基于进化计算的多无人飞行器协同航迹规划

提出了一种在已知静态环境下利用进化计算实现多无人飞行器的分层离线协同航迹规划方法．针对多无人飞行器从不同起始点出发同时攻击某一预定目标问题，该方法可规划出由一系列导航点组成的三维航迹，并确保多无人飞行器在按一定的速度飞行时能避免相互碰撞、远离威胁障碍，满足航迹条件及协同限制．结果表明了该方法的可行性．     

无人飞行器海上航迹规划差分进化算法研究

为研究海洋环境下的无人飞行器（UAV）航迹规划问题,提出了一种基于差分进化算法（DE）的航迹规划方法。该方法通过对规划环境进行预处理将岛屿处理成地形威胁区,使问题简化为二维平面规划。采用实数编码方式对航迹进行编码,建立了航迹代价函数的数学模型,从航迹质量、算法稳定性和收敛速度3个方面比较了DE与遗传算法（GA）和粒子群优化算法（PSO)的性能。仿真实验结果表明,所提方法能在复杂的海洋环境下为飞行器规划出一条安全的可飞航迹。     

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。     

无人集群系统协同运动规划技术综述

地面无人集群由多个地面无人移动平台构成,能够通过各无人平台间相互协同完成统一的系统协同目标,在军事和交通系统等领域能够发挥重要的作用。协同运动规划作为无人集群系统协同的关键技术之一,近年来在理论和应用等方面的研究受到越来越多的关注。针对此研究问题,归纳总结了近年来相关领域的无人集群系统协同运动规划的研究成果,阐述了无人集群协同运动规划技术的研究背景和意义,结合国内外发展现状和研究进展,对多车协同系统的应用进行了表述,并根据主流研究方法使用的框架和算法,对现有的协同运动规划技术进行分类,并讨论了各类方法的主要特点,同时对相关代表性工作进行讨论,提出了无人集群协同规划技术面临的挑战和未来发展方向。     

一种海上无人飞行器的快速航迹规划方法

针对海上无人飞行器的快速规划问题,提出了一种基于几何关系的扩展树策略的快速规划方法。以规避禁飞区为主要思想,快速定位到航迹中的禁飞区,通过扩展树的方法绕过禁飞区,从而达到快速规划的目标。实验结果表明,该方法可用于海上无人飞行器的实时航迹规划。     

多平台反舰导弹协同航迹规划

为了提高反舰导弹突防概率,基于遗传算法提出了一种多平台反舰导弹协同航迹规划算法．首先,重点讨论了协同航迹的评价问题．为了达到同步攻击目的,同时使飞行代价最小,研究提出了随种群进化而变化的时间协同度评价策略．其次,探讨了多平台反舰导弹协同航迹规划算法的分解．最后,通过仿真算例校验了该算法寻优得到的诸航迹不仅可使导弹实现协同攻击,而且可以很好地规避威胁．     

无人作战飞行器编队协同攻击轨迹规划研究

研究了无人作战飞行器（UCAV）编队协同对地攻击轨迹规划问题。基于单机运动学/动力学方程、编队成员相对运动模型和威胁模型,结合平台初、末端约束条件,建立了编队协同对地攻击轨迹规划数学模型;提出了综合考虑单机威胁、任务时间、编队等效碰撞次数及执行指令时间误差的综合目标函数,形成最优控制方法的求解框架。为使编队整体轨迹优化,将编队任务轨迹分段。采用hp自适应伪谱法对构建的模型进行解算,得到编队攻击轨迹。数字仿真结果表明：规划的编队攻击轨迹满足约束要求,证明了所构建的编队攻击轨迹规划模型的有效性。     

无人飞行器的多源信息融合技术发展综述

针对新的作战需求和目标特性赋予了无人飞行器多源信息融合技术新的挑战,开展了无人飞行器多源信息融合技术和典型应用两个方向的研究,全面地总结了近几年无人飞行器的多源信息融合技术的发展概况,整理了信息融合技术中的数据预处理、态势估计、属性融合、态势感知的几种典型算法的研究进展,为相关领域研究提供了参考信息。     

飞行器三维航迹规划算法

提出了一种应用改进遗传算法进行飞行器三维航迹规划的方法。航迹由B样条曲线得到，以代表航迹的B样条曲线的控制顶点坐标值作为染色体的基因位进行浮点数编码。在计算染色个体的适应值函数时充分考虑了飞行器的动力约束以及规避障碍能力。仿真结果表明了该方法的有效性。     

巡航导弹航迹规划综述

航迹规划是新一代的超低空突防技术。论述了航迹规划对提高巡航导弹作战效能的重要作用,探讨了巡航导弹航迹规划的总体框架及关键技术。     

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。     

基于遗传算法的军用飞行器航迹规划

为规划出飞行器在低空突防时的最优路径，本文主要采用遗传算法进行航迹规划。文中分析了遗传算法在求解路径规划问题时相对于其它算法的优点，并针对低空突防的特点和飞行器的机动能力，设计了有效的路径遗传算子，改进了简单遗传算法。其结果表明：该方法加快了遗传算法的收敛速度，避免了收敛到局部最优解，并能合理地利用规划区域内的地形与飞行器的机动能力，达到躲避敌方火力单元、有效打击目标的目的。     

基于遗传算法的军用飞行器航迹规划

为规划出飞行器在低空突防时的最优路径,本文主要采用遗传算法进行航迹规划.文中分析了遗传算法在求解路径规划问题时相对于其它算法的优点,并针对低空突防的特点和飞行器的机动能力,设计了有效的路径遗传算子,改进了简单遗传算法.其结果表明该方法加快了遗传算法的收敛速度,避免了收敛到局部最优解,并能合理地利用规划区域内的地形与飞行器的机动能力,达到躲避敌方火力单元、有效打击目标的目的.     

基于遗传算法的无人侦察机航迹规划

提出了基于遗传算法的URAV航迹规划,将航迹规划的多种约束与算法相融合,综合考虑了多种约束条件对航迹规划的影响.算法采用了改进的航迹极坐标编码方式,算法参数采用了自适应的交叉率和变异率,实现了URAV以最小的被发现概率到达目标点,仿真结果表明该方法是可行而有效的.     

飞行器雷达隐身轨迹规划技术综述

空中隐身作战已成为夺取制空权的重要手段,复杂电磁环境下的飞行器隐身轨迹规划技术将是空中进攻作战中提高己方生存概率的重要手段,是提高飞行器隐身突防任务计划拟制过程的科学性、准确性及效率的关键所在。阐述了飞行器雷达隐身轨迹规划技术内涵,对其研究现状进行了系统综述,并讨论了研究的难点与挑战,并对其发展趋势进行了展望。     

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。     

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。     

两栖联合作战无人飞行器协同控制方法研究

在未来联合作战中,无人飞行器对未来的作战样式有着深远的影响。以海上和两栖作战无人飞行器为背景,分析了无人飞行器避撞的关键技术及其发展趋势,在无人飞行器目标检测、碰撞估计方法及避撞机动方法等方面进行了综述。提出了人工智能技术运用到无人机飞行防碰撞问题,并给出了研究方向。通过运用路径规划以及对飞行轨迹的预测原理,以实现无人飞行器在未知空域中的协同飞行防碰撞。最后,对碰撞检测技术的未来走向做出了展望。     

复杂环境下分层递阶多航迹协同规划研究

针对复杂环境下多无人攻击飞行器(UCAV)、多目标协同规划的特点,提出了复杂环境下多UCAV协同规划分层递阶体系架构。该架构可以将长航时精确制导多UCAV协同规划问题分解为若干个相对简单的子问题,有利于该复杂问题的求解。随后对任务层、空间域、时间域分层方法以及迭代求解逻辑流程进行了论述。最后,明确了该体系所需要解决的各项关键技术。     

面向雷达目标检测性能的多弹协同航迹规划

基于多弹平台的空间分布式雷达构型决定了杂波距离环位置,直接影响杂波回波能量的强弱,从而影响目标检测性能。为实现多弹协同航迹规划过程中的杂波抑制,提升目标检测性能,基于多智能体深度强化学习算法对多弹航迹进行智能规划,将目标检测性能作为该算法的优化目标,引入能量约束与动力学约束等约束条件,训练得到多弹协同智能航迹规划策略,通过控制多弹飞行过程中的空间分布降低杂波回波能量,实现动态环境下的杂波抑制。通过仿真验证表明,所提算法能有效降低强杂波对目标检测的影响,提高了多弹在飞行过程中的检测性能。