基于TLD模型的UAV三维实时平滑航迹规划

针对无人机三维实时航迹规划问题,提出了一种基于三层决策模型的平滑航迹规划方法,以提高其规划效率和可操作性。首先根据无人机三维飞行的特点,并结合自身性能、威胁和障碍以及地形等约束,设计三层决策目标函数和决策变量;其次为了避免不必要的迂回和路径,提高航迹的平滑性,提出了元胞化地图的变长探测方法和启发式优化策略;最后,利用所提出的认知行为优化算法对这一问题进行求解,以提高规划路径的搜索效率。不同场景地形的仿真及与现有经典方法的比较结果表明:该方法能有效实时规避威胁和地形障碍,且具有较高的可执行性,能够快速生成安全、平滑的飞行路径。     

基于动态RCS的无人机航迹实时规划方法研究

为了提高无人机的生存能力,针对不确定飞行环境的无人机航迹规划问题展开研究,提出了一种基于RCS的无人机航迹实时规划方法,建立了相关计算模型,提出合理的代价函数,并采用多阶段分析博弈评估算法对航迹进行优化。仿真结果表明,基于动态RCS的无人机航迹实时规划方法能够比较好的解决无人机的航迹规划问题。     

基于混合动态贝叶斯网络的无人机路径重规划

针对无人机航迹规划的实时重规划能力,研究了局部路径构图的基本原则并提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型Voronoi图”表示出来,采用Dijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用Viterbi应用解码算法确定突发威胁体的实时位置及威胁等级,后依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径。用Matlab仿真验证,证明了算法有效性。     

高超声速飞行器实时航迹规划研究

提出一种实时航迹规划策略和一种改进变步长稀疏A*算法,并基于ADSP-21364处理器设计了一套高超声速飞行器实时航迹规划系统,该系统能够在离线规划的基础上根据实时探测的威胁对航迹进行重规划。进行了飞行模拟实验以及视景仿真,结果验证了规划策略和改进A*算法的有效性。规划得到的实时航迹能避开各种在线威胁,满足实时规划要求。     

无人机任务分配与航迹规划协同控制方法

针对无人机协同控制问题,提出一种多无人机任务分配与航迹规划的整体控制架构。将威胁和障碍区域考虑为合理的多边形模型,使用改进的A*算法规划出两个航迹点之间的最短路径。并利用该路径航程作为任务分配过程全局目标函数的输入,采用与协同系统相匹配的粒子结构进行改进粒子群优化(particle-swarm optimization,PSO)任务分配迭代寻优。根据分配结果并考虑无人机性能约束,基于B-spline法平滑路径组合,生成飞行航迹。仿真结果表明,算法在保证计算速度和收敛性能的同时,能够产生合理的任务分配结果和无人机的可飞行航迹。     

基于多步寻优搜索的无人机航迹重规划算法

针对无人机路径实时重规划的安全性要求,将自学习实时A^*搜索算法与模型预测控制的思想相结合,提出了一种多步寻优搜索算法.解决了无人机在飞行过程中遇到突然出现的威胁时的航迹重规划难题,给出了应用该算法的具体步骤.通过仿真结果证明了该算法的可行性.     

分段优化RRT的无人机动态航迹规划算法

针对突发威胁,无人机重新规划局部航迹的问题,提出了分段优化快速扩展随机树(rapidly exploring random tree,RRT)的无人机动态航迹规划算法。首先利用分段优化RRT算法生成全局航迹,然后根据突发威胁的相关信息确定局部航迹的起点和终点,最后利用分段优化RRT算法生成局部航迹,绕过突发威胁并回到原航迹。实验结果表明算法运行时间和路径代价都降低了10%左右。对于动态航迹规划,该算法的鲁棒性与实时性较强。     

基于VORONOI图的无人机航迹规划

无人机的航迹规划对发挥无人机的自主飞行和执行任务中起着至关重要的作用。在分析VORONOI图的性质基础上,以无人机仿真环境中作战想定与任务规划成员为背景研究基于VORONOI图的航迹规划技术。重点讨论了如何根据威胁分布的VORONOI图建模,计算航路代价,航迹搜索和航迹优化。最后总结了算法的优缺点,提出算法的改进新方法。     

小型无人机快速三维航迹规划方法

针对小型无人机航迹规划中难以满足自身性能约束和实时性要求的问题,将飞行环境中的威胁分为可穿越威胁和不可穿越威胁;基于序列规划思想,采用粒子群优化算法规划基准航迹,采用改进的稀疏A*算法进行在线航迹规划。为提高在线航迹规划效率,将三维航迹规划转化为二维水平面规划和高度规划,仿真实验验证了该算法能够生成三维可行航迹,且规划时间显著减少。     

一种针对运动目标的快速航迹规划方法

鉴于目前大部份的航迹规划方法研究都局限于静止目标，提出了一种针对运动目标的快速航迹规划方法。该方法采用基于矢量数据的三维航迹规划方法，将目标的运动与航迹搜索结合起来，可以对目标的运动作出实时反应。试验结果表明，该方法可以快速有效地完成三维航迹规划，并且结果令人满意。     

基于MOEA/D-ARMS的无人机在线航迹规划

无人机(unmanned aerial vehicle, UAV)在线航迹规划是UAV协同控制关键技术之一, 在线航迹规划问题本质上是一种动态多目标优化问题。为了求解该问题, 提出了一种基于自适应应答机制选择的动态多目标进化算法(multi-objective evolutionary algorithon based on decomposition-adaptive reaction mechanism selection, MOEA/D-ARMS)。多种应答机制构成应答机制池, 以应答机制最近一次的整体表现赋予应答机制一定的奖励, 并采用基于概率的方法从应答机制池中选择应答机制。MOEA/D-ARMS分别在静态环境情况、突发威胁情况、突变威胁情况和偏好改变情况下进行仿真实验。仿真结果表明, MOEA/D-ARMS可有效求解UAV在线航迹规划问题。     

无人机动态环境实时航迹规划

提出了一种基于实时A*搜索的无人机实时航迹规划算法。该算法将飞行器运动与航迹搜索相结合,在飞行器飞行过程中实时规划出下一段航迹;在搜索过程中,使用了多步寻优搜索的方法,相比单步搜索生成的航迹更加优化;使用最小转弯半径对生成的折线进行连接,使路径平滑可飞;针对算法局限性,给出一种改出局部最优点的策略。最后经仿真证明了该算法能够较好地满足规划要求。     

复杂环境中多无人机协同侦察的任务分配方法

现有多无人机协同规划方法往往将航迹规划与任务分配拆开单独解决,导致在复杂环境下协同方案并不是最佳。建立多无人机协同侦察异构目标的代价矩阵,针对复杂环境中多种障碍约束和无人机运动及航迹特点,以改进的PSO-AFSA（Particle Swarm Optimization-Artificial Fish Swarms Algorithm）求解单无人机航迹规划模型,利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明：该算法能使单无人机航程更短且航迹更光滑的同时,实现与任务协同分配紧耦合,使无人机集群总航程的全局总代价最低,提高了任务分配合理性。     

基于粒子群算法的地磁匹配航迹规划

针对无人机地磁匹配航迹规划问题,提出了一种基于粒子群优化算法的航迹规划方法.借鉴稀疏A-Star搜索算法的思想,将约束条件结合到搜索方法中,给出了基于地磁网格图的航迹节点扩展方法.结合无人机的机动性能约束和地磁匹配的自身特点,设计了一种适用于地磁匹配的航迹性能评价函数作为粒子群的适应度函数.仿真实验的结果表明:生成的航迹能够满足地磁匹配导航要求,且具有威胁规避的能力.最后,针对只在中制导段采用地磁匹配的情况提出了初步的解决方案,保证无人机顺利进入地磁匹配航迹段.     

基于人工免疫克隆选择算法的无人机三维航迹规划

无人机航迹规划作为一个规模大、约束多、指标多的优化问题,其复杂性导致自动规划比较困难。构建了基于局部极坐标的水平航迹控制变量和基于特定平飞段飞行高度的纵向航迹控制变量,以水平航迹控制变量为优化变量,采用分步规划的策略,建立了基于人工免疫克隆选择算法的无人机航迹自动规划模型,该模型能够充分发挥计算机速度快、容量大的特点,能够对基于预处理结果的人工规划方法进行一定程度的改进。仿真结果验证了模型的可行性和有效性。     

混合种群RRT无人机航迹规划方法

快速扩展随机树（rapidly-exploring random tree，RRT）无人机航迹规划方法能够快速获得满足约束要求的可行航迹，但是无法获得接近最短航迹的较优航迹。针对航迹的最优性问题，提出了混合种群RRT无人机航迹规划方法。在基于环境势场的RRT算法的基础上，设计了一种种群优化方法，通过引入自优化种群和协同优化种群改善航迹段，使算法同时具有局部和全局寻优能力。在得到航迹节点的基础上，采用B样条曲线的平滑方法生成曲率连续的可跟踪航迹。仿真结果表明，所提算法能够综合考虑无人机航程代价和雷达威胁代价，快速地收敛得到接近最优且满足无人机动力学约束的可行航迹，在不同环境下也能有满意的收敛效率。     

基于区间灰度的无人机航迹择优评价方法研究

本文给出一种基于区间灰度评价理论的无人机多航迹方案择优方法,提高了不确定飞行环境下,无人机航迹择优的精度和可靠度.针对无人机多航迹方案择优中存在的不确定性和威胁信息获取的不完全性,本文将反映不确定性的区间数,与刻画信息获取量的灰度组成的二元有序对,作为新的评价标度-区间灰度,并定义了决策结果可靠度指标;接着构建了基于区间灰度评价标度的无人机航迹方案择优方法.在无人机航迹规划方案的择优实证分析中,对比仿真了本文方法与区间决策方法,仿真结果表明:本文方法不仅能有效提升最优方案分别与次优和最差方案评价指标的离差,减少决策者的犹豫度;还能提供决策结果的可靠度信息,增加决策信心.     

低空突防模型建模的研究

在现代低空突防技术中,飞机根据数字地图提供的地形数据和获得的战场态势,结合任务计划以及自身的机动性能约束条件利用航迹算法提供最优航迹,其中航迹规划包括预规划和实时重规划。预规划阶段在预知威胁转化的基础上,利用规划算法计算出航迹;在航迹预规划的基础上估算了飞机的起飞时间;在实时重规划阶段,将突发威胁等级评估与规划系统进行了集成。     

基于速度障碍法的多UAV可飞行航迹优化生成

研究无人飞行器(unmanned aerial vehicle, UAV)在线可飞行航迹的自主规划对UAV适应非结构化环境、提高机动作战能力具有重要的现实意义。提出了一种基于Pythagorean-Hodograph (PH)曲线的UAV在线航迹生成算法,可以根据UAV当前的飞行状态、目标点信息及传感器探测信息实时规划出曲率连续的可避碰飞行航迹。考虑系统动态性能约束,采用分布估计算法对航迹参数进行优化选取,提出基于区间选优的全局精英个体概率选择机制,提高了航迹生成的速度及精度。根据速度障碍法原理,结合PH曲线的特点,给出了高动态环境下多UAV的实时动态避碰规划算法,该算法能使轨迹快速趋近于目标。对一组UAV的航迹规划在不同环境下进行了仿真实验,仿真结果证明了算法的有效性和实用性。     

未知环境下基于感知自适应的多AUV目标搜索算法

针对未知环境下目标搜索的复杂性与环境特征的随机性问题,提出了基于分区域的感知自适应目标搜索算法,来解决传统的梳子形搜索模式或预先离线设计的全局优化航迹中,自主水下航行器不能灵活适应环境的目标搜索问题。该方法的主要特点是根据AUV视域内有环境目标特征时,实时设计最优一步的航迹规划,并利用贝叶斯估计来完成目标定位,无目标时,利用分区域栅格值并锁定任务区域的航迹规划,两种模式交替进行来提高搜索的灵活性。仿真结果表明,相比于传统搜索模式或全局优化航迹,该方法增强了环境适应能力,提高了目标搜索效率。