多无人作战飞机双精度航迹规划技术

针对多UCAV协同任务规划时,任务分配与航迹规划的耦合关系以及对航迹规划的不同特点,提出利用Voronoi构建路标、使用Dijkstra算法快速规划出一系列面向任务分配的快速预估航迹,以满足其快速性要求。在此基础上考虑航迹的可飞行性等约束,利用蚁群算法优化出面向UCAV飞行的精细最优航迹,形成一种双精度的航迹规划方法。仿真实验结果表明,该方法能够满足任务规划的需求,同时当战场态势变化时,能够动态的调整航迹,以适应新的作战态势。     

无人机多机协同航迹规划的研究及发展

构建了无人机协同航迹规划的结构框架，并阐述了其发展，分析了无人机系统约束及威胁场约束，探讨了无人机航迹几何建模方法及协同规划算法的国内外研究概况，并着重分析了协同规划算法如遗传算法、神经网络及蚁群算法。最后，阐述了无人机协同航迹规划面临的关键问题及发展趋势。     

基于改进蚁群算法的无人机三维航迹规划研究

针对蚁群算法进行无人机航迹规划时,易陷入局部极值,且收敛速度较慢的问题,提出了基于改进蚁群算法的无人机三维航迹规划。将三维航迹规划分成基于改进蚁群算法的二维平面规划和高度规划两部分,采用几何优化方法增强了蚂蚁搜索的引导性,并根据航迹点与威胁源之间的距离及高度约束,调节航迹点的高度,规划出无人机三维航迹。同时,利用自适应调节参数方法提高蚁群搜索能力与个体之间交互能力,有效摆脱原算法易陷入局部最优的情况。此外,建立了指标函数并对路径进行了平滑处理。仿真结果表明,所提出的改进算法在三维环境下不仅可以安全避开威胁,而且找到最优解的能力及收敛速度优于原算法。     

单平台反舰导弹协同航迹规划算法研究

单平台反舰导弹协同攻击的核心是协同航迹规划算法。针对单平台反舰导弹协同攻击的问题,提出了基于协同进化的反舰导弹协同航迹规划算法,首先介绍了基因编码方式,然后分析了反舰导弹航迹约束条件和航迹评价函数,建立了CCRP算法模型,最后,通过算例对该算法的有效性进行了检验。该算法可有效解决单平台反舰导弹协同航迹规划问题。     

基于蚁群算法的无人机航迹规划技术及研究现状

配置适当的算法是无人机航迹规划的关键技术之一。介绍了一种基于蚁群算法的无人机航迹规划技术的基本原理,并采用网格图建模,演示了无人机二维航迹规划问题的一般实现步骤。然后从改进算法、更换其它模型、多无人机航迹规划、动态航迹规划等四个方面探讨了基于蚁群算法的无人机航迹规划技术的研究现状,并指明了配置更完善的算法实现复杂条件下的实时航迹规划等问题是无人机航迹规划未来的主要研究方向。     

多平台反舰导弹协同航迹规划

为了提高反舰导弹突防概率，基于遗传算法提出了一种多平台反舰导弹协同航迹规划算法．首先，重点讨论了协同航迹的评价问题．为了达到同步攻击目的，同时使飞行代价最小，研究提出了随种群进化而变化的时间协同度评价策略．其次，探讨了多平台反舰导弹协同航迹规划算法的分解．最后，通过仿真算例校验了该算法寻优得到的诸航迹不仅可使导弹实现协同攻击，而且可以很好地规避威胁．     

基于遗传算法的协同航迹规划算法研究

文中针对无人飞行器的协同航迹规划,提出了一种基于遗传算法的协同航迹规划算法。该算法采用双层进化机制,不同的飞行器生成各自的可行航迹种群用于下层进化;对不同飞行器的可行航迹进行组合形成协同航迹组种群用于上层进化。实验表明,该算法能够在较短的时间内规划出较优的协同航迹组;同时,由于下层进化中利用了状态表征矩阵和新的引导信息,使得收敛速度比标准遗传算法更快。     

基于GASA和AS融合算法的航迹规划

基于遗传模拟退火和蚁群算法，提出了一种求解航迹规划的融合算法．该算法的信息素更新采用全局更新和局部更新协同的方式，同时还采用了模糊聚类的方法，能一次得到一组可选航迹．算例表明，该融合算法有效弥补了两种算法的缺陷，能有效提高巡航导弹的作战效能．     

一种用于航迹规划的网络图构造方法研究

在现代战争中,多航迹协同规划需求越来越突出。对于存在辅助制导约束的巡航导弹规划问题,传统的协同航迹规划方法一般均采用栅格图规划环境,实际应用中,所需规划的任务数量往往很多,现有基于栅格图规划环境的航迹规划算法均难以在短时间内规划出结果,这是由栅格图的特性所决定的。文中提出了一种将栅格图环境转化成图环境的方法,在图上进行航迹规划,可大大降低规划时间。     

多约束条件下飞行器航路规划

飞行器航路规划是一个大范围多目标多约束的三维规划问题。遗传算法是一种求解复杂问题的通用方法。该文在遗传算法中加入了航路规划的相关知识来求解问题，给出一种解决多约束规划问题的方法。首先。提出了一种航迹极坐标编码方式，将航路规划中的部分约束融人到算法模型中并加以解决；第二，采用目标函数的方式解决航路规划中的部分约束。     

基于改进遗传算法的多弹协同攻击航路规划

针对多弹协同攻击航路规划问题,提出一种基于改进遗传算法的多弹协同航路规划方法。通过优化航路 种群初始化的方法,生成能够满足最大航路点个数约束以及最小航路段长度约束的航路;采用亚种群归类将航路区 分为不同的走向,得到多种攻击航路结果;利用进化算子对子代航路进行微调,生成更符合要求的多条航路,并对 多弹攻击航路进行仿真验证。结果表明,该算法可得出最优和多条次优航路,符合多弹协同作战的目的和要求。     

受限通信下多基地多无人机协同搜索多目标任务规划问题

针对多无人机协同搜索多目标的多旅行商航路规划问题(multiple traveling salesman problem,MTSP),建 立一种多目标、多基地、目标有通信限制的多无人机协同侦察任务规划模型。考虑完成任务所需时间、总搜索路径 长度及任务均衡性,利用量子遗传算法进行优化;针对侦察目标受通信类型限制模拟仿真。结果表明,该模型能得 到完成侦察任务的最优航线。     

基于稀疏A*算法的微小型固定翼无人机航迹规划

为在微小型固定翼无人机嵌入式平台上应用航迹规划,设计一种基于稀疏A*算法的自动航迹规划方法.根据微小型固定翼无人机的应用环境、特点和运动约束,建立航迹规划的环境模型和运动模型,利用单元分解法实现飞行区域环境建模和无人机运动建模,使用稀疏A*算法进行航迹规划,给出其操作使用流程,并对2种不同的启发函数进行仿真分析.结果表明:该方法能提高航迹规划的安全阈度,优化算法.     

基于STCN 的机动岸导与航空兵合同对海突击时间规划

为增强对海突击作战的整体效能,提出一种基于简单时间约束网络(simple temporal constraint network,STCN)的突击任务时间规划方法.根据STCN的定义,建立多火力打击任务的STCN模型,借鉴图论相关知识,将STCN网络转化为有向加权图形式,利用Floyd算法处理权值矩阵,进行一致性检验和时间规划方案求解.实例分析结果表明:该方法实现简单、行之有效,可以使多个火力打击任务紧凑有序、不冲突地执行.     

基于多蚁群系统的多无人机协同目标搜索方法

针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。     

基于改进A*算法的多无人机协同战术规划

多无人机协同作战是未来无人机作战方式的重要发展趋势。为增强多无人机系统的任务执行能力,提高系统整体作战效能并实现高效资源分配和调度,提出一种基于改进A^*算法的多无人机协同战术规划方法。按照离线规划和重规划两方面,设计战役层和战术层的作战目标迭代优化方案;建立编队协同作战的数学模型,以编队成员间的时间协同和碰撞协同代价为变量,得到多约束条件下的综合编队目标函数;结合多层变步长搜索策略和单步扩展的搜索方式,基于改进A^*算法,用于求解复杂战场环境下的多无人机编队协同作战航路。分别利用改进A^*算法和传统A^*算法进行对比仿真实验。仿真结果表明,多无人机协同战术规划方法能够较好地完成作战任务,改进A^*算法能够获得更优的航路,从而验证了所提算法的有效性。     

动态威胁下的反舰导弹航线规划

动态威胁下,在满足反舰导弹性能约束和绕开海上障碍物要求的基础上为了寻找得到飞行代价满意度最高的航线,基于遗传算法提出了一种航线规划算法．重点讨论了动态威胁下的航线评价问题．通过引入振动变异算子,进一步提高了算法的性能和鲁棒性．仿真算例表明该算法可以在动态威胁下稳健地搜索得到高飞行代价满意度的航线．     

无人作战飞行器编队协同攻击轨迹规划研究

研究了无人作战飞行器（UCAV）编队协同对地攻击轨迹规划问题。基于单机运动学/动力学方程、编队成员相对运动模型和威胁模型,结合平台初、末端约束条件,建立了编队协同对地攻击轨迹规划数学模型;提出了综合考虑单机威胁、任务时间、编队等效碰撞次数及执行指令时间误差的综合目标函数,形成最优控制方法的求解框架。为使编队整体轨迹优化,将编队任务轨迹分段。采用hp自适应伪谱法对构建的模型进行解算,得到编队攻击轨迹。数字仿真结果表明：规划的编队攻击轨迹满足约束要求,证明了所构建的编队攻击轨迹规划模型的有效性。