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。     

基于路径规划的无人机飞行冲突解脱技术

在无人机与有人机共用空域时,随时可能发生飞行冲突,应当有一种可靠的冲突解脱技术,保证无人机的空域运行安全。为此,构建了基于正三角形栅格法的空域运行环境,改进了以往十字栅格环境规划动态路径的缺陷;提出了基于空间分割的改进蚁群算法,提高了算法的寻优性能与路径规划能力。最后结合ADS-B系统的工作原理,在利用卡尔曼滤波对ADS-B信息进行修正的基础上,设计了无人机冲突感知的技术方案,并用实时的路径重规划技术实现飞行冲突的解脱。最终的仿真实验验证了飞行冲突解脱技术方案的有效性,可为未来无人机的空域运行技术提供一定的理论参考。     

基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.     

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。     

无人机电子干扰条件下的路径规划

针对机载预警雷达结合地面雷达对低空突防无人机构成的严重威胁,提出一种基于A*算法的路径规划算法.该算法分析了电子干扰和无人机RCS对雷达探测空间的影响,建立了新的雷达探测空间模型和威胁模型进行路径规划,将A*算法应用于无人机的路径规划过程.在此基础上给出了应用该方法的具体步骤,并进行了MATLAB仿真.仿真结果表明:考虑电子干扰对雷达威胁区域影响的情况下规划的飞行路径飞行器能有效回避威胁,有效提高无人机的低空突防能力.     

武警部队快速机动中最优路径的实现

紧急条件下武警部队快速机动最优路径，是一个多目标多约束随机动态交通网络寻优问题。在分析交通网络拓扑化特点及最短路模型前提下，着重研究道路通行能力带给复杂公路网络道路寻优问题的影响，并结合GIS系统利用改进的Dijkstra算法求解。     

基于改进NSGA-II算法的多目标无人机路径规划

路径规划是无人机自主智能飞行的关键技术之一。以路径长度和受威胁程度为优化指标,提出无人机路径规划的多目标优化模型。为找出一组分布多样化的最优路径,提出改进的NSGA-Ⅱ算法,该方法在经典智能多目标优化算法NSGA-Ⅱ的基础上,引入增加、删除算子使规划的路径能避开威胁区、引入最大拐弯角约束缓解变异操作导致的航路突变、引入混合目标空间和决策空间信息的新型拥挤距离算子提高路径的多样性。仿真实验表明,对比NSGA-Ⅱ和传统的GA算法,改进的NSGA-Ⅱ算法能够有效找到一组收敛性好且分布多样化的路径。     

面向协同区域反恐侦察的无人机集群规划与控制

以无人机集群协同侦察多个区域内潜在的恐怖分子为背景,提出了一种基于贪婪算法的求解思路,设计了任务分配-路径规划-跟踪控制的算法流程,解决了面向协同区域反恐侦察的无人机集群规划与控制问题。首先,设计任务分配算法,为无人机分配任务区域,解决多无人机多目标的任务分配问题;然后,每一架无人机进行路径规划,生成从当前点到任务区域以及在任务区域侦察的组合路径;再使用追踪虚拟目标点的方法,使无人机沿着规划航线飞行。任务分配-路径规划-跟踪控制在线滚动执行,使无人机集群协同执行反恐侦察任务。对上述算法进行了数值仿真,并基于开源仿真平台搭建复合翼无人机协同仿真环境,进一步验证了算法流程。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

无人机蜂群作战效能评估研究

在分析无人机蜂群作战特点的基础上,重点研究了飞行能力、突防能力、探测能力、火力控制、战场适应性等对蜂群作战效能的影响,建立了作战效能评估指标体系与模型。利用层次分析法分析并计算准则层各因素的权重系数,最后利用该评估模型对多架异构无人机蜂群的作战效能进行实例验证和检验。结果表明,该方法不仅能够为无人机蜂群作战提供理论基础,而且能为作战决策者提供作战配置方案。     

高空长航时无人机编队协同侦察任务规划

针对高空长航时无人机侦察任务规划特点,分析了高空长航时无人机执行侦察任务过程中的飞行航线约束和通信条件约束,以最小化无人机总飞行航程和最终编队飞行时间为优化目标,建立无人机编队协同侦察任务规划问题模型。同以往的通用侦察任务模型相比,该模型突出考虑了高空长航时无人机执行侦察任务过程的特点。以基本粒子群算法为基础,通过粒子群离散化和结合遗传算法进行改进,使其适用于求解复杂组合优化问题。仿真结果验证了算法求解复杂任务规划问题的有效性。     

基于MPC方法无人机避障路径规划研究

无人机大多依靠规划好的航路飞行,面对复杂的、不可预知的飞行环境,有效的自主障碍规避能力对提高飞行安全十分必要。针对无人机飞行过程中机动障碍物的避障问题,提出了一种MPC避障路径规划方法。构造障碍物预测模型、一阶指数参考轨迹生成方法、并提出了能力-时间组合最优为目标的滚动优化模型,有效解决了在运动障碍物作用下,无人机运动轨迹安全、平滑的动态规划问题。二维和三维空间仿真结果表明,所提方法是有效的。     

基于PSO-Markov联合模型的无人机路径规划

利用PSO算法对无人机在侦查任务中的路径进行实时规划,将算法与地形、飞行角度、油量等约束条件结合起来,有效地缩减了搜索空间;同时为了在任务中能够更好地掌握无人机完成任务与生存的概率以及整个路径的代价,引入了一种可用于计算风险和评估任务威胁的生存性联合模型,该模型使用了八状态马尔科夫链来描述无人机的状态。仿真实验结果表明,该方法可以有效地检测航路中飞机的各种状态的概率,并以此对整个航路进行评估。     

基于神经网络自适应PID的无人机编队避障飞行控制研究

针对无人机编队避障飞行控制难题,研究了无人机编队避障航迹规划与智能控制技术.首先,提出一种基于改进人工势场法的无人机编队航迹规划算法,利用改进势场函数和引入"随机波动"法等手段,解决了传统人工势场法用于无人机编队航迹规划时遇到的无法到达目标点以及局部最小值问题,并提升了传统算法航迹规划的快速性和鲁棒性.其次,设计了一种...     

舰艇编队多补给舰海上补给路径规划

为提高我军远洋保障能力,实现舰艇编队海上伴随保障的精准高效,在分析舰艇编队补给方式的基础上,提出了一种基于改进遗传(Improved Genetic Algorithm,IGA)算法的舰艇编队多补给舰海上补给路径规划模型,分析了舰艇编队海上补给路径规划模型求解方式,增加了多目标函数寻优策略、采用了近时初始化方式构建初始解、改进了交叉和变异运算的运算规则,形成了舰艇编队多补给舰补给规划方案.实例证明,模型可行,可为舰艇编队海上补给部门提供科学和实用的决策依据.     

多无人机协同任务规划方法

针对多UCAV协同作战的复杂问题,建立了多无人机任务分配模型,模型在任务规划前进行路径预规划,增强规划过程的准确性,提出一种基于整数编码的多种群混合遗传算法对问题求解并进行仿真实验。实验结果表明,该算法增强了搜索的有效性,极大地避免了遗传算法容易陷入未成熟收敛的缺陷,保证了寻优过程的收敛性和任务规划效果的最优化。     

多无人机编队协同控制软件平台设计与仿真

在战场环境瞬息万变、作战任务日益复杂的现代战争中,多架无人机编队协同完成复杂的作战任务已成为一种趋势。多无人机编队控制及重构是多无人机系统的核心内容和关键技术。基于微粒群算法、蚁群算法研究了多无人机编队控制及重构、航线规划及重规划问题,特别是在解决编队重构问题时,提出一种多样性微粒群算法。设计了多无人机编队飞行协同控制平台,仿真结果表明,标准微粒群算法、蚁群算法等智能算法可以较好解决编队控制、编队重构和航线规划问题,多样性微粒群算法具有更强的全局寻优能力。     

不确定条件下多无人机侦察调度问题

结合动态目标的不确定性,构建了动态环境下多无人机协同搜索问题模型,并基于半随机式搜索策略的人工蜂群算法求解该模型。利用双重进化的特点,改进了插入点算子和逆转序列算子,在需要进行两点操作的搜索过程中,随机选取一点,另一点通过遍历可行解来确定最优解的位置。最后在某海域岛礁间距离之和的解空间维度上进行交叉搜索,并应用到局部搜索过程中构成双重进化,实验结果验证了所提出算法的有效性以及解决多无人机调度问题的可行性。     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

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。