用改进变异粒子算法实现突发威胁下的无人机航迹规划

针对无人飞行器航迹规划问题,提出一种改进变异粒子群算法及航迹节点拓展法,有效解决了突发威胁下的航迹规划问题,并进行仿真验证。通过引入维量化活性度解决了粒子群算法搜索后期速度下降问题,通过相对坐标转换避免了采用一元多项式函数作为水平航迹丢失部分解的情况。仿真表明,利用改进的变异粒子群算法能够有效地提高搜索速度和精度,适用于突发威胁下的航迹规划问题。     

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.     

基于改进人工蜂群算法的无人机的航迹规划

针对无人机飞行任务规划系统中的航迹规划问题,提出了一种改进的人工蜂群算法,将其应用于无人机的航迹规划。该算法将航迹规划问题转换成函数优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使蜂群向更优方向进化。在雇佣蜂搜索阶段采用自适应搜索策略来加快算法收敛速度;在跟随蜂搜索阶段引入一种新的概率选择方式来保证种群的多样性;在侦察蜂搜索阶段利用混沌搜索算子提高算法的全局搜索能力。通过标准函数测试与航迹规划仿真对改进后的算法进行验证,结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于传统的人工蜂群算法,可有效解决无人机的航迹规划问题。     

基于多策略SSO和改进A*算法的无人机动态航迹规划

针对无人机遇到突发威胁动态航迹规划问题,提出了一种基于多策略SSO和改进A*算法的无人机动态航迹规划方法。该方法将无人机航迹规划划分为静态航迹规划和突发威胁实时规避两个阶段:首先,对于静态航迹规划阶段,采用多策略SSO优化算法对极坐标航迹规划模型进行求解,通过引入完全弹性碰撞、自适应跳跃等机制,在有效满足飞行性能约束的同时,提高了航迹规划结果的可行性;其次,对于突发威胁实时规避阶段,采用改进A*算法对局部区域进行航迹重规划,通过拓展A*算法搜索邻域个数和引入最小"弯折"估计代价函数,在保证实时性要求的同时,能够规划出更加平滑的最优航迹。仿真结果表明,提出的方法能够有效地给出更为满意的无人机动态航迹规划路线。     

基于改进粒子群优化算法的无人机实时航迹规划

在无人机航迹规划中,通过改变惯性权重和采用自适应粒子群编码方式,以最大转弯半径、步进、最短距离和回避威胁作为航迹的评价指标,将约束条件、地形地貌及威胁信息引入适应度函数等方法,对粒子群优化算法进行改进,解决了粒子群算法在寻优过程中易陷入局部最优的问题.仿真结果表明,该方法可实现在线实时航迹规划.     

复杂环境下无人机三维航迹规划及避障算法

针对三维复杂环境下高时效规划无人机航迹问题,提出一种改进的双向A^*算法。设计扇面搜索域,减少计算开销;动态调整启发函数权重,优化代价函数,提高搜索效率;引入关键节点筛选策略,消除航迹中的冗余点,生成全局最优静态航迹。就飞行航迹中出现的动态避障问题,设计动态避障航迹最短优化目标函数,提出基于变分法的动态避障算法,考虑航迹容忍度,实现局部航迹在线调整和优化。仿真结果表明,设计的航迹规划算法不仅能在复杂环境下高时效规划出一条期望航迹,还能对突发威胁动态避障。     

应用改进神经网络的无人机三维航迹规划

针对无人机的航迹规划问题,提出了并联神经网络结构与动态可调步长策略相结合的三维航迹规划方法。首先根据与威胁之间的距离采取不同策略:当无人机处于威胁区域外,采取基准步长为大步长的策略,实现快速生成航迹的目的;当无人机处于威胁区域内,采取可调步长的策略,实现航迹的精细搜索。然后构建障碍物惩罚函数的神经网络和航迹的能量函数,将梯度下降法与牛顿下山法相结合,建立航迹的运动方程,依据不同的航迹点,采用自适应学习因子不同的学习率,实现快速脱离威胁。仿真结果表明,所提算法不仅能保证无人机安全绕开威胁,同时也提高了算法的收敛速度。     

一种基于差分进化混合粒子群算法的多无人机航迹规划

针对多无人机的航迹规划问题,采用一种混合粒子群算法,将其应用于多无人机的航迹规划,并保证各个无人机所经路径的代价函数总和最小。对城市环境包括楼房建筑等障碍物以及雷达干扰等禁飞区域进行建模,通过建立多个航点并插入分割点的方法,然后使用带有差分进化操作以及自适应调整惯性权重策略的混合粒子群算法进行航迹规划,最后通过仿真实验验证了该算法的有效性。     

采用改进粒子群算法的无人机协同航迹规划

为合理解决多无人机协同航迹规划问题,提出了两种解决方法。针对提出的空间直接法,将多无人机三维协同航迹规划问题简化为具有时间约束的二维航迹规划,并对传统协同变量和协同函数进行新的构建,最后结合一种改进的粒子群算法作了进一步的仿真实验,并取得了比较理想的结果。     

对抗恶意无人机窃听的无人机通信系统三维航迹规划和功率控制

为应对恶意无人机窃听者对无人机通信系统带来的安全挑战,提出了一种基于物理层安全机制的无人机三维航迹规划和功率控制的协同优化方案。将航迹规划与功率控制建模为带约束的用户安全通信速率最大化问题,并将该问题分解为水平航迹规划、高度控制与功率控制三个子问题。采用连续凸逼近法将各个子问题转化为凸优化问题,通过迭代优化方式得到近似解。仿真结果表明,和二维航迹规划方案相比,该协同优化方案能有效提升用户安全通信的性能指标。     

基于Google Earth的导航电子地图设计

文中对Google Earth的二次开发进行了研究,基于MFC进行软件编程,设计了导航电子地图软件。通过调用Google Earth API函数和Windows API函数,将 Google Earth 视图窗口嵌入到软件界面中,使用钩子技术实现在Google Earth视图窗口中右键弹出菜单,结合CMarkup类和BasicExcel类实现在电子地图上添加航迹点和航线,从而实现了在电子地图上进行航迹规划和显示实时航迹的功能。经过实际运行,软件执行效果良好,很好地完成了各种功能。     

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。     

基于广义绝对灰关联度的航迹关联算法

为提高船舶航行安全和海面预警探测能力,对AIS与雷达目标航迹关联问题进行了研究,提出了一种基于广义绝对灰关联度理论的AIS与雷达目标航迹关联算法。该算法结合目标状态的历史信息来计算广义绝对灰关联系数,结合广义绝对灰关联系数的历史信息来得到广义绝对灰关联度,进而通过寻找最大广义绝对灰关联度来进行航迹关联判决。通过典型环境下的仿真,显示了该算法较好的航迹关联性能,并且在密集目标环境下,该算法也具有很好的适应性。     

基于KL距离的异类传感器动态数据关联算法

针对异类传感器多目标跟踪系统中的动态数据关联问题,提出了一种基于KL距离的异类传感器动态数据关联算法。该方法将静态多维分配问题推广到动态跟踪中,通过对量测集合与航迹集合的合并,将各传感器量测估计位置的概率密度函数与目标航迹一步预测值的概率密度函数之间的KL距离作为关联代价函数,继而代入多维分配模型求解,从而实现量测到航迹的动态关联。仿真实验表明,所提算法能更精准地反映量测与航迹之间关联的可能性,且能够对多目标进行快速稳定的跟踪。     

基于DBSCAN-GRU算法的终端区4D航迹预测

终端区空域环境复杂、航班密集,精确的航迹预测能极大地提高空中交通服务水平,保障航班飞行安全。针对终端区的高精度多航班4D航迹预测问题,本文提出了一种基于密度的带噪声空间聚类算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）和门控循环单元（Gated Recurrent Unit, GRU）相结合的航迹预测方法,通过DBSCAN聚类,将终端区中航迹相近的航班聚类到一簇中,对每一簇航班建立基于GRU神经网络的航迹预测模型,对终端区航班进行预测时,先判断该航班属于哪一簇,然后采用与该簇对应的航迹预测模型,进行4D航迹预测。与仅研究单一航班的传统预测方法相比,本算法有效地利用了终端区的航迹数据,所建模型可以针对多架航班进行航迹预测,扩大了模型的适用范围,提高了航迹预测的预测精度。     

粒子群法在三维航迹规划及优化中的应用

有效航迹规划是对敌纵深目标攻击成功的可靠保证,为了在复杂的地形和敌方火力威胁环境中生成最优的三维航迹,提出了一种利用粒子群法来优化三维航迹规划的方法,同时,利用动态窗对原航迹规划中新出现的威胁进行航迹动态规划。根据飞行器的飞行性能,通过引入最小威胁曲面概念生成三维航迹搜索空间,再利用一个有限项的多项式函数来逼近最小威胁曲面中的三维航迹在二维水平面内的投影,将原来的规划问题简化为在一个一元函数多项式系数空间中的搜索寻优。仿真结果显示,利用粒子群法优化的静态航迹规划能有效减小搜索空间,提高规划效率,同时,动态航迹规划能回避新威胁。     

强生存条件下的飞行器变权重航迹规划研究

在防空系统日益完善的信息化战场,利用常权代价函数进行航迹规划所得的可飞航迹已经逐渐不能满足飞行器的强生存力要求。运用变权综合理论改进了传统的常权代价函数,在仿真中结合微分进化算法,给出了常权航迹规划和变权航迹规划的结果并进行了分析,得出基于变权理论的航迹规划可以改善飞行航迹的生存力,提高飞行器战场生存性能的结论,仿真结果也表明该方法的可行性。     

基于CEEMD-PSO-MNN的船舶航迹预测

船舶航迹预测对保障海上交通安全具有重要意义,为进一步提高船舶航迹预测精度,提出了一种从认知神经科学和神经生理学继承的模块化设计方法用于开发神经网络,旨在通过大脑强大的功能(分而治之)来解决复杂问题。首先,利用互补集合经验模式分解算法(CEEMD)将船舶航迹时间序列分解为多个相对平稳的子序列,使其具有不同的本征模态函数及趋势项,这在一定程度上降低了航迹时间序列的复杂程度;然后,通过模糊熵(FE)量化各子序列的复杂性用于辅助模块化神经网络(MNN)任务分配;最后,将粒子群(PSO)改进的长短期记忆神经网络(LSTM)作为模块化神经网络的子网络用于解决船舶航迹时间序列预测任务。选取相关数据进行测试,验证了所提方法对船舶航迹预测的准确性和实用性。     

基于几何法的雷达与ESM航迹关联算法

为解决雷达与ESM航迹关联门限的不确定性,提出了基于几何法的雷达与ESM航迹关联算法。该算法根据雷达与ESM的几何位置建立航迹粗关联函数,并利用航迹的历史信息建立航迹关联代价矩阵,通过代价最小实现航迹关联。仿真结果表明,该算法具有很好的关联性能。     

基于物理规划的无人机多目标航迹规划

无人机航迹规划是典型的多目标优化问题, 传统的线性加权和法需反复迭代以确定一组满足工程特性需求的目标权重系数。物理规划方法通过构造偏好函数直接反映规划人员对航迹规划各目标的特性需求, 避免了因为反复迭代确定各目标权重系数所导致计算量大的缺陷, 因此,将物理规划方法与粒子群优化算法相结合用于无人机多目标航迹规划。仿真实验验证了该航迹规划方法能够获得各目标偏好结构下的折中解。