基于SKF 多传感器融合的无人机航迹规划

针对无人机在未知环境下航迹规划难的问题,提出一种基于开关卡尔曼滤波器(switching Kalman filter, SKF)无人机定位和航迹规划的方法。根据多假设理论,建立地图观测数据,结合基于INS/GPS/GIS 多传感器融合 的航迹匹配方法,使用SKF 算法完成多传感器融合和多模型的参数估计,实现无人机的自主定位和航迹规划。仿真 试验结果表明：该算法稳定性好、收敛速度较快、计算复杂度小,具有较高的航迹估计精度。     

基于博弈策略的多无人机航迹规划研究

在综合考虑无人机航迹规划和任务分配的性能指标基础上,提出了目标移动环境下基于博弈策略的多无人机航迹规划方法。采用Voronoi图方法创建了威胁场,建立了航迹威胁总代价函数,并建立了航迹代价和任务分配的综合目标函数,从而构建了基于博弈策略的多无人机航迹规划目标函数。将目标移动加入到航迹规划中,利用快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法得到比较合理的局部航迹规划。仿真算例表明,该方法不仅能保证各飞行器选择基于博弈策略的敌我双方最优航迹,而且可以提高多无人机攻击移动目标的整体作战效能,有效的提高作战能力。     

侦察打击一体化无人机关键技术及其发展趋势分析

针对侦察打击一体化无人机的"发现即摧毁"能力,概述了侦察打击一体化无人机的发展现状;分析了其目标搜索与任务规划、机载武器投放规划、攻击航迹快速生成、一站多机控制等关键技术;预测了侦察打击一体化无人机未来发展趋势;提出了侦察打击一体化无人机基于体系作战、实战检验和完善情报体系的发展建议。     

未知环境中的无人侦察机动态航路规划

高空长航时无人机执行侦察任务时往往需要进人不确定的战场环境下搜集各种情报信息。由于该类型无人机一般存在航时长、监视或侦察范围广、目标数量大等问题,因而对无人机的飞行安全环境存在高威胁因素。针对该问题,提出了一种无人机侦察航路规划方法。首先根据获得的先验信息建立参考航路,然后综合考虑基于目标发现概率建立的环境信息模型,基于机载传感器获取信息构建的威胁模型以及决策系统,选定最优侦察飞行航路,最后对航路进行评估。仿真结果表明,该方法能够有效地完成规划任务,获得较满意的航路。     

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。     

巡飞导弹区域巡逻侦察航迹规划研究

为了研究在岛屿、近岸作战区域等复杂战场环境下巡飞导弹区域巡逻侦察航迹规划问题,在威胁建模的基础上,将侦察航迹优化问题转化为最佳哈密顿圈问题,提出了基于Floyd算法和改良圈算法的航迹规划算法,并进行航迹修正得到可飞航迹.经仿真实验说明该航迹规划方法简单实用.     

基于Q学习的多无人机协同航迹规划方法

针对多无人机同时到达目标的航迹规划问题,建立战场环境模型和单无人机航迹规划的马尔可夫决策模型,基于Q学习算法解算航程最短的最优航迹,应用基于Q学习算法得到的经验矩阵快速解算各无人机的最短航迹并计算协同航程,通过调整绕行无人机的动作选择策略,得到各无人机满足时间协同的航迹组。考虑多无人机的避碰问题,通过设计后退参数确定局部重规划区域,基于深度Q学习理论,采用神经网络替代Q_table对局部多无人机航迹进行重规划,避免维度爆炸问题。对于先前未探明的障碍物,参考人工势场法思想设计障碍物Q矩阵,将其叠加至原Q矩阵,实现无人机的避碰。仿真结果表明：所提基于Q学习的多无人机协同航迹规划算法能够得到时间协同与碰撞避免的协同航迹,并对环境建模时所未探明的障碍物进行躲避;与A^*算法相比,针对在线应用问题,新算法具有更高的求解效率。     

复杂环境下无人机三维航迹规划方法研究

复杂环境下规划无人机三维航迹时,随机型的粒子群优化由于问题维度高导致收敛性差难以获得最优甚至可行航迹;而确定型的稀疏A~*算法易陷入局部搜索导致搜索时间长且计算量大。基于分层思想,将高维航迹规划问题转换为多个低维问题。首先通过粒子群优化规划出少量导引航迹点集,然后采用稀疏A*算法计算导引点间的航迹段。仿真结果表明该方法能在获得满意解的前提下提高复杂环境下无人机航迹规划效率。     

基于改进A-Star算法的无人机航迹规划算法研究

针对传统A- Star算法在无人机航迹规划问题应用中的局限性，提出了一种结合飞行器简化运动学方程的改进A- Star算法，并将该算法应用于解决无人机在未知危险环境中的威胁规避问题；研究了综合考虑各路径代价影响因素情形下的航迹规划方法。最后对无人机参考航迹规划的数字仿真证明了改进算法的有效性。     

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.     

基于网络图的多航迹快速规划方法

针对飞行器多航迹快速规划展开了研究.在航迹片段构成的网络图的基础上,提出了一种基于遗传算法的多航迹快速规划方法.该方法结合航迹片段和网络图的特点,使用特定的编码方式,快速生成可行的初始航迹,再通过与编码方式相关的遗传算子得到最优航迹.实验结果表明,该方法能快速得到多条飞行航迹,更具有战术选择上的灵活性.     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

基于一种改进粒子群算法的水下远程武器航路规划

针对水下远程武器航路规划中,采用基本粒子群算法避障出现的航路倒退问题,提出了一种借鉴遗传算法采用粒子对换的改进粒子群优化（PSO）算法,并结合远程武器的航路规划设计模型,应用于水下武器作战仿真系统。计算结果表明,该算法可有效提高远程武器航路规划避障的计算效果,对水下远程武器的作战使用研究具有一定的参考价值。     

动态规划算法在巡飞弹航路离线规划中的应用

文中针对巡飞弹航路规划特点,分析了动态规划算法,建立了动态规划模型,阐述了基于动态规划算法的巡飞弹航路离线规划方案和航路修正方法。     

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。     

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．     

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机( UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束，建立了基于“协同系数”的协同航迹性能评价指标；在此基础上，通过引入蚂蚁子群间的协同进化策略，并对蚁群算法状态转移规则、信息素更新机制进行了改进，设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明：本文方法能够很好地处理多UCAV协同任务中的各类约束条件，是一种有效的协同航迹规划方法。     

基于模拟退火算法的岛礁补给路径规划

为了高效、准确地解决岛礁补给最优路径规划问题,基于模拟退火算法对该问题进行了研究.采用路径长度最短作为海岛补给路径规划的最优指标,利用模拟退火算法求解最短路径.并分别对蚁群算法和模拟退火算法路径规划进行仿真分析,仿真结果表明:在岛礁补给路径规划问题上,模拟退火算法不仅可以高效准确地解决岛礁最优路径规划问题,而且相对于蚁群算法具有能避免陷入局部最优,计算结果稳定且效率更高等优势.该方法不仅可以用于岛礁补给路径规划,还可以用于解决无人平台、飞行器等路径规划的问题.     

基于虚拟障碍物法的无震荡航路规划

人工势场法作为路径规划的一种算法,凭借其解算得到的平滑航路,特别适用于不够灵活的移动机器人、智能体的路径规划。由于人工势场法自身不可避免地存在局部极小值以及算法执行不可避免的离散化,导致航路点解算可能会陷入局部极小值陷阱而进入死循环以及出现航路点震荡问题。针对局部极小值陷阱问题,提出改进型虚拟障碍物法;对虚拟障碍物位置的确定,引入了威胁区的概念,并提出了一个确定标准。针对航路点震荡问题,提出过滤震荡点法。仿真实验证明：改进型虚拟障碍物法能够有效地使陷入局部极小值陷阱的航路点解算,成功逃出陷阱;过滤震荡点法能够有效地消除震荡航路点,得到相对平滑的航路。