一种用于SEAD任务的改进型Voronoi图

根据雷达所在位置构造Delaunay三角形,取它的外心作为Voronoi图的顶点,构造常规Voronoi图,使用随机搜索算法可以为无人战斗机规划安全路径。由于战场环境威胁各异,使用常规Voronoi图不再能表征真实的SEAD任务,增大了无人战斗机的威胁,本文提出了一种新的Voronoi图的改进方法,以提高无人战斗机在执行SEAD任务时的生存概率。首先,根据可能出现的各种情况进行了分析,提出了改进型Voronoi图的构图原则。然后,提出了在不同威胁体下,基于"Delaunay多边形"构造改进型Voronoi图的方法。最后,进行了仿真。仿真算例的结果验证此方法可以明显地提高无人战斗机的生存概率。     

SEAD场景异构无人机配置与任务规划联合优化方法

对敌防空压制(suppression of enemy air defenses, SEAD)场景是多无人机协同的典型应用,针对该场景特点,在任务规划问题基础上将各类型无人机数量也作为决策变量,充分表征目标、任务和无人机的多种约束,建立异构无人机编队路径问题模型。设计了双层联合优化方法求解该模型：上层设计了任务衔接参数指标,精确评估各类型无人机需求,指导无人机配置调整;下层设计了改进遗传算法,高效处理多类型约束并能结合无人机数量变化对任务方案进行精细调整;双层相互协调获得满足需求的无人机配置和执行方案。仿真结果表明,该方法可以在避免遍历无人机配置组合的前提下获得合理的无人机配置方案和高效可行的执行方案。