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。     

基于粒子群优化算法的低空突防航迹规划

本文提出了运用粒子群优化算法来对飞机低空突防进行航迹规划的方法。首先,说明了飞机突防需要满足的物理限制和战术要求。其次,根据低空突防航迹规划约束多,计算复杂的特点引入粒子群优化算法,并且对其进行简要的介绍。应用粒子群优化算法对低空突防战术进行航迹规划。最后实验结果表明,该方法能够对飞机低空突防过程规划出可行的飞行航迹。     

基于改进A~*算法的航迹规划设计研究

针对传统A~*算法得出最优航迹为"折线航迹",增大了转弯处的航程和飞行时间,难以满足实际飞机飞行安全性需求,提出了一种基于"追踪"思想的改进A~*算法。该算法利用追踪模型的微分方程对航迹进行求解,得出较初始"折线航迹"距离更短的"曲线航迹",精确规划出最优路线,且能快速解决障碍规避问题。最后,以北京到成都、西安到上海等7条航线的航班为仿真算例,充分验证了所提算法的有效性。     

飞航导弹齐射发射时间的一种快速规划算法

多发飞航导弹齐射时,各发导弹之间存在碰撞或者相互干扰的可能,为了保证导弹飞行安全,需要对各发导弹的飞行管道进行分析,以此规划各发导弹发射时间.为此在对飞航导弹初段航迹分析的基础上,建立了一种发射时间的快速规划算法,实现了以较小的计算量规划发射时间,并且通过仿真计算证实了该算法是正确的.     

改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。     

基于改进精英蚁群算法的无人机三维航迹规划

针对三维地图中的无人机航迹规划问题,提出了一种基于改进精英蚁群算法的航迹规划算法.将算法中的状态转移策略与人工势场法进行融合设计,为障碍物和目标点分别设置斥力场和引力场,指导航迹搜索方向.添加约束条件限制,使航迹能实际可飞.随后当信息素更新时,设置双精英蚂蚁策略和混沌扰动,提高算法的全局搜索能力.引入视线算法减少航迹节...     

应用改进的电势理论规划三维飞行路径

改进了电势理论使其能回避地形威胁,规划实用的三维航迹.将模拟地形的高程数据矩阵按一定的权重叠加到威胁电场上,使威胁场不但能反映雷达、火力威胁而且能反映地形威胁;通过限定位于起始点和目标点之间的搜索范围,减少了计算的复杂度,保证飞行路径最终能到达目标点,同时,在上述航迹规划的基础上,由坡度限制平滑算法,曲率限制平滑算法对...     

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。     

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。     

基于威胁建模的多航迹规划算法

针对飞行器多航迹规划问题,首先为飞行器进行威胁建模,以此构建航迹规划的基本代价函数,使用引入排挤策略的K-均值聚类方法,将航迹依照其空间分布划分成多个相异种群,有效地保持了解的多样性,使航迹在空间离散度高,与粒子群算法相结合提高了求解效率,实现了算法的自适应。仿真结果表明,该算法能够为飞行器快速规划出多条航迹,克服了人工规划的主观性,满足实际作战中预航迹规划的需求。