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。
     

基于分层策略的三维航迹快速规划方法

快速航迹规划能力是任务规划系统追求的目标之一。提出了一种基于分层策略的三维航迹快速规划方法。该方法分为两个层次：全局规划和局部规划。全局规划在综合利用战场信息的基础上,利用遗传算法规划出最优或次优的引导点集,该引导点列所在的区域为最优连通域,并且在该连通域内能找到可行航迹,全局规划利用引导点列大致指明了最优航迹的走向;局部规划根据全局规划提供的引导信息和战场信息,利用SAS(Sparse A Search)算法快速规划出满足攻击角度约束的平面可行航迹,高度规划采用速度较快的几何规划方法。仿真实验表明,该方法比SAS规划方法要快,且生成的三维航迹近似最优。     

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。
     

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。     

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。     

动态战场环境中无人机航迹规划方法研究

采用距离变换方法对动态战场环境中无人机航迹规划问题进行研究.改进了距离变换扩散过程的计算方法,使其能够以更快的速度对大范围复杂环境进行处理.针对战场环境中航迹规划的特点,在考虑航程代价的基础上,提出了基于代价的距离变换方法,将敌方威胁等因素的影响作为风险代价集成到距离变换过程中.通过对威胁值进行设置,规划时可以根据任务态势在航程代价和风险代价间实现协调以满足不同的战术要求.仿真结果表明该方法是一种有效的航迹规划方法.     

动态战场环境中无人机航迹规划方法研究

采用距离变换方法对动态战场环境中无人机航迹规划问题进行研究。改进了距离变换扩散过程的计算方法，使其能够以更快的速度对大范围复杂环境进行处理。针对战场环境中航迹规划的特点，在考虑航程代价的基础上，提出了基于代价的距离变换方法，将敌方威胁等因素的影响作为风险代价集成到距离变换过程中。通过对威胁值进行设置，规划时可以根据任务态势在航程代价和风险代价间实现协调以满足不同的战术要求。仿真结果表明该方法是一种有效的航迹规划方法。     

基于进化计算的无人飞行器多航迹规划

针对飞行器多航迹规划问题展开研究。在分析多峰值函数优化问题的基础上，提出了一种基于进化计算的飞行器多航迹规划方法。该方法通过使用特定的染色体表示方法和进化算子，可以有效利用各种环境信息，处理各种航迹约束。同时，通过引入聚类算法，将种群中的个体按其空间分布进行聚类，生成若干个不同子种群。在进化过程中，所有个体只在各自的子种群内部进化。当进化结束时，每个子种群将分别生成一条各自的最优航迹，从而为飞行器生成多条不同的可选航迹。仿真结果表明了该方法的有效性。     

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。     

基于遗传算法的平流层飞艇航迹规划方法研究

文章针对平流层飞艇驻空阶段航迹规划问题进行研究和仿真分析.考虑平流层飞艇自身飞行的特点,建立其运动学方程和风场模型,并在适当假设基础上,构造能够反映其飞行能耗的代价函数.最后采用遗传算法进行算例计算,求解平流层飞艇最优轨迹.仿真结果表明,遗传算法能够有效、快速地收敛并稳定至问题的最优解;其所构造的代价函数能够反映飞艇自...     

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。     

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。     

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。