多无人机航迹规划算法及关键技术

对近几年较为热点的多无人机航迹规划算法按照算法原理进行分类,主要梳理了基于控制理论优化、基于启发信息、基于神经网络、基于人工势场法的四类多无人机航迹规划算法,介绍了相关算法原理,并阐述了各算法在运用当中的优势。根据未来发展,指出了多无人机航迹规划算法亟待解决的技术难点与未来的发展趋势,包括算法的实时在线、算法规模的升级、求解数学模型的完善及算法创新。     

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。     

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。     

基于SAS的分层航迹规划方法

为了提高SAS（sparse a＊ search）算法在航迹规划问题中对不同环境的适应能力,实现规划环境中禁飞区的快速避让、匹配区的快速查找,对SAS算法进行改进,提出了分层SAS的快速规划方法。分层SAS规划方法主要包括：粗SAS规划和精SAS规划,对不同性质的约束条件分粗、精2阶段进行处理。该方法将复杂的航迹规划问题分成相对简单的子问题,提高了对不同环境的适应能力,同时每个子问题的针对性较强,因此每一层规划速度较快。仿真实验表明,对不同复杂程度的环境,该方法有更好的适应能力。     

相邻特定平飞段间纵向航迹的快速规划算法

分析了相关的纵向航迹约束条件,选择了1组高度变化点的高度值（即平飞高度值）作为控制变量,基于约束设计了相邻特定平飞段间纵向航迹的快速规划算法模型,编制了计算机程序并以实例验证了算法的正确性。该算法能快速有效地实现相应的纵向航迹规划,对巡航导弹纵向航迹的自动规划研究具有一定的参考价值。     

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。     

一种无人机自主变步长航迹规划方法

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。     

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.     

无人机跟踪地面目标无碰撞航迹规划

针对无人机自动跟踪目标过程中需要规避障碍物的问题,设计一种将跟踪制导律与改进人工势场法相结 合的航迹规划算法。对人工势场法进行适应性改进,建立无人机动力学模型,阐述定距离跟踪制导律的设计方法, 并采取加权求和与运动学约束的方式将定距跟踪制导律与人工势场法二者结合。仿真实验结果表明：该策略具备有 效性和可行性。     

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。