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。     

基于数据链的三维航迹规划算法研究

基于数据链的三维航迹规划算法研究对保障飞行器的任务完成和提高其自身的生存能力都很有意义。本文深入研究了A*算法的改进和应用问题,结合数据链通信的条件,改进基于A*算法的三维航迹规划算法。研究了数据链在航迹规划中的作用及通讯模型,并研究了在数据链通信情况下的基于A*算法的离线、在线、针对移动目标、可重选目标的航迹规划方法,并进行了软件仿真,验证了方案的有效性。     

飞行器航迹规划研究现状与趋势

介绍了飞行器航迹规划的特点,从安全性、航迹约束、飞行器的协作性以及规划时间等方面分析了飞行器航迹规划的基本需求;对当前国内外航迹规划研究现状进行了阐述,从规划环境表示、约束条件处理、航迹的隐蔽性、算法的实时性、可替换航迹、多飞行器协调规划等方面指出了现有规划方法需要解决的问题;指明了飞行器航迹规划进一步的研究方向。     

一种基于参数在线辨识的最优再入制导算法

为提高升力式飞行器再入飞行最优性及参数不确定条件下的制导精度,研究了一种基于参数在线辨识的最优高度-速度剖面跟踪制导算法。首先,采用分段三次多项式拟合飞行剖面,利用序列二次规划算法(SQP)优化获取最优分段点位置及飞行剖面系数,得到了一种满足总吸热量最小的高度-速度飞行剖面规划算法,并根据待飞航程与待飞航程预测值偏差确定是否进行重规划。其次,利用反馈线性化方法和航迹倾角偏差修正解算制导指令,并通过增广渐消记忆扩展卡尔曼滤波对不确定性参数在线辨识,利用辨识结果实现对制导指令的修正。最后,通过航迹偏角走廊控制倾侧角反号,实现侧向制导,完成跟踪制导算法设计。仿真结果表明,这种基于参数在线辨识的最优飞行剖面跟踪制导算法适应性强,计算速度快,具有较高的制导精度和一定的工程应用潜力。     

多约束航迹规划与跟踪制导律

研究升力式飞行器多约束航迹规划与跟踪制导律设计。考虑到飞行器为满足任务需求规定了一定范围的禁飞区，为确保滑翔段末状态处于中末制导交班窗口内设置了严格的终端约束，导致传统基于最大升阻比、平衡滑翔策略的航迹规划不适用。针对飞行器在不同空域的动力学特性，结合飞行策略预划分手段分段提出不同状态下的攻角、倾侧角剖面，通过优化剖面构型参数将无穷维轨迹优化问题转化为有限维参数规划问题，完成多约束航迹规划。最后，考虑到气动不确定性带来的轨迹偏差，利用线性二次型调节器以位移加权误差最小为优化指标完成轨迹跟踪制导律设计，实现对规划航迹的在线纠偏，并通过仿真分析验证所提方法的有效性。     

一种针对运动目标的飞行器航迹搜索算法

鉴于目前大部份的航迹规划方法研究都局限于静止目标，提出了一种针对运动目标的飞行器航迹规划方法。该算法借鉴自学习实时A*搜索的思想，将飞行器的运动与航迹搜索结合在一起，可以对目标的每一步移动实时作出反映。通过在限定的时间内扩大寻优范围，该算法不但可以满足实时在线应用的要求，而且可以有效地避免不可行区域，并使生成的航迹更加优化。实验结果表明，本文算法能有效地处理各种航迹约束，实时地生成满意的三维航迹。     

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。     

基于改进遗传算法的飞行航迹规划

航迹规划技术是有效提高飞行器突防概率的关键技术之一,能在大范围的真实环境中 规划出满足各种约束的较优航迹,因此对所采用的算法有比较高的要求。基于此,首先 研究了航迹包含的角度、高度、航迹段长度及飞行器的最大航程等约束条件;其次对航迹编 码方式进行了改进,采用数组混合编码方式;并对遗传算法的交叉概率和变异概率的计算、 交叉算子和变异算子进行了改进,并应用该算法在求解航迹规划问题上进行了应用仿真研究 。对应用不同的航迹编码方式所得结果进行了对比分析。仿真计算表明,该算法能够规划出 一条满足要求的航迹,避免了分层规划的复杂性,提高了算法的工程实用性。
     

复杂动态环境下无人飞行器动态避障近似最优轨迹规划

针对复杂动态环境下无人飞行器的动态障碍规避问题，基于合理假设建立了无人飞行器和动态障碍的运动学模型，并综合考虑无人飞行器飞行过程中的终端约束、控制输入约束、安全避障约束等，以能量最少为性能指标构建动态避障问题数学描述。之后，针对终端约束和控制输入约束，依据优化模型预测静态规划算法(OMPSP)生成初始轨迹；针对动态避障问题的不等式约束，引入松弛变量并结合滑模变结构控制方法设计松弛变量动力学，实现对一个、多个或同时多个动态障碍的安全规避；最后，依据有限时间微分动态规划(RHDDP)算法进行轨迹优化，获得满足上述各种约束并能规避动态障碍的近似最优轨迹。     

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。     

无人机对移动目标干扰航路问题研究

针对无人机的作战特点,结合作战目标的运动特性,研究了无人机对移动目标干扰航路的问题,引入了垂直干扰航路和跟踪干扰航路的概念,并建立了相应的干扰航路模型.通过仿真对比验证了两类航路规划方法的优缺点,从而确保对移动目标干扰航路规划的有效性,为无人机的任务规划决策提供了有力的辅助与支持.     

无人机任务规划系统研究及发展

无人机任务规划系统是指根据所要完成的任务、无人机的数量及任务载荷的不同,对各架无人机进行任务分配并通过航路规划技术制定飞行路线。首先介绍了无人机任务规划系统的基本功能及组成结构。然后,详细分析了任务规划系统的建模技术及其优化算法的研究现状。最后指出了讨论了无人机任务规划存在的问题,并阐述了无人机任务规划系统的发展趋势。     

基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。     

一种未知动态环境下异构无人机集群分布式联盟形成方法

针对未知动态环境下异构无人机集群的分布式联盟形成问题,首先构建了异构无人机集群的联盟任务自动机,实现了异构无人机集群在未知动态环境下的自主任务协调.在此基础之上,提出了一种基于蒙特卡洛树搜索的分布式联盟形成算法,该算法通过两阶段的蒙特卡洛树搜索来增量式地对联盟结构进行分布式优化,算法可在分布式框架下实施,并在任意时间内...     

基于Sarsa(λ)强化学习的空间机械臂路径规划研究

针对目标特性未知的在轨操作环境，研究了典型空间操作机械臂的路径规划策略。采用Sarsa(λ)强化学习方法实现目标跟踪及避障的自主路径规划与智能决策，该方法将机械臂系统的每节臂视为一个决策智能体，通过感知由目标偏差和障碍距离程度组成的二维状态，设计符合人工经验的拟合奖赏函数，进行各臂转动动作的强化训练，最终形成各智能体的状态-动作值函数表，即可作为机械臂在线路径规划的决策依据。将本方法应用于多自由度空间机械臂路径规划任务，仿真结果表明新算法能在有限训练次数内实现对移动目标的稳定跟踪与避障，同时各智能体通过学习所得的状态-动作值函数表，具备较强的后期在线自主调整能力，从而验证了算法较强的鲁棒性和智能性。     

基于混合细菌觅食算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键.本文首先深入分析多无人机任务分配问题的特点,建立了扩展的混合整数线性规划(MILP)任务分配模型.其次,通过分析细菌觅食优化算法和粒子群优化算法的优缺点,提出一种具有较强全局搜索能力且收敛速度快的混合细菌觅食优化算法.最后将该算法应用于多无人机协同任务分配中并进行了仿真...     

低空突防最优航路规划算法与仿真

基于树型拓扑结构和动态规划理论,通过全局离线规划和局部实时规 划相结合,探讨了一种适合于工程应用的低空突防最优航路规划算法,并采用航 迹剖面坡度/曲率设计方法进行平滑和曲线拟合,利用飞行控制制导系统所需的 控制指令转换,实现了在巡航导弹低空突防综合演示系统上的仿真运行,进一步 验证了算法的有效性。     

基于Gauss伪谱法的多UAV协同航迹规划

将伪谱法应用于多无人飞行器（Unmanned Aerial Vehicle, UAV）协同航迹规划,给出了基于Gauss伪谱法（Gauss Pseudospectral Method, GPM）的多UAV协同航迹规划方法。根据UAV的物理特性,结合协同规划的要求,建立了多UAV协同规划的最优控制模型。此模型包括UAV机动性能约束、路径约束、多UAV协同打击约束和集结区约束;利用GPM将最优控制问题转化为非线性规划问题,并用非线性规划软件求解。仿真结果表明,该方法能够满足多UAV的协同规划要求,具有较高的求解精度。     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。