基于网格模型的无人机航路规划仿真

关于优化无人机覆盖路径规划,应便于实时调整航路.实施战场游弋侦察的无人机要搜索含有先验信息的任务区域,并且没有确定的目标点.针对战场环境瞬息万变,提出了网格模型的航路规划方法.首先,将无人机的任务环境区域划分为若干网格单元,并根据存在目标的概率赋予网格单元权值.接着,依据航路决策集合建立了控制模型,根据探测区域对环境网格的覆盖情况建立了探测模型,采用控制和探测模型计算有限步长内的航路价值,通过求解一个动态规划得到当前状态下的最优航路决策.最后通过对一架和多架无人机侦察给定区域的仿真,验证了方法的有效性,为设计航路提供了科学参考.     

多无人机航路重规划方法

提出了一种基于改进人工势场法的无人机航路重规划算法。在航路重规划中,设置多个节点,将无人机的航路分段,并重新构造斥力函数,无人机在突发威胁的边界调整航路,实时规划出避开突发威胁的可飞航路;仿真结果表明,该算法能够较好地满足航路规划的要求。     

改进布谷鸟搜索算法的无人机三维航路规划

针对无人机三维航路规划问题,结合差分进化算法,提出了一种改进布谷鸟搜索算法进行无人机航路规划。对无人机飞行的三维真实环境进行建模,将其分为城市楼宇环境和山峰环境。对不同的地形环境采用不同的编码方式,将航路最短距离和规避威胁作为评价函数。仿真实验表明,改进后的布谷鸟搜索算法能够寻找多条切实可行的三维航路且鲁棒性较好,是一种行之有效的航路规划算法。     

基于改进蚁群算法的无人机动态航路规划

研究无人机航路规划,针对基本蚁群算法易于陷入局部最优、规划航路耗时长的问题,对基本蚁群算法进行了改进;引入航路点的动态自适应选择策略和信息素挥发因子动态自适应调整准则,有效克服了基本蚁群算法的不足,并对规划出的航路进行了平滑处理,使其更加满足无人机实际飞行需求;通过仿真分别规划出无人机在静态威胁和动态威胁中的航迹,仿真结果表明,与基本蚁群算法和遗传算法相比,改进的蚁群算法在两种飞行环境中均能规划出较优的航路。     

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。     

面向安全避障的无人机鲁棒跟踪飞行控制

针对无人机在执行任务时所面临的安全飞行问题,基于已知威胁信息采用A*算法生成初始航路点.为解决存在过多冗余点、拐点以及路径不平滑等缺点,对规划得到的初始航路点进行二次规划,删除不必要的转折点并对其综合平滑处理,得到满足无人机性能约束的航路点.同时采用B样条曲线拟合航路离散点,在此基础上考虑安全飞行控制裕度,生成无人机的...     

无人机航路规划与威胁源模型研究

无人机航路规划作为任务规划的核心部分,是任务规划不可缺少的阶段.传统的手动规划无人机航路已经存在许多的问题,现今自动或半自动的规划方法已经成为研究的热点.为了规划出精确的无人机航路,本文建立了相关威胁源模型,基于遗传算法规划无人机航路,解决了威胁随高度变化导致无人机航路规划不精确的问题,仿真结果表明建立的规划威胁源模型更能精确地计算出无人机航路.     

基于动态规划的无人机航路优化问题研究

无人机航路规划往往指无人机在初始位置、终止位置和一些目标任务结点确定之后的航迹优化问题;在无人机飞行任务执行过程中,无人机需要在参考飞行航线的约束下,根据局部地形、地貌、障碍、威胁等信息以及飞机本身机动能力的限制,实时的计算出飞行航路,并跟随该航迹完成飞行任务;在利用Dynapath(动态路径)算法进行参考航线优化的过程中,考虑了飞机机动性能的限制;在此基础上,详细讨论了参考航线由多航段组成时航路点的处理方法并进行了计算机仿真,仿真结果表明该方法可以比较理想地进行航路点的处理,得到比较良好的最优航迹。     

基于改进约束差分进化算法的动态航迹规划

为解决三维复杂环境下无人机动态航迹规划问题,提出一种基于改进约束差分进化算法的动态航迹规划方法,以满足对实时性及动态搜索精度的要求.首先,根据无人机航迹规划特点将其描述为包括飞行约束及威胁约束在内的约束优化问题,并构造目标代价函数和约束限制函数;其次,将广义反向学习和自适应排序变异操作引入到约束差分进化算法中,以提高算法的多样性、收敛速度和寻优精度;最后,利用自适应权衡模型对各状态下的约束限制进行处理,充分利用“精英”个体信息,实现对目标适应值的合理转换.通过仿真实验以及与3种先进约束差分进化算法比较表明:所提方法能够有效实现静态及动态威胁回避,规划出安全适航的飞行路径,实现地形跟随;相较于其他3种算法,所提方法具有寻优性能好、鲁棒性强、收敛速度快和可靠性高等优势.     

无人机群航路规划定量验证方法研究

无人机群航路规划是实现无人机群对目标协同搜索的关键，针对无人机群航路规划的优化、解算问题，提出了一种针对无人机群航路规划的定量验证方法，该方法运用概率迁移系统与随机多主体博弈模型构建了无人机群航路时空系统模型，使用概率空间时态逻辑对无人机群航路规划的质量指标进行了描述，通过自动验证算法实现质量指标的验证。该方法可实现对无人机群航路规划的建模、分析工作，完成对无人机群航路规划在任务完成度、飞行安全度和性能发挥度这3个方面质量指标的计算，为确定无人机群的较优航路提供理论依据。     

无人飞行器航迹规划研究

航迹规划的目的是要利用地形和敌情等信息,规划出生存概率最大的无人飞行器突防轨迹。通过对航迹规划任务的仿真需求分析,对无人飞行器的航迹规划进行了研究。首先根据遍布威胁的战场环境,构造了基于威胁源的Voronoi图,得到规避威胁的航迹路线;然后采用Dijkstra算法,搜索出最优航迹路线;最后利用Visual Studio .Net 2010开发平台,在MS SQL Server 2008数据库支持下,运用Visual C# 2008编制图形化界面,设计开发了无人飞行器航迹规划仿真系统,并给出了开发结果,实现了仿真结果的图形显示,为进一步的研究航迹规划奠定了基础。     

基于概率地图的军用飞行器航迹规划方法研究

提出了一种基于概率地图的航迹规划方法.文中所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性.在此基础上设计的带权系数的航迹规划算法,可以通过改变权系数的值,实现在寻找较短的航线和寻找具有较小失败概率的航线之间进行权衡,以此反映规划者的主观意图.另外,此方法还能给出航迹的失败概率值,可以作为指挥决策时的一个评价指标.仿真实验证明,该方法能够获得满意的效果.     

基于贝叶斯网络和蚁群算法的航路优化

为了提高无人机（UAV）的作战效率和生存概率,在UAV执行任务前,必须为其设计高效的飞行航路。采用将贝叶斯网络模型威胁强度评估算法与蚁群算法相结合的航路规划方法,根据UAV航路规划问题的特点对蚁群算法进行改进。仿真结果表明,该方法能更好地满足实时战场需要,得到良好的优化航路。     

基于地形遮蔽的飞行器暴露范围计算

研究飞行器在实战环境中的暴露范围对提升飞行器隐身作战能力,指导战前任务规划具有重要意义;提出了飞行器暴露范围和高度余量概念;建立了飞行器暴露范围模型;通过数字地图处理技术建立了地形遮蔽作用下的暴露范围模型;对雷达探测概率进行了研究,建立了探测概率模型;编写了飞行器暴露范围计算软件,能实时计算出不同方位方向上的高度余量;最后进行了实例仿真,结果表明所建模型的正确性及所编软件的有效性。     

非平坦地形下移动机器人安全路径规划

提出一种基于双分辨率2.5D分层栅格地图的Secure A*(SA*)路径规划方法,以解决移动机器人在非平坦地形下的安全路径规划问题.首先,设计一种双分辨率2.5D分层栅格地图,利用双分辨率栅格对环境中的障碍物信息与高程信息进行存储,以节约地图的存储空间;然后,结合移动机器人运动能力,将环境中的高程信息转化为约束因子,...     

基于集成约束无人机两步制航迹规划方法

无人机航迹规划是一个富含地形威胁、雷达威胁和自身可飞性等多约束的优化问题.采用两步制的规划框架,提出一种基于集成约束的无人机航迹规划方法.规划第1阶段采用基于多种群策略的差分进化优化方法,规划第2阶段采用海洋捕食者算法的Lévy运动优化;集成约束机制在搜索过程中动态更新约束策略来补偿可行解数量骤减,抑制搜索停滞.与典型算法和约束处理策略进行对比,实验结果表明,所提出无人机航迹规划方法收敛性好、稳定性强,能够有效地求解复杂多约束无人机航迹规划问题.     

基于粒子群优化算法的无人机航迹规划

提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,在等效数字地图中实现单个目标点的无人机航迹规划,并对算法性能进行仔细分析,仿真结果表明,该方法能够快速有效地完成航迹规划任务,得到满意的三维航迹。     

基于粒子群优化算法的无人机航迹规划

提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,在等效数字地图中实现单个目标点的无人机航迹规划,并对算法性能进行仔细分析,仿真结果表明,该方法能够快速有效地完成航迹规划任务．得到满意的三维航迹。     

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.