机动性约束下低空突防航迹规划算法研究

研究飞行器多目标优化问题,为了寻求安全突防的飞行轨迹,结合低空突防中对飞行器实际飞行轨迹的要求,对航迹规划算法进行了研究.针对改善目前航迹规划过程中所存在的几何建模困难和所得轨迹不能符合实际可飞的问题,提出了一种新的垂直面轨迹规划方法.方法在水平面规划的基础上重点分析了飞行器垂直面内的运动状态,结合过载、航迹倾角等机动性约束条件对垂直面内的运动轨迹进行研究,将实际复杂的飞行轨迹简化为由直线段和圆弧段衔接而成的轨迹模型,针对简化模型进行轨迹规划.仿真结果表明,能够得到满足约束条件,并符合实际飞行的航迹.     

飞行器整体航迹规划建模/仿真的研究与实现

航迹规划是低空突防过程中的关键技术,目的是得到一条既安全可靠又全局代价最优的三维航迹,是导航系统和控制系统的基础之一.在对整体航迹规划技术进行研究与实现的过程中,详细讨论了威胁建模、地形预处理、航迹规划算法等问题,并采用建模/仿真技术给出了实现流程以及试验结果.规划出的参考航迹能够满足低空突防飞行器进行"地形跟随/地形回避/威胁回避"机动飞行的需要.随着航迹规划问题的解决,建立了"地形跟随/地形回避/威胁回避"为主要手段的低空突防技术论证与试验环境.     

飞行器参考航迹规划方法研究

研究飞行器参考航迹规划优化控制问题,飞行器受到飞行达时间、油耗、威胁和地形环境等因素影响,传统的依靠飞行员的视觉效应,达不到优化的要求,同时飞行航迹实时性差.为了找到最优飞行器参考航迹,在分析当前飞行器航迹规划算法存在问题基础上,提出一种改进遗传算法的航迹规划方案.采用遗传算法对飞行器参考航迹进行全局搜索,快速找到全局最优解区域,并在全局最优区域通过模拟退火算法进行局部搜索,得到最优航迹.仿真结果表明,改进遗传算法能够快速找到最优参考航迹,能很好满足在线实时航迹规划的要求,是一种比较理想的飞行器参考航迹规划算法.     

基于A*算法的高超声速飞行器航迹规划方法

为了提高A*算法应用于高超声速飞行器航迹规划时的效率和稳定性,并保证航迹可飞性,提出基于改进型变步长稀疏A*算法的航迹规划方法。首先根据飞行器飞行区域不存在地形限制的特点,在规划过程中采取变步长策略,有效地提高了远程规划时的稳定性和效率;然后依赖飞行器的过载计算最大转弯角和爬升/俯冲角,根据计算角度构建规划空间,同时将飞行器飞行过程燃料/时间、航向、飞行高度、航迹末端、禁飞区域等约束用于规划空间优化,减少扩展节点的数量,进一步提高了规划效率并保证航迹的可飞性;最后基于威胁约束设计特殊的代价函数,保障了飞行安全和航迹规划的稳定性。仿真结果表明:规划出的航迹满足高超声速飞行器各种飞行要求,能避开各种威胁,规划时间短,稳定性好。得到的航迹能够作为航迹跟踪控制系统设计时的参考输入。     

航迹规划的一种路线图方法

该文提出一种飞行路线图上的实时三维航迹规划方法,将航迹规划过程分成两个阶段:学习阶段和查询阶段。在学习阶段,环境信息结合在路线图中,在查询阶段,采用SAS算法搜索飞行路线图,实时获得三维可行航迹。构图和航迹搜索过程中分阶段满足飞行器约束条件。通过更新路线图中边的代价,实现了动态环境中飞行器的实时规划。     

低可探测性飞机威胁建模及航迹规划仿真研究

提出了一种利用低可探测性(隐身性)飞机RCS变化特性的航迹规划算法.根据目标RCS与雷达作用距离的关系以及简化的固定翼飞机RCS变化率模型,为以雷达为探测手段的防空系统建立威胁杀伤模型,在综合考虑生存概率和路径距离后给出新的航路威胁代价计算函数,最后采用Dijkstra算法在满足飞行约束条件下对隐身性飞机的航迹规划方法进行了大量的仿真.仿真结果表明隐身性作战飞机结合有效的航迹规划算法可以充分发挥自身低可探测性优势而达到隐蔽突防的目的.     

利用Voronoi图与GIS规划三维飞行航迹

针对飞行器三维航迹规划问题展开研究,通过引进地理信息系统(GIS)的方法对地形图数字化和插值得到三维地形数据;利用Matlab构造Voronoi图计算出初步水平航迹,采用ArcGIS软件获取水平航迹对应的高程值(垂直航迹);再由坡度限制平滑算法,曲率限制平滑算法对垂直航迹进行法向加速度和曲率的约束求取最优飞行的路线,显示出规划的三维航迹及地形;并在突发威胁发生的情况,进行了路径的重规划.仿真结果表明,该方法能够快速规划出合理的航迹并满足实时性要求.     

基于遗传算法的飞行器参考航迹规划

针对飞行器航迹规划问题展开研究,为了规划出最优满意的飞行轨迹,分析了飞行器航迹规划中存在的威胁与自身约束条件,提出了一种关于遗传算法的航迹规划方案,采用改进编码机制对飞行器在已知威胁情况下飞行航迹进行整体规划。取航迹个体只包含一个染色体,每个染色体为一个航迹点序列,随机生成种群,通过选择交叉变异,并将各种威胁和约束条件的影响适当的加入到适应值函数中,得到优化路径进行仿真。仿真结果给出了不同加权比例下所得到的最优航迹,通过仿真验证了算法的有效性。     

多目标规划模型在航迹规划中的应用

智能飞行器是由动力装置驱动,并在计算机系统自动引导进行的。航迹规划是实现飞行器智能导航并成功完成任务的技术保障。本文针对智能飞行器飞行过程中受到飞行器的最小转弯角限制以及定位误差的影响,提出了基于A*算法的多目标规划的数据模型以及寻求最优航迹规划路径的算法,并用两个校正点数据集进行了验证。结果显示,改进后的A*算法可以快速地规划出满足限制条件的最优路径。     

多目标优化下智能飞行器三维航迹快速规划

针对智能飞行器在复杂的飞行环境下不能精确定位校正而无法到达目的 地的问题,提出了一种飞行器定位误差校正策略和飞行器转弯控制策略.当校正点集合存在问题校正点时,在保证成功到达概率的前提下,尽可能减少校正次数和路程,提出了一种概率参数优化策略,通过采用蒙特卡罗算法和NSGA2遗传算法来计算真实概率和航迹路线;为满足实际应用,建立了以飞行器航迹最短和校正次数最少的多目标优化的数学模型,并设计了一种圆环形包络面的数据预处理算法以提高模型的求解效率,最后进行了仿真计算和代码优化,仿真结果表明,提出的策略和算法能够有效地给出更为满意的航迹规划路线.     

General fight rule-based trajectory planning for pairwise collision avoidance in a known environment

This paper presents a general flight rule-based autonomous trajectory planning scheme for two aerial vehicles to avoid obstacles and collisions in known environments in low-altitude airspace for general aviation. Flight rules in low-altitude airspace are first introduced based on the general flight rules in US, UK and China, and then the suitable flight rules are embedded into the trajectory planning algorithm. It is supposed that the flight parameters, such as positions and velocities, are all available to the aerial vehicles involved in the possible conflict. Then the trajectory of each aerial vehicle is calculated by optimizing an objective function, such as distance and fuel consumption, with the constraints corresponding to the airspace traffic rules. The optimization problem is solved by receding horizon control (RHC) based mixed integer linear programming (MILP). Compared with other collision avoidance algorithms, the proposed algorithm can be adapted to plan the autonomous trajectory to avoid pairwise collision and obstacles as proposed general flight rules. Simulations show the feasibility of the proposed scheme.     

Communication‐Aware Information‐Gathering Experiments with an Unmanned Aircraft System

This paper presents single and multiaircraft flight experiments to assess an information‐theoretic path planning algorithm that incorporates sensing and communication to guide an unmanned aircraft. The communication is modeled with packet erasure channels for each link in a multihop mesh network. The planning objective is to maximize the mutual information between the target state and measurements received at a single base station from all aircraft. A novel unmanned aircraft system was developed to facilitate experiments with multiple unmanned aircraft utilizing multihop mesh networking. The value of communication‐aware planning was assessed through flight experiments with a single aircraft localizing a radio emitter. Additional experiments with two aircraft demonstrated and assessed the performance of the approach, showing that the improvement in sensing can be appreciable when utilizing multihop communication.     

一种飞机的航迹模拟仿真算法

飞行仿真中,飞机航迹模拟没有考虑飞机是匀速还是变速,一般由简单的直线和圆组合来表示,这种表示算法较为理想化或简单化。为了建立逼真空情,实现复杂多样的飞行动作模拟,本文对飞机运动的数学模型进行研究,归纳总结飞机直线飞行算法,针对飞机转弯航迹过于理想和简单化提出一种新的模拟算法来模拟飞机转弯航迹。将飞机匀速和变速转弯用一种算法实现,增加新的转弯方式并提高飞机航迹多样性。最后将新算法替代老算法在航管模拟训练系统中进行应用与仿真,与真实飞机航迹数据对比,证实新的算法可以模拟出变速转弯航迹,并使整体航迹更加接近真实。     

Neural-fuzzy scheduling of H robust controllers for a high performance fighter aircraft under a Herbst-like manoeuvre

This paper presents a flight control system design method witha neural-fuzzy gain-scheduling algorithm with learning capability for a high performance fighter aircraft undergoing a high angle of attack velocity vector roll manoeuvre. This manoeuvre is similar to the Herbst manoeuvre, hence also called a Herbst-like manoeuvre. Two linear H robust controllers are designed by using the mu -synthesis method at two trim conditions that cover the whole dynamic range of this manoeuvre. Then a scheduling technique is proposed, using the neural-fuzzy concept, together witha dynamic back propagation algorithm for its training. Simulation results, using a recently developed non-linear six-degree-of-freedom aircraft simulation package, demonstrate that the neural-fuzzy scheduler can be trained by using the dynamic back propagation algorithm to achieve better closed-loop tracking performance, and the proposed neural-fuzzy scheduled flight control system gives satisfactory performance inexecuting this Herbst-like manoeuvre.     

雷达监测协同飞行器列阵飞行控制系统设计

当前飞行器列阵飞行控制技术中单机间相对位置不易确定,造成列阵飞行状态监测和姿态感知较难,存在控制准确度低、可靠性差的问题。据此,设计一种基于改进降噪目标提取算法的地面站可见光监测控制系统。通过对列阵中各单机飞行状态的图像监测,确定位置与姿态,以及其在列阵中的位置偏差,给出实时动态调整指令;设计的改进型降噪目标提取算法,降低了复杂背景噪声对飞行器目标提取的影响,提高了监测准确性。该系统将飞行状态监测和姿态感知功能设置于地面站中,极大减少了对飞机的载荷依赖,实现对飞行器列阵飞行的智能管理和任务规划。经实验验证,该智能控制系统的偏差率维持在2%以下,结果表明本智能控制系统能够准确、可靠的控制50架飞行器列阵的静态和动态行动。     

基于蚁群算法的最小代价航迹规划仿真

在大比例尺地图的路径规划中,由于飞行器全局航迹规划需要计算机存储的栅格点数量巨大,存在维数爆炸问题,使得航迹解算计算量激增,因此提出1种改进的蚁群算法,将栅格由大及小进行划分,利用大栅格为飞行器选择相对平滑和离散度低的飞行地形,利用小栅格为飞行器提供相对精确的全局飞行航迹,将栅格带所有栅格的代价之和作为航迹代价,从而选出1条航迹代价最小的路径．该算法将蚁群算法的信息素更新机制更加合理地应用到航迹规划中．仿真结果表明,该方法能解决航迹维数解算问题,可以将一系列栅格点组成的路径点集合为最优解,为飞行器提供最优航迹规划路径．     

A vision-based strategy for autonomous aerial refueling tasks

Autonomous aerial refueling is a key enabling technology for both manned and unmanned aircraft where extended flight duration or range are required. The results presented within this paper offer one potential vision-based sensing solution, together with a unique test environment. A hierarchical visual tracking algorithm based on direct methods is proposed and developed for the purposes of tracking a drogue during the capture stage of autonomous aerial refueling, and of estimating its 3D position. Intended to be applied in real time to a video stream from a single monocular camera mounted on the receiver aircraft, the algorithm is shown to be highly robust, and capable of tracking large, rapid drogue motions within the frame of reference. The proposed strategy has been tested using a complex robotic testbed and with actual flight hardware consisting of a full size probe and drogue. Results show that the vision tracking algorithm can detect and track the drogue at real-time frame rates of more than thirty frames per second, obtaining a robust position estimation even with strong motions and multiple occlusions of the drogue.     

航迹规划策略学习方法研究

分析并研究航迹规划软件中的飞行器操作数据特征,提出一种基于XGBoost算法和K-prototypes算法的航迹规划策略学习方法。在样本采集与分类过程中,根据约束自身特性和规划人员操作特征,将约束分为飞行器环境约束和飞行器特性相关约束,分别采用XGBoost算法和K-prototypes算法进行策略学习,并对飞行器特性相关约束做进一步细分,实现复杂约束的针对性学习及样本分类管理。当航迹不满足约束时,需将已获得的规划策略反馈给规划人员使其得到策略引导。实验结果表明,该方法能准确选取航迹规划策略并给出策略引导信息,降低规划人员的工作强度,提升交互规划效率和规划软件的智能性。