一种改进的快速扩展随机树航迹规划算法

针对现有航迹规划算法缺乏同时具备快速性和最优性的问题,本文提出了一种新的无人机航迹规划算法,在快速扩展随机树算法基础上,引入一个方向参数,并采用Dijkstra算法对改进算法产生的冗余节点进行处理,得到了一条优化的航迹。最后采用K航迹法进行航迹平滑处理,使得规划的航迹成为无人机的可飞航路。仿真结果表明,该算法能够在有效提高航迹产生速度的同时,可以得到近似最优的航迹。     

基于改进粒子群算法的旋翼无人机三维航迹规划

针对标准粒子群算法因为惯性因子固定导致航迹规划不理想,以及固定斜率粒子群算法惯性因子斜率调节不灵活的问题,在算法中引入折线斜率惯性因子形式,使其斜率根据需要可以进行灵活调节,提高算法对旋翼无人机三维航迹的规划成功率,且减小航迹长度。首先,根据旋翼无人机实际飞行环境建立三维果园环境模型,根据路径长度、躲避障碍、飞行范围和航迹高度范围来构造适应度函数;然后,分析了标准和固定斜率粒子群算法的原理,找到了算法的缺陷,对其进行了改进,并给出了详细的实现步骤。数据对比显示：在进行旋翼无人机三维航迹规划时,相比于其他两种粒子群算法,折线粒子群算法对于航迹规划的成功率和航迹长度有明显改善。     

无人机航迹规划算法

无人机是现代战场实施侦察、打击的有力武器,它的发展备受关注。无人机航迹规划源于机器人运动规划,它是无人机应用研究的核心内容,对提高无人机系统在复杂战场的作战能力起着关键作用。无人机战场环境日益复杂,在强拒止、强电磁环境下,航迹规划对自主性和智能化有更高的要求,传统单一约束的算法已不能满足现今的战场需求。文章系统梳理了5类无人机航迹规划算法中的几种常用算法及其改进算法,归纳了这些算法的原理、优缺点及适用条件,指出现阶段存在的问题与无人机航迹规划算法面临的挑战。综述表明,航迹规划算法必然向着智能化发展,自主识别和智能决策是改进、优化算法的关键。     

基于改进A*算法的无人机航迹规划

借鉴A*算法思想,提出了一种改进A*算法的无人机航迹规划方法.针对在传统A*算法中将规划区域栅格化、只能在特定方向按照特定步长扩展节点的不足,采用圆形节点扩展方法,可以实现变方向和变步长扩展节点.通过仿真进行了验证,结果表明改进的航迹规划方法可以绕过威胁,安全到达目标点.     

无人机航迹规划算法综述

随着无人机技术的发展,飞行器自主飞行是无人机发展的主要趋势,无人机航迹规划问题日益受到重视。对航迹规划问题进行分类,将无人机航迹规划问题分为二维和三维环境进行深入分析。将现有航迹规划算法按照传统经典算法,如人工势场法和A~*算法等,和现代智能算法,如遗传算法、蚁群算法、粒子群算法等进行分类,并且详细介绍了各改进算法的优劣性和应用。归纳了目前新兴的航迹规划算法,分析了目前航迹规划所面临的问题。     

基于改进人工蜂群算法的无人机实时航迹规划

为了适应现代战争战场环境的复杂性,针对所建立的突发威胁模型,提出了一种基于改进人工蜂群算法的无人机航迹规划方法,对无人机进行动态航迹寻优,并通过MATLAB进行了仿真验证。仿真结果表明,所设计的方法能够根据实时出现的威胁状况进行动态航迹规划、评价和选优,同时满足实时性要求。     

无人机航迹规划算法的初步研究

航迹规划算法是无人机的关键技术之一,本文初步综述了近年来国内外在该领域的主要研究成果。首先给出了航迹规划的描述和涉及的关键问题,然后着重介绍了几种较为常用的规划算法,如A-Star算法、遗传算法、神经网络、Voronoi图、PRM(ProbabilisticRoadmap)、RRTs(RapidlyExploringRandomTrees)、人工势场法、基于案例的算法等,最后讨论了航迹规划算法存在的问题和面临的挑战,指出飞行中实时重规划的研究是航迹规划未来主要的发展方向。     

基于改进启发式蚁群算法的无人机自主航迹规划

无人机自主航迹规划是未来无人机作战使用的关键技术难题。针对传统航迹规划方法存在的求解效率不高、实时性较差、容易陷入局部最优等缺点,提出一种基于改进启发式蚁群算法的无人机自主航迹规划算法。该算法前期使用Dijkstra算法进行初始化航迹,引入启发式信息,提高搜索效率;采用Logistic混沌映射初始化信息素,增加解的多样性,提高算法收敛速度;算法中、后期采用多航迹选择策略和模拟退火机制,提高全局搜索能力,避免因收敛速度过快而陷入局部最优解。对该算法进行仿真分析,结果表明:在存在威胁和障碍的复杂环境中,本文提出的改进启发式蚁群算法与标准蚁群算法相比,能够有效规划出一条从起点到终点的航迹,并且寻优精度更高,收敛速度更快,具有一定的应用价值。     

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.     

飞行管理系统中飞行计划模块的功能设计与仿真实现

飞行计划模块包括飞行计划管理、航迹优化计算、飞行中实时执行等子功能模块。首先研究了飞行计划的人工创建、自动创建、状态管理等功能模块的实现方式;然后研究了水平航迹(水平计划)合成、三维航迹(垂直轨迹)优化和四维航迹生成模块的实现方式;对于飞行计划的实时执行功能模块,研究了由于危险天气、空管限制、飞机构形等因素限制而进行计划偏离、直飞、等待、激活备用计划、航路备降、盘旋等待等功能模块的实现方式;最后以波音737-800飞机的相关数据为例进行了仿真计算,研究结果可为飞行管理系统的研究提供参考。     

遗传算法在弹道数据融合中的应用

目前靶场采用全测元融合滤波的方式确定目标飞行器弹道,为测控设备提供引导信息并为安全决策和指挥显示提供数据支持。随着靶场测控设备种类和数量越来越丰富,而新的试验任务又对实时弹道融合解算精度提出了更高的要求,全测元融合处理能否提供高精度的融合弹道和快速地从海量融合方案中寻找最优的方案是弹道测量数据融合急需解决的问题。本文提出了基于遗传算法的最优融合方案选择方法,利用该方法得到的融合弹道精度优于全测元融合方案,仿真结果表明了方法的有效性。     

无人机编队协调控制算法的设计及3D仿真实现

介绍了无人机编队队形保持的协调控制算法设计、3D模型地面处理、基于三维地图的3D模型绘制显示模块的设计,并进行了嵌入式下的仿真实验。基于智能体编队的一致性算法提出了队形保持的全状态反馈协调控制算法,可以实现在机动过程中的队形保持。采用三维建模软件3DMax构建3D模型原型,设计了3D模型读取绘制的流程,实现了3D模型显示。将3D模型绘制显示模块融合在三维地图软件中进行嵌入式测试,绘制效率、读取速度对三维地图软件影响很小。3D模型绘制显示模块丰富了三维地图软件的显示内容,增强了立体效果,提高了用户体验。     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略.针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确...     

无人机群体视角下的轨迹预测

利用无人机对观测目标的运动轨迹进行预测是当前无人系统领域的关键任务之一。目前的目标轨迹预测研究通常基于单一无人机所采集的轨迹数据,但由于场景中障碍物以及视角倾斜等因素的影响,单无人机不易稳定监测目标具体位置,容易导致目标丢失。而且,现有利用无人机的目标轨迹预测一般基于鸟瞰视角,没有发挥出无人机的灵活性。随着无人机集群协同技术的发展,无人机群体视角为目标全方位监测提供了新的思路,在解决目标丢失和目标遮挡问题中具有明显的优势。同时,基于多无人机的位姿估计可以估计出目标的准确三维坐标,为无人机的灵活视角观测提供基础。因此,从轨迹预测的相关工作出发,探讨无人机群体视角下轨迹预测中面临的挑战和解决思路,以期对未来的轨迹预测研究以及集群协同技术发展提供一定帮助。     

无人机沉浸式模拟训练系统设计与实现

针对传统无人机模拟训练沉浸感差的问题,将数字头盔和三维动态鼠标等虚拟现实设备应用到无人机模拟训练中,通过多人协同交互、全息显示、多通道图像处理等技术手段,提供一种全新的沉浸式训练体验,使得教学训练更加生动.采用通用的开发语言、标准模块的设计结构和通用开放的设计接口,通过三维模型制作、虚拟场景搭建,创造立体逼真的虚拟操作...     

基于Voronoi图和蚁群算法的无人机航迹规划

为提高无人机任务环境模拟的真实性,利用改进后的Voronoi图对任务环境进行建模.同时,为了更快地生成一条满足任务需求的最优飞行航迹,提高航迹规划的实战性和高效性,分析了蚁群航迹规划算法的运行原理,以及算法运行机制对算法性能的影响,提出了算法的改进原则,并在此基础上给出了新的信息素更新方式和新的启发式.利用改进后的蚁群...     

基于势博弈的多QoS无人机基站空间优化部署

针对具有不同服务质量需求的用户,在全覆盖的要求下,提出一种超启发式灰狼算法,来寻求最少无人机数量的最优部署。首先推导无人机基站最大覆盖半径、最佳高度,确定无人机基站的最少数量;其次采用局部互利博弈来建模无人机基站部署问题,并证明该问题是一个精确势博弈过程,至少有一个纳什均衡点;最后,设计了一种基于势博弈的超启发式算法,通过多次迭代来逼近全覆盖要求下,最少无人机基站部署的纳什均衡点。仿真结果表明,所提出的解决方案在最小化无人机数量和加快收敛速度方面具有显著优势。