无人机三维航路规划技术研究及发展趋势

由于搜索空间巨大,三维航迹规划一直是航迹规划中的难点,而无人机只有进行精确的三维航迹规划才能提高低空突防的成功率。本文描述了无人机在线航路规划的影响因素,分析了无人机动力学约束及威胁场约束,探讨了无人机航路几何建模方法及三维航路规划算法的研究概况,并着重分析了三维航路规划算法如禁忌搜索、人工势场法、粒子群优化算法、Dijkstra算法及A＊算法。最后,阐述了无人机三维航路规划面临的关键问题及发展趋势。     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略。针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确性。在此基础上,搭建了无人机验证平台,利用该验证平台完成了无人机自主避障飞行试验,对算法的有效性进行了验证,并对算法性能进行了评估。     

基于A~*和鸽群算法的快递无人机航路规划

针对快递无人机在复杂城镇环境条件下的路径寻优问题,提出了一种基于A~*和鸽群算法的航路规划算法。首先,建立威胁代价和障碍物模型,利用约束条件缩短A~*算法搜索时间,再通过A~*算法引导无人机快速到达目标点;然后,对鸽群的粒子编码方式和适应度函数计算方法进行改进,通过鸽群优化算法实现障碍物的规避;最后,利用三次B样条曲线对航路进行平滑化和重规划。仿真结果表明,该算法收敛速度快、航路长度短、威胁代价小,生成的航迹平滑可飞,适合快递无人机在复杂城镇环境中穿行。     

基于目标分配的无人机航路规划

在航路规划中．如果存在多个目标点，优化问题就会变得复杂化。因此，在多目标点存在的情况下，航路优化问题应充分考虑目标的有关因素及空域状况，对目标和航路进行优化选择以取得某种效益。针对这一问题，提出了目标选择及航路规化的优化模型．并提出了一种改进的A*算法——大规模平行扩展A*算法对这一问题进行求解。在此基础上，针对无人机的水平飞行航路进行了规化。结果表明，通过该方法可以有效地解决多目标点存在时的航路规划问题。     

航路网络生成及优化

空中交通流运行的安全性和成本取决于航路网络结构。基于节点度实现航路网络枢纽节点和干线节点分层,利用全局耦合生成主干网络,运用距离连接概率实现干线节点社区化,采用连接概率生成社区网络;采用DBSCAN聚类算法,基于角度和距离实现航路网络优化;以中国大陆空域为例,实现了主干航路网络和局部干线航路网络的生成及优化,验证了方法的可行性。在与相关研究对比,基于节点度的枢纽节点选取更加客观合理,所构建的分层航路网络结构符合机场点的分布特性,采用DBSCAN聚类算法优化效率明显提高。     

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。     

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.     

所需性能导航的飞行模拟机视景仿真实现

为实现适合所需性能导航(RNP)程序训练的飞行模拟机机场视景仿真数据库,从拉萨机场对RNP飞行程序训练的实际需求出发,研究RNP程序,对地形网格算法进行人为干预,引导地形生成需要的效果和精度,满足飞行验证和训练的要求,实现机场三维全态仿真与RNP程序的结合,研究结果可推广到其他类似机场的视景仿真开发。     

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。     

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。     

遗传算法与模糊方法相结合在电梯群控中的应用

提出了一种基于改进遗传算法的群控多目标优化调度方法。对乘客候梯时间,乘梯时间,拥挤度和电梯系统运行能耗等多个控制目标进行优化。改进遗传算法由模糊控制与遗传算法组和构成,在遗传操作过程中采用首位存放策略。采用MATLAB编写通用性仿真程序,在给定建筑物参数和电梯配置参数条件下,对调度算法进行仿真,数值结果表示该方法是有效的,可行的。     

基于空闲时间窗和多Agent的A-SMGCS航空器滑行路由规划

先进场面活动引导与控制系统(A-SMGCS)中的航空器滑行路由规划是一个典型NP难题。为解决航空器滑行路由规划的优化性和计算量之间的矛盾,提出一种基于空闲时间窗的路由规划方法,并利用多Agent系统(MAS)进行算法求解。首先,建立滑行资源图以对场面滑行区进行建模。其次,按照航班计划为航空器设置滑行优先级,并按优先级顺序依次规划路由,后规划的路由不破坏已有路由,即利用滑行路段的空闲时间窗进行规划。每次只需为一架航空器规划滑行路由,降低了问题的求解难度;通过搜索空闲时间窗获得路由使场面交通均衡分布,保证了路由规划的整体优化性。分析了空闲时间窗特性,指出空闲时间窗的可达性条件和避免同步资源交换冲突的条件。最后,设计MAS,把建立、维护和搜索空闲时间窗图的复杂集中式求解过程简化为通过路由管理Agent,航空器Agent和资源节点Agent相互协作实现对场面路由规划问题的分布式求解。仿真结果表明,设计的MAS能够快速找到空闲时间窗中的最优解;与固定预选滑行路径算法相比,航空器的平均滑行时间显著减少,最多可以节省19.6%的滑行时间。     

遗传算法在反舰导弹航路规划中的应用

针对具有航路规划功能反舰导弹的飞行特性、导弹使用上的战术需要和遗传算法的特点．提出了一种反舰导弹参考航路编码方法。基于此编码方法．对种群中的个体进行编码，并设计了相应的交叉和变异操作。仿真结果表明，基于此编码方法的遗传算法具有很好的全局寻优能力。     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题，提出一种基于改进的鲸鱼优化算法的航路规划算法。首先，根据起始点和目标点等信息，通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题；然后，将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时，所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后，将提出的改进算法应用于无人机的航路问题求解。仿真结果表明，所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果，其性能优于传统的优化算法。     

基于改进A*算法的UUV冰下避障航迹规划算法

针对冰下避障航迹规划问题,提出了一种基于改进A*算法的三维冰下避障航迹规划算法.不同于传统的A*航迹规划算法,该算法结合了人工势场航迹规划算法的思想,将水下地形碰撞约束、海冰碰撞约束以及UUV巡航高度约束重新编排.算法分析表明,该避障航迹规划算法能够有效增强UUV冰下避障能力与定深巡航高度控制能力.基于改进的A*冰下避障航迹规划算法,给出了上述约束的设计方法并进行了仿真验证.仿真结果表明,基于上述约束的航迹规划算法具有良好的避障能力、巡航高度控制能力以及航行距离控制能力.     

基于ArcGIS的最短路径算法在城市交通中的应用

最短路径算法在城市交通中应用广泛。分析对比了Dijkstra算法和A*算法,并结合城市交通中的实际情况,在A*算法中加入了交通信号灯的时间因素和路面宽度因素,以达到改进算法的目的。通过在Esri公司的ArcGIS平台上使用Python进行测试后得到的结果表明:Dijkstra算法所计算的路径最短,但未考虑城市交通的实际情况;经过改进的A*算法所得路径避开了城市中心拥堵区域,通过的路口最少,更适合应用于实际交通当中。     

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。     

一种新的元胞自动机航迹规划算法

基于元胞自动机理论提出一种新的航迹规划的算法,该算法克服了传统元胞自动机航迹规划算法只能针对存在安全飞行区域情况下规划航迹的局限性,新方法能够在全空域受到地空威胁的条件下,选择威胁较小区域规划出航迹。     

基于细菌觅食性的改进粒子群优化算法翼型设计

提出了一种基于细菌觅食性的改进粒子群优化算法。该算法以粒子群优化算法的社会模型为基础,添加了个体之间的交流项,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,同时,引入了细菌觅食算法中的趋化和驱散机制,使得算法能够有效地跳出局部最优。函数测试结果表明,该算法显著地提高了粒子群优化算法的寻优性能,并将该算法应用到了翼型设计之中。     

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.