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。     

基于量子遗传算法的无人飞行器航迹规划

基于量子计算和量子理论,提出了一种基于量子遗传算法的无人机航迹规划方法 。该方法利用表征量子叠加态的量子比特对航迹进行编码,引入具有量子特性的量子交叉算 子和量子门变异调整策略,对航迹规划中代价函数进行优化,引导并实现航迹的规划选择。 仿真试验结果表明,该方法不仅具有良好的种群多样性,而且还可以有效地提高算法的空 间搜索和收敛能力。
     

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。     

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。     

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。     

大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。     

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。     

在轨操控机器人拓邻域搜索三维路径规划

针对空间在轨操控机器人在桁架式空间站执行操控任务时,需要在桁架间自由穿行且时刻与空间站保持接触的任务特性,提出基于拓邻域搜索蚁群算法的三维全局路径规划方法.该方法首先建立桁架式空间站的三维栅格模型;充分考虑机器人穿行时的包络约束和操控时的接触约束,在路径规划和轨迹搜索前对被操控对象的三维栅格模型进行预处理和修正,缩减路...     

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。     

弱全局信息下月面超远距离保通行性移动规划

针对月面超远距离移动规划任务因缺乏精确全局信息而导致的规划路径可通行性不足问题，提出了月面道路拓扑网的构建设想及相应路径规划技术，凭借复杂道路网络的连通能力确保巡视器超远距离规划路径的可通行性。首先进行月面道路拓扑网的设计方法研究，分别提出了基于滑动最优泊松采样算法的网络节点设计方法和基于均匀领邻网络拓扑模型网络结构设计方法，使月面道路网网络节点分布均匀、密度适中且覆盖完整，网络连接合理且各路径尽量远离障碍区域。然后进行基于月面道路拓扑网的超远距离移动规划研究，分析了基于月面道路拓扑网路径规划技术的概率完备性和整体可通行概率，并提出了基于月面道路拓扑网的K优路径规划方法，通过道路网的连通性来提高超远距离移动探测任务的整体可通行概率。最后以阿波罗两次登月任务的着陆点之间进行超远距离转移任务为仿真场景，验证了本方法的有效性。     

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。     

S形进气道纤维铺放轨迹规划和优化方法

为研究纤维铺放轨迹规划和优化算法,在分析等铺放角法和等距偏置法两种轨迹规划 方法的基础上,提出基于纤维带边缘曲线的轨迹规划方法和纤维带丝束数量计算方法。在轨 迹铺放角范围满足设计要求的前提下,将等铺放角法和等距偏置法两种轨迹规划方法相结合 ,提出以曲线在曲面内等距偏置为核心的铺放轨迹优化方法。该算法可以提高铺放设备的工 作效率,并对纤维带丝束数量、纤维重叠面积、纤维间隙面积等铺放信息的计算方法进行了 分析。最后将以上分析结果应用到S形进气道曲面的铺放轨迹规划中,证明了该铺放轨迹规 划和优化方法的可行性。
     

时间代价启发式多月基装备协同任务规划方法

针对月球科研站构建中优化整体任务用时的需求,提出时间代价启发式多月基装备协同任务规划方法。面向月球科研站构建过程中的原位和路径任务,构建双类型任务关系图,并提出多位置转移时间代价启发式策略引导此图的搜索方向,使规划器沿局部最短耗时任务路径逐个处理任务,降低装备路径转移的时间代价;提出时间代价启发式装备选择策略,从而均衡月基装备任务负载,缩短装备工作时长。最后,以包含资源开采、物料运输、设施建设等任务的月球科研站构建场景为例,对规划算法进行仿真验证。结果表明,此算法能够生成满足复杂约束的多装备协同规划序列。与传统规划方法相比,本文方法得到的月基装备任务序列冗余路径少、任务用时短,可实现多装备在多任务中的高效分时复用。     

变锥角SGCMG系统的奇异躲避路径规划策略

将锥体上五个单框架控制力矩陀螺（SGCMG）框架轴与底面的锥角视为姿态机动任务前的调整变量,建立了锥角可调的五棱锥构型SGCMG模型。通过锥角可调SGCMG系统的复杂奇异性分析,推导了陀螺奇异测度对时间的导数与陀螺框架角速度的关系,进而提出考虑奇异躲避的路径规划策略。基于Gauss伪谱法的路径规划结果表明：锥角可调的五棱锥构型SGCMG系统可有效提高特定机动方向的控制能力,显著减少空间站姿态机动所需时间;所提出的考虑奇异躲避的路径规划策略可有效避免陀螺奇异。     

一种无人机集群对抗多耦合任务智能决策方法

针对复杂场景下无人机集群对抗中协同目标分配和突防轨迹规划等多耦合任务的决策问题，提出了一种集群对抗多耦合任务智能决策方法。首先，针对无人机集群对抗中耦合任务多和决策空间大难题，结合集中式和分层式架构的优点，设计了面向多耦合任务的混合式深度强化学习架构，可提升多耦合任务间的协同性和集群对抗效能；其次，针对轨迹规划序贯决策的稀疏奖励难题，设计了基于轨迹构造的一步式动作空间设计方法，可加快策略网络收敛速度；再次，针对强对抗条件下的场景不确定难题，基于无人机集群红蓝对抗仿真平台，设计了基于多随机场景的红蓝博弈训练方法，可增强策略网络的泛化性；最后，通过与传统方法、集中式架构方法和分层式架构方法进行对比，验证了此方法的有效性和先进性。     

一种基于组合策略的低轨星座网络流规划方法

低轨星座网络流规划方法是提升大型星座网络性能的关键技术。针对现有低轨星座网络流规划方法手段单一，难以兼顾全局性能优化与卫星自主灵活性等问题，研究提出了一种基于组合策略的低轨星座网络流规划方法，首先根据业务特点对网络流进行分类映射，针对6类映射业务的QoS差异，分别采用集中式、分布式和源端路由等路由控制策略；在此基础上将星座网络流规划问题抽象为求解带宽约束下的多源单汇网络最大流和多源多汇网络最大流问题，分别采用负载均衡路由和多约束QoS路由算法；对基于组合策略和单一策略的星座网络流规划方法进行了仿真分析，结果表明组合策略比集中式的传输时延低约20ms，丢包率低约9%，比分布式的带宽利用率高约42%，可有效提升星座网络性能，能够更好满足不同场景及需求。