侦察决策研究

针对不确定性环境下多任务区的遍历侦察决策问题,结合无人机携带任务载荷及待侦察任务区的特性,建立了相应的侦察收益函数,根据无人机携带侦察载荷的任务工作时间约束以及每个任务区的最小侦察收益需求,同时保证遍历侦察所有任务区的条件下,提出了一种改进的布谷鸟搜索算法为每个待侦察任务区分配最优的侦察载荷工作时间,从而使整个侦察任务过程的信息收益最大化。最后通过数字仿真验证了无人机多任务区侦察决策方案的可行性,通过与标准布谷鸟搜索算法对比分析,表明改进后的布谷鸟搜索算法对此类决策问题的求解效率比标准布谷鸟搜索算法及传统的遗传算法都有较大提高,从而为无人机进行多任务区的最优化遍历侦察问题提供了科学的决策依据。