基于分级策略的实时三维航路规划研究

为提高飞行器对地攻击效能,必须对其三维航路规划技术进行研究。通过考虑飞行器姿态变化对暴露范围的影响,建立了飞行器隐身模型;考虑到威胁并非不可穿越,建立了间歇式暴露模型;针对在改进稀疏A*算法的基础上发展的分步规划算法存在规划局部收敛的缺陷,提出了一种基于分级策略的三维航路规划方法;最后,在真实地形下进行了仿真验证。结果表明所建模型及算法的有效性和实用性。     

飞行器航迹规划与三维显示

主要讨论了航迹规划的国内外现状及意义,建立了简化威胁源模型,并采用改进遗传算法进行参考航迹规划,算法采用飞行指令编码和自适应交叉、变异算子,改进了简单遗传算法,仿真结果表明该方法快速收敛到全局最优解并能够很好的规避威胁,是一种有效的航迹规划方法。最后通过OpenGL导入三维模型,并利用算法改变飞行器的飞行姿态,逼真地展现了飞行器的三维航迹。     

飞行器三维突防航迹快速生成方法

介绍了一种飞行器低空突防三维航迹规划方法.通过分析敌防空区域地形方差,判断其地形特征,决定最佳离地高度,从而构建了飞行器安全飞行曲面.利用Dijkstra算法,在安全飞行曲面之上,进行二维航迹节点的搜索,达到三维航迹规划的目标.搜索空间维数的缩小,存储节点数目的删减,都加快了航迹生成的速度.威胁概率模型的建立,航迹代价函数的构造,权重比值的分配,使得规划出的航迹具有一定的威胁/地形回避和地形跟随效果.最后给出了算例和仿真结果.     

不确定环境中基于概率威胁的航迹规划研究

针对不确定战场环境航迹规划问题进行了研究,提出一种基于概率表示的飞行器航迹规划方法。根据威胁源的存在概率函数、位置分布概率函数和静态威胁概率函数模型,建立不确定威胁源的威胁概率函数模型。将遗传算法运用到航迹规划中,并进行了仿真实验,仿真结果验证了模型及算法的有效性。     

应用 D*Lite 算法的目标移动时无人机三维航迹规划

针对不确定环境下目标移动时的无人飞行器三维航迹规划问题,采用改进的D*Lite搜索算法,设计了一种三维航迹快速规划方法。利用改进的代价评估函数,根据突发威胁和移动目标的实时信息,将航迹规划约束条件和改进的搜索算法相结合,给出了地面目标移动时的无人飞行器三维航迹规划方法。仿真结果表明,该算法不但可以满足实时在线的航迹规划要求,能够有效躲避突发威胁,打击移动目标,还能有效地缩小搜索空间,提高搜索效率及寻优能力,能较好地解决不确定环境下目标移动时的航迹规划问题。     

应用D~* Lite算法的目标移动时无人机三维航迹规划

针对不确定环境下目标移动时的无人飞行器三维航迹规划问题,采用改进的D*Lite搜索算法,设计了一种三维航迹快速规划方法。利用改进的代价评估函数,根据突发威胁和移动目标的实时信息,将航迹规划约束条件和改进的搜索算法相结合,给出了地面目标移动时的无人飞行器三维航迹规划方法。仿真结果表明,该算法不但可以满足实时在线的航迹规划要求,能够有效躲避突发威胁,打击移动目标,还能有效地缩小搜索空间,提高搜索效率及寻优能力,能较好地解决不确定环境下目标移动时的航迹规划问题。     

应用于六旋翼飞行器航迹规划的改进Voronoi算法

六旋翼飞行器是一种新型的旋翼飞行器,文中主要针对该飞行器在航迹规划时的Voronoi算法进行了改进,优化了飞行器的航迹规划路线.通过对电院大草坪的树林作为障碍物的情况下,飞行器穿过树林到达空旷地方的航迹规划的数学建模发现,使用传统的Voronoi算法的航迹规划的距离为169.113m,使用改进的Voronoi算法的航迹规划的距离为152.8753m,比起传统的Voronoi算法规划出来的航迹的距离缩短了10.6％.     

可行三维航迹个体的生成算法

在遗传算法中,初始种群中个体的质量对遗传算法的收敛速度影响较大.本文在分析航迹规划约束条件的基础上,设计了一种初始航迹个体的生成算法,产生的三维航迹个体满足飞行器性能约束,并能避免撞山危险,比传统的随机生成算法产生的航迹个体具有较大的适应度.使遗传算法能有效避免冗余搜索,从而提高航迹规划的收敛速度.     

采用病毒粒子群优化算法的飞行器航迹规划

针对飞行器航迹规划问题, 对基本粒子群算法进行了改进, 提出一种基于病毒粒子群优化算法的飞行器航迹规划方法。该方法结合生物病毒进化系统理论, 在基本粒子群算法中引入病毒种群, 通过执行反向代换和转导算子两种操作, 利用病毒的水平感染和垂直传播能力来维持主群体粒子种群和病毒种群之间的信息交换, 保证了航迹规划中粒子个体的多样性, 提高了算法的局部搜索能力, 解决了基本粒子群优化算法容易使粒子陷入局部最优、收敛速度慢的问题。仿真实验结果表明, 在相同的约束条件下, 所提出的方法能够更快更有效地生成满足要求的航迹。     

基于Q学习算术优化算法的无人机三维航迹规划

针对传统方法求解无人机三维航迹规划易导致规划代价高、精度差和容易陷入局部最优的不足,提出基于Q学习算术优化算法的无人机三维航迹规划算法。为了提升算术优化算法的寻优精度,引入Circle混沌映射提高初始种群多样性和分布均匀性,引入Q学习根据个体状态自适应调整数学优化加速函数更新,均衡算法全局搜索与局部开发,设计最优解邻域扰动优化全局搜索能力。通过建立无人机三维航迹规划模型,将航迹规划转化为多目标函数优化问题,并利用改进算法求解无人机三维航迹规划,以综合考虑航迹代价、地形代价和边界代价的目标函数评估粒子适应度,对航迹规划迭代寻优。仿真实验结果表明,所提算法规划的航迹具有更低的总代价和适应不同复杂地形环境的稳定性。     

基于机动目标威胁和粒子群算法的航路规划

执行飞行作战任务前对飞行航路进行合理规划十分重要,而环境/威胁建模是航路规划需要解决的首要问题。根据飞行过程中可能遇到的各种威胁源的特点,建立了山体障碍、恶劣气候及导弹、高炮固定阵地等各种静态威胁源的威胁概率函数模型,并进一步构建了机动导弹、高炮等动态威胁源的威胁概率函数模型;针对粒子群算法全局搜索能力强、收敛性好的特点,将粒子群算法运用到航路规划中,并进行了仿真实验,仿真结果证明了模型及算法的有效性。     

基于Voronoi图和量子遗传算法的飞行器航迹规划方法

以飞行器航迹规划为应用背景,提出一种基于Voronoi图和量子遗传算法的飞行器航迹规划方法。首先,建立威胁源的V图,并构建发射点、目标点与威胁源的V图赋权有向图,从而建立飞行器航迹规划V图空间;然后,对传统量子遗传算法进行改进,引入了量子门旋转角步长动态调整机制;并增加了量子交叉操作和量子变异操作,使得改进后的量子遗传算法具有更高的搜索效率,采用改进后的量子遗传算法求解V图空间中的最优航迹;最后,进行了仿真实验。仿真结果表明,基于V图和量子遗传算法的航路规划方法是可行和有效的。     

航路规划中数字地图单元格代价计算模型研究

为了解决航路规划中使用的原始数字地图信息量不够全面的问题,结合反舰导弹航路规划的实际作战背景,建立了数字地图单元格代价计算的数学模型.该模型包含了地形高程代价、威胁危险代价、战略回避代价和搜索区目标存在代价等基本模型.通过该模型可以将原始数字地图转化为包含各种相关航路规划主客观信息的综合数字地图.     

基于遗传算法的航路规划编码研究

面对复杂的作战环境,飞机执行作战任务前合理地规划出飞行航路十分重要。遗传算法因其良好的全局搜索能力而在优化问题中得到了广泛的应用。针对地形障碍、恶劣气候、导弹及高炮阵地等威胁源的特点,建立了连续的威胁概率函数模型;描述了各威胁源不同距离处的威胁概率分布情况,并进一步构建了航路规划目标函数模型;将遗传算法运用到航路规划中,设计了一种扩展航路点和规划空间、分段变步长的编码方式。对算法进行了相应的仿真,仿真结果表明,运用所设计的编码方式得到的航路有效地规避了威胁。     

基于粒子群算法的无人机航迹规划简

文中提出了一种基于粒子群算法的无人机航迹规划算法。为了减少规划的难度,通过“最小威胁曲面”概念的引入,将“最小威胁曲面”进行水平投影,从而将三维航迹规划问题转换成为二维航迹规划问题进行处理;然后利用动态粒子群算法在水平投影面里进行航迹搜索;最后给出了仿真验证,通过仿真结果可以看出,本文介绍的航迹规划方法的有效性。     

基于A*算法的无人机攻击轨迹解算

借鉴飞行器航迹规划方法,提出用A*算法来解算无人机攻击轨迹.首先对原始地图进行预处理,基于威胁信息等效为山峰的思想,生成了三维等效数字融合地图;然后,利用介绍的A*算法,对路径寻优进行建模仿真,实时规划出无人机攻击目标的轨迹;最后,通过分析算法的时间复杂度,结合攻击轨迹仿真结果,得到了可以在元人机攻击目标时快速生成攻击...     

基于启发式A~*算法的飞行器三维航路规划

提出了一种基于启发式A*算法的三维航路规划方法并进行了仿真验证.首先对地形的高程栅格数据进行综合平滑处理,建立满足飞行器机动性能的安全飞行曲面,结合威胁数据的量化模型,采用改进的A*算法在安全飞行曲面上规划出三维飞行航路,并对搜索出的航路进行了优化和平滑处理.仿真结果显示,算法简单快速,能满足飞行器执行不同任务的需要,易于工程实现.     

机载单站多目标定位航迹规划研究

多目标航迹规划是指侦察飞机在机载单站无源定位过程中,根据侦收到的多个目标信号方向、威胁等级和飞机本身机动能力的限制,计算出最优飞行航迹,并跟随该航迹同时完成多目标定位任务。首先建立了机载单站无源定位中的探测模型、控制模型和航迹规划模型;然后提出一种基于评价函数和扩展α法的多目标航迹规划算法;最后进行了仿真分析,仿真结果表明该方法的有效性。     

无人机航路规划中的变步长A*算法

为了实现无人机在不同条件下的自主航路规划,提出一种变步长的A*方法.此时,每步迭代的可拓展点为搜索区域内不同搜索角度、不同拓展步长的点阵.这样保证了每次搜索能在一个较大的区域进行,并能保证每次搜索对地图的分辨精度.然后,依据稀疏A*方法(SAS)的思想,对单步迭代的拓展方法给出了减少运算量、加快运算速度的改进方案;依据...