基于维特比算法的无人机航路规划

提出采用隐马可夫模型(HMM)建立无人机飞行中威胁评估模型,利用HMM中维特比(Viterbi)算法实现了对威胁评估,确定无人机飞行中的航路;提出采用快速排序算法改进Viterbi算法的效率;采用三次样条插值修正航路点附近过大尖角。仿真表明：具有自主学习的Viterbi算法可以有效地完成无人机航路规划,改进算法可以更有...     

无人机的协同侦察航路规划

无人机将成为侦察卫星、有人驾驶侦察机的重要补充与增强手段 ,成为未来战场上广泛应用的一种侦察工具。为了提高无人机 (U AV)的侦察效率 ,在执行侦察任务前必需规划设计出高效的无人机侦察飞行航路。针对这一问题 ,提出了一种侦察效率指标评估的计算方法 ,解决了航路规划中的侦察效率量化问题。考虑在大范围任务区域内进行侦察航路优化存在计算的复杂性和收敛等问题 ,采用遗传算法对侦察航路进行了优化处理。通过该方法得到的侦察航路可以有效地提高无人机的侦察效率。     

蚁群算法在无人机航路规划中的应用

蚂蚁算法是一种新的源于大自然生物界的仿生随机优化方法。吸收了昆虫中蚂蚁的行为特征,通过其内在的搜索机制,在一系列组合优化问题求解中取得了成效。将蚁群算法应用于无人机(UAV)航路规划,提出了一种适用于航路规划的优化方法,可以为在敌方防御区域内执行攻击任务的无人机规划设计出高效的飞行航路,保证无人机以最小的被发现概率及可接受航程到达目标点,提高了无人机作战任务的成功率。仿真结果初步表明该方法是一种有效的航路规划方法。     

基于进化算法的雷达对抗侦察无人机航路规划

雷达对抗侦察无人机在执行任务前要根据战场环境预先规划好最优路径。全面考虑战场环境威胁约束、机动性能约束和侦察任务约束,综合轮盘法、最优保存策略和6种进化算子形成进化算法,并对航路规划问题进行求解。仿真结果表明,利用约束量化方法和进化算法对雷达对抗侦察无人机进行航路规划是可行的。     

基于改进型支持向量机的侦察无人机作战效能评估

侦察无人机作战效能评估是无人机任务规划领域的一个重要课题。针对侦察无人机作战效能评估的问题,提出了基于粒子群算法优化支持向量机的侦察无人机作战效能评估模型。该评估模型在支持向量机的基础上,采用粒子群算法寻找最优惩罚参数和核函数参数,避免了人为设定惩罚参数和核函数参数的盲目性。仿真实验结果表明此模型可以准确有效地对侦察无人机进行作战效能评估。     

无人机的侦察路径规划

交叉熵算法具有快速准确的特点,在理论研究和实际应用中占有很大的优势.交叉熵算法不仅应用于稀疏网络评估,还可以进行组合优化和模式识别等诸多方面.利用交叉熵算法对无人机的侦察路径进行优化,并根据长航时无人机的自身特点,在约束条件下,对无人机侦察航路进行了路径规划,同时利用实例模拟计算对交叉熵算法进行了验证,取得了满意的结果,在计算过程中展示了交叉熵算法在运算中的鲁棒性和时效性.     

基于雷达威胁的路径距离最小航路规划算法

未来作战逐渐趋向无人化、智能化,战斗机尤其是无人作战飞机感知战场态势变化,并自主重规划航行路线显得尤为重要.提出了一种雷达威胁的作战空间离散威胁概率表征方法,基于航路安全代价和航路距离代价的无人机A*航路规划算法.运用该算法仿真完成了不同安全代价和航程代价的航路规划,并给出了相应的规划路径结果.     

改进人工势场法与模拟退火算法的无人机航路规划

针对标准人工势场法应用于无人机航路规划存在的缺陷,建立了改进的人工势场模型:当航路点搜索陷入威胁区时,构造惩罚势函数并使用势场强度代替合力矢量控制进行路径规划,解决由于合力矢量为零引起的局部极小问题;利用模拟退火算法搜索威胁区内势场强度更小的点,使得航路点逃离威胁区,解决传统人工势场法中参数对搜索航路点逃离效果的影响;使用变步长法优化算法的收敛速度。仿真结果说明,该方法能够较好地实现无人机航路规划,且快速易行。     

基于模型预测控制的无人机避障路径规划方法

针对无人机飞行过程中避障问题,提出了一种基于模型预测控制的无人机避障路径规划方法。通过对无人机平台模型进行分析,构造了无人机状态空间预测模型。为保证路径规划过程输出的平稳性,采用一阶指数变化形式作为无人机飞行路径的参考轨迹。设计了预测模型调整策略,并给出了参数调整流程,以能力-时间组合最优为目标,建立了无人机避障路径优化模型,采用有限时域优化的滚动优化算法对无人机避障优化模型进行了求解。算例仿真结果表明,该算法可有效解决无人机飞行路径的避障问题。     

基于变权重搜索策略无人机航路规划算法

通过对A*算法在路径规划中的应用进行研究,提出了一种新的三维航路动态规划方法,通过对搜索策略引入启发式权重系数,利用加权值自适应方法对算法的评价函数进行设计,改善了传统A*算法在大空间中搜索速度低的缺点,提高航迹点搜索效率,同时将无人机的约束条件有效分割到解空间,便于应用于工程实践。基于优化算法规划的最优航路,设计了导引控制律,使无人机很好地跟随规划的路径,同时生成的期望控制指令充分考虑了无人机本身的机动性能以及实时性要求,解决了航迹规划与航迹跟踪之间的问题,最后进行了仿真验证,结果表明:该方法是可行和有效的,有着较高的优化效率;易于实现,工程实用性强。     

多约束条件下无人机航路规划动态评价方法

针对多约束条件的无人机航路规划评价方法缺乏合理性和动态特性的问题,提出了基于无人机六自由度模型的飞行仿真动态评价方法。分析了无人机航路规划的约束条件和影响航路评价的因素,基于某型无人机六自由度飞行动力学模型和飞行控制系统模型建立了无人机飞行仿真系统模型,将航路规划与评价进行有机结合进而进行航路评价方法软件的设计,通过对无人机沿规划航路的仿真飞行参数进行动态特性分析,以更接近真实情况的仿真手段对多约束条件下的航路规划效果进行评价。结果表明,该方法形象直观的实现了对无人机规划航路的动态综合评价,满足工程需求。     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。     

基于免疫遗传算法的无人机航路规划

基于免疫遗传算法的原理,建立了一种在三维复杂地形下,协同考虑地面等待和任务执行两阶段的无人机航路规划模型.首先,使用了生成三维等效地形图的方法;其次,根据所得的地形图,提出了一种改进的分组寻优免疫遗传算法用于搜索最优航路,提高了搜索效率.该算法先用预处理解空间和免疫记忆特性的方法来产生初始解群体,再用免疫遗传算法的特性搜索满足无人机机动特性约束的航路点集,最后使用准均匀B样条曲线,将航路点连接起来的有向线段进行修改、光顺,使航路安全可飞.仿真的结果证明采用的模型是合理有效的.     

基于遗传算法的自航水雷航路规划

自航水雷在执行任务时需要装载根据战场环境预先规划好的最优路径,路径的优劣直接决定了自航水雷的作战效率.采用遗传算法进行自航水雷航路优化,算法利用极坐标描述威胁位置和航路点,将航路编码由二维缩减至一维,降低了搜索空间,提高了优化效率.对算法进行了相应的仿真,仿真结果表明,编码方式提高了优化效率,得到的航路有效地规避了威胁.     

基于改进遗传算法的多无人机航路规划方法

在分析多无人侦察机任务需求、限制以及特性等要素基础上,建立了多无人机航路规划优化模型。以航程作为性能指标,将多无人机侦察多目标航路规划转化为多旅行商问题。通过对多旅行商问题特点分析,采用遗传算法基本思想,对编码和适应度函数以及操作算子进行合理设计,并改进了交叉和变异操作算子以取得更好优化结果。仿真结果表明所提算法的合理性和有效性。     

基于混合变异策略差分进化算法的无人机航路规划

提出在一种三维场景参数部分已知的有威胁空域中,采用差分进化算法(DE)规划无人机(UAV)航路,为了提高差分进化算法性能,以生成最优的路径,而采取多种变异策略的差分进化算法。算法根据种群个体的适应度值,将初始化的种群分为3个子种群,然后对于不同子种群采取不同变异策略。重点构建了环境模型和生存模型。数值实验结果表明,相较于单一变异策略的DE算法,混合变异策略的DE算法在无人机航路规划问题求解中,具有更好的求解效果和环境适应能力。     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

基于改进PH曲线的无人机路径规划方法

快速而有效的航路规划是无人机执行作战任务的基础。针对现有Pythagorean Hodograph(PH)曲线路径规划方法中仅对一条路径曲线进行优化问题存在的不足,提出一种基于改进PH曲线的多段路径的组合规划方法。该方法通过建立选择策略,改进多段PH路径合成方法,有效利用了PH曲线的曲率连续性和精确性,结合贪心算法的快速寻优特性,可以快速得到满足安全性、曲线连续和曲率连续的最优PH路径。仿真结果表明了该方法的合理性和有效性。