共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
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. 相似文献
3.
针对传统沙猫群(SCSO)算法全局搜索能力不足、易陷入局部最优等问题,提出一种改进沙猫群(LVSCSO)算法。该算法引入非线性调整机制,更好地体现出SCSO算法的搜寻和攻击过程;同时引入自适应莱维飞行机制,有效提高了算法的全局搜索能力和跳出局部最优的能力。采用栅格法构建无人机野外环境模型和复杂城市环境模型,以综合航迹长度、飞行高度和飞行转角的适应度函数为衡量指标,进行了算法的仿真验证。研究结果表明:在野外环境模型下,相较于传统SCSO算法和粒子群优化算法,该改进算法分别提升56.40%和22.06%;在复杂城市环境模型下,相较于传统SCSO算法和粒子群优化算法,该改进算法分别提升了56.33%和61.80%;新的LVSCSO算法在航迹规划上具有有效性和优越性。 相似文献
4.
5.
6.
7.
8.
《战术导弹技术》2017,(2)
运用粒子群算法(PSO)进行无人机三维航迹规划时,常通过引入最小威胁曲面来减小搜索空间,提高算法效率,但将威胁信息等效至数字地图中并不能准确反映威胁作用,且失去了利用地形遮蔽进行突防的优势。针对这一问题,从航迹规划的核心适应度函数出发,综合考虑火力威胁、地形威胁、高度威胁、机动性能四个方面约束,对适应度函数模型进行了分析改进。同时,针对粒子群算法易陷入局部最优的问题,提出将模拟退火粒子群算法(SAPSO)运用于航迹规划,利用模拟退火算法概率突跳能力进一步改善航迹质量。仿真结果表明,改进模型获得的三维航迹不仅满足各项约束,而且能够利用地形遮蔽进行突防,SAPSO算法改善航迹效果明显。 相似文献
9.
一种无人机自主变步长航迹规划方法 总被引:1,自引:0,他引:1
现有无人机航迹规划搜索算法大多采用定步长搜索算法,鉴于威胁分布具有不均匀性和突发性.提出了一种无人机自主变步长快速航迹搜索算法。该算法借鉴了稀疏A*搜索算法的部分思想,结合威胁分布信息调整搜索步长,有效减少了搜索时间。仿真结果表明该算祛能够快速规划出满足任务需求及约束条件的无人机航迹。验证了算法的正确性和有效性。 相似文献
10.
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。 相似文献
11.
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Qtable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。 相似文献
12.
粒子群(PSO)算法易陷入局部最优,将其运用于无人机三维航迹规划会导致航迹品质不高,针对这一问题,提出了将差分进化(DE)算法、模拟退火(SA)算法嵌入PSO算法中,构成混沌差分进化模拟退火粒子群(DESAPSO)算法,从三个方面提高了航迹品质:一是利用DE算法的变异、交叉及竞争选择增加种群多样性;二是利用SA算法概率突跳能力跳出局部最优解;三是对PSO算法参数进行混沌优化,进一步增强种群多样性.仿真结果表明:混沌DE-SAPSO算法改进航迹品质效果明显,获得了满意的无人机三维航迹. 相似文献
13.
14.
《战术导弹技术》2017,(6)
针对小型集群飞行器三维突防航迹规划面临的精确度、实时性、任务适应性和可实现性综合匹配问题,在稀疏A~*算法基础上,提出了基于分层策略的突防航迹规划算法,建立了三维航迹规划问题数学模型,给出了分层策略和突防航迹规划步骤。在算法扩展节点过程中采用支配检测方法,进一步提高了算法效率。在45 km×60 km规划区域内,典型想定下单机、四机和八机三维突防航迹规划长度分别为54.24 km、198.96 km和387.13 km,对应规划算法耗时分别为0.67 s、4.15s和11.04 s,同一任务场景下分层稀疏A~*算法规划用时是标准A~*算法的24.7%、14.2%和10.5%。仿真结果表明,该算法可在确保航迹规划精确度的前提下,大幅缩短航迹规划时间,具有较高的理论价值和工程适用性。 相似文献
15.
16.
17.
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。 相似文献
18.
19.
针对一般稀疏A*算法规划时间长的缺点,提出了一种基于几何方式的代价优化方法,对航迹扩展点进行惩罚分类,改进代价函数。仿真结果表明,该方法能够快速有效地完成规划任务,并得到比较满意的航迹。 相似文献