突防飞行与多区域搜索一体化侦察航迹规划

针对战场环境下无人机的侦察路径规划问题，首先设计突防飞行与多目标区域搜索的一体化侦察航迹规划策略。然后针对侦察任务中的突防问题，在传统快速扩展随机树(RRT)的改进算法基础上，提出一种基于改进RRT^*的无人机突防航迹规划方法，通过设计目标偏置算法解决了传统RRT算法采样点随机性大、收敛速度慢等问题。针对侦察任务中的目标搜索问题，使用改进的旋转卡壳路径规划器(RCPP)进行覆盖式航迹规划，提高了搜索覆盖率。最终通过对比仿真试验，验证了所提出算法的优越性，以及算法应用于战场侦察任务的有效性。     

用于无人机三维航迹规划改进连接型快速扩展随机树算法

无人机的广泛应用,使得航迹规划成为研究的热点。很多算法由于模型简单或规划方法低效,难以有效应用于复杂条件下的航迹规划问题,从而提出一种求解该问题的改进连接型双向快速扩展随机树(RRTConnect)算法。首先,建立无人机航迹规划问题的数学模型;然后,采用RRT-Connect算法求解上述模型时,提出六种生成随机节点的改进策略;最后,将改进的RRT-Connect算法应用于有雷暴威胁的无人机三维航迹规划问题,并与已有的RRT算法和RRT-Connect算法进行对比。结果表明:采用本文提出的方法能够高效的生成可行的无人机航迹。     

一种改进的快速扩展随机树航迹规划算法

针对现有航迹规划算法缺乏同时具备快速性和最优性的问题,本文提出了一种新的无人机航迹规划算法,在快速扩展随机树算法基础上,引入一个方向参数,并采用Dijkstra算法对改进算法产生的冗余节点进行处理,得到了一条优化的航迹。最后采用K航迹法进行航迹平滑处理,使得规划的航迹成为无人机的可飞航路。仿真结果表明,该算法能够在有效提高航迹产生速度的同时,可以得到近似最优的航迹。     

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.     

无人艇航行规则及运动学约束下的改进RRT轨迹规划方法

现有的RRT算法没有考虑无人艇的运动特性,难以解决无人艇轨迹规划问题,也没有基于无人艇航行规则来考虑无人艇的动态避碰。针对上述问题,在无人艇航行规则及运动学约束下,提出了改进的双层RRT动态轨迹规划方法。在第一层框架中,改进了探索点及步长选择策略,并结合国际海上避碰规则公约与最短会遇时间建立最优位置窗口来构造四向扩展随机树,从而可以在考虑海事规则的前提下快速搜索出联通路径。在第二层框架中,考虑到无人艇的运动学约束,将上一层的联通路径点作为分段启发点,然后结合速度运动模型来限制无人艇的拐角与转弯半径,并基于速度运动模型得到的弧长计算出每一个节点的代价值,最终在动态障碍物环境中得到一条可行平滑轨迹。仿真与实船实验均验证了该改进算法的有效性,实验表明该改进算法可以有效地解决传统RRT算法离障碍物过近、路径不平滑、不符合无人艇运动学与无人艇航行规则等问题。其中,轨迹转折数目为0,与障碍物最近距离是传统RRT算法的两倍以上,最大转折角度指标远好于传统RRT算法。     

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。     

复杂环境下翼伞系统的组合式航迹规划

传统翼伞系统的航迹规划主要考虑落点精度及逆风着陆等指标,而当空投区域环境较为复杂,在翼伞系统归航路径上存在障碍时,如何规避这些障碍也成为翼伞系统航迹规划所必须要考虑的因素。针对翼伞空投过程有可能遇到高山或者高大建筑物阻碍的问题,提出了一种复杂环境下翼伞系统的组合式航迹规划策略。该方法将翼伞空投的区域分为障碍区和着陆区,在障碍区中采用快速搜索随机树（RRT）算法进行可行路径搜索,考虑到RRT算法生成的轨迹包含棱角,导致路径不够平滑的问题,结合翼伞系统质点模型的运动特性,对其进行了适用性改进,以使规划的航迹满足实际翼伞空投需求。为了解决RRT算法搜索方向随机,难以满足逆风着陆的问题,当翼伞系统进入着陆区后采用分段归航的方式设计航迹,并借助遗传算法（GA）求解目标参数,实现翼伞系统能量控制及逆风着陆。提出的复杂环境下翼伞系统的组合式航迹规划策略求解速度较快,能够同时满足翼伞系统避障、能量控制及逆风着陆要求,得到的参考航迹较为平滑。     

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。     

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。     

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。     

基于改进人工势场法的无人直升机三维航迹规划

针对民用直升机的复杂贴地环境,开展了预设障碍物环境结合无人直升机飞行性能包线约束的航迹规划研究。首先,基于障碍物建模方法设计了航迹规划算法,解决了传统人工势场法较难适用于三维环境下无人直升机航迹规划的诸多问题,提出了一种改进的人工势场算法并扩展至三维空间。然后,针对三维环境中的目标不可达问题,建立了一种基于相对距离判断的斥力势场函数方法;针对局部极小值问题,发展了一种基于无人直升机飞行性能约束的航迹点回溯法以逃离出局部极小值区域的方法。最后,通过仿真验证分析了该算法的有效性。仿真结果表明：改进的人工势场法能够有效克服传统人工势场法的不足,实现无人直升机在飞行性能包线约束下的三维航迹规划。     

基于一种混合算法的巡航导弹参考航迹规划

通过分析A*算法,提出了适合与遗传算法(GA)进行混合的改进方案,针对遗传算法求解巡航导弹参考航迹规划问题,讨论了在初始群体构建和变异操作中引入改进A*算法的混合方法,从而得到参考航迹.仿真结果表明,该方法具有很强的快速规划能力,并能得到较优的结果,适合于大规模复杂环境中的参考航迹规划.     

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.     

一种凸多边形区域的无人机覆盖航迹规划算法

 覆盖航迹规划技术对于提高无人机的侦察能力和目标搜索能力具有重要的意义。首先从能量、路程、时间角度,理论上证明了转弯过程比直线平飞过程的效率低。其次给出了凸多边形跨度和宽度的定义,并把凸多边形区域的覆盖航迹规划问题转化为求凸多边形宽度的问题。最后证明了凸多边形区域的宽度只可能出现于“点边式”跨度之中,并给出了一种高效的“点边式”宽度算法。无人机只需要沿着宽度出现时的支撑平线方向飞行,即可以取得最少的转弯次数。通过仿真分析,证明了所提出的算法能够有效解决无人机在凸多边形区域中的覆盖航迹规划问题。     

基于改进Gauss伪谱法的高超声速飞行器航迹规划

针对使用传统Gauss伪谱法(GPM)求解航迹规划问题时计算复杂的问题,提出了基于两点间经纬度坐标变换的改进GPM高超声速飞行器滑翔段航迹规划方法。对经纬度坐标进行处理,以经纬度变换代替时域变换改进GPM,规划两点间的航迹。仿真结果表明,改进后的算法能够准确、高效地规划出一条合理的航迹,满足飞行约束条件。     

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。     

基于蝗虫算法的无人机三维航迹规划

针对现有航迹规划算法存在的寻优能力不强、对三维航迹规划效果不佳的问题,将一种新型启发式优化算法——蝗虫算法引入无人机三维航迹规划。首先对蝗虫算法的基本原理、参数选择进行分析;然后建立三维作战场景,设计约束条件和航迹评价指标,利用地形、约束条件等缩短搜索空间;最后给出基于蝗虫算法的三维航迹规划流程,并在设定场景下进行算法性能分析。仿真结果表明,在设定的三维作战场景下,蝗虫算法可以有效地规划出合理的航迹;与灰狼算法和蚁狮算法相比,在航迹代价、耗时等方面具有更优的性能。     

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。     

固定翼无人机编队集结控制算法研究

针对固定翼无人机协同作战时的编队集结问题，提出了一种新的路径规划和位置分配方法，并设计了包括航迹跟踪、高度保持和速度控制在内的自动驾驶仪。该路径规划算法通过矩阵迭代得到一组较优的目标点分配方案，满足总航程较小和同时到达约束。根据得到的各无人机飞向目标点的航迹，算出无人机编队集结的代价矩阵。在每架无人机确定了应飞航路后，开始沿航路飞向目标点，在此过程中，纵向采用高度保持自动驾驶仪，横向采用航迹跟踪自动驾驶仪，控制无人机按规定航迹飞行。速度调节自动驾驶仪可根据速度指令调节油门大小加减速，跟踪上目标速度，进而实现编队集结。仿真结果验证了所提出的编队集结控制方法的有效性和可行性。