考虑协同航路规划的多无人机任务分配

针对多无人机任务分配与协同航路规划问题，以分布式合同网拍卖算法为基础，构建无人机集群任务拍卖架构与拍卖收益函数，结合模拟退火算法协调任务执行次序，采用A^*算法完成两任务点间航程预估，在任务分配阶段同步完成多无人机间协同航路的初规划，确定最佳任务执行次序，实现任务分配与协同航路规划的紧耦合。仿真结果表明，在考虑禁飞区、障碍威胁情况下，该算法能够有效完成多架无人机不同类型任务的分配，且目标分配、执行次序合理，总执行代价小，各机间负载均衡；在任务分配阶段考虑协同航路规划具有明显的效果，能够有效提高任务分配的合理性。     

Is Memory for Routes Enhanced by an Environment's Richness in Visual Landmarks?

We tested the hypothesis that a route's memorability is dependent on the frequency with which people are exposed to visual landmarks. Undergraduates learned either a route through an urban area lacking visually salient features, or a route in a neighborhood with many shops and urban objects. They were then asked to recall the learned route in the form of route directions and sketch maps. The results showed higher recall performance for the richer environment. When presented with photographs depicting scenes along the route, participants exposed to the richer environment had higher recognition scores and shorter response times than the others. The data confirm the functional role of landmarks in route memory and wayfinding.     

深空着陆器随机优化制导律设计

针对导航估计误差对制导精度的不利影响,提出了一种随机优化制导设计方法。该方法将导航估计性能作为优化项引入制导设计过程中,通过对观测轨迹的优化设计,使视觉导航估计精度得到提高,进而改善了制导性能;同时,引入单步超前优化方法减少迭代运算量。将其应用于深空探测着陆任务,仿真结果表明与传统估计最优制导方法相比,该随机优化制导律有效降低了估计误差给制导系统带来的不利影响,使着陆器导航与制导系统整体性能得到改善提高。     

基于改进粒子群优化算法的巡航导弹航路规划

粒子群优化(PSO, Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.      

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。     

可重复使用飞行器末端能量管理段轨迹和制导研究

采用Bernoulli螺旋线来描述航向调整圆锥在水平面中的投影,以此为基础建立了可重复使用飞行器在航向调整段的动力学和运动学模型,提出了一种根据末端能量管理段起始点水平面位置和飞行器的能量/航程比动态来生成航向调整圆锥的方法,以及航向调整段和捕获段的制导方法;数字仿真结果表明,本文提出的轨迹设计和制导方法可以使可重复使用飞行器以自动着陆界面要求的速度和高度对准跑道,实现飞行器安全降落。     

无人机任务规划系统研究及发展

无人机任务规划系统是指根据所要完成的任务、无人机的数量及任务载荷的不同,对各架无人机进行任务分配并通过航路规划技术制定飞行路线。首先介绍了无人机任务规划系统的基本功能及组成结构。然后,详细分析了任务规划系统的建模技术及其优化算法的研究现状。最后指出了讨论了无人机任务规划存在的问题,并阐述了无人机任务规划系统的发展趋势。     

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.     

航迹跟踪的DMC方法设计研究

动态矩阵控制（DMC）是模型预测控制（model predictive control）的一种典型算法,通过模型预测、在线滚动优化和反馈校正来对被控系统实施优化控制,能有效处理系统输入输出约束和抑制随机干扰。论文在碟形飞行器控制模型基础上,设计了基于DMC方法的飞行器航迹跟踪控制系统。通过选取多组参数进行仿真研究,明确了DMC方法三个主要参数在系统中的作用,并获得了较好的航迹跟踪控制效果。