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.     

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。     

雷达威胁环境下的无人机三维航迹规划

提出了一种雷达威胁环境下应用A*算法进行低空突防三维航迹规划的方法。首先对地形高程数据进行综合平滑处理,建立满足无人机机动性能要求的安全飞行曲面,并结合雷达威胁量化模型,计算出地形遮蔽雷达盲区的范围,最后在满足地形遮蔽雷达盲区的安全飞行曲面上运用A*算法规划出三维飞行航迹。仿真结果显示,该算法能简单、快速地获得三维最优航迹,易于工程实现。     

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.     

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。     

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。     

基于混合粒子群优化算法的多弹协同航迹规划

为解决多弹协同低空突防航迹规划问题,提出了一种可在动态环境中进行离线和在线协同规划的混合粒子群优化算法.采用分解策略将多弹协同航迹规划总体结构分为两层:航迹规划层与协同规划层.分别针对单目标和多目标进行了多弹离线和在线仿真验证,结果表明该算法可针对突发威胁实时规划出多条三维航迹,并满足时间协同要求.     

基于改进GPC的无人直升机动态路径规划

针对小型无人直升机航迹受到风场扰动和导航系统定位误差影响下的航迹最优规划问题,建立了风扰动和导航误差影响下的飞行航迹线性模型。基于混合整数规划思想,采用粒子滤波改进广义模型预测控制算法实时规划航迹,降低了导航定位误差造成的航迹估计偏差,提高了航迹估计精度。仿真结果表明,该算法能够生成三维可行航迹并躲避障碍物,且规划时间和无人机能耗较传统方法显著减少。     

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。     

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。     

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。     

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。     

基于低可探测性的参考航迹规划

根据分层规划思想,确定参考航迹是进行航迹规划时首先要解决的问题。在充分考虑雷达探测的各种环境因素及飞行器RCS方位分布特性的基础上,将雷达对目标发现概率作为参考航迹的一个重要评价指标,基于自适应进化算法,采用新的遗传算子,最终生成综合考虑雷达威胁和飞行距离的参考航迹。结果表明,该航迹规划模型能根据对低可探测性和航程的不...     

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。     

基于改进的粒子群优化算法的无人作战飞机航路规划

事先针对敌方防御区内的威胁部署和目标的分布情况,对无人作战飞机的飞行航路进行整体规划设计,可以综合减小被敌方发现和反击的可能性、降低耗油量,从而显著提高UCAV执行对地攻击(或侦察)任务的成功率.在对粒子群优化技术研究的基础上,将一种用于解决TSP的PSO算法加以改进,引入模拟退火的策略思想,借以克服PSO算法易陷局部最优的早熟现象,并在UCAV航路规划中加以运用.仿真实验表明,该算法简易而有效,用其优化出的航路能够满足UCAV飞行任务规划的需要.     

基于罚函数序列凸规划的多无人机轨迹规划

多无人机（UAVs）轨迹规划是具有非线性运动约束和非凸路径约束的最优控制问题。引入序列凸规划思想,将非凸最优控制问题近似为一系列凸优化子问题,并利用成熟的凸优化算法进行求解,以更好地权衡最优性和时效性。首先,建立了多无人机协同轨迹规划的非凸最优控制模型。然后,利用离散化和凸近似方法将其转换为凸优化问题,包括对无人机运动模型的线性化,以及对威胁规避约束和无人机碰撞约束的凸化。同时,提出了一种离散点间的威胁规避方法,保证无人机在离散轨迹点间的飞行安全。在凸优化模型的基础上,给出了基于罚函数序列凸规划求解多无人机轨迹规划的具体框架。最后,通过数值仿真验证了方法的有效性,结果表明该方法在多机轨迹规划结果的最优性和时效性都要优于伪谱法,而且优势随编队数量的增加而增大。     

基于改进证据网络的空战动态态势估计方法

针对无人机空战态势估计既需要综合考虑多类型因素影响,又需要具有不确定性推理能力的特点,建立了一种基于改进证据网络的动态态势估计模型并设计了威胁等级评估推理方法。首先,考虑空战决策时间较短的特点,提出变量框架等级缩减方法以提高网络运行效率;然后,针对空战态势信息具有大不确定性的特点增加冲突数据自适应融合算法以及网络证据的时间序列预测,提高证据的合理性;最后,引入时空融合思想和变权机制将前一时刻的威胁信息作为评判后一时刻威胁的重要标准,应用威胁在时间维度上的递归合成增加信息在时间方向的传递,改善了由于证据失真引起的评估结果的不合理性问题,并通过仿真验证了该方法的有效性。     

基于GA-OCPA学习系统的无人机路径规划方法

为解决未知空域中无人机路径规划方法实时性和适用性不足的问题,以生物应激条件反射理论为基础,将无人机实时路径规划类比为在外界条件刺激下的一种自学习行为。首先,将概率自动机与遗传算法相结合,设计了基于Skinner操作条件反射理论框架(GA-OCPA)的学习系统;然后,将无人机规避机动的飞行速度、滚转加速度和拉升加速度作为系统学习的行为,并计算每次学习尝试之后的选择概率和个体适应度,通过遗传算法搜索最优行为进而得到最优路径;最后,运用增量多层判别回归树(IHDR)对学习得到的最优行为建立知识库,形成威胁状态与路径规划的匹配映射。实验结果表明GA-OCPA学习系统对于无人机路径规划具备有效性和适用性。