某类任务的无人作战飞机航路规划

讨论了对于包含了既是威胁又有价值的节点的任务模型,无人作战飞机航路规划问题解决的思路和关键环节,并构建了数学模型,然后应用A*启发算法求解各个目标点的最优航路,并依据作战指挥人员对作战方案的总体把握给出的权衡因子,计算每个目标点取得的费效比,确定满足一定条件下最先攻击目标.实例仿真表明该方法可以有效地解决这类任务的航路规划问题.     

信息联网下的多无人作战飞机多任务规划

针对信息联网条件下多无人作战飞机的多任务规划问题展开研究。提出信息联网的概念,介绍了单架无人作战飞机单个目标的路径规划算法和信息联网所包含的威胁联网和任务联网任务规划的代价计算,并由此构建了多无人作战飞机多任务规划的代价计算模型,设计了整数编码和遗传算子,运用遗传算法对任务路径进行仿真,仿真结果表明了所提出方法的正确性和可行性。     

威胁联网下无人作战飞机突防作战航迹规划

以复杂战场环境下无人作战飞机(UCAV)的自主突防作战为研究背景,以防空单元为威胁建立威胁联网模型,针对威胁联网的指挥控制组织结构和信息交互关系的特点,建立了一种威胁联网的信息交互数学模型,并且通过网络模拟器NS-2(Network Simulator Version 2)仿真验证了该数学模型的合理性与适用性,同时基于此提出了一种UCAV威胁代价评估模型;然后,结合UCAV动力学约束与制导武器攻击区约束,给出一种基于改进稀疏A*算法的自主突防与攻击航迹规划算法。仿真结果表明,该算法能够快速获得UCAV突防作战航迹,且由于采用了动态的威胁评估方法,对突发威胁有较好的适用性。     

基于MAX-MIN自适应蚁群优化的无人作战飞机航路规划

为了保证无人作战飞机(UCAV)以最小的被发现概率和最优的航程到达目标点,在敌方防御区域内执行任务前必须进行航路规划。蚁群优化(ACO)算法的并行实现机制适合于复杂作战环境下的UCAV航路规划,但是基本ACO算法有易陷于局部最优解的缺点。在对基本ACO算法采用精灵策略保留每次迭代最优解的基础上,提出了一种适用于航路规划的MAX-MIN自适应ACO算法,并给出了改进后ACO算法的实现流程,最后采用改进前后的ACO算法对某UCAV的任务态势分别做了仿真实验。实验结果表明改进后的ACO算法可更加有效地应用于UCAV航路规划。     

基于Radau伪谱法的无人作战飞机四维轨迹规划

针对无人作战飞机(UCAV)打击时敏目标和多机协同攻击问题,提出一种基于Radau伪谱法(RPM)的无人作战飞机四维攻击轨迹规划方法。在综合考虑UCAV气动力特性、大气环境特性基础上建立了高精度UCAV(3-DOF)质点模型,并设计了约束条件和目标函数;基于动态RCS建立威胁模型,构建了最优控制理论框架的UCAV四维攻击轨迹规划模型;通过RPM将动态RCS威胁下的四维攻击轨迹规划问题转换为非线性优化问题,然后利用SNOPT软件包进行求解。仿真结果表明,该方法能够以较快的速度和较高的精度生成满足多种复杂约束条件的四维攻击轨迹。     

基于进化算法的测控飞机跟踪路径规划

提出一种基于进化算法的测控飞机跟踪路径规划方法,对进化算法进行了简单介绍,给出了规划算法的计算条件、算法要素和流程,并对3种假想的目标轨迹给出了规划结果。规划结果显示,该方法是可行的。     

无人作战飞机任务规划系统关键技术研究

文章首先论述了任务规划系统和战术飞行管理系统、航路规划系统的联系与区别,分析了无人作战飞机任务规划系统的特点及其体系结构,最后详细分析与研究了任务规划系统需要解决的核心技术——航路规划技术。     

基于改进的粒子群优化算法的无人作战飞机航路规划

事先针对敌方防御区内的威胁部署和目标的分布情况,对无人作战飞机的飞行航路进行整体规划设计,可以综合减小被敌方发现和反击的可能性、降低耗油量,从而显著提高UCAV执行对地攻击(或侦察)任务的成功率.在对粒子群优化技术研究的基础上,将一种用于解决TSP的PSO算法加以改进,引入模拟退火的策略思想,借以克服PSO算法易陷局部最优的早熟现象,并在UCAV航路规划中加以运用.仿真实验表明,该算法简易而有效,用其优化出的航路能够满足UCAV飞行任务规划的需要.     

无人作战飞机

1引言 无人作战飞机（UCAV）的概念出现在上世纪90年代中期,它是一种集合了侦查、监视、作战以及其他多项功能的作战平台。UCAV系统是一种无人的自动控制系统或远程武器控制系统,可执行海、陆、空作战任务。无人战斗机作为信息化武器装备的产物,已成为世界各军事强国继第四代战斗机之后下一代战斗机的发展方向。     

无人作战飞机的机动能力分析

采用有人战斗机去除人生理条件限制方法,探讨了无人作战飞机机动过载的增长潜力(机动能力)。结果表明,对比有人战斗机,无人作战飞机还具有很大的过载能力提升潜力。通过对影响有人战斗机的机动过载提高主要因素的分析,指出设计高机动无人作战飞机的技术途径及所涉及到的关键技术问题。     

复杂环境下的多无人机协同巡逻航路规划

为提高多架无人作战飞机（UCAV）存复杂环境下的协同巡逻效率,根据先验信息将环境划分为关注程度不等的未知区域、已知区域和禁飞区域,在航路规划算法中引入搜索回报函数和加权平均距离,加强对高关注度区域的巡逻力度,改善UCAV的空间分布。应用粒子群算法对航路规划模型进行了仿真,结果表明提出的协同巡逻航路规划算法有效     

编队无人机的高生存力协同航路规划方法

提出了一种基于多目标遗传算法的编队无人机高生存力协同航路规划方法。方法由备选航路生成和协同规划两个步骤组成。备选航路生成的目的是为编队中的每一个无人机生成多条航路,该步骤采用的算法是多目标遗传算法。协同规划的目的是为各个无人机从备选航路中选择航路,使得各个无人机同时到达目标区域,以增加任务突然性,提高整个编队的生存力。通过仿真算例,把方法与基于Voronoi图的方法作了对比,给出了方法的优缺点分析。     

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。     

基于多目标算法的空中作战任务规划框架研究

空中作战任务规划是一项复杂的任务,随着空中作战飞行器的种类、数量及其之间交互性的增加,任务规划也变得越来越复杂。任务规划人员必须在有限的时间内制定出最优的任务分配策略。决策支持工具可以辅助任务规划人员找到最优的规划方案。介绍了设计多目标进化算法以及在空中作战任务规划领域的框架和工作流程,具体的任务包括空中打击动态目标的定位问题和情报监视侦察（ISR）任务规划。总结了这些研究的经验教训,探讨了未来可能的发展方向。     

作战无人机的发展与展望

根据无人机技术的发展和未来战争的特征．从战争牵引和技术推动两方面，论述了作战无人机的发展动力，总结了作战无人机的通用化、系列化和由先进技术概念演示验证进行中间成果转化的发展模式。针对目前已有的几种作战无人机．分析了侦察型无人机、攻击型无人机、微型无人机、垂直／短距起降无人机、无人作战平台等的设计特点和技术难点。根据元人机研究现状和发展趋势，提出了发展作战无人机需要的支撑技术。     

未知环境中微型飞行器障碍回避与导航技术研究进展

微型飞行器在未知环境中自主飞行,须具备障碍回避和导航的能力,关键技术包括：环境探测、动态航迹规划以及航路跟踪。本文综述了近年来国内外在该领域的主要研究进展,围绕微型飞行器障碍回避与导航技术的概念内涵和问题描述障碍回避与导航技术中的飞行环境探测方法与传感器、飞行环境要素的模型表征及航迹规划算法等方面,系统地给予了阐述与分析,最后指出了微型飞行器动态障碍回避与导航技术中需要进一步研究的问题,旨在为微型飞行器的自主导航技术的发展提供参考。     

不同作战任务条件下的UCAV航路规划问题建模

UCAV航路规划是充分发挥UCAV作战优势、使任务复杂性与UCAV能力之间保持良好协调性所必须解决的关键问题。在分析UCAV航路规划技术的基本概念和基本要求的基础上,针对不同作战任务条件下的UCAV航路规划问题进行了建模研究,分别建立了单UCAV航路规划、单UCAV多航路规划以及多UCAV协同航路规划等数学模型。