威胁联网下无人作战飞机突防作战航迹规划

以复杂战场环境下无人作战飞机(UCAV)的自主突防作战为研究背景,以防空单元为威胁建立威胁联网模型,针对威胁联网的指挥控制组织结构和信息交互关系的特点,建立了一种威胁联网的信息交互数学模型,并且通过网络模拟器NS-2(Network Simulator Version 2)仿真验证了该数学模型的合理性与适用性,同时基于此提出了一种UCAV威胁代价评估模型;然后,结合UCAV动力学约束与制导武器攻击区约束,给出一种基于改进稀疏A*算法的自主突防与攻击航迹规划算法。仿真结果表明,该算法能够快速获得UCAV突防作战航迹,且由于采用了动态的威胁评估方法,对突发威胁有较好的适用性。     

UCAV任务规划系统的研究进展及发展趋势

分析了无人作战飞机任务规划系统的特点，按照规划范围和时段对无人作战飞机任务规划系统进行分层研究，讨论和分析了各个层次的作用及发展现状。最后，展望了无人作战飞机任务规划系统的发展趋势。     

某类任务的无人作战飞机航路规划

讨论了对于包含了既是威胁又有价值的节点的任务模型,无人作战飞机航路规划问题解决的思路和关键环节,并构建了数学模型,然后应用A*启发算法求解各个目标点的最优航路,并依据作战指挥人员对作战方案的总体把握给出的权衡因子,计算每个目标点取得的费效比,确定满足一定条件下最先攻击目标.实例仿真表明该方法可以有效地解决这类任务的航路规划问题.     

复杂环境下的多无人机协同巡逻航路规划

为提高多架无人作战飞机（UCAV）存复杂环境下的协同巡逻效率,根据先验信息将环境划分为关注程度不等的未知区域、已知区域和禁飞区域,在航路规划算法中引入搜索回报函数和加权平均距离,加强对高关注度区域的巡逻力度,改善UCAV的空间分布。应用粒子群算法对航路规划模型进行了仿真,结果表明提出的协同巡逻航路规划算法有效     

基于改进冲突搜索的多智能体路径规划算法

多智能体路径规划问题在航空航天领域的多机任务中应用广泛但求解困难。基于改进冲突搜索的算法被设计用来快速求解多智能体路径规划问题。全局路径规划方面，首先设计综合考虑路径代价总和以及最大完工时间的多目标代价函数，其次提出基于唯一最短路径的冲突分类及消解方案，降低多智能体路径规划的计算量。在线冲突消解方面，利用速度障碍法在线检测和消解智能体与动态障碍物间的突发冲突。仿真结果表明，本文算法在全局路径规划方面保留基于冲突搜索算法的最优性并且降低了算法计算量，同时本文算法能够有效实现在线冲突检测与消解。     

无人作战飞机任务规划系统关键技术研究

文章首先论述了任务规划系统和战术飞行管理系统、航路规划系统的联系与区别,分析了无人作战飞机任务规划系统的特点及其体系结构,最后详细分析与研究了任务规划系统需要解决的核心技术——航路规划技术。     

基于Radau伪谱法的无人作战飞机四维轨迹规划

针对无人作战飞机(UCAV)打击时敏目标和多机协同攻击问题,提出一种基于Radau伪谱法(RPM)的无人作战飞机四维攻击轨迹规划方法。在综合考虑UCAV气动力特性、大气环境特性基础上建立了高精度UCAV(3-DOF)质点模型,并设计了约束条件和目标函数;基于动态RCS建立威胁模型,构建了最优控制理论框架的UCAV四维攻击轨迹规划模型;通过RPM将动态RCS威胁下的四维攻击轨迹规划问题转换为非线性优化问题,然后利用SNOPT软件包进行求解。仿真结果表明,该方法能够以较快的速度和较高的精度生成满足多种复杂约束条件的四维攻击轨迹。     

基于PH曲线的多无人飞行器协同航迹规划研究

随着无人飞行器智能化的发展,如何使其在动态环境下避开运动威胁,并能协同以规定的时间和角度进行攻击,从而顺利完成作战任务成为研究热点.基于Pythagorean Hodograph(PH)曲线进行在线航迹规划,提出了分布估计算法和差分进化算法相结合的方法进行航迹参数寻优,并给出了在线避障多无人飞行器协同航迹规划方法,仿真试验结果表明加入速度预测的多无人飞行器协同航迹规划方法的有效性.     

多架无人作战飞机攻击行为的协调

建立了基于Agent的无人作战飞机指挥控制系统的形式化语义模型，提出了无人作战飞机编队的联合作战目标、联合作战意图和协同攻击效能的定义，以及结合联合作战意图、协同作战效能的多架无人作战飞机编队攻击行为的协调方法。仿真结果表明，结合联合作战意图和协同攻击效能的攻击行为可有效地提高编队的作战效能。     

基于MAX-MIN自适应蚁群优化的无人作战飞机航路规划

为了保证无人作战飞机(UCAV)以最小的被发现概率和最优的航程到达目标点,在敌方防御区域内执行任务前必须进行航路规划。蚁群优化(ACO)算法的并行实现机制适合于复杂作战环境下的UCAV航路规划,但是基本ACO算法有易陷于局部最优解的缺点。在对基本ACO算法采用精灵策略保留每次迭代最优解的基础上,提出了一种适用于航路规划的MAX-MIN自适应ACO算法,并给出了改进后ACO算法的实现流程,最后采用改进前后的ACO算法对某UCAV的任务态势分别做了仿真实验。实验结果表明改进后的ACO算法可更加有效地应用于UCAV航路规划。