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...     

基于预添加虚拟力的改进人工势场算法

针对传统人工势场法在路径规划时会因目标点与障碍物的位置原因,出现引力与斥力合力为零而陷入局部最优点无法脱离的现象,提出了引入虚拟力辅助人工势场摆脱局部最优点的方法。改进算法首先将预添加的虚拟力细化等分为8个方向,再根据虚拟力与人工势场的势场力合力重新规划轨迹,在选择合适的时机撤去虚拟力后会获得多条新轨迹,然后根据每条新规划的轨迹情况,去除不合理的轨迹。最后计算出所有可行的预添加虚拟力方向的轨迹长度,选择出最优的轨迹。通过设置的五组仿真实验获得改进算法与传统人工势场法仿真结果的对比,验证了改进算法在面对单个障碍物与多障碍物的复杂环境下都能够解决传统人工势场法的缺陷,规划出合理的路径,可以有效地解决复杂环境下传统人工势场法适应性差等问题,证明了通过预添加虚拟力对传统人工势场法进行改进的可行性与有效性。     

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.     

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。     

融合Q学习算法和人工势场算法的无人机航迹规划方法

针对基于Q学习算法规划出的航线存在与静态障碍物发生碰撞危险的问题,提出融合Q学习算法和人工势场算法的航迹规划方法。该方法首先利用Q学习算法规划出一条航线,其次根据地图统计该航线每个航段内包含的障碍物,最后对每个包含障碍物的航段采用改进的人工势场法进行重新规划。实验结果显示,提出的融合方法能够在牺牲少量轨迹长度和时间的情况下,得到与静态障碍物避免发生碰撞的最短路径。     

基于混合算法的局部路径规划

人工势场法是一种常用的具有算法简单和便于实时控制的局部路径规划方法,但存在容易产生局部极小值的问题。基于模糊逻辑的局部路径规划法具有环境适应性强等优点,它在连续论域内采用模糊路径规划时,计算量比较大。提出了一种将人工势场法和模糊逻辑法相结合进行局部路径规划的混合算法。具体方法是在一般情况下采用人工势场法进行局部路径规划,当产生局部极小值时,采用模糊逻辑法进行局部路径规划。仿真结果表明,该方法能有效地解决局部极小值问题,给智能车规划出光滑的路径。     

基于改进精英蚁群算法的无人机三维航迹规划

针对三维地图中的无人机航迹规划问题,提出了一种基于改进精英蚁群算法的航迹规划算法.将算法中的状态转移策略与人工势场法进行融合设计,为障碍物和目标点分别设置斥力场和引力场,指导航迹搜索方向.添加约束条件限制,使航迹能实际可飞.随后当信息素更新时,设置双精英蚂蚁策略和混沌扰动,提高算法的全局搜索能力.引入视线算法减少航迹节...     

基于MPSO的地面防空群维修任务规划研究

针对地面防空群的维修任务规划问题,建立维修任务规划流程,以维修任务的优先级、维修时间和维修保障资源消耗为目标,建立了地面防空群维修任务规划模型,根据战场环境特点,基于置信度法确定多目标参量的权重,将多目标优化问题转化为单目标问题,并采取改进的自适应粒子群优化算法对模型进行求解。通过实例验证,该方法在收敛速度及求解结果质量上均优于传统粒子群算法,可以有效解决地面防空群的维修任务规划问题,对部队维修保障决策具有一定的参考价值。     

基于蚁群算法的装备保障路径规划模型

现代战争中装备保障路径规划中路径网络节点多和要优化的制约因素等问题成为装备保障仿真的难点,传统的蚁群算法寻找最优解,往往找不到满意的解。为了提高寻优效率,尽量减少装备保障中待保障装备战斗力恢复等待总时间,对基本蚁群算法进行改进。首先建立装备保障路径规划模型,然后基于基本蚁群算法,重新设计了启发信息的计算方法和信息素的更新函数,对路径节点的选择方法进行改进,最后通过一个具体的装备保障路径规划问题对传统的和改进的算法进行算例分析。计算结果表明,所采用的改进的蚁群算法可以更好地解决装备保障路径规划问题,有效减少待保障装备恢复战斗力之前等待的时间和保障分队经过的总路程。     

野战指控系统机动时间路线优化研究*

以战时指控系统的机动路线优化问题为研究对象,建立了野战指控系统机动时间路线模型,在此模型的基础上提出用遗传算法来解决时间路线优化问题.初步处理了作战过程机动路线的必经点问题.在此基础上总结提出了机动路线优化的算法,将此算法在机步师野战指控系统遂行作战进行了验证.此算法可用来解决当前指控系统机动时间路线优化的问题.最后提出需要进一步解决的问题.     

基于组合赋权-TOPSIS的修理分队路线选择能力评估

修理分队指挥员科学、合理、快速地选择机动路线,对于高效发挥巡回保障力量抢修效益、有效保存战场抢修有生力量具有十分重要的意义。以单目标点抢救抢修任务为研究对象,根据摩步机动路线选择的主要影响因素,构建修理分队路线选择的评估指标体系。采用组合赋权-逼近理想值法（technique for order preference by similarity to ideal solution,TOPSIS）评估模型,对分队抢修仿真行动过程中指挥员所选择的机动路线进行评估。在仿真条件下,对3位指挥员提出的机动路线进行评估排序,选择最优路线,以验证该方法的可行性和有效性。     

基于改进人工势能的无人机编队与避障

针对多无人机V字型编队和躲避障碍物的问题,在传统人工势能的基础上结合距离约束和视线角约束,提出了领航法和改进人工势能相结合的编队方法。并通过将目标和障碍物信息融入势能函数设计的方法实现追踪目标和躲避障碍物。选择一架无人机为领导者并以其和目标为中心设计虚拟人工势场,使无人机形成V字型编队并以一定的距离和视线角追踪机动目标;以障碍物为中心构建虚拟的排斥力场,同时在编队的势能函数中引入障碍物位置信息反馈,使编队能够随着环境变化而自适应改变,主动躲避障碍;最后通过仿真实验验证了提出的算法。     

一种改进的优化支持向量机参数的萤火虫算法

针对人工萤火虫群优化(GSO)固定步长带来的收敛速度不快且容易陷入局部寻优的问题,对步长因子进行改进,提出一种基于S型变步长的萤火虫算法(S-VS-GSO),步长随着迭代次数的增加而改变,并利用改进后算法对支持向量参数C和g进行优化,并利用优化后的算法对空中机动目标进行分群聚类。仿真结果表明,改进后的算法相比较标准算法,收敛速度和全局寻优能力都有所改善,算法耗时相对于标准算法也有所减少,在战场目标分群应用中准确率也高于传统算法。     

伪人工势场在多弹饱和攻击航路规划中的应用研究

通过研究人工势场法在路径规划中的应用,提出了具有简易数学形式的伪人工势场模型。在该模型的基础上,对多枚反舰导弹航路规划问题进行了描述,引出了"影子导弹"的概念,并通过仿真实现了伪人工势场在多枚反舰导弹的协同航路规划中的应用,讨论了不同引力系数条件下的航路规划效果,并对饱和攻击效果进行了验证。仿真结果表明:该方法可以有效解决多枚反舰导弹饱和攻击航路规划问题。     

基于路径-博弈混合策略的无人机空战机动决策

针对无人机的自主空战机动决策问题,设计了基于路径-博弈混合策略的决策算法。首先根据无人机飞行控制过程中,水平机动和垂直机动可以解耦的原理,提出了相解耦的自主决策机制,使用路径规划实现水平机动决策,使用博弈理论实现垂直机动决策。为提升决策环境的灵活性,设计了能够自适应调整规划范围和分辨率的动态栅格环境。基于QL算法设计路径规划模型,并使用双Q表学习机制改进算法,有效提升了路径规划质量。基于纳什均衡理论构建垂直机动算法模型,根据不同的态势环境设计了代价计算函数,实现了无人机的垂直机动决策。最后,针对一对一空战对抗情景开展仿真验证,验证了算法的有效性,相对于传统基于三维规划空间下的机动决策,可有效缩短规划耗时,提升规划品质。     

基于k短路径的兵力机动路线优化方法

由于传统Dijkstra算法只能求解最优路径,结合兵力机动路线选择的需要,将求解k短路径的实用算法引入到兵力机动路线优化问题中,给出了算法的数据结构和步骤。在道路权重的确定上,提出将路程、通行能力和安全性三项指标相结合的思想,并给出了综合权重的计算方法。仿真实验表明所提方法具有较强的实用性。     

改进BAS-TIMS算法在空战机动决策中的应用

针对当前空战机动决策精确度低、实时性差的缺点,对天牛须搜索-战术免疫机动系统(Beetle Antennae Search-Tactical Immune Maneuver System, BAS-TIMS)算法进行改进,并应用于空战机动决策中。增加左爬升、右爬升、左俯冲、右俯冲4种机动,对传统的机动策略库进行扩充,设计了11种基本机动策略并给出了相应的控制方法。基于距离、高度、速度、角度和战机性能优势函数,利用非参量法构造战机机动决策综合优势函数。针对天牛须搜索算法在全局搜索和收敛速度上存在的缺陷,引入蒙特卡洛概率迭代的方法对算法进行改进,并和战术免疫机动系统进行融合,将改进的BAS-TIMS算法用于空战机动决策。设计算例进行仿真分析,并将结果和博弈论法、改进共生生物免疫进化算法、传统BAS算法和传统TIMS模型的计算结果进行对比,验证所提算法的有效性。仿真结果表明:改进BAS-TIMS算法在空战机动决策的收敛精度、收敛速度和全局搜索能力上更加具有优势。     

战场环境下无人车辆战术机动路径规划方法

针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化（Particle Swarm Optimization,PSO）方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO（BPSO）算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化（Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC）算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明：该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。     

基于势场启发蚁群算法的远程水中兵器航路规划

针对航行误差较大的远程水中兵器航路规划问题,采用栅格化方法建立海洋环境模型,为使兵器在航行过程中能有效规避障碍并导向目标,提出一种人工势场力为启发因子的改进蚁群算法,利用该方法搜索远程水中兵器从起始点至目标点的最佳路径,算法解决了经典蚁群算法容易陷入局部最优及收敛速度慢的问题。仿真结果表明该规划算法虽有少量的路径损失,但可以有效避免由于误差引起的航行安全问题,是一种有效的远程水中兵器航路规划方法。     

基于改进PSO算法的箱式火箭炮机动路线选择

针对陆军机动作战需求和箱式火箭炮的技术战术特点,分析了影响箱式火箭炮实施机动作战的因素,建立了各影响因素数学模型和综合评价值数学模型,利用带权有向图的矩阵改进了PSO算法,给出了改进PSO算法的具体步骤,仿真结果表明利用改进PSO算法较好地解决了箱式火箭炮机动路线选择问题。