反舰导弹协同航路多级动态决策模型

针对解决反舰导弹协同航路决策优化的问题,给出一种求解该问题的协同航路多级动态决策模型。运用对策理论对反舰导弹协同航路决策进行分析,建立多级决策Nash-Stackelberg-Nash模型。运用对策-协进化算法进行求解,解决了反舰导弹攻击的协同航路决策问题,并进行试验分析。结果表明:该方法运算简单、收敛速度快、应用效果明显,对该类问题求解及工程应用具有借鉴意义。     

随队式干扰对抗组网雷达的目标航路规划研究

针对具有连续性和严密性布防的组网雷达突防问题,研究了随队式干扰样式对抗雷达网的目标/编队的航路规划问题。从单部雷达的暴露区半径计算入手,通过对两部雷达的干扰突防分析,将目标/编队在随队式干扰掩护下突防雷达网的航路规划研究,转化为利用组网雷达中存在的公共弦组成的连通网状图问题,并通过结合启发式搜索,给出了一种目标/编队在随队式干扰掩护下的雷达网航路规划优化方法。仿真结果表明,该方法是有效、可行的。     

多方向饱和攻击时反舰导弹航路规划方法

针对难于求取多方向饱和攻击时反舰导弹航路规划全局最优解的问题,对多方向饱和攻击时各枚反舰导弹的航路进行合理设定。依据反舰航路规划的基本约束条件,建立以自控飞行距离最短为目标的航路规划模型,在此基础上,结合平面几何相关知识,将多枚反舰导弹多方向攻击时的航路规划问题转化为求解各枚反舰导弹关键导航点的问题,给出一种快速构造各枚反舰导弹航路的求解方法,并进行仿真验证。仿真结果表明:该方法能快速构造多枚反舰全方位饱和攻击时的简单航路,符合多方向攻击要求,易于工程实现。     

基于改进遗传算法的多弹协同攻击航路规划

针对多弹协同攻击航路规划问题,提出一种基于改进遗传算法的多弹协同航路规划方法。通过优化航路 种群初始化的方法,生成能够满足最大航路点个数约束以及最小航路段长度约束的航路;采用亚种群归类将航路区 分为不同的走向,得到多种攻击航路结果;利用进化算子对子代航路进行微调,生成更符合要求的多条航路,并对 多弹攻击航路进行仿真验证。结果表明,该算法可得出最优和多条次优航路,符合多弹协同作战的目的和要求。     

一种基于改进遗传算法的三维航路规划

针对遗传算法在求解航路规划时存在的收敛速度慢、容易＂早熟＂问题,结合模糊推理、模拟退火算法和自适应机制,提出了一种基于改进遗传算法的三维航路规划.算法利用极坐标描述航路点,缩短了染色体编码长度,降低了搜索空间,提高了优化效率,并将模拟退火的Boltzmann接受机制引入遗传算法,对遗传操作后的新解进行判断接受与否.仿真结果表明了该方法的有效性和可行性.     

Memetic算法在无人机侦察航路规划中的应用

为解决无人机侦察航路规划问题,采用文化基因算法(memetic algorithm,MA)进行求解。以粒子群优化算法作为主搜索策略,采用基于模拟退火的加权法对非劣解进行局部搜索。目标函数综合分析了战术效果、航程、安全性、飞行时间等指标要求,并从环境和无人机自身分析航路规划约束条件。最后对算法性能进行了测试,实验结果表明该文化基因算法比单独使用粒子群优化算法具有更高规划效率,得到的初始侦察航路较优。     

基于任务区分的无人机航路规划方法

军用无人机飞行航路必须基于作战任务规划,在任务完成和飞行安全之间体现不同侧重.文中将无人机航路规划问题区分为固定航路规划和突防航路规划,阐明了各自的规划要点,提出的基于任务完成度的固定航路规划方法和基于改进蚁群算法的突防航路规划方法,能够满足无人机不同作战任务需求.通过算法仿真和作战仿真系统的应用实践,证明了文中方法的合理性和实用性.     

基于改进遗传算法的协同航路规划研究

在进行协同任务规划时应同时考虑协同航路规划和任务分配这两个问题,同时到达进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标。针对这一问题提出了目标分配及协同航路选择的优化模型,并且给出了编码结构;针对遗传算法存在的不足,提出了一些改进;然后采用改进的遗传算法对协同任务规划模型进行了仿真验证。仿真结果表明该方法可以有效地规划出协同航路。     

基于改进遗传算法的协同航路规划研究

在进行协同任务规划时应同时考虑协同航路规划和任务分配这两个问题,同时到达进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标.针对这一问题提出了目标分配及协同航路选择的优化模型,并且给出了编码结构;针对遗传算法存在的不足,提出了一些改进;然后采用改进的遗传算法对协同任务规划模型进行了仿真验证.仿真结果表明该方法可以有效地规划出协同航路.     

引入突防概率的飞机航路规划遗传算法

飞机低空突防技术除了包括地形跟随、地形回避和威胁回避以外,当不能在敌防区外发射导弹时,还必须分析目标附近的敌防御体系的构成。将最大突防概率引入航路规划的代价函数指标中,通过突防概率的计算,提出以航路末端进入角来修正代价函数指标。采用遗传算法进行航路规划,仿真算例表明,该算法可以满足对地形和静态威胁的回避,同时可以按照突防概率最大的末端进入角到达目标点。     

可重复使用助推飞行器轨迹优化研究

在充分调研国内外轨迹优化方法的基础上,针对可重复使用助推飞行器飞行过程中有一段大攻角飞行且期间还需进行一次大角度翻转的飞行模式,以俯仰角为最优控制量,采用直接打靶法和序列二次规划法,选择速度作为过渡量,将分离点至再入结束点的飞行过程分为调姿转弯段和再入段进行优化.分析了过渡速度和分离点处弹道倾角的取值,得到了较为合理的过渡速度和分离点处弹道倾角的取值范围,进行了该飞行过程的全段轨迹优化.仿真结果表明本文给出的优化策略能较好地获得一条满足约束条件的优化轨迹.     

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。     

基于导航点改进Gauss伪谱法规划滑翔导弹航迹

为了研究滑翔导弹的航迹规划问题,利用优化理论,规划了多约束条件下导航点之间的航迹。基于导航点位置改进Gauss伪谱法(Gauss pseudospectral method,GPM),利用改进GPM离散控制变量和状态变量,将最优控制问题转化为非线性规划问题,利用改进序列二次规划算法求解。GPM求解分段航迹规划问题,需要迭代获取下段航迹的飞行时间,降低了算法效率。改进GPM能够有效弥补单纯以时间为自变量带来的诸多规划中的不足,具有更为宽泛的优化目标适应能力。算例结果表明,改进后的算法能够准确、高效地规划一条合理的航迹,满足飞行约束条件。     

存在时延和拓扑不确定的多弹分散化协同制导时间一致性分析

研究了固定拓扑和切换拓扑两种情况下同时存在通信时延和拓扑结构不确定的多导弹协同齐射攻击制导时间一致性问题。基于图论方法将多弹协同制导时间渐近一致性问题转化为制导时间分歧系统的渐近稳定性问题。基于Lyapunov函数方法分析了固定拓扑下分歧系统的渐近稳定性,得到了能够保证制导时间渐近一致的充分条件。将该方法拓展到动态拓扑结构切换情形,基于公共Lyapunov函数给出了充分条件。分别针对固定和切换拓扑下存在时延和时变拓扑结构不确定下的协同齐射攻击问题开展了仿真验证,得到的结果与理论分析相符。     

基于协同进化算法的多舰扩方应召反潜搜索方法

反潜作战是现代海战中水面舰艇的主要作战任务之一,对潜搜索行动是水面舰艇反潜作战的重要组成部分,是实施对潜攻击的前提和保证.针对目前常规多舰扩方搜索方法存在搜索效率低、协同能力弱的问题,对现有的2种多舰扩方搜索样式进行协同路径优化.根据舰艇声呐搜索原理以及实际反潜战术的应用,以在固定搜索时长内使得搜索效能最大为目标,建立了2种搜索样式最优协同路径问题的数学规划模型,给出了运用改进的协同进化算法规划多艘舰艇搜索路径的具体求解过程,并通过仿真实验得到不同搜索样式下的多舰协同最优搜索路径.结果表明:该方法具有搜索范围大、搜索效率高的特点,相比常规方法具有较大优势,适用于解决多舰扩方反潜搜索路径规划问题.     

多无人机远距突防协同目标搜索决策

针对需要远距突防的不确定区域运动目标的搜索问题,提出了多无人机（UAV）远距突防和协同目标搜索的路径决策。改进基本的二维扩散模型,建立考虑目标运动与地理环境限制条件下的不确定区域扩散模型,在此基础上基于电势场算法和滚动时域控制研究了远距突防与优化路径决策策略。综合考虑不确定性降低收益、平均不确定度与综合抗力,构建协同搜索收益函数,为协同搜索路径决策提供路径优化准则,进行仿真实验。仿真结果表明,本算法能够有效地应对突发威胁与不确定区域扩散,完成多UAV远距突防与协同目标搜索任务。     

基于改进的复合自适应遗传算法的UUV水下回收路径规划

传统遗传算法的变异操作会简单随机产生新的路径,对算法进化性能有不利影响,使算法易陷入局部最优的陷阱;遗传算法常配合栅格法进行路径规划,所得的最优路径并非无人水下航行器(UUV)回收路径规划可获得的最短路径,并存在UUV机动性能可能与最优路径冲突的问题。为此,设计一种具有UUV机动性约束条件的改进遗传算法,提出环境复杂度的概念用于分析机动性约束的具体取值,使路径规划适配于UUV的机动性,使算法结果更具实用性;提出复合自适应变异策略,控制变异的个体在迭代过程中发生自适应的进化;当一定迭代数内种群进化停滞时,引导最优个体进行双阶段自适应变异,从而使最优路径趋近全局近似最优解,有效提高算法的收敛速度。基于MATLAB软件的算法对比仿真结果表明一般复杂水域和复杂水域环境下,改进的复合自适应遗传算法生成的最优路径相比于遗传算法和自适应遗传算法的最优路径更加平滑,路径长度更低,可见改进的复合自适应遗传算法在路径规划上收敛性能和寻优能力更优,更具有可行性和优越性。     

多目标时空同步协同攻击无人机任务分配与轨迹优化

针对复杂战场环境下分布式无人机对多目标协同打击任务,提出多目标攻击的任务分配与轨迹优化算法。建立典型多目标打击的任务场景和无人机模型;基于Delaunay三角形理论,以禁飞区为节点构建搜索地图;运用A^*算法实现威胁最小的单机路径搜索;在无人机动力学约束和能耗损失最小的基础上,引入时间调节因子,采用基于贝塞尔曲线的分布式无人机时空同步轨迹优化方法,得到对多目标同时打击的优化轨迹;设计轨迹跟踪控制器,对预规划轨迹进行跟踪仿真。仿真结果表明,多目标攻击的任务分配与轨迹优化方法能够对多目标实现多角度、时空同步、分布式协同打击,且对噪声及阵风等具有较强的抗干扰能力。     

未知环境下异构多无人机协同搜索打击中的联盟组建

为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。 为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。