基于数字地图预处理的低空突防航迹规划

为保证飞行器能够实现所规划的航迹,研究了将地形及飞行器性能等信息融合构造虚拟地形表面的数字地图预处理方法,包括数据插值具体步骤和地形平滑处理方法。通过设计综合地形跟随、地形回避、威胁回避(TF/TA2)的目标函数,对最小威胁曲面进行转化,提高了实时航迹规划的速度,采用微分进化(DE)优化算法,实现了三维TF/TA2最优实时航迹规划。仿真结果表明,此地图预处理和实时航迹规划算法是有效可行的。     

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。     

航迹规划中数字地图的设计与应用

针对低空突防中地形因素和敌方威胁的潜在影响,研究了在安全保障前提下,飞行最小危险曲面（ＳＯＭＲ）及该曲面拟合与数字地图生成的方法,并通过坐标变换将飞行器的运动方程变换到该曲面上,从而将地形和威胁因素引入飞行器运动方程,运用极小值原理,提出了飞行时间－地形遮蔽最优ＴＦ／ＴＡ＾２轨迹性能指标。给出了地形数据库加载模型,并完成了将高程数据库加载到航迹规划中的仿真。仿真结果表明,该算法不仅能紧密跟随地形,     

应用自适应遗传算法进行参考航迹规划

 确定参考航迹是利用分层规划思想进行航迹规划时首先要解决的问题。针对参考航迹规划算法中全局最优和信息处理量之间的矛盾, 采用自适应遗传算法进行参考航迹规划。算法对飞行方向进行编码构造个体, 并在此基础上设计交叉和变异算子; 在进化过程中采用自适应交叉概率和变异概率。仿真结果表明, 该方法大大降低了信息的记忆和处理量, 并提高了遗传算法的全局寻优能力, 为突防飞行器提供满足战术要求的参考航迹。     

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。     

遗传算法在飞机低空突防航路规划中的应用

首先简要介绍遗传算法的基本原理,然后讨论遗传算法如何用于飞机低空突防航路规划,对传统的遗传操作提出了新的改进意见,并进行了计算机仿真,证明了该算法的有效性.     

具有时间约束的无人机遗传算法航迹规划

为无人机进行航迹规划不仅要满足路径的有效性,还需要考虑无人机的到达时间约束.将遗传算法应用于动态环境中无人机的航迹规划,通过编码生成初始航迹,确定合理的适应度函数和进化操作,同时根据要求到达时间约束为每个航迹加入过点速度和到达时间信息,最终搜索规划出可飞且满足时间约束的航迹.在仿真实验中实现了针对移动目标的规划和突然出现威胁的局部重规划.     

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。     

基于自适应遗传算法的航迹关联模型

如何解决关联过程巾产生的多维分配问题,是研究多节点航迹关联的关键。遗传算法能够很好地解决组合优化问题。但是基本遗传算法具有收敛速度慢和易于早熟等缺点,对于计算航迹关联问题来说实时性较差。文章在利用遗传算法解决航迹关联问题算法的基础上进行了改进,提出了自适应策略。仿真试验表明,该模型能够使航迹关联保持较高的正确关联率和较快的计算速度。     

威胁联网下无人作战飞机突防作战航迹规划

以复杂战场环境下无人作战飞机(UCAV)的自主突防作战为研究背景,以防空单元为威胁建立威胁联网模型,针对威胁联网的指挥控制组织结构和信息交互关系的特点,建立了一种威胁联网的信息交互数学模型,并且通过网络模拟器NS-2(Network Simulator Version 2)仿真验证了该数学模型的合理性与适用性,同时基于此提出了一种UCAV威胁代价评估模型;然后,结合UCAV动力学约束与制导武器攻击区约束,给出一种基于改进稀疏A*算法的自主突防与攻击航迹规划算法。仿真结果表明,该算法能够快速获得UCAV突防作战航迹,且由于采用了动态的威胁评估方法,对突发威胁有较好的适用性。     

基于遗传算法的航班串优化方法研究

分析研究了航班串编制问题,考虑了飞机载客量与航班平均客流量的关系,构造了航班旅客溢出成本指数因子,建立了改进后的基于最小成本的航班串优化模型,并构造了遗传算法求解模型.利用Matlab遗传算法工具箱进行仿真研究.应用航空公司实际航班数据对上述模型和算法进行验证,所得优化结果良好,证明该航班串优化模型及方法切实可行.     

基于改进遗传算法的突防突击航线规划

歼轰机突防突击是当前航空兵有效的进攻手段之一。为了增加突防突击任务的安全性,提高突防突击任务的成功率,对航线上我方飞机的被击落概率进行建模,利用改进的遗传算法,以被击落概率为适应度函数,以个体与解空间的距离关系为罚函数,寻找最优解,最终得到被击落概率最小的航线;采用约束的最优保存策略进行选择,防止过早收敛,提出可变算术杂交算子,使得变异个体能够有较大概率落在解空间里。结果表明:通过150代的遗传操作,得到拐点为2时的被击落概率最小的航线为O(120.0,550.0)、A(226.2,495.7)、B(345.8,364.3)、T(330.0,180.0),被击落概率为0.019 3。     

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.     

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.