多旋翼无人机编队动态航路规划研究

针对多旋翼无人机的编队动态航路规划问题,提出一种蚁群算法和快速扩展随机树RRT算法相结合的改进混合算法。首先利用蚁群算法离线搜索全局航路代价最小的初始航路,在局部航路规划中提出"协同避障—重构"策略,同时运用改进RRT算法实时修正几何航路,使机群满足时间协同约束绕过静态威胁源和突发障碍物,编队飞行至目的地。仿真结果表明,提出的改进混合算法和策略能有效规划无人机动态无碰航路,相较普通RRT算法,航路最优性及局部航路在线搜索速率得到明显提升。     

基于冲突消解多无人机协同航路规划算法仿真

针对多架无人机同时攻击同一目标的问题,提出了一种基于冲突消解机制的航路规划算法.通过分析协同规划中的各种约束条件及任务要求,从规划终点同时、同步扩展每架无人机的飞行航迹,并采用不等步长扩展法反映每架无人机的飞行速度,在扩展节点的同时进行各项约束条件的检查和消除,保证多条航迹间的时空协同;最后通过数学仿真验证了该算法的可...     

反辐射无人机搜索路径规划研究

针对反辐射无人机对不规则、确定任务区域内的隐蔽雷达执行搜索攻击、压制任务的问题,提出了覆盖区域这一路径规划指标．利用遗传算法的杂交、变异操作产生满足反辐射无人机任务需求、机动性能的搜索路径,解决了反辐射无人机在不规则区域内执行任务时的搜索路径规划问题。     

GPS干扰对反辐射无人机突防的影响分析

建立了反辐射无人机初始航路模型,分析了全球定位系统(GPS)干扰对航路的影响机理,建立了GPS干扰条件下的航路模型和突防概率模型,对干扰前后反辐射无人机突防情况进行了实例仿真,最后提出了降低GPS干扰对反辐射无人机作战影响的对策。     

基于改进A*算法的无人机动态航迹规划

在无人机航路规划问题的研究中,针对传统 A*算法在航路规划中的不足,提出了一种增加约束条件的广义搜索 A*算法,并将该算法应用到动态航路规划中。该算法在节点搜索中解决了 A*算法大空间搜索的复杂程度,而且用重新估价代价值来满足无人机的实时性,最后用平滑处理算法使规划的航路满足无人机的机动性能约束。仿真结果表明,该算法性能优于传统 A*算法,具有很好的实时性,适用于无人机航路规划的工程应用。     

无人机覆盖搜索地域通信网交叉式航路规划

针对地域通信网的侦察搜索问题,提出一种以交叉式航路来实现对地域通信网部署区域完全覆盖搜索的无人机航路规划方法。首先,根据地域通信网结构特点以及干线节点天线波束特性,定性地分析得到无人机侦察干线节点时的最大侦察距离与盲区侦察距离,并分析得到无人机搜索干线节点的静态模型以及动态模型;其次,根据侦察模型,建立并优化无遗漏搜索的无人机交叉式搜索航路模型,该方法可保证搜索到地域通信网所有干线节点,并提高任务执行效率;最后,对无人机交叉搜索航路进行仿真,仿真结果表明,该方法能有效搜索到地域通信网每一个干线节点,并求解了无人机交叉式覆盖搜索航路代价。     

基于作战效能的无人机航路规划研究

综合考虑目标分配与航路规划全过程,提出一种基于作战效能的无人机航路规划方法.在航路规划层利用变长染色体遗传算法规划无人机的初始航路,在协同规划层则以作战效能为指标,运用遗传粒子群优化算法进行任务优化分配,最终得到一个备选航路集.然后,利用协同算法可在备选航路集中找到满足要求的任务航路.该方法不仅能够规划出单机或多机协同全局航路,而且还可根据威胁环境或目标变化适时修正航路,并始终保证较高攻击效能.     

通信约束下的多无人机协同航路规划

针对存在通信约束的多无人机协同航路规划问题,在考虑多无人机同时到达目标点和避免相互碰撞的条件下,使用改进的A*算法规划出多无人机飞行的原始航路;通过不断计算和比较无人机间的距离来限制无人机的飞行,使无人机之间的距离始终保持在允许通信距离范围内;通过减小最大允许通信距离和增大最小安全距离来消除通信时间延迟对协同航路规划的影响,从而建立了存在通信距离限制和通信时间延迟条件下的多无人机协同航路规划算法。仿真结果验证了该算法的有效性。     

多无人机协同搜索多目标的路径规划问题研究

多无人机协同搜索多目标的多旅行商航路规划问题(MTSP)是无人机协同作战的关键技术之一。在协同搜索背景下,多架无人机从同一个基地出发搜索附近的可疑目标,以最快速完成任务为目的,建立MTSP模型,提出一种聚类算法和遗传算法进行分步组合的优化算法。第一步,利用K-means聚类算法将MTSP问题分解成多个独立的TSP问题;第二步,改进遗传算法,引入2-opt算法作为优化算子,重新设计选择算子和交叉算子,分别求解多个TSP问题。通过具体算例验证了该算法的合理性,并同常用的分组遗传算法比较,分步组合优化算法具有更高的计算效率,求解结果更为可靠,尤其在求解大型MTSP问题时,优势更为明显。     

自适应蚁群算法的无人机航迹规划方法

为了提高无人机完成任务效率,在执行攻击任务前必需规划设计出高效的无人机飞行航路.提出了一种Q-学习的自适应蚁群算法的无人机航路规划方法,建立了基于真实地形数据和火力威胁区的威胁模型;针对传统蚁群算法在搜索过程中出现停滞现象,提出的Q-学习的自适应蚁群算法有效地解决了这一缺陷.并使用该算法对无人机的攻击任务航路进行了仿真计算,仿真结果表明该方法是一种有效的航路规划方法.     

反辐射无人机作战效能分析

应用WSEIAC武器系统作战效能模型给出了单架反辐射无人机的作战效能表达式，分析了影响反辐射无人机作战效能的关键因素，推导了多架反辐射无人机的作战效能表达式，并针对多架反辐射无人机的作战效能分析了攻击资源的分配。     

无人机协同的路径规划与通信保持优化策略

为降低无人机通信的信号中断、改进优化多无人机协同的搜索与路径规划质量,提出基于无人机自定位、改进蚁群遗传算法的组合算法,通过将多个无人机的地上目标旅行商航路规划（Multiple Traveling Salesman Problem,MTSP）问题,转换为多个独立路径的组合优化集合（TSP）问题,引入局部信息素的搜索优化算子,为避免路径寻址工作陷入过早收敛,设计与应用选择算子、交叉算子,对不同无人机路径规划的种群个体作出交叉操作。同时在无人机通信网络路由选择分析的基础上,通过调整无人机的路径规划方式,优化通信网络性能、降低通信延时,实现区域内多无人机目标的可靠信息传输。     

群体智能支撑的无人机群航路规划应用综述

无人机群航路规划的主要目标是为每架无人机生成一条连接起始点和目标点并满足约束条件的可飞行路径。传统方法主要以代价地图为基础，采用动态规划与几何运算等方法解决无人机群的路径规划问题。然而，这些方法难以解决无人机群的几何、物理与时间等复杂多约束问题，而且代价地图的构建十分耗时，使得无人机群难以应对复杂多变的实际环境。近年来，群体智能技术的出现为无人机群路径规划提供了新思路，该技术不但能够解决无人机一维静态的路径优化问题，同时为多维动态路径的优化提供更加精准、快速、有效的智能解决方案。此外，机载智能硬件的飞速发展也极大提升了无人机群的通信速率与运算效率，使得无人机群具备环境适应能力强、部署灵活和多功能集成等优势。基于以上背景，阐述了无人机群航路规划的环境感知建模、适应度函数、约束条件和障碍物规避四方面内容；综述了群体智能算法原理，并分析讨论了5种群体智能算法以及其应用于无人机群航路规划的优缺点；分析和展望了群体智能算法应用于无人机群航路规划与任务协同方向的发展趋势。     

多无人机时序到达协同控制方法

时序到达控制是无人机协同控制方向新近产生的典型问题, 对异构无人机协同执行搜索、跟踪、打击、评估等任务具有重要潜在价值。引入计算几何学中的Laguerre图用于航路规划, 当两个威胁区域不相交时, Laguerre图生成的初始航路必然从它们之间的空隙内穿过。针对时序控制精度不高的问题, 采用周期性的速度修正方法, 有效提高了到达时间精度。仿真结果表明, 所提出的时序到达控制方法能够有效实现多无人机时序到达, 并且具有较高的鲁棒性和控制精度。     

基于Voronoi图和离散粒子群优化的无人机航迹规划

航迹规划是根据任务目标规划出满足约束条件的飞行轨迹,是实现无人机突防攻击的关键技术.由于无人机航迹规划的复杂性,提出了一种无人机分层航迹规划的方法,该方法首先由Voronoi图生成初始航路,然后考虑各约束条件,赋予各航路相应的权值,最终应用离散型粒子群算法搜索出满意的规划解.仿真结果表明,该方法规划效率高,占用内存少,...     

基于流水避石原理的无人机三维航路规划

<正>对一种新颖的基于流水避石原理的无人机三维航路规划技术进行了阐述。复杂地形条件下具有全局最优性的无人机三维航路规划问题,不但要考虑地形对飞行安全的影响,还要考虑无人机自身的性能约束,最终规划出三维空间内可供无人机实际飞行的平滑航路。传统航路规划算法在计算复杂度、航路平滑性等方面难以令人满意。流水避石航路规划算法受自然界流水避开岩石并最终到达目标点的现象启发,通过提取复杂     

不确定环境下多无人机协同搜索算法研究

不确定环境下多无人机协同搜索是多无人机协同控制的一个重要研究内容。多架无人机同时对一个不确定区域进行搜索,目的在于获取搜索区域的信息,降低环境的不确定度,并尽可能发现隐藏在环境中的目标。针对这一问题,提出一种基于协同进化算法的多无人机协同区域搜索算法。首先,建立搜索概率图来描述搜索环境的不确定性,并使用贝叶斯准则更新搜索概率图,然后,使用协同进化算法,在线生成多UAV协同搜索的路径。仿真结果验证了算法的有效性。     

无人机航路规划研究

通过对无人机航路规划的研究,对无人机航路规划问题进行了概括和总结,介绍了无人机航路规划流程,分析了无人机航路规划的约束条件,阐述了目前国内外应用和研究的几种航路规划算法,并对无人机航路规划算法的发展趋势进行了展望。     

基于多蚁群系统的多无人机反侦察航迹规划

无人机侦察具有机动性强、定位精度高等优势,可有效弥补航天侦察过境时间受限和技术侦察难以定位电磁静默目标的不足。搭载机载雷达侦察系统的多架无人机协同对热点区域搜索,“以空侦海”可大幅提升联合作战行动中对海搜索侦察能力。因此,无人机协同海域态势感知路径规划问题研究具有重大意义。提出了基于Markov Mento-Carlo仿真+多类型蚁群系统算法的多无人机协同搜索方法,并根据概率热图提供的先验概率以及机动策略,提出了基于贝叶斯的概率图更新策略。     

采用改进流函数法的无人机航路规划

提出改进的流函数法为无人机在复杂地形环境下进行航路规划。针对传统流函数法在多个障碍物航路规划时存在的问题,进行了理论分析,并给出一种虚拟动态目标的方法,解决了两个障碍物重叠情况的航路规划问题。为满足无人机的机动约束,将无人机自身的约束条件转化为虚拟障碍,以保证规划出的航路可飞。仿真结果表明,该方法能够在复杂地形条件下快速地为无人机规划出一条可飞的航路,具有较好的工程应用价值。