考虑战场环境约束的多导弹协同任务规划

多导弹协同任务规划是一个多约束、强耦合的复杂多目标优化与决策问题,能有效提高作战效能。研究了具有不同探测距离和威胁度的禁/避飞区、威胁区等战场环境下的多导弹协同航迹规划和目标分配问题。首先建立了具有战场环境约束的Voronoi图,并结合改进的Dijkstra算法取得了代价最小的航迹;进一步采用基于视线的航迹缩短算法和航迹平滑算法对初始航迹进行动态优化处理,产生了既节省燃料又满足导弹机动性能的可飞行轨迹;最后采用基于MMKP(Multi-dimensional,Multi-choice Knapsack Problem)的协同目标分配算法实现了多导弹协同攻击多目标,并且获得了综合代价最小的多导弹协同航迹。仿真结果证明了方法的有效性。该方法具有很高的应用价值,可实际应用在巡航导弹、无人机等无人飞行器的协同控制方面。     

基于遗传算法的无人机航路规划

无人机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无人机的作战效率。采用遗传算法进行无人机路径优化,算法利用极坐标描述威胁位置和航路点,将路径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,编码方式大大提高了优化效率,得到的航路有效地规避了威胁。     

无人机在突防行动中的航路规划研究

在分析航路规划对无人机突防行动重要性的基础上,研究了无人机突防航路规划的基本方法,给出了突防航路的代价函数和航路的构建及优化方法,最后利用文章探讨的方法对某无人机的突防航路规划进行了实例仿真,其研究的原理和方法对无人机突防能力的提高将产生积极的影响,可为无人机的作战运用提供有力支撑。     

基于冲突消解多无人机协同航路规划算法仿真

针对多架无人机同时攻击同一目标的问题,提出了一种基于冲突消解机制的航路规划算法.通过分析协同规划中的各种约束条件及任务要求,从规划终点同时、同步扩展每架无人机的飞行航迹,并采用不等步长扩展法反映每架无人机的飞行速度,在扩展节点的同时进行各项约束条件的检查和消除,保证多条航迹间的时空协同;最后通过数学仿真验证了该算法的可...     

基于分层处理的无人机任务规划

随着无人机在现代战争中的作用日趋重要,对无人机任务规划的研究也越来越多。根据无人机任务规划涉及的内容,分析了它的要求和包含的主要功能,给出了任务规划的处理流程。任务规划涉及的因素复杂繁多,所以采用分层处理来解决任务规划问题,并利用聚类算法和遗传算法解决目标分配和航路规划2个核心问题。     

基于Voronoi图与蚁群算法的UCAV航路规划

提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法.首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无人作战飞机航路规划的具体实现过程,最后对UCAV在多种威胁环境下的航路规划进行了仿真实验,仿真结果表明这种航路规划方法是可行和有效的.     

可见光传感器无人机目标查证动态航路规划研究

针对有人机和无人机协同执行探测任务中,无人机使用可见光传感器对目标进行抵近查证的航路自动规划需求,基于对可见光传感器成像影响因素的分析,结合无人机传感器性能、飞行性能以及与有人机的通信约束、敌方威胁分布等因素,提出了利用可视图法避开敌方威胁区的无人机查证航路规划方法,并且能够在目标状态发生变化或者出现威胁等情况下,重新...     

通信约束下的多无人机协同航路规划

针对存在通信约束的多无人机协同航路规划问题,在考虑多无人机同时到达目标点和避免相互碰撞的条件下,使用改进的A*算法规划出多无人机飞行的原始航路;通过不断计算和比较无人机间的距离来限制无人机的飞行,使无人机之间的距离始终保持在允许通信距离范围内;通过减小最大允许通信距离和增大最小安全距离来消除通信时间延迟对协同航路规划的影响,从而建立了存在通信距离限制和通信时间延迟条件下的多无人机协同航路规划算法。仿真结果验证了该算法的有效性。     

多无人机飞行路径自动规划算法研究

路径规划对无人机完成其侦察作战任务具有重要意义。针对多无人机飞行路径自动规划算法,从模型建立和算法设计2个方面对规划过程中的关键技术进行了详细分析。算法采用构造Voronoi多边形图的方法来进行路径规划。基于构建的战场环境V图,采用图论中的Dijkstra算法,对V图进行搜索得到初始航路并进行优化。经过分析仿真结果证明,该算法能对典型的多无人机飞行任务进行路径规划,并能满足多种约束条件,获取合理的规划结果。     

基于在线支持向量机的无人机航路规划技术

研究了一种基于在线支持向量机的无人机航路规划方法,以保证无人机在完成任务时候能以最小的被发现概率以及最短航程安全到达目标点。首先建立多约束的无人机航路规划数学模型,并进行分析。应用A*算法产生初始航迹获取样本数据,在此基础上应用在线支持向量机具有在线训练、模型精确度高、需要样本少、泛化能力强等特点,实现无人机航路优化。最后将所研究的方法应用于无人机的航路规划仿真,仿真结果表明所研究的基于在线支持向量机的无人机航路规划方法是有效的。     

基于Voronoi图和遗传算法的航迹规划

面对复杂的作战环境,如何快速地规划出满足约束条件的飞行轨迹,是实现无人机突防攻击的关键.提出了一种基于Voronoi图和改进遗传算法的航迹规划方法,该方法采取分层规划的思想,首先由Voronoi图生成初始航迹,并综合考虑约束条件,赋予各条航迹相应的权值;然后采用遗传算法在生成的航迹空间中寻优, 从而得到满意的航迹.为避免产生不可行解,采取了基于优先级编码的改进遗传算法,详细介绍了其编码与解码原理,并给出了相应的操作算子.仿真结果表明,整个航迹规划的思路是可行的.     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

多智能体强化学习飞行路径规划算法

为了减轻现代空战中大量信息处理给飞行员带来的负担,同时为了实现无人机航路自主规划,提出了一种基于多智能体强化学习理论的飞行路径规划算法.该算法采用多智能体强化学习的方法,采用两个功能不同的智能体,分别对应局部和全局路径规划.该算法对状态和动作空间进行划分和抽象,有效地减少了状态的数量,解决了强化学习维数灾难的问题.最后用Matlab对此算法进行了数字仿真,验证了算法的可行性,仿真实验结果显示该算法收敛速度快,能够解决飞行路径规划的任务.     

不确定环境下多无人机协同搜索算法研究

不确定环境下多无人机协同搜索是多无人机协同控制的一个重要研究内容。多架无人机同时对一个不确定区域进行搜索,目的在于获取搜索区域的信息,降低环境的不确定度,并尽可能发现隐藏在环境中的目标。针对这一问题,提出一种基于协同进化算法的多无人机协同区域搜索算法。首先,建立搜索概率图来描述搜索环境的不确定性,并使用贝叶斯准则更新搜索概率图,然后,使用协同进化算法,在线生成多UAV协同搜索的路径。仿真结果验证了算法的有效性。     

基于环境模型的移动机器人路径规划

介绍了一种新的移动机器人路径规划方法。采用链接图法,对工作空间建模。用Dijkstra算法决策出全局最短路径,然后用遗传算法对此路径进行优化,得到全局最优路径。最后提出了一种对路径几何改进的方法。仿真结果表明,该方法方便简单,对所规划的路径质量有所提高。     

基于多目标MSQPSO算法的UAVS协同任务分配

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.     

基于多准则遗传算法的航线规划

飞行航线规划是中小型飞机执行长途飞行任务时的重要工作。通过建立问题的多准则最短路径问题模型,提出一种多准则最短路径遗传算法求解优化飞行航线。通过理论分析证明了算法的收敛性。仿真实验验证了该算法的有效性。     

基于SAS算法的三维多UAV协同航迹规划方法

在实际应用中航迹规划着重考虑的是规划出的航迹应具有良好的可靠性能,针对多UAV协同航迹规划有多个约束条件且环境复杂、规划耗时长等问题,使用智能算法解决多UAV协同航迹规划问题无法确保规划航迹的可靠性能。因此,提出了一种启发式SAS算法,用以解决此问题。仿真结果证明,使用该算法规划出的航迹具有较高的可靠性。     

Cooperative Path Dynamic Planning Model of UCAV Team Based on Global Optimization Method

Cooperative path dynamic planning of a UCAV (unmanned combat air vehicle) team not only considers the capability of task requirement of single UCAV, but also considers the cooperative dynamic connection among members of the UCAV team. A cooperative path dynamic planning model of the UCAV team by applying a global optimization method is discussed in this paper and the corresponding model is built and analyzed. By the example simulation, the reasonable result acquired indicates that the model could meet dynamic planning demand under the circumstance of membership functions. The model is easy to be realized and has good practicability.