基于自由空间法的航迹规划方法

针对无人飞行器的海上航迹规划问题,提出了一种基于自由空间法的规划方法。该方法首先对规划空间进行单元分解后,搜索给定的起始单元到目标单元所有的连通分支,将规划空间进行通道划分,然后在每个通道内采用规划算法进行航迹规划,该通道的划分既可应用于多航迹的协同规划,也可求出单航迹的最优航迹。实验结果表明,该方法可用于无人飞行器的海上航迹规划。     

不确定环境中的飞行器航迹快速搜索算法

本文提出了一种飞行器两阶段航迹规划算法,该方法能够在具有不确定信息的飞行环境中进行实时规划。首先根据获得的先验信息建立概率模型———概率图;其次为保证航迹的鲁棒性及可行性,先用RYG算法确定飞行器的安全走廊,有效地缩小了搜索空间。在此基础上,考虑到实际约束条件,再利用A*搜索算法进一步细化,得到一条最优航迹。仿真结果表明,该算法能够快速有效地完成规划任务,获得较满意的航迹。     

基于辅助制导的无人飞行器有向航迹网络图设计

基于辅助制导的无人飞行器多航迹规划是现今航迹规划的主流研究方向之一。飞行器规划空间广,规划过程耗时长,如何提高航迹规划的速度是一个急待解决的问题。因此,提出了一种在预处理过程中生成的、满足战场环境和基于辅助制导无人飞行器飞行特性的有向航迹网络图。该网络图适用于基于辅助制导的无人飞行器多航迹快速规划,使用数据库存储和管理,具有整体数据结构化、易扩充、占用内存资源小、可大大缩短规划时间等优点。     

多飞行器协同轨迹优化设计

针对多飞行器协同轨迹约束多、耦合强的复杂多目标优化与决策问题,对多飞行器协同轨迹优化进行了较为系统的研究。首先,对多飞行器协同轨迹优化进行了数学描述和对多飞行器在未知环境下的航迹规划进行了数学建模;其次,提出了多飞行器协同任务规划系统优化设计的数值算法,其主要包括多飞行器协同任务分配算法与飞行器最优航迹规划;最后,基于以上的研究,对3种典型不同情况下的多飞行器协同轨迹优化进行了飞行数值仿真与分析。该算法具有以下特性:全局一体优化、采用最优的多维策略、实时在线性、高精度、能够考虑各种随机干扰的作用等。     

基于K均值聚类和遗传算法的多航迹规划方法

提出了一种在未知动态环境中利用K均值聚类和遗传算法的飞行器多航迹规划方法。针对飞行器在动态环境下需要调整飞行航迹的问题,该方法可以规划出多条可供选择的航迹,使飞行器能在障碍和威胁等环境发生变化时选择可行的飞行线路。实验结果表明,该方法能有效地完成多条航迹的规划,获得满足要求的多条飞行航迹。     

考虑飞行器RCS分布的航迹规划

提出飞行器根据自身RCS分布特征,在雷达威胁完全覆盖防区时进行突防的三维航迹规划方法.将飞行器在三维空间中的运动分解为水平平面和垂直平面内的运动,简化飞行器RCS分布特征为蝴蝶结形分布,根据雷达探测目标信噪比大小提出多威胁情况下快速判断最具威胁雷达的方法,采用启发式A*算法得到突防航迹.最后对比分析采用固定RCS和分布RCS的飞行器所得突防航迹,结果表明采用分布RCS的航迹安全性更高.     

一种可实现TF/TA2的无人飞行器三维航迹规划方法

从规划空间的有效表达着手对无人飞行器三维航迹规划展开研究,基于地形和威胁提出的飞行器航迹规划方法将航迹规划分为学习阶段和查询阶段,环境信息和飞行器的大部分约束条件结合在路线图的构造过程中,航迹搜索在此路线图中进行并最终实现全部约束条件.试验结果显示,该方法可以实时获得实现TF/TA2的三维航迹.     

不确定环境下飞行器航迹规划

根据环境的确定性程度,飞行规划可划分为确定性航迹规划和不确定性航迹规划。针对不确定战场环境航迹规划问题进行了研究,提出了一种基于概率表示的军用飞行器航迹规划方法。根据威胁源的存在概率函数、位置分布概率函数和静态威胁概率函数模型,建立了不确定威胁的威胁概率函数模型。将遗传算法运用到航迹规划中,并进行了仿真实验,仿真结果验证了模型及算法的有效性。     

一种飞行器在线实时航迹规划算法

针对飞行器在线航迹规划问题展开研究,提出了一种实时航迹搜索算法。该方法将飞行器的运动与航迹搜索结合在一起,可以有效地调节搜索的时间,满足在线实时应用的要求。通过在限定的时间内扩大寻优范围,该算法可以有效地避免不可行区域,并使生成的航迹更加优化。实验结果表明,算法能有效地处理各种航迹约束,实时地生成满意的三维航迹。     

时敏打击中航迹规划与重规划研究

针对时敏打击作战的特点,对飞行器航迹规划与重规划进行了研究,提出了一种基于粒子群的航迹规划算法.该方法通过使用特定的粒子群编码方式和构造适当的适应度函数,可以在满足航迹约束的条件下,有效利用各种环境信息,进行实时航迹规划.仿真实验表明,该算法可以有效利用各种环境信息,在实时环境下处理各种航迹约束,并最终获得近似的最优航迹.     

飞行器低空突防威胁建模与航迹优化算法

提出了一种飞行器在给定地形和威胁分布的威胁场进行低空突防的航迹优化算法。该方法首先对地形的高程栅格数据进行了图形简化预处理,将各种威胁叠加到地形图上,构成一个包含各种威胁的特定威胁场,再对其建立合理的有向图数学建模,用Dijkstra最短路算法进行航迹优化。航迹优化的过程中考虑了飞行器的过载限制,使优化航迹能够较好地满足飞行器各项性能指标及任务规划的要求,仿真结果显示,该算法简单快速,能很好地进行地形、威胁、障碍物的回避。     

基于改进粒子群算法的单预警机动态航迹规划

现代战争的战场环境复杂多变,要求预警机必须在执行任务过程中根据临时获取的战场信息进行实时动态航迹规划,因此动态航迹规划具有更强的实战意义。基于此,首先分析了预警机航迹规划与目前研究的飞行器航迹规划的不同,指出目前研究的静态航迹规划方法不能满足动态规划的实时性要求;其次,对影响预警机动态航迹规划的主要因素进行数学建模后得出代价函数;然后,基于改进粒子群优化算法对其进行动态航迹寻优;最后,通过matlab仿真证明了设计的方法能够自动进行动态航迹规划和评价选优,同时能够满足实时性要求。     

基于A*算法的四维实时航迹规划算法

飞行器在飞行过程中接到攻击时间敏感目标的指令时,时间因素必须被考虑,这时飞行器就要规划出四维航迹.利用A*算法的特点,将A*算法的估价函数解释为一个与时间相关的函数,通过比较规定到达时间与预测到达时间之间的差值,确定出将要优先扩展的节点,并通过航程调节和速度控制来减小时间误差.提出的四维航迹算法在算例中实现,实验结果表明飞行器可以按规定的时间到达目标.     

多基地多目标无人机协同任务规划算法研究

在多基地多目标多无人飞行器(unmanned aerial vehicle,UAV)的协同任务规划这类约束条件众多、复杂且耦合的多目标优化与决策问题中,利用传统的粒子群优化算法在寻优时容易陷入局部最优,为此,提出了一种基于模拟退火的混合粒子群算法。基于攻打任务背景,综合考虑无人机的物理性能约束,搭建航迹长度最小适应度函数和威胁代价最小适应度函数以构造目标函数,先利用Voronoi图以及Dijkstra算法进行航迹规划,再利用基于模拟退火的混合粒子群算法进行任务分配。仿真结果表明:所提算法融合了模拟退火算法、粒子群优化算法的优点,能快速求解UAV任务规划的近似最优解,且与粒子群优化算法和模拟退火算法相比,在进化次数足够多的情况下该方法得到的结果更优。     

机动性约束下的隐身低空突防航迹规划

机载预警雷达与地面预警雷达联合组网技术的迅速发展使得飞行器突防变得越来越困难。在考虑飞行器机动性约束的前提下提出了一种"隐身"低空突防航迹规划方法,该航迹规划一方面利用机载预警雷达的多普勒盲区实现相对于机载预警雷达的"隐身",另一方面低空飞行可以有效规避地面预警雷达的探测,该航迹大大提高了飞行器突防的成功率。考虑到机载预警雷达的位置信息无法事先获取,给出了固定时间步长的搜索方法求解该规划模型。仿真实验结果证明了提出的机动性约束下的隐身低空突防航迹规划方法的正确性。     

三维航迹的B样条曲线拟合算法

利用B样条曲线的几何性质,解决了飞行器三维航迹拟合中的边界条件等约束问题.并且通过求解分析B样条曲线的曲率与飞行器按规划三维航迹飞行的需用过载之间的数学关系,推导给出了所规划三维航迹的可飞性过载判断准则.最后,通过具体算例对某型飞机按拟合三维航迹飞行的需用过载进行实时仿真并判断该拟合三维航迹的可飞性.     

一种改进遗传算法在UCAV快速航迹规划中的应用

针对无人作战飞机(Unmanned Combat Aerial Vehicle,UCAV)航迹规划约束条件复杂、不确定因素多、实时性要求高的特点,提出了一种基于Voronoi图和改进遗传算法的快速航迹规划方法。该方法采取分层航迹规划的思想,首先根据Voronoi图生成初始航迹,并综合考虑约束条件,赋予各条航迹相应的权值;然后应用改进的遗传算法在生成的航迹空间中寻优,最终得到满意的航迹。该算法利用多处理机并行计算技术对传统遗传算法进行改进,大大缩短寻优时间。仿真结果表明基于Voronoi图和改进遗传算法的航迹规划提高了实时性,增强了UCAV的动态战场适应能力和突发威胁应对能力。     

无人机三维航迹规划与可视化仿真

结合无人机的机动能力限制条件,研究了基于稀疏A*算法的无人机三维航迹规划.该算法有效修剪了搜索空间中的无用节点,缩短了航迹搜索时间.在搜索过程中,充分利用了三维地形信息,使算法生成的航迹能够自动回避地形和雷达威胁.最后通过三维航迹的可视化仿真,对生成的航迹进行了验证.     

群目标侦察航迹规划方法

针对群目标侦察中的航迹规划问题,提出先采用聚类算法将目标群分成若干个子目标群,然后采用分层规划方法进行求解。第1层为目标群之间的路径规划,将问题转化为多旅行商问题并采用遗传算法求解确定最短航迹;第2层为子目标群内部的航迹规划,由于传感器通常是以一定宽度进行扫掠式侦察,因此,首先用Delaunay三角剖分算法求出包含子群内所有目标的最小凸多边形,再利用区域覆盖扫掠算法求出凸多边形内机动次数少、路径最短的航迹。仿真结果表明,所设计的航迹规划方法能够实现群目标侦查中无人机的航迹规划,证明了模型的可行性和算法的有效性。     

无人机航迹规划常用算法

无人机航迹规划是实现无人机自主飞行的关键技术保障,航迹规划算法则是航迹规划的核心。首先介绍无人机航迹规划的相关理论,其次分析归纳了当前常用的航迹规划算法,最后阐述了航迹规划所面临的挑战及其发展方向。