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。     

基于遗传算法的无人机航迹规划代价函数

针对当前使用的无人机航迹规划代价函数的不足之处,提出一种利用遗传算法对无人机航迹规划代价函数进行优化的方法。对基本遗传算法进行了局部改进,设计了航迹极坐标编码方式及航迹适应度函数,在采用基本遗传操作算子的基础上采取精英保存策略,提高了算法的效率;采用代价归一化并进行优化的思想,得到优化之后的代价函数权重值。优化结果表明,该方法可以获得代价更低的航迹。     

新混合智能计算法在UCAV航路规划中的应用

无人作战飞机(UCAV)出航执行对地攻击(或侦察)任务,若事先针对敌方防御区内的威胁部署和目标的分布情况,就飞行航路进行整体规划设计,则可以综合减小被敌方发现和反击的可能性,最大限度地降低耗油量,从而显著提高其执行任务的成功率。在对进化算法研究的基础上,将用于解决旅行商问题(TSP)的进化算法加以改进,引入优秀个体保护法和模拟退火的策略思想,借以克服进化算法固有的易陷于局部最优的早熟现象,然后运用于UCAV的航路规划。实验结果表明,改进的混合智能计算方法简易而有效,寻优效果明显优于常规进化算法,规划出的航路能够满足UCAV飞行任务规划的综合需要。     

图结构与Dijkstra算法在无人机航迹规划中的应用

对无人机任务区域内的航迹可以按照航迹节点和航迹段的方式建立拓扑关系。用图结构的形式对其进行描述,并用邻接矩阵和权值矩阵对该数据结构进行表达。根据Dijkstra算法的原理计算出由出发点到各航迹节点间的最短航迹。     

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。     

改进蚁群算法的无人机航路规划

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,其正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,在解决组合优化问题上有着良好的适应性。基于两种改进蚁群算法,分别将遗传算法的交叉操作和Dijkstra算法结合到蚁群系统的无人作战飞机航路寻优过程中,使无人作战飞机以最小的发现概率与可接受的航程到达目标点,并提高了无人作战飞机的航路寻优能力。     

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。     

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。     

多无人机梯次攻击航路规划

为了解决多无人机协同攻击航路规划问题,基于一种雷达威胁等效方法,以及无人机在不同姿态下雷达散射截面RCS(Radar Cross-Section)值随之改变的特性,结合多机作战战术思想,提出了一种多无人机梯次协同攻击同一目标的方法,并利用Dijkstra算法进行多无人机航路规划。仿真结果表明,该方法具有更高的应用价值。     

车辆支持的多无人机多区域覆盖路径规划算法

针对无人机在区域侦察中的应用研究,提出车辆支持的多无人机覆盖侦察的车机协同模式与协同路径规划算法.以最小化任务完成时间为目标,考虑车辆路径所受的道路约束以及无人机的能量约束,建立混合整数规划模型,并设计基于迭代松弛思想的启发式算法.在构建的60 km2的测试场景中随机设置16个目标区域,算法实现了车辆与无人机的覆盖路径规划,全部侦察任务完成用时为1.593 h,验证了车辆支持多无人机模式的可行性以及算法的有效性.     

无人攻击机生存力评估方法

首先介绍了无人攻击机的国内外发展现状和趋势,然后阐述了无人攻击机的特点,分析了与生存力密切相关的各分项能力之间的关系,提出了一种建立无人攻击机生存力评估的综合指数模型;同时确定了模型中各分项能力的评估模型。最后以6种无人攻击机的生存力评估为例计算并检验了模型的可用性。     

美军XQ-58A项目与应用模式分析

XQ-58A是美国空军研究实验室推动与支持研制的一种高亚声速无人隐身验证飞机,它能够担任F-22/F-35的无人僚机,执行目标指引、前出探测、干扰诱骗及武器投放等协同任务,能够更好地发挥F-22/F-35的信息优势,提升其实战能力.XQ-58A能够衍生出多样化作战样式,对现代空战和穿透性制空具有重大影响.本文首先对比介...     

改进遗传算法求解电力网攻击无人机分队任务分配

遗传算法因其出色的寻优能力,自提出后就被广泛用于工程技术上的最优化问题求解。根据电力网攻击无人机分队任务分配的实际需要,提出基于遗传算法思想的解决方案,并在原算法基础上,采用种群分组进化的策略进行改进。详细介绍算法的基本原理和仿真步骤,再举出实际算例进行仿真,实验结果证明算法的改进取得了良好效果。     

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。     

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。     

不确定态势下无人机群协同作战效能评估

针对不确定态势下无人机群作战效能评估问题,构建了一套基于作战过程仿真的无人机群作战效能评估方法。首先,从作战环角度分析无人机群察打任务作战过程;其次,根据作战环的各个步骤设计战法计算,结合设计的参数设置、战场态势生成与记录、全局进度控制器、作战数据记录等模块形成完整的无人机群察打作战过程仿真系统;然后,依据获得的作战过程仿真结果数据,构建核心效能指标与辅助效能指标,给出各指标的计算与耦合方法;最后,通过案例实验,对采用不同编配方案的无人机群进行作战过程仿真,评估分析作战效能,验证了本文方法的可行性,可实现不确定态势下无人机群作战效能的有效评估。     

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。