一种基于可行优先的三维航迹规划方法

针对三维航迹规划的实时性问题,提出了一种基于可行优先的三维航迹规划方法。不同于通常的最优优先算法,该方法使用可行优先的准则,有效地剪除了搜索空间,提高了搜索效率,从而使三维航迹规划能够应用于实时航迹规划中。在搜索过程中,该方法通过改进局部航迹的三维规划,飞行状态保持,动态网格,导引点集四种策略,能快速地规划出三维航迹。算法复杂度分析和试验表明,该方法能够有效地完成航迹规划任务,获得满足要求的可行航迹。
     

动态环境中的飞行器实时三维航迹规划方法研究

本文提出了一种新的飞行器三维航迹规划方法－SDS。该方法能够在具有预先未知威胁的飞行环境中在线实时航迹规划。当飞行器上装备的探测器探测到飞行环境中有预先未知的威胁出现时，根据探测到的信息及时更新威胁数据。SDS根据新的环境信息局部修正受到影响的航迹段来获得新的全局最优航迹。在每一时刻考虑当前已知的信息下，SDS生成的航迹是满足要求的最优航迹。     

一种三维航迹快速搜索方法

本文提出了基于SAS的自动三维航迹规划方法。该方法通过把约束条件结合到搜索算法中去，有效地减小了搜索空间，缩短了搜索时间，从而使三维规划能够用于实时航迹规划。在搜索过程中地形信息得到了充分利用，使算法生成的航迹能够自动回避地形和威胁。实验证明，该方法能够快速有效地完成规划任务，获得满意的三维航迹。     

无人机三维航迹规划的量子粒子群优化算法

针对传统的粒子群优化算法容易陷入局部最优解的问题,采用量子粒子群优化算法开展了无人机三维航迹规划。详细分析了固定翼无人机的飞行性能约束条件。为了减小算法计算复杂度,提高规划效率,对三维航迹规划问题的高度规划采用了直接设定策略,即,设置各个航路点的高度介于最大、最小飞行高度之间,从而将三维航路规划问题简化为二维航路规划问题。设计了收缩-扩张因子的线性增大调节策略、代价函数和航迹规划流程。分别采用量子粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所设计的量子粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

基于病毒遗传算法的快速航迹规划方法

为了提高现有航迹规划系统的实时规划能力,对基于分层策略的航迹规划方法中全局规划部分进行改进,提出了基于病毒遗传算法的快速规划方法.分层策略的航迹规划包括全局规划和局部规划,由于对不同性质的约束条件分阶段进行处理,该方法降低了航迹规划的计算复杂度.但全局规划采用的标准遗传算法仍存在早熟和局部收敛慢的问题.针对这些缺陷,采用病毒遗传算法进行改进.结合航迹规划的领域知识,给出了病毒种群的编码方法并设计了特定的病毒感染算子,使航迹寻优效率得以提高.仿真实验表明,在相同约束条件下,该方法能更快生成满足战术要求的航迹.     

基于改进蚁群算法的巡航导弹航迹规划

研究了一种基于改进蚁群算法的巡航导弹航迹规划方法，以规划出生存概率更大、飞行距离更短的攻击轨迹，有效提高巡航导弹的作战效能。提出了坐标变换的思想，通过坐标变换将蚁群算法中信息素局部更新策略和全局更新策略协同作用的机制合理地应用到了航迹规划中，通过将信息素全局更新规则中的信息素常量和挥发率进行自适应变化来对算法进行了改进，最后对算法进行了计算机编程仿真实现。仿真结果验证了改进算法能有效避免算法过早陷入局部最优，加快算法的收敛速度，能取得目标函数更优的航迹规划路径。     

空间相机地面装调重力卸载仿真优化方法

空间相机在地面装调过程中需要对光机结构进行重力卸载。空间相机常具有尺寸大、刚度低的特点,使得对其进行重力卸载仿真优化异常复杂。文章提出基于贪心算法结合天牛须搜索的重力卸载仿真优化方法。该方法提取系统的可行卸载点集,每次从可行卸载点集中提取1个或1组最优卸载点;以此类推,逐渐增加卸载点数,直至满足测试要求。其中,每组卸载点系的最优卸载力利用天牛须搜索法进行计算,继而可获得系统的最佳卸载策略。利用该仿真优化方法,可以智能化地进行系统全局迭代仿真分析计算,不易收敛于局部最优解,能够高效、快速地获得系统最佳卸载点系和最优卸载力。     

多无人机任务分配/航迹规划的一体化求解方法

针对多异构无人机任务分配和航迹规划存在的强耦合特性,为解决串行求解仅能获得局部最优解的问题,提出了一种基于图论的一体化求解框架,采用三维Dubins模型,通过对无人机航向角进行离散化,将路径规划问题和任务分配问题建立为离散图模型。为了实现该混合整数规划问题的快速求解,建立了基于并行化处理的遗传算法策略;为避免执行时序约束任务存在的死锁问题,引入深度优先算法（DFS）,通过检测时序任务图环路状态判断任务规划结果的可行性,从而剔除规划结果中的不可行解。仿真结果表明,相比于解耦方法,一体化求解方法能明显提高规划结果的品质;相比于集中式遗传算法,分布式遗传算法能显著提高算法的收敛速度。     

基于矢量数据的三维航迹规划方法

提出了基于矢量数据的三维航迹规划方法。通过将威胁数据以矢量的方式与地形等高线结合起来对规划空间进行灵活表述，使得航迹规划可以充分考虑地形／威胁的影响，同时在规划时考虑了低空飞行器性能及其他约束。试验结果表明，该方法可以快速有效地完成三维航迹规划，给出的结果既满足各种约束条件又符合人的直觉。     

多飞行器协调航迹规划方法

针对多飞行器的协调航迹规划展开研究，提出了一种基于协同进化的多飞行器协调航迹规划算法。在该算法中，不同飞行器的潜在航迹形成它们自己的子种群，并在于种群内部进化。不同飞行器间的协调关系由航迹的评价函数来实现。同时，通过使用特定的染色体表示方法和进化算子，该算法可以有效利用各种环境信息，处理各种航迹约束，并实时地生成三维航迹。     

飞行器低空突防中的威胁航线优化技术研究

低空突防中的威胁回避技术是TF／TA^2系统的核心，直接关系到低空突防飞行器的任务生存能力。针对威胁回避的特殊要求，本文提出了一种基于地形可视性分析的威胁危险指标快速计算方法，解决了威胁的量化问题。针对在大范围任务区域内进行威胁航线优化存在计算复杂性和收敛性等问题，本文尝试采用遗传算法对威胁进行优化处理。该方法得到的威胁航线，严格经过出发点和目标点，且尽量远离威胁，有效提高了飞行器低空突防的任务生存率。     

复杂禁飞区高超声速飞行器路径-轨迹双层规划

针对高超声速飞行器在复杂禁飞区的规避场景,为解决现有轨迹规划方法对任务初值依赖性强的问题,提出一种基于双层规划建模的路径-轨迹规划方法。其中,上层为路径规划,为轨迹提供路径点引导信息,避免轨迹陷入局部解;下层为轨迹规划,利用上层输出的路径点信息,将轨迹分割成多个横向机动小的子段,解析求解横纵向飞行剖面,减小运动模型简化误差。数值仿真表明,与现有轨迹优化方法相比,本方法能够选择指标更优的路径,提高了轨迹规划的全局性能;解析飞行剖面制导误差不超过0.03%,解决了大范围横向机动的剖面解析难题。     

机器人避碰规划综述

避碰规划是机器人控制技术研究中的一个重要问题,目前的研究主要可分为两大类:全局方法和局部方法,全局方法一般指Ｃ空间方法,局部方法一般指人工势场法。本文综述了近二十年有关这方面研究的一些较有影响的思想和方法(主要针对关节式机械臂避碰规划)。     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。      

基于粒子群优化算法的月面巡视器全局路径规划

在月面巡视器遥操作系统中,路径规划分为任务级路径规划、全局路径规划和局部路径规划。根据巡视器全局路径规划的应用要求,引入粒子群优化算法应用于全局导航点的规划。针对粒子群算法在路径规划中容易造成不收敛或病态收敛的问题,对算法进行了修改,去掉了速度更新中的速度惯性因子,只保留自身认识因子和社会认识因子,使其在全局路径规划中能够快速收敛;同时引入经典遗传算法中的变异因子以增强算法的全局优化能力。仿真结果表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局导航点。同时在不同的模拟月面地形上进行仿真试验,针对存在的问题提出了对应的二次优化方法,结果表明该方法较好地满足了巡视器全局路径规划的应用需求。     

月面巡视器的任务层路径规划

使用巡视器对月球表面进行巡视探测是一种高效率、低成本的月球探测方法。路径规划作为巡视器的一项重要技术,通常把它作为导航系统的一部分,只考虑地形通过性的问题。实际上除了地形通过性,还有很多因素对路径选择起到决定性的作用。针对月面巡视器,在大范围区域综合考虑地形、能源、热控、通信等全局因素,给出了一种新的路径规划方法——实时贪婪（Realtime Greedy,RG）算法。运用该算法得到了任务层路径,为巡视器的导航系统提供路标点,并为巡视器的动作安排提供了依据。     

面向GEO目标的快速在线在轨服务任务规划

针对地球同步轨道多对多在轨服务任务规划问题,提出了一种基于拍卖算法和先验知识的改进启发式拍卖算法(IHAA)。首先,建立了基于Lambert变轨的任务规划问题表征,设计了给定变轨时长约束下的快速燃料最优估计策略。其次,针对考虑J 2摄动影响的航天器在轨服务规划问题,提出了一种基于拍卖算法的快速求解流程。其中,为确定每一轮拍卖算法任务列表,提出了基于变轨先验知识的目标优先级排序启发式策略,实现了快速的服务时序确定方法;此外,为减少因部分航天器服务能力低导致的分配失败情况,设计了一种基于失败任务再分配的重拍机制。最后,将所提算法与遗传算法、模拟退火算法进行了对比,结果表明IHAA可以快速给出相对适应度较高的规划结果,可用于突发事件星上在线自主规划,亦可提供优化算法初值以提升规划效率。     

月球车全局路径规划中的A＊算法改进

考虑月球车全局路径规划的应用要求,针对传统A＊算法搜索速度慢和返回路径不够优化的缺点,对算法流程进行改进,减少其时间和空间复杂度,提高其搜索速度,并对返回路径进行优化,有效地缩短了路径。对于存在凹形障碍的地图,采用后退一尝试的方法解决规划失败的问题,并在一次搜索的基础上使用二次搜索策略来实现规划路径的优化,使之绕过凹形障碍趋向目标,从而达到输出最短路径的目的。