飞行器航迹规划算法综述

首先给出了飞行器航迹规划的概念和问题描述对航迹规划算法中的轨迹优化、路径规划和基于类比的航迹规划进行了分类介绍，其次对多飞行器编队航迹规划的两种控制方式进行了简单说明．最后指出了航迹规划中需要进一步研究的问题。     

基于遗传算法的凸多边形区域航迹规划

提出了基于遗传算法的凸多边形区域航迹规划方法,针对飞行器转弯角和边界限制的航迹约束条件,改进了航迹编码方式,采用了基于方向编码的回溯方法生成航迹;同时改进了遗传算法的交叉算子和变异算子。仿真结果表明,该方法能快速有效地完成飞行器航迹规划任务,获得符合适应度要求的优化航迹。     

动态环境下在线航迹规划的滚动优化方法

动态环境下飞行器在线航迹规划问题的难点在于规划方法需要适应飞行环境的动态变化,以及规划快速性与准确性之间的矛盾。在综合分析动态环境下航迹规划问题特点的基础上,提出了一种在线航迹规划的滚动优化方法。采用模型预测控制对指令航迹进行滚动优化。通过引入新的末端惩罚项,构建了一种更能反映未来段航迹偏离程度的性能指标,使飞行器能够对未来段参考航迹的航向变化提前作出反应。相比传统的固定时域的规划方法,规划的快速性和准确性同时得到了提高。仿真结果表明,该方法能够在动态环境下在线生成较精确的指令航迹,引导飞行器以较小的偏差沿参考航迹飞行。     

基于Nash均衡与进化计算的协调航迹规划

在对策论框架下研究多无人飞行器的协调航迹规划问题,提出了一种基于Nash平衡和进化计算的航迹规划算法.协调航迹规划是一个多目标合作优化问题,也是一个非合作对策问题.飞行器编队的分布结构提供了一种隐性偏好信息,有助于找到飞行器编队的最优协调航迹和最优飞行代价分配.本文算法使用特定的航迹个体表示方法和进化算子,按照层次方法处理各种航迹约束.不同飞行器间的协同和竞争关系定义在航迹评价函数里.仿真结果验证了基于博弈论航迹规划算法的可行性和优越性.     

改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。     

飞行器航迹规划中的规划区域建模方法

针对网格法用于规划区域建模的不足,提出了一种新的规划区域建模方法-多航迹区链接图法.该方法在对规划区域进行建模的过程中充分考虑飞行器的特性、飞行环境和使用特点,结合规划区域中障碍物的属性、形状和分布情况构造出航迹点的候选区域,从而得到规划空间的多路径区连接图的建模描述,基于这种建模描述使用优化算法来规划飞行器的较优或"可行"航迹.仿真结果表明,该算法有效的利用了背景知识,计算快,耗时少,搜索效率高,对于有效地解决战场环境下飞行器的航迹规划有工程实用价值.     

基于PH曲线的多无人飞行器协同航迹规划研究

随着无人飞行器智能化的发展,如何使其在动态环境下避开运动威胁,并能协同以规定的时间和角度进行攻击,从而顺利完成作战任务成为研究热点.基于Pythagorean Hodograph(PH)曲线进行在线航迹规划,提出了分布估计算法和差分进化算法相结合的方法进行航迹参数寻优,并给出了在线避障多无人飞行器协同航迹规划方法,仿真试验结果表明加入速度预测的多无人飞行器协同航迹规划方法的有效性.     

飞行器多任务在线实时航迹规划

 针对不确定环境中的飞行器多任务航迹规划问题展开研究,提出了一种基于飞行路线图的两阶段航迹规划框架,航迹规划分成学习和查询两个阶段,环境信息和飞行器约束条件分阶段体现。在该框架下,通过采用一种混合多任务动态航迹规划方法,分别在稀疏路线图上实时搜索初始航迹和在精细路线图上启发式搜索后备航迹,能够在具有预先未知威胁、可变飞行任务的战场环境中实时生成三维航迹。     

突发威胁下的航迹规划问题研究

提出采用一种结合三角网格退化、变域动态规划以及航迹优化的方法来解决突发威胁下的航迹规划问题。针对无人飞行器航迹规划中应对突发威胁存在时间延迟过长问题,采用一种速度较快的退化网格方法,有效提高了重规划的速率。在动态规划中,采用一种有向变域动态规划方法,进一步缩短了路径生成的时间。仿真结果显示,该方法能有效减少时间延迟过长问题,并满足地形回避和威胁回避的要求。     

无人飞行器航迹规划方法综述

首先从不同角度给出航迹规划的两种定义,把航迹规划问题拆分为规划空间、航迹表示、约束条件、目标函数、规划算法五个子问题,提出了适用于各类无人飞行器航迹规划问题分析求解的过程模型。对规划空间构造方法、目标函数、规划算法进行分类比较,并给出每种方法的优、缺点及适用范围,辅助规划人员针对具体需求快速明确规划思路并选择算法。最后指出了航迹规划未来面临的新问题、新挑战。     

简论工厂的规划,建设与改造

简要论述了工厂规划的重要性和必要性，及其对工厂建设与改造的指导作用，并就方面存在的某些问题，进行了剖析，明确提出了加强规划工作的基本原则，要求和任务。     

基于滚动窗的元胞自动机实时航迹规划方法研究

为满足载机实时航迹规划中威胁环境不确定性和规划算法实时性的要求,基于预测控制滚动优化的思想和元胞自动机理论,提出一种适合载机实时航迹规划的算法一滚动窗元胞自动机实时航迹规划方法.仿真结果表明,该方法能够在预先未知威胁的飞行环境中有效规划出动态航迹.     

矩阵分析方法在航线规划中的应用研究

基于矩阵分析的原理和航线规划的原则,结合中国航空公司的特点和市场环境,将传统的矩阵分析方法应用于航空公司航线规划中,为航空公司在激烈的市场竞争中进行正确的航线规划提供了一种有效的战略分析工具.     

基于遗传算法的无人机协同侦察航路规划

无人机将成为侦察卫星、有人驾驶侦察机的重要补充与增强手段 ,成为未来战场上广泛应用的一种侦察工具。为了提高无人机 (UAV)的侦察效率 ,在执行侦察任务前必需规划设计出高效的无人机侦察飞行航路。针对这一问题 ,本文提出了一种侦察效率指标评估的计算方法 ,解决了航路规划中的侦察效率量化问题。考虑在大范围任务区域内进行侦察航路优化存在计算的复杂性和收敛性等问题 ,本文采用遗传算法对侦察航路进行了优化处理。通过该方法得到的侦察航路可以有效地提高无人机的侦察效率。     

基于改进蚁群算法的飞机低空突防航路规划

采用蚁群算法实现了飞机低空突防的航路规划，为航路规划问题提供了新的解决思路。并对原始蚁群算法进行了改进，提出了保留最优解、自适应选择策略和自适应信息素调整准则，有效地提高了算法的收敛速度和解的性能。最后用计算机进行了仿真，取得了较好的结果。     

基于RNP的A＊算法动态航路规划研究

介绍了A＊算法的基本思想,建立了基于RNP的航路模型,利用A＊算法对航路进行了优化,并利用MATLAB程序对航路进行了算法实现,得到了满意的结论。通过实例分析得出基于RNP的A＊算法对航路进行规划研究的可行性和有效性。在MATLAB环境下进行航路规划问题的A＊算法程序,能够利用其强大的运算能力,并且易于其他工具包结合进行算法仿真实现对其中参数进行优化研究。     

基于改进启发式蚁群算法的无人机自主航迹规划

无人机自主航迹规划是未来无人机作战使用的关键技术难题。针对传统航迹规划方法存在的求解效率不高、实时性较差、容易陷入局部最优等缺点,提出一种基于改进启发式蚁群算法的无人机航迹规划。算法前期使用Dijkstra 算法进行初始化航迹,引入启发式信息,提高搜索效率;采用Logistic 混沌映射初始化信息素,增加解的多样性,提高算法收敛速度;算法中、后期采用多航迹选择策略和模拟退火机制,提高全局搜索能力,避免因收敛速度过快,陷入局部最优解。对该算法进行仿真分析,结果表明：在存在威胁和障碍的复杂环境中,本文的改进蚁群算法与标准蚁群算法相比,能够有效规划出一条从起点到终点的航迹,并且寻优精度更高,收敛速度更快,具有一定应用价值。     

面向敏捷制造的动态工艺规划技术

基于敏捷制造模式下企业必须能够快速响应客户的需求为背景,提出了基于加工特征的零件通用工艺模型.在此基础上,利用遗传算法,根据车间实时资源状况,以产品的加工时间最短作为优化目标,实现整个产品工艺方案的动态规划,以适应现代柔性生产的要求.