基于数字地图的威胁空间建模与仿真

利用雷达地形遮蔽盲区进行低空突防对敌人地面目标进行攻击是航迹规划关键技术之一.在综合考虑作战区域地形、敌方防空力量等因素条件下,应用人工势场理论对威胁空间的威胁级别进行量化处理,建立了战区势场模型.通过仿真证明,该模型更加符合真实的战场环境,为战斗机任务规划特别是航迹规划提供了参考依据.     

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。     

基于威胁联网环境的一种无人机航迹重规划方法

威胁联网环境中,无人机需要对运动威胁进行规避以安全到达终点。通过建立无人机和威胁的运动模型,并对每一时刻无人机和运动威胁的相对位置进行实时分析;提出了一种基于可飞性分析的航迹重规划方法;最后对该方法进行仿真实验。仿真结果表明,该方法增强了无人机对运动威胁的规避能力。     

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。     

改进型Voronoi图和动态权值A*算法的无人机航迹规划

针对实际作战环境中的不同威胁等级和不同威胁实体的威胁源,提出了改进型的Voronoi图,并建立了基于改进型Voronoi图的航迹规划空间;基于A*算法的估价函数在不同阶段对指标的敏感度不同,在传统的启发式A*搜索算法基础上提出了动态权值A*搜索算法,提高了航迹搜索的效率,实现了航迹搜索过程快速性和准确性的结合。最后通过Matlab仿真计算出由动态权值A*算法得到的最优航迹,并进行了航迹的平滑处理,仿真表明了该方法的可行性。     

基于改进稀疏A~*编队航迹实时规划方法

根据干扰任务与战场态势对随队支援干扰机干扰航线与资源分配的实时规划是空中突防作战中的关键技术。对航迹实时规划技术的概念进行概述,以突发威胁环境为背景,建立随队支援干扰编队的航迹实时规划模型。针对实时搜索的稀疏A*搜索算法,设置了新的目标函数。基于改进的稀疏A*搜索算法,利用仿真技术对三维航迹进行更新,实现实时规划的目的。     

基于突防网格模型的动态航迹规划

首先以地形环境数据为基础,建立了综合地形因素、山峰障碍、攻击威胁等为一体的突防网格模型,然后研究建立了基于动态规划算法的航迹规划系统,使低空飞行器不仅能够回避现有的复杂地形、地貌、障碍和攻击威胁等众多因素,而且能实时接收指控系统的命令,对突然来袭的威胁等作出反应,进而重新规划航迹.经仿真试验验证了该系统能够完成预定的飞行任务,具有很好的实用性.     

图形模型在航迹规划中的应用

对几种图形模型航迹规划的基本原理和方法进行了介绍,并进行了仿真验证。针对图形模型航迹规划中可行点选取的随意性,提出利用遗传算法寻找初始可飞区域内的可行点,将可行点连接起来就组成了初始可行航迹,此时便可用dijkstra算法进行航迹规划。由于标准传统遗传算法航迹规划的不足,提出运用实数编码的贝叶斯优化算法进行航迹规划,通过仿真验证了算法的有效性。     

基于改进差分进化算法的多无人机航迹规划

针对已知三维环境下的多无人机动态路径规划问题,在多无人机协同方面基于参考路径长度以及威胁距离进行任务点规划,并根据实际环境设定了约束函数和适应度函数。在航迹规划算法方面则采用改进差分进化算法,将种群基于种群个体的适应度均分为两个子种群,选择不同的变异策略。仿真验证结果显示,改进差分进化算法得到的规划路径在路径长度、适应度值优于传统差分进化算法,可以生成路径更短且适应度值更优的航迹。     

基于遗传算法的航路规划模型研究

航路规划模型问题是飞行器航路规划研究的一个重点问题。目标函数模型设计的合理与否,对航路规划的效率及准确度将产生十分重要的影响。在建立连续的威胁概率函数模型、构建航路规划目标函数模型时,将遗传算法应用到航路规划中,通过仿真计算验证模型有效性。