威胁联网下的飞行路径规划

分析了威胁源之间的信息交流与共享对飞行路径规划的影响。以威胁源类型为主要属性，对威胁源进行评估；考虑威胁源之间的信息交流与共享，生成威胁源相互支援信息表；把规划区域划分为大小相等的网格，根据威胁源作用范围对每个网格进行标记，然后用A搜索算法对网格空间进行搜索，规划出最优飞行路径.通过仿真证明，此方法规划出的飞行路径能有效提高威胁通信情况下的飞行器生存概率.     

无人机路径规划中的环境和威胁模型研究

为了提高无人机执行任务时的突防能力,在进行飞行路径规划时必须对战场环境中的威胁环境进行评估,而威胁环境中的威胁估计与飞机被雷达或类似的传感器探测出的风险度有关,需要考虑的信息包括无人机传感器范围内的威胁位置和强度.路径规划算法依赖于路径规划空间的建模方式,包括环境建模和威胁源建模.目前针对规划空间环境和威胁模型的建模方法缺乏系统分类和论述.分析了战场环境的建模方法,研究了规划空间的离散建模方式,根据无人机飞行过程中可能遭遇的威胁类型进行威胁源类型的划分,并针对三种威胁类型分别建立威胁风险模型,为无人机在复杂环境下的路径规划实现做了参数准备.     

基于不同威胁体的无人作战飞机初始路径规划

 提出一种基于不同威胁体的路径规划新方法。从理论上建立了具有不同威胁体的局部空域路径选择原则,给出了根据不同威胁体建立相应路径图的步骤和方法。描述了基于图形模型的进化优化算法,并应用此算法进行了路径优化。进行了仿真验证,仿真结果表明,提出的路径规划方法不仅可行,而且有效地突破了原Voronoi 图只能对相同威胁体进行路径规划的局限。     

恶劣气象条件对无人机飞行航迹的威胁评估

分析了影响无人机飞行的恶劣气象条件的特征和特性,建立了恶劣气象条件的模型;确定了各种恶劣气象条件的威胁因子和威胁度,通过定量分析和采用模糊决策算法对综合威胁评估模型进行了计算,得到了综合威胁权重指数;利用实例对评估模型进行了验证。结果表明,该模型能客观反映恶劣气象条件对无人机的威胁程度,可依此判断无人机航迹的优劣。     

基于威胁网的飞行器航迹快速搜索算法

提出了一种基于威胁网的飞行器航迹快速搜索算法。该方法能够在具有未知威胁的飞行环境中在线进行实时航迹规划。首先根据获得的先验信息建立威胁网．其次在建立的威胁网上确定出一条安全走廊，最后在安全走廊的基础上进一步细化从而得到一条最优航迹。当飞行环境中有预先未知威胁出现时．该方法可根据更新后的信息局部修正受影响的航迹来获得新的全局最优航迹。仿真结果表明，该算法能够有效地进行实时规划，获得较满意的航迹。     

Voronoi图在航迹规划中的应用

航迹规划对军用飞行器完成任务具有重要的意义。Voronoi图由于其特有的简易性,近几年来逐步应用到航迹规划中。给出利用Voronoi图进行航迹规划的方法,针对实际的战场环境以及传统Voronoi图的不足,利用改进后的Voronoi图进行航迹规划。传统的Voronoi图难以满足实际的需要,当威胁体的等级并不相同以及突发威胁体的情形下,必须进行Voronoi图的重构以及航迹的重规划,因此在威胁体的威胁等级不同的情况下介绍了如何重新构造Voronoi图的方法,指出了突发威胁体的情况如何确定该威胁体的等级。最后给出了利用Voronoi图进行航迹规划以及重规划仿真结果,验证了Voronoi图在航迹规划中的可行性。     

飞行冲突下改航模型和算法研究

为解决飞行冲突下的改航问题,将不具备优先权的飞机看成是沿预定航路动态移动的威胁体,其保护区即看作该威胁体的威胁区域,建立改进的威胁概率模型——两机冲突概率模型,以确定其临界圆。在考虑改航偏离预定航路飞行代价的基础上,建立了改进的改航模型。针对三种飞行冲突分别给出了相应的改航最优路径规划分析。基于最短航程设计了相应的启发式算法,并对两种场景进行算例仿真。仿真结果表明,该模型和算法是有效可行的,可以很好地处理这类改航问题,为飞行冲突下的飞机规划出相对安全经济的改航路径,以及时解脱飞行冲突。     

裂缝区域优化随机扩展航路规划方法

针对密集障碍代价空间中存在的局部裂缝区域,基于采样的路径规划方法随机生成的节点无法进行有效扩展,形成可行路径的概率极低的问题,采用电势原理建立环境威胁模型,提出局部区域启发模式转换机制及节点一步检测方法.采用路径代价改进Transition-based RRT算法的节点选择机制,实现节点扩展的双启发.仿真结果表明,该算法能够有效地解决上述问题,其算法性能和路径生成优于同类算法.     

基于遗传模拟退火算法的无人机航迹规划

航迹规划技术是无人机任务规划系统中重要的核心技术之一,无人机飞行空间广阔,需要一种快速搜索最佳路径的方法.首先在飞行区域中建立数字地图模型和防空威胁区模型,在满足无人机飞行约束条件的情况下,为无人机航迹规划提供一种遗传模拟退火算法,充分利用模拟退化算法的概率突跳特性和遗传算法强大的快速搜索能力.仿真结果表明,使用该算法无人机能够自动避开模拟数字地图的威胁区,搜索出一条安全有效航迹,并保证航线的完整性和最优性.     

面向空中目标威胁评估的多传感器管理方法

为了降低在空中目标威胁评估任务中由于威胁评估结果的不准确性和传感器辐射所带来的潜在损失，提出了一种基于风险的多传感器管理方法。首先，基于部分可观马尔可夫决策过程建立了传感器管理模型；然后，给出了基于信息状态的威胁评估风险和传感器辐射风险的预测方法以量化潜在损失；接着，为获得更优的作战收益，以多步风险预测值为决策依据，以两种风险的加权和最小为优化目标建立了长期目标函数；最后，在求解目标函数时，将传感器管理问题转化为决策树搜索，设计了一种基于分支定界的标准代价搜索算法以快速获得高质量的管理方案。仿真实验表明，所提算法能够在搜索到高质量解的同时大幅减少计算时间和内存消耗；所提方法能够对风险进行准确预测，且相比于经典的传感器管理方法，所提方法具有更好的风险控制效果。     

基于加权Voronoi图的无人飞行器航迹规划

为解决无人飞行器的航迹规划问题,提出一种基于加权Voronoi图的航迹规划方法。该方法首先对规划空间内的雷达侦察区和山峰等威胁区域进行预处理,提出将不规则的威胁区域拟合成由相交圆包围的区域,有效地解决了传统方法在拟合不规则区域时造成的威胁区域扩大问题;建立了基于警戒半径的航迹代价模型,使得规划出的航迹更安全;采用了加权Voronoi图法对规划空间进行航迹规划;初步实现了飞行器航迹的可视分析。仿真结果表明,相比传统Voronoi图法,所述方法能够计算出一条相对更安全且长度较短的航迹,可视分析手段的加入,为指挥员实现对航迹的分析与决策提供交互手段。     

多UCAV协同航路规划算法

针对多UCAV协同航路规划问题,将协同进化理论与扩展Voronoi图模型相结合,提出了一种基于扩展Voronoi图模型与协同进化算法的多UCAV协同航路规划方法。该方法通过协同进化理论的合作机制实现了规划航路的空域协同,通过采用层次分解策略实现了规划航路的时域协同,并且对染色体设计、个体适应度以及进化操作等关键问题进行了研究。     

基于贝叶斯网络的要地防空目标威胁评估模型

目标威胁评估是要地防空作战决策的重要组成部分。文章对要地防空的目标威胁评估进行了研究,将目标威胁意图引入目标威胁评估,在对要地防空目标威胁评估要素进行分析的基础上,建立了基于贝叶斯网络的目标威胁评估模型;针对要地防空的实际情况,在求得目标对各要地(阵地)的威胁度的基础上,建立考虑各要地(阵地)不同价值的要地防空目标威胁综合评估模型,满足实际作战需要,为武器目标分配提供了依据。     

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Voronoi图和蚁群算法的无人机航迹规划

为提高无人机任务环境模拟的真实性,利用改进后的Voronoi图对任务环境进行建模。同时,为了更快地生成一条满足任务需求的最优飞行航迹,提高航迹规划的实战性和高效性,分析了蚁群航迹规划算法的运行原理,以及算法运行机制对算法性能的影响,提出了算法的改进原则,并在此基础上给出了新的信息素更新方式和新的启发式。利用改进后的蚁群算法,在改进型Voronoi图上进行了无人机航迹规划。计算机仿真结果表明,改进后的蚁群航迹规划算法与传统的蚁群航迹规划算法相比,运行时间更短,收敛速度更快,且得到最优航迹的概率更高,验证了算法改进原则的有效性。     

无人机航路规划的研究

无人机的航路规划要求满足威胁回避和可飞性。采用分层的思想，基于Voronoi图产生初始航路，利用三次样条插值法平滑航路点产生无人机可飞航路，同时利用飞行过程中的信息来更新航路进行重规划。仿真结果表明了算法的有效性。     

一种无人机局部路径重规划算法研究

提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型V orono i图”表示出来,采用D ijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用V iterb i解码算法确定突发威胁体的实时位置及威胁等级,再依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径,并用M atlab仿真验证了算法的有效性。     

置于敌雷达下概率最小的导弹飞行路径研究

研究了导弹置于敌方雷达下概率最小的飞行路径问题。分析了导弹飞行路径的全局最优解,以此为基础,进一步推导了导弹的最优路径、最优路径的长度及所消耗能量最小的数学模型。最优路径的数学模型与三叶Rose函数相近,建立了此最优解与Rose函数的关联并对结果进行了讨论。由此算法得到的导弹的飞行航迹能尽量绕过敌方的雷达威胁,有效地提高了导弹的生存概率。     

基于PCA-MPSO-ELM的空战目标威胁评估

目标威胁评估是空战对抗过程中的关键环节。由于影响空战目标威胁评估的因素复杂多样，且指标之间存在相关性，导致传统的评估算法无法得到准确客观的评估结果。由此，提出了一种基于主成分分析法和改进粒子群算法优化的极限学习机（PCA-MPSO-ELM）的目标威胁评估算法。首先，综合分析了影响目标威胁程度的指标，利用主成分分析法对原始评估指标进行线性变化处理得到综合变量，消除了评估指标之间的相关性，实现了对评估数据的降维；在此基础上，构建ELM神经网络并利用改进的粒子群算法优化极限学习机的输入权值和阈值，提高了目标威胁评估模型的精度。最后，在空战训练测量仪中选取空战对抗数据，利用威胁指数法构造了目标威胁评估样本数据，通过仿真实验分析了PCA-MPSO-ELM算法的精度和实时性，结果表明所提算法可以快速准确地进行空战目标威胁评估。     

基于多层多级天际线选择方法的威胁评估

传统的威胁评估均采用加权求和方法，最终得到的单一威胁度序列缺少各目标特征，且权值设定过程复杂。在天际线选择理论的基础上，提出了多级天际线选择方法，结合多层次威胁评估建模思想，建立了基于多层多级天际线选择方法的威胁评估模型，有效消除了权值设定过程中个人喜好等因素的干扰，并将每个目标在各评价维度上的属性特征呈现出来。仿真实验结果表明，获得的威胁评估结果全面直观，为指挥员依据不同情况进行后续决策提供了重要依据。