排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
为解决高超声速滑翔式飞行器具有干扰不确定性的再入轨迹优化问题,提出了一种基于广义正交多项式方法的随机轨迹优化数值求解方法。针对随机干扰,基于广义正交多项式方式对其分布进行采样,形成采样空间,而后将每个采样值代入确定性轨迹优化问题中进行反复迭代求解,得出观测值的样本空间,并计算其期望、方差和协方差,估计输出值。以最大纵程为代价函数对具有随机干扰的高超声速滑翔式飞行器最优轨迹进行了数字仿真。仿真结果表明,基于广义正交多项式的随机轨迹优化方法能够有效处理随机干扰对轨迹优化问题的影响,与蒙特卡洛法相比计算效率大大提高。 相似文献
2.
高超声速滑翔飞行器轨迹优化与制导综述 总被引:3,自引:0,他引:3
针对多约束条件下高超声速滑翔飞行器轨迹优化与制导问题,从离线和在线两个方面综述了高超声速滑翔飞行器轨迹优化与制导方法,并进行了展望。首先建立了带随机干扰的高超声速滑翔飞行器轨迹优化与制导问题模型。针对是否考虑随机干扰,从确定性和鲁棒性两方面对离线轨迹优化与制导进行了综述。在线轨迹优化与制导方面主要对在线轨迹生成加轨迹跟踪的标准轨迹制导和预测制导两方面进行了综述。最后,提出轨迹优化与制导技术应加强在模型、计算效率、多任务、高精度制导等几个方面的研究。 相似文献
3.
基于混沌蚁狮算法的无人机航迹规划 总被引:2,自引:0,他引:2
针对无人机在复杂战场环境下的最优航迹规划问题,提出了一种基于混沌蚁狮算法(CALO)的无人机航迹规划方法。对航迹规划问题进行了描述,建立了数学模型,将传统蚁狮算法中蚂蚁随机游走的行为和混沌算子结合,与蚁狮形成了全局、局部并行搜索模式,提高了算法寻找全局最优值的能力。在两种威胁环境下进行了仿真试验,搜索维度分别为10和20,并与经典人工蜂群算法(ABC)、传统蚁狮算法(ALO)、灰狼算法(GWO)进行对比,最后通过收敛曲线对仿真结果进行了统计分析。仿真结果验证了CALO算法在解决无人机航迹规划问题时的有效性和可行性。 相似文献
4.
5.
1