基于改进人工势场法的多机改航路径规划

恶劣天气是航空运输中造成航班延误的主要因素,实施改航策略是减少延误的一种有效方法,多航空器路径规划是改航策略的关键环节.针对恶劣天气造成大量航班延误情况,提出了采用人工势场法进行多机改航路径规划.根据航空器所受引力和斥力建立了传统人工势场模型,为解决在改航期间航空器受力出现局部最小值的问题,在航空器之间、航空器与恶劣天气之间引入不同的旋转控制力.仿真结果表明,改进的人工势场法规划的路径更短、更平滑,没有大角度转弯和反复振荡的情况,且计算效率提高了33％.     

基于动态人工势场法的多机改航路径规划研究

在危险天气条件下,需要研究航班改航路径规划的问题。对传统人工势场法中的斥力势函数进行修正,将目标点与障碍物的距离以及航空器与受限区的运动速度考虑在内,建立了动态人工势场法的多机改航路径规划模型。模型解决了障碍物附近目标不可达问题,并且适应动态运行环境。算例验证了模型的有效性和可行性。     

基于人工势场法优化的蚁群无人机航路规划

针对复杂环境下无人机航路规划问题,提出一种势场法优化的蚁群航路规划算法。为了改善蚁群初始路径搜索过程中的盲目性,将人工势场法的规划结果作为先验知识,对蚁群初始到达的栅格进行邻域信息素的初始化,进而运用改进的蚁群算法完成航路搜索任务。仿真结果表明,新算法具有收敛速度快,规划路径短以及环境自适应的优点。     

散点状分布危险天气区域下的航班改航路径规划

针对沿航线散点状分布的危险天气区域影响下的航班改航问题,提出了基于多目标遗传算法(MOGA)的航班改航路径规划方法。首先建立了基于网格的改航环境模型,并给出散点状分布危险天气区域的描述方法。然后以改航航段的航段距离、平均偏离距离和转弯点个数为目标,应用带精英保留策略的非支配排序遗传算法(NSGA-II)对改航路径规划进行研究,提出了适用于改航路径规划的编码方法,同时引入了删除算子。最后,以昆明—广州航线为例,研究了散点状分布危险天气区域下的改航路径规划,并与基于多边形的改航路径规划算法作了比较。仿真结果表明：采用本文方法运行一次即可得到多条安全、可行的改航路径,且无需先验知识,为决策者选择改航路径提供了充足的依据。     

航班改航路径规划研究综述

航班改航飞行是空中交通流量管理的重要组成部分,在发生危险天气时可安全有效地为航班选择一条临时航路,提高了空域的利用率,具有广阔的应用前景。针对航班改航路径规划的研究现状做了系统、全面的分析,按改航实施时间的不同将改航路径规划方法分为两类,即飞行前改航路径规划和实时改航路径规划,并分别予以分析和总结。最后,指出了当前研究中存在的问题和未来改航研究领域的发展方向。     

超级单体雷暴下的改航模型研究

运用形态学的方法,从雷暴图中解析出飞行限制区,并以各个顶点的移动来描述雷暴天气的变化,从而建立危险天气模型。考虑到改航的可行性和便捷性,以最短航段距离和最大转弯角度为限制条件,在航线的两侧设置改航点,建立改航空间。在保证安全间隔的情况下,选择最短的改航路径,并按照航班优先等级确定各个航空器的改航顺序。仿真结果表明,所建模型可以在航路网受超级单体雷暴影响的情况下,为多个航空器规划出改航路径。     

基于改进人工势场法的服务机器人路径规划

人工势场法是服务机器人路径规划算法中一种简单有效的方法.针对传统人工势场法存在的目标不可达问题,通过在原来的斥力函数中加入一个调节因子的方法解决,同时采用遍历搜索法解决局部极小值问题,并引入安全距离以及改进调节因子以提高机器人路径规划过程中的安全性能.最后,利用Matlab软件将改进后的人工势场法应用于服务机器人路径规划并进行了仿真实验.仿真结果表明,基于改进人工势场法的服务机器人路径规划有效地解决了机器人不能到达目标点的问题.     

无人机三维航路规划技术研究及发展趋势

由于搜索空间巨大,三维航迹规划一直是航迹规划中的难点,而无人机只有进行精确的三维航迹规划才能提高低空突防的成功率。本文描述了无人机在线航路规划的影响因素,分析了无人机动力学约束及威胁场约束,探讨了无人机航路几何建模方法及三维航路规划算法的研究概况,并着重分析了三维航路规划算法如禁忌搜索、人工势场法、粒子群优化算法、Dijkstra算法及A＊算法。最后,阐述了无人机三维航路规划面临的关键问题及发展趋势。     

飞行冲突下改航模型和算法研究

为解决飞行冲突下的改航问题,将不具备优先权的飞机看成是沿预定航路动态移动的威胁体,其保护区即看作该威胁体的威胁区域,建立改进的威胁概率模型——两机冲突概率模型,以确定其临界圆。在考虑改航偏离预定航路飞行代价的基础上,建立了改进的改航模型。针对三种飞行冲突分别给出了相应的改航最优路径规划分析。基于最短航程设计了相应的启发式算法,并对两种场景进行算例仿真。仿真结果表明,该模型和算法是有效可行的,可以很好地处理这类改航问题,为飞行冲突下的飞机规划出相对安全经济的改航路径,以及时解脱飞行冲突。     

地面等待和改航策略的流量管理方法

恶劣天气下,过多的地面等待往往造成终端区的拥堵和航班的过分滞留,充分利用航路容量是解决这一问题的途径之一。结合地面延误程序和改航策略,建立了动态不确定性情况下航班起飞时刻和航路选择模型,基于当前的航班计划,通过迭代算法和Dijkstra算法,获得优化的起飞时刻和航路选择。仿真结果表明,结合改航策略后,可提高航路容量的利用率,航班的总体延误可在一定程度上减少。     

基于改进人工势场算法的无人机群避障算法研究

针对无人机运动避障人工势场算法本身存在的极小值问题和局部最小值问题，采用改进的人工势场算法，提出了一种新的路径规划方法。不同于目前的人工势场法，该模型从双机相互作用开始，在障碍物斥力的基础上，增加了无人机之间的斥力，同时定义集群的前置形心作为另一个引力源。算法分析表明，该方法能够有效避免无人机陷入局部最小值，并增强了无人机机群的控制和避障能力。基于该无人机控制模型，给出了路径规划设计并进行了仿真实验。实验结果表明，基于该模型的无人机机群控制具有更好的避障性能和追踪目标的能力。     

蚁群算法的改进设计及在航迹规划中的应用

将蚁群算法与人工势场算法相结合，提出了一种新的寻优算法。在算法的设计过程中，首先引入人工势场法进行蚁群算法初始信息素的分配，避免了在迭代初始阶段，信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上，从而陷入局部最优的问题。其次，通过引入势场引导函数改进蚁群算法的状态转移函数，避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素，从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解，并通过仿真验证了有效性。     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

空中交通改航路径评估方法研究

针对航班改航路径的优劣提出了三种评估模型.首先,从航线的安全性、经济性、管制员及飞行员的工作负荷、同计划航线的差异和航线飞行的舒适性角度出发,选取5个评估指标.然后,应用层次分析法分别确定这5个指标在飞行-空管评估模型、航空公司评估模型和综合评估模型下的权重.最后,将各评估模型应用于现有改航飞行路径的评估,研究结果表明...     

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.