基于B样条曲线的无人机航路规划算法

提出了一种动态环境中无人机(UAV)航路规划与重规划算法。根据战场中各个已知威胁的位置建立可行点之间的有向图，用Dijkstra算法生成一条由若干直线段连接的参考航路，再利用B样条曲线具有C^2连续性、局部性、保凸性以及B样条曲线的曲率变化比较均匀的特点，对规划的参考航路进行修正和验证，使得规划航路对无人机安全可飞。当遇到突然出现的威胁时，可对航路进行局部重规划。     

基于最短路径理论分析航路测控精度

靶场测控网的精度是衡量和考核测控设备作用,制定测量方案,评估数据处理方法合理性和科学性的重要手段。如何在现有测控站点位置受海岸线地貌地物限制的条件下提高航路的测控精度是数据处理工作者必须解决的难题,论文引入动态规划中的最短路径理论,通过对试验航路上不同测量段落、不同精度设备的优化组合,设计了某航路的最优测控精度,对提高靶场的综合试验能力有重要意义。     

反舰导弹航路规划的递推算法

为了减小武器系统的作战反应时间,针对具有航路规划功能的反舰导弹,总结了导弹进行航路规划所需满足的约束条件,提出一种信息处理量小、计算迅速的无威胁规避航路规划算法——递推算法。递推算法秉承导弹按预定攻击方向攻击目标所需导航点最少的原则,根据一定的假设条件,由目标位置开始,按攻击方向的反方向,依据平面几何理论,依次递推得到所有导航点位置,以及导弹在各导航点的转弯角度,直至发射点。仿真数据表明,由该算法得到的参考航路,相对较短且便于工程实现。     

多架无人机的协同攻击航路规划

针对多架无人机协同攻击同一目标问题,提出了一种航路规划方法.首先根据已知的导弹、雷达等威胁的位置,通过Voronoi图建立初始进入航路,并利用B样条曲线修正初始航路产生无人机可飞航路,然后对多架无人机的航路进行协同修正以满足协同攻击要求.最后对无人机的退出航路规划进行了研究分析,并结合具体问题进行了仿真检验.     

基于飞行需求的航路动态管理

针对空域与飞行需求日益突出的矛盾,以及目前空域管理运行模式难以满足持续增长的飞行需求,提出了一个航路动态调整模型.模型在考虑空管的实施情况、空中交通流量情况和天气情况相关的条件下,对航路进行动态调整,动态的开放和使用临时航路,优化航路区域容量从而减轻航班延误.然后利用动态规划及整数规划方法相结合,求解模型得出航路动态调整的最优方案.最后利用典型空域进行了验证,结果表明所建立的模型能够大大减少航班延迟成本与航路管理成本,优化空中交通的顺畅运行.     

微小型飞行器惯性组合姿态确定与航路导航研究

构建了微小型飞行器(MAV)导航、制导与控制(GNC)系统。研究了微惯性导航测量单元零偏的温度建模及非正交误差的多位置标定补偿方法,提出微小型飞行器导航、制导与控制系统闭环条件下,利用导航、制导与控制回路的飞行状态特征信息的微惯性组合导航系统滤波算法,根据微小型飞行器飞行状态实时调整卡尔曼滤波器的观测噪声方差,有效提高了动态过程中姿态测量精度和微小型飞行器的飞行平稳度。完成了组合导航系统滤波算法验证飞行试验及自主姿态稳定和航路飞行试验。飞行试验表明:微小型飞行器实现了自主姿态稳定与长距离超视距航路点导航飞行,航路点导航误差小于30 m,惯性组合姿态确定与航路导航系统及算法满足微小型飞行器自主飞行对导航系统的需求。     

京沪平行航路导航精度及有效覆盖范围分析

要改变现有空域结构,建设平行航路,需要对空域内导航台的导航精度和有效覆盖范围进行分析研究。本文参照国际民航组织的相关精度计算方法,根据航路实际情况增加了相应参数,并借助航空地理信息数据对沿航路导航设施的导航精度和有效覆盖范围进行了计算和分析。由最终结果得出:DME/DME的导航精度能满足平行航路的RNP-4导航精度要求;且现有DME的有效覆盖范围能满足实施平行航路的要求。     

通用飞机多约束水平航路规划方法研究

随着我国低空空域的开放,通用飞机低空航路规划问题越来越复杂,亟待解决。在传统航路规划方法的基础上,研究满足区域导航要求下低空空域的约束条件,并针对每一类约束条件,建立航路优化模型,给出航路优化算法的实现步骤。仿真实验验证表明,多约束水平航路规划方法能够满足通用飞机机载设备的功能和性能要求。     

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。     

无人机航路规划技术研究进展

无人机航路规划问题本质是多约束条件下,多目标函数求极值的优化问题.规划出满足任务要求、导航、安全性等约束的较优航路,对提高无人机的武器系统性能有重要意义.通过对无人机航路规划的研究,对无人机航路规划问题进行了概括和总结,阐述了无人机航路规划的框架结构以及静态全局规划和动态局部规划方法的研究现状.分析了近年来常用的几种规划算法,着重分析了启发式算法以及遗传算法.在此基础上,对今后的研究方向进行了展望.     

在组合导航系统中Kalman滤波技术的应用

在导航系统中引入Kalman滤波技术,主要是为了减小导航定时的参数误差并提高系统的定位精度,以INS/GPS组合导航系统为背景,设计位置速度组合模式的卡尔曼滤波器,并对组合导航系统进行仿真研究,结果表明组合导航系统在导航精度和稳定性方面较单一的导航系统都有提高。     

DR/GPS组合导航系统滤波技术研究

陆用航位推算系统（DR）的精度主要受到里程系数和航向误差的制约,其误差模型本质具有非线性,因此采用非线性滤波算法能显著提高里程系数和航向误差的估计精度。本文将粒子滤波应用到航位推算（DR）/GPS组合导航系统数据融合过程中,对航位推算 (DR) 与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。粒子滤波存在的主要问题是粒子的退化现象严重,本文将量子粒子群优化 (PSO) 算法与粒子滤波相结合,提出了量子PSO粒子滤波算法,该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过量子PSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了粒子滤波的精度。跑车实验结果表明,该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

视觉无人机棚内煤场自主飞行与地图构建

针对目前室内大型煤场煤储量估计方法中,固定位置激光打点方式存在盲区、不灵活、精度差,以及基于多旋翼无人机的方法难以适应无GPS的室内环境等缺点,提出结合视觉定位的无人机室内自主飞行盘煤方法。该方法通过融合5个方向的视觉信息,并结合无人机路径规划及避障算法,对煤堆进行了全覆盖的视觉成像,然后,通过运动推断结构方法进行三维建模,用于估计煤储量。经实验验证,所提方法有较好的室内定位精度,基于三维建模的煤堆储量估计与实际储量较为接近,证明了其有效性和可行性。     

基于交互式多模型的飞机编队相对导航算法研究

在飞机编队飞行时,成员间的相对位置信息是实现系统协同作战的重要保证,为了提高机群编队飞行的相对导航定位精度,在无地面基准的机群编队飞行JTIDS/GPS/TACAN/IFDL组合的相对导航系统中,采用交互式多模型扩展卡尔曼滤波(IMM-EKF)算法,设计实现了多传感器相对导航系统,克服了飞机动态模型参数变化导致使用单一动态模型滤波精度下降的问题。仿真分析结果表明,交互式多模型算法可以提高相对导航系统的定位精度和可靠性,特别在GPS可见卫星很少的情况下,依然能够具有良好的定位性能。     

面向室内场景的惯性磁感应定位方法

针对卫星拒止的室内导航问题，在现有磁信标定位技术的基础上，通过分析低频旋转磁场的特点，建立了一种不受传感器姿态和磁信标磁矩信息影响的磁感应矢量夹角观测模型，并结合MEMS惯性导航的误差模型提出了一种以磁感应矢量夹角的正余弦值为量测信息的惯性磁感应动态定位方法，避免了磁传感器姿态误差和磁矩误差对定位结果的影响。利用实验室的双轴磁信标实验系统进行静态测试，验证了磁感应定位模型具有不受传感器姿态、环境中遮挡物以及磁矩影响的特点；通过数值仿真的方式对基于无迹卡尔曼滤波（UKF）的惯性磁感应定位方法进行验证，结果表明该方法能有效地抑制惯性导航的发散，且位置最大误差小于0.75 m，满足大多数室内场景下的高精度导航定位需求。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

基于三级滤波的民用飞机组合导航融合算法研究

高精度导航系统是民用飞机必备的机载航电设备。针对民用飞机导航传感器冗余配置特点,设计了一种基于三级滤波的组合导航融合算法。首先根据民用飞机传感器配置特点设计三级滤波架构,然后通过第一级卡尔曼滤波器的局部估计、第二级联邦滤波器的全局估计和第三级全局滤波器的最优全局估计,最终实现导航参数的最优全局估计。最后,通过计算机仿真证明该方法具有很好的位置、速度和姿态估计精度,能够满足民用飞机导航系统的高精度测量要求。     

Optimization of beamforming and path planning for UAV-assisted wireless relay networks

Recently, unmanned aerial vehicles （UAVs） acting as relay platforms have attracted considerable attention due to the advantages of extending coverage and improving connectivity for long-range communications. Specifically, in the scenario where the access point （AP） is mobile, a UAV needs to find an efficient path to guarantee the connectivity of the relay link. Motivated by this fact, this paper proposes an optimal design for beamforming （BF） and UAV path planning. First of all, we study a dual-hop amplify-and-forward （AF） wireless relay network, in which a UAV is used as relay between a mobile AP and a fixed base station （BS）. In the network, both of the AP and the BS are equipped with multiple antennas, whereas the UAV has a single antenna. Then, we obtain the output signal~to-noise ratio （SNR） of the dual-hop relay network. Based on the criterion of maximizing the output SNR, we develop an optimal design to obtain the solution of the optimal BF weight vector and the UAV heading angle. Next, we derive the closed-form outage probability （OP） expression to investigate the performance of the dual-hop relay network conveniently. Finally, computer simulations show that the proposed approach can obtain nearly optimal flying path and OP performance, indicating the effectiveness of the proposed algorithm. Furthermore, we find that increasing the antenna number at the BS or the maximal heading angle can significantly improve the performance of the considered relay network.     

固定翼无人机编队的启发分布式模型预测控制

针对无人机编队飞行控制中队形保持、路径规划、重构、防撞等多重功能需求,采用启发型分布式模型预测控制框架,将需求转化为多目标优化问题中的代价函数与相容性约束求解,实现了对无人机编队飞行的一体化控制.同时,采用分阶段式的轨迹规划算法,融合模型预测轨迹规划与多项式轨迹规划,利用多项式轨迹系数实现高效的邻居轨迹信息交互,从而增大了模型预测控制的预测范围,并降低了规划控制过程中的计算量与通信量.最后,通过9架无人机的协同避障编队仿真,证明了该方法的有效性.     

基于混合优化的运载器大气层内上升段轨迹快速规划方法

针对运载器大气层内的最优轨迹快速规划问题,提出一种将求解最优控制问题的间接法与直接法相结合的混合优化方法。首先,基于最优控制问题的一阶必要条件,将运载器大气层内的三维最优上升问题转化为Hamiltonian两点边值问题;然后,采用直接法中能以较少的节点获得较高求解精度的Gauss伪谱法进行求解,提高算法的求解效率;最后,采用真空解析解初值及密度同伦技术,解决初值猜测与算法收敛困难的问题。仿真结果表明,混合优化算法能够准确、快速地对运载器大气层内的最优上升轨迹问题进行求解,并在计算精度与效率上均优于间接法,可应用于运载器的轨迹在线规划与闭环制导。