基于A~*算法的无人机爬升轨迹设计

针对无人机爬升性能,运用A*算法设计了无人机爬升优化轨迹.改进了传统搜索算法,根据控制方式设计了节点生成法则;在生成节点时考虑了发动机性能以及飞行约束,减少了搜索范围,提高了搜索效率;并且分别介绍了时间最优以及燃耗最优两种方式的代价函数计算方法.仿真结果表明,运用该方法设计出最快爬升轨迹和燃耗最优爬升轨迹,其生成的飞行轨迹符合飞行约束条件,能够较全面地满足爬升性能,设计结果比较合理.     

基于改进ARA*算法的无人机在线航迹规划

针对无人机三维在线航迹规划对算法速率、航迹最优性的需求,提出了基于改进ARA^*算法的无人机在线航迹规划方法。首先,建立无人机三维航迹规划的数学模型;然后,提出了节点空间约简策略、局部启发项策略以提高算法收敛速率,并针对复杂规划环境提出了启发因子自适应递减策略。仿真结果表明,所提算法能够快速、稳定地生成首条可行航迹,并在剩余时间内不断提高航迹质量,可应用于不同类型的在线规划任务,动态地适应规划时间与航迹最优性的要求。     

一种基于改进A*算法的三维航迹规划方法

采用了一种改进的网格A*算法进行了飞行器的三维航迹规划。将启发函数中的直线距离替换为折距,对其进行了改进。改进后的启发函数有效地减少了规划过程中扩展的节点数,从而减少了搜索时间,并且扩展节点时,只选择满足飞行器的飞行性能约束的邻点,减小了搜索空间。仿真结果表明,应用该规划方法,飞行器能够进行在线实时三维航迹规划。     

基于动力学RRT*的自由漂浮空间机器人轨迹规划

针对自由漂浮空间机器人（FFSR）轨迹规划问题,提出了一种基于动力学RRT^*算法的FFSR轨迹规划方法。首先,建立了FFSR的运动学与动力学模型,将系统模型伪线性重构为状态空间模型,并设计了考虑位姿调整时长和能量消耗的加权目标函数;然后,针对机械手初末位置间的障碍,简化避障方法,提出了机械臂避障与机械手避障两层次避障策略,提高碰撞检测效率;接着,给出了多体系统的动力学RRT^*逼近最优轨迹的方法;最后,为验证算法有效性并不失一般性,选取平面2连杆FFSR模型进行数值仿真并用经典RRT^*算法和高斯伪谱法与之对比。仿真结果表明,该方法能够以较快的速度生成可行的机器人移动轨迹。     

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。     

一种改进的快速航路规划方法

通过改进启发式A*算法流程及数据结构,结合航迹规划多约束条件的实际,提出了一种快速可行的航迹规划方法.该方法考虑了飞机机动性能约束和终端进人方向角约束,建立专家知识库,缩小了搜索空间.将A*算法中的OPEN表映射到CLOSED表中,采用嵌套二叉树管理OPEN表和CLOSED表,提高了算法的搜索和执行效率.最后提出循环插...     

基于A~*定长搜索算法的多无人机协同航迹规划

基于多无人机同时作业情况下的航迹规划问题,提出了一种A*定长航迹搜索算法.该算法通过选择代价值最接近给定值的节点作为最佳节点,得到定长规划航迹,接着进一步通过限定最佳节点的选择范围,改善了航迹的可飞性.仿真结果表明,利用该算法规划的定长航迹长度误差可以控制在1.4％以内,协同航迹长度误差可以控制在0.8％以内,能够满足多无人机同时到达的一般要求.     

基于改进粒子群算法的旋翼无人机三维航迹规划

针对标准粒子群算法因为惯性因子固定导致航迹规划不理想,以及固定斜率粒子群算法惯性因子斜率调节不灵活的问题,在算法中引入折线斜率惯性因子形式,使其斜率根据需要可以进行灵活调节,提高算法对旋翼无人机三维航迹的规划成功率,且减小航迹长度。首先,根据旋翼无人机实际飞行环境建立三维果园环境模型,根据路径长度、躲避障碍、飞行范围和航迹高度范围来构造适应度函数;然后,分析了标准和固定斜率粒子群算法的原理,找到了算法的缺陷,对其进行了改进,并给出了详细的实现步骤。数据对比显示：在进行旋翼无人机三维航迹规划时,相比于其他两种粒子群算法,折线粒子群算法对于航迹规划的成功率和航迹长度有明显改善。     

基于改进A*算法的无人机航迹规划

借鉴A*算法思想,提出了一种改进A*算法的无人机航迹规划方法.针对在传统A*算法中将规划区域栅格化、只能在特定方向按照特定步长扩展节点的不足,采用圆形节点扩展方法,可以实现变方向和变步长扩展节点.通过仿真进行了验证,结果表明改进的航迹规划方法可以绕过威胁,安全到达目标点.     

基于改进A-Star算法的隐身无人机快速突防航路规划

针对现代战争中隐身无人机（UAV）在高严密的组网雷达防御体系下的生存及突防问题,提出了基于改进A-Star算法的隐身无人机战区突防航路规划技术。首先对隐身无人机突防过程进行了分析建模,分别建立了隐身无人机的运动学模型、动态雷达散射截面特性和组网雷达探测概率的计算模型。然后针对传统算法在解决隐身突防问题时的不足,充分考虑所规划航路时的快速性和安全性要求,设计了改进A-Star算法。在算法中引入了多层变步长搜索策略和无人机的姿态角信息,结合秩K融合准则,通过每段航迹上隐身无人机被组网雷达系统的发现概率来判断新航迹点的可行性。仿真结果表明,改进A-Star算法能够在复杂的组网雷达系统下快速生成更优的战区突防航路,具有一定的应用价值。     

基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

基于改进人工蜂群算法的无人机实时航迹规划

为了适应现代战争战场环境的复杂性,针对所建立的突发威胁模型,提出了一种基于改进人工蜂群算法的无人机航迹规划方法,对无人机进行动态航迹寻优,并通过MATLAB进行了仿真验证。仿真结果表明,所设计的方法能够根据实时出现的威胁状况进行动态航迹规划、评价和选优,同时满足实时性要求。     

多滑翔飞行器时间协同轨迹快速规划

从高超声速飞行器集群"探测-打击-评估"一体化任务需求出发,针对多滑翔飞行器时间协同再入轨迹规划问题进行研究,提出集群再入的协同形式及轨迹规划方案,基于改进序列凸化算法解决了再入总飞行时间的精确控制问题,从而实现滑翔段时间协同。首先,给出了滑翔飞行器集群的协同策略,将求解模型转化为协同时间的确定、协同时间约束下的轨迹规划子问题。将模型中的时间项误差等加入罚函数,提高了协同轨迹求解可行性。引入飞行路径角预设剖面作为软约束,并通过罚函数与信赖域自适应调整,以避免轨迹求解时的振荡问题,提高了序列凸化算法的收敛性。以CAV-H飞行器模型为例验证了算法的有效性,仿真结果表明,所提算法对初值的敏感性低,求解得到的再入总时间可调范围与伪谱法一致,轨迹规划结果的平滑性及计算时间均优于伪谱法。     

基于改进多元优化算法的动态路径规划

为满足动态路径规划实时性强和动态跟踪精度高的需求,提出一种基于能够同时发现并追踪多条最优以及次优路径的改进多元优化算法(IMOA)的求解方法。首先,通过利用贝赛尔曲线描述路径的方法把动态路径规划问题转化为动态优化问题;然后,把相似性检测操作引入到多元优化算法(MOA)中,增加算法同时跟踪多个不同最优以及次优解的概率;最后,用IMOA对贝赛尔曲线的控制点进行寻优。实验结果表明:当最优路径由于环境变化而变为非优或者不可行时,利用IMOA对多个最优以及次优解动态跟踪的特点,能够快速调整寻优策略对其他次优路径进行寻优以期望再次找到最优路径;其综合离线性能较其他方法也有一定的提高。因此,IMOA满足动态路径规划的实际需求,适用于解决动态环境中的路径规划问题。     

基于阻力加速度倒数剖面的再入轨迹规划与制导方法

针对升力式飞行器再入制导问题,提出了一种基于阻力加速度倒数剖面的在线解析规划与制导方法。首先将过程和终端约束转换成阻力加速度倒数形式的飞行走廊,采用三次样条函数描述倒数剖面。然后通过解析计算航程上下界,利用待飞航程在倒数剖面内的近似线性关系,以满足待飞航程为目标,迭代计算得到阻力加速度倒数剖面;在飞行过程中根据当前状态和实际待飞航程,周期性更新阻力加速度倒数剖面。通过对阻力加速度剖面的跟踪进行纵向制导,解算倾侧角指令;通过倾侧角反向来进行侧向制导,限制航向角偏差。实现了再入轨迹的在线快速生成与更新,并利用阻力加速度动态特性,将其与跟踪制导结合,提出的方法效率高,适应性强,有工程应用的潜力。     

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。