基于数字地形数据的形态航路规划

在地形数据的静态航路规划的研究基础上,简要地介绍了威胁回避、通视性分析概念及算法;威胁模型的定义及几种静态航路规划的方法。     

多架无人机协同航路规划方法研究

根据敌方防御区域内雷达，导弹等威胁阵地的具体分布情况，采用划分Voronoi多边形的方法制订初始航路，然后对初始航路进行了合理的离散处理，最后采用动态链类比法调整航路，航程并对航路进行光顺处理，提出了一种协调多架无人机（UAVs）于同一时间到达目标点的航路规划方法，用数字仿真技术对该方法进行了验证，结果表明该方法是可行的。     

一种基于最优控制的航路规划方法

阐述了一种与地形紧密结合的基于最优控制理论的航路规划方法。该方法利用二维三次卷积插值法构造地形函数,采用三维的航路规划进行地形跟随,地形回避和威胁回避,并对俯仰角进行ＰＤ（比例微分）控制。该方法计算量小,大大减小了规划时间,提高了规划结果的实时性,最优控制理论结合ＰＤ控制使得航路的三维规划鲁棒性好,有效地抑帛最振荡和发散,为低空突防的飞行器提供了很好的参考飞行航路。     

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。     

多架无人机的协同攻击航路规划

针对多架无人机协同攻击同一目标问题,提出了一种航路规划方法.首先根据已知的导弹、雷达等威胁的位置,通过Voronoi图建立初始进入航路,并利用B样条曲线修正初始航路产生无人机可飞航路,然后对多架无人机的航路进行协同修正以满足协同攻击要求.最后对无人机的退出航路规划进行了研究分析,并结合具体问题进行了仿真检验.     

航路规划决策支持系统

根据航路规划和一般决策支持系统的要求,确定了航路规划决策支持系统的功能,由确定的功能导出了分系统的组成、要求和一些实现方法以及系统开发的软硬件要求,并简要介绍了地理信息系统及其开发方法。     

基于遗传算法的飞机低空突防航路规划

针对在飞机低空突防航路规划中存在的计算复杂和收敛性等问题,本文提出了一种基于遗传算法的搜索算法,并且对传统遗传算法的算子操作进行了改进。该方法有效地加快了收敛速度,并且其得到的飞机航路,严格经过起始点和目标点,尽量远离了威胁点,同时很好地满足了飞机的机动性能要求。     

水下单信标导航航路规划和最优航路接近方法

相比于传统的长基线和超短基线等导航方式，水下单信标导航具有布放简单的优点，但其导航精度有待进一步提高。为此，提出了单信标导航的航路规划方案，通过泰勒级数展开推导了水平位置精度因子的表达式，并分析了导航点和声信标的相对几何位置关系对导航精度的影响，最终提出了航路规划方案。在此基础上，还提出了自主水下航行器(autonomous underwater vehicle，AUV)从其他位置接近最优航路的方法，包括两部分：一是建立以时延为观测量的滤波模型，利用滤波算法实时获取AUV的位置估计值；二是基于可观测度分析结果对最优航路接近过程的轨迹进行了设计。二者的结合使得AUV高效率且高精度地逼近最优航路。仿真证明了采用所提出的航路规划方案和最优航路接近方法可以提高导航精度，航路规划方案使得AUV位置估计的均方根误差近似为2 m。     

基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在敌方防御区域内执行攻击任务前必须规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出了适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明，该方法是一种有效的航路规划方法。     

防区外发射导弹的航路规划

超低空突防是目前远距离空地导弹对地攻击的最为有效的突防模式,而预先对导弹突防路线进行航路规划则是灾防成功与否的关键。本文系统地给出了航路规划的设计思想、数学原理和路径生成方法,定量描述了威胁场和地形的数学模型。同时运用威胁场分区规划法、遗传算法,以及最优控制专家知识库的全新的寻优方法对复杂环境进行搜索,并引入模糊数学进行评估决策,从而产生最佳实防路径。     

基于改进蚁群算法的无人机航路规划

为了提高无人机(UAV)的作战效率和生存概率,在执行任务之前必须设计出高效的无人机飞行航路.针对这一问题,采用了蚁群算法进行航路规划,并对蚁群算法进行了改进.提出了保留最优解、自适应状态转换规则和自适应信息激素更新规则,有效的提高了算法算收敛速度和解的性能.最后用改进的蚁群算法对无人机任务航路进行了仿真,仿真结果表明,该算法是一种有效的航路优化算法.     

攻击型无人机航路规划系统分析

无人机航路规划系统就是根据战场中敌方阵地的威胁分布情况,采用分层的思想来协同多架无人机的航路,同时对无人机的作战资源进行合理分配,实现无人机的最大作战效能。     

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。     

基于遗传算法的无人机协同侦察航路规划

无人机将成为侦察卫星、有人驾驶侦察机的重要补充与增强手段 ,成为未来战场上广泛应用的一种侦察工具。为了提高无人机 (UAV)的侦察效率 ,在执行侦察任务前必需规划设计出高效的无人机侦察飞行航路。针对这一问题 ,本文提出了一种侦察效率指标评估的计算方法 ,解决了航路规划中的侦察效率量化问题。考虑在大范围任务区域内进行侦察航路优化存在计算的复杂性和收敛性等问题 ,本文采用遗传算法对侦察航路进行了优化处理。通过该方法得到的侦察航路可以有效地提高无人机的侦察效率。     

导弹航路规划的控制实现

针对巡航导弹的航路规划问题,讨论了制导与控制系统的指令生成方法,设计了俯仰通道、偏航通道的复合变结构控制器和滚转通道的 PID 控制器,最后给出的仿真算例显示了方法的有效性。     

航路规划算法中的航程简化模型

提出了一种新的航程简化模型,并给出了该航程简化模型的实现算法.该模型主要用于简化反舰导弹超视距攻击火控模型中航路规划任务的计算.     

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。     

多无人机监控航路规划

为了提高监控任务的效率，在执行任务前必须规划设计出高效的无人机飞行航路。针对这一问题，考虑在任务区域内进行多无人机监控航路优化存在计算的复杂性和收敛性以及计算数据量限制等问题，采用分散式方法对监控航路进行了优化，并以无人机的监控任务为例提出了一种监控效率指标评估的计算方法，解决了航路规划中的监控效率量化问题。通过该方法得到的无人机监控任务的飞行航路可以有效地提高无人机的监控效率。