基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性.     

面向航路规划的Laguerre图构造算法

Voronoi图是一种用于无人机航路规划的图形算法,其得到的初始航路为相邻威胁中心连线的垂直平分线,因而会穿越覆盖范围较广的威胁源。引入计算几何学中的Laguerre图用于航路规划,证明了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Laguerre图生成算法不易实现的问题,提出一种基于Delaunay图的Laguerre图构造算法,其时间复杂度为线性对数阶。仿真结果证明了Laguerre图在解决航路规划问题上的有效性,所提构造算法的运行时间能够满足在线规划的要求。     

基于动态贝叶斯网络的无人机路径规划研究

针对威胁可变及威胁体不尽相同的无人机路径规划问题,提出了一种局部路径重规划的算法。该算法首先构造出战场具有n类威胁体的初始路径图———“改进型Voronoi图”,后应用Dijkstra算法搜索威胁分布图,求解粗略最短路径。在无人战斗机飞行过程中,威胁体威胁等级不断变化,无人战斗机通过多传感器数据融合知识构建动态贝叶斯网络图,感知环境,获取信息,应用Viterbi解码算法获得实时威胁等级,进行局部改进型Voronoi图的重构,以完成局部路径重规划,提高了无人战斗机在实战环境下生存概率。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

一种无人机路径规划算法研究

指出了飞行器航迹规划与路径规划的区别；提出了一种给定威胁分布下的无人机路径规划算法。根据威胁分布情况构造无人机可能飞行的航路集，用voronoi图表示出来，采用Dijkstra算法搜索威胁分布图，求解粗略最短路径。在粗略最短路径的基础上，应用三次样条曲线和序列二次规划的方法求解最优路径。用Matlab进行仿真验证，证明了算法的有效性。     

不同威胁源下无人机的攻击航路规划算法与仿真

考虑到任务环境中威胁源的不同属性,提出一种新的航路规划方法,进行了计算机仿真.将加权Voronoi图应用于威胁空间剖分确定被选航路集,设计了剖分方法,研究了剖分特点.鉴于加权Voronoi图的生成较为复杂,给出了简化策略.仿真结果表明,提出的航路规划方法不仅与实际情况更为接近,而且切实有效可行.     

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。     

防空仿真系统中多层次飞行靶标作战规划研究

提出了防空虚拟战场中多层次多智能飞行靶标协同作战的仿真方法,给出了机群的战术和航路规划算法.研究了分层作战计划并制定了战术编队和队形保持方法,根据虚拟战场威胁情况建立飞行路径图,并对路径图进行了多样化处理和约束处理,利用遗传算法针对长机进行航路规划.针对飞行器实施作战任务过程中可能面临的新威胁,设计了实时重规划方法.仿真实例验证了多层靶标规划的可行性和机动性,可作为其他作战仿真系统中空袭方的执行参考.     

求解航路规划优化问题的改进蚁群算法

航路规划是军事运筹研究的热点和难点问题。在对航路规划优化问题分析的基础上,综合考虑全航路暴露概率、被毁伤概率和航路航程,提出了基于改进蚁群算法的航路规划优化方法,通过引入挥发系数动态调整、信息素限幅控制、航路平滑算法和交叉算法,有效提高了算法的全局收敛性能和搜索速度。仿真结果表明,改进蚁群算法能够快速收敛并搜索到较满意合理的航路,可以为航路规划辅助决策研究提供借鉴和参考。     

基于Laguerre图的自优化A-Star无人机航路规划算法

为了降低无人机航路规划的运算量,减少规划时间,确保算法对于任意形状威胁区域和地形的适应性以及所规划航路的准确性,提出了一种新颖的LA-Star算法用于无人机航路规划。首先把威胁区域和禁飞区域简化为圆形,利用Laguerre图算法进行航路预规划,在此基础上简化二次规划空间的范围,之后恢复威胁区域和禁飞区域的真实形状,在简化后的规划空间内使用改进A Star算法实施二次航路规划,最后对生成的航路进行自优化处理。仿真结果证明了LA-Star算法满足航路规划的实时性和准确性要求。     

基于ACO算法和Bezier曲线优化的巡航导弹航路规划

在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明：生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。     

带航路规划的反舰导弹新“纯方位”攻击方法

针对反舰导弹对海攻击中传统“纯方位”攻击方法存在的末制导雷达开机早、易被干扰的不足,提出一种新的“纯方位”攻击方法。所提方法利用导弹航路规划能力,将传统方法中朝目标散布区长轴方向攻击改变为朝短轴方向迂回攻击,推迟了末制导雷达的开机时间,可有效避免导弹被敌方电子干扰设施提前发现,增强了导弹的隐蔽性和末端突防能力。对所提方法中由于航路规划所带来的导弹可攻击范围的改变进行了建模和评估,从而为采用新方法的反舰导弹作战能力和需求的匹配提供依据。     

反舰导弹同时临空控制策略研究

针对反舰导弹同时到达实施饱和攻击的战术要求,首先基于控制导弹发射顺序和发射间隔时间的思路,在考虑海洋环境因素对导弹速度影响的条件下,提出了反舰导弹同时临空打击单舰和编队目标的临空时间协同方法;然后,基于通过航路规划控制导弹的飞行航程的思路,建立了航路对称计算模型和动态椭圆计算模型,提出了通过规划航程相等的航路实现导弹同时临空的控制方法,仿真结果表明:该方法可实现齐射的导弹以不同的飞行航路同时到达目标,解决了反舰攻击时发射平台须较长时间保持阵位的问题,提高了导弹攻击和兵力行动的效率。     

一种自主水下航行器路径规划算法

提出了一种自主水下航行器穿越雷区的路径规划算法。将路径规划分为全局路径规划和局部路径规划两个部分,建立了水雷分布的Voronoi图,采用遗传算法规划出初步的全局最优路径。自主水下航行器按照全局最优路径航行时,利用前视声纳作为探测仪器。根据所测得的障碍物相对于自主水下航行器的位置关系设计出一个模糊推理系统(FIS)求解其避障角度,完成局部路径规划。仿真结果表明了这种算法的有效性。     

基于二维自由空间蚁群算法的反舰导弹航路规划仿真

提出了一种基于自由空间蚁群算法的反舰导弹航路规划方法,并对算法进行了仿真.对基本蚁群算法的研究往往是基于旅行商问题(TSP)进行的,不适合反舰导弹航路规划使用,通过使用动态开辟路径节点的方法,解决了这一问题,同时也为将蚁群算法应用到其它自由空间规划问题提供了思路.通过程序仿真得到了较好的结果,证明了该算法的可行性.     

多反舰导弹攻击多目标协同航路规划

为解决多反舰导弹的协同航路规划问题,建立了基于空间和时间协同的航路规划模型,并设计了航路可行节点动态开辟算法和协进化多子群蚁群算法。节点开辟算法在任务空间建立搜索树的同时滤除不可行节点,缩小了航路优化搜索范围;多子群蚁群算法结合协进化的基本思想,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设计,进而并行搜索多导弹最优协同航路集合。仿真结果表明,本文方法能够为多反舰导弹构建优化的协同飞行航路,不但适用于导弹发射前的预先规划,而且适用于航路分段的局部实时重规划。     

基于功能区域的反舰导弹逆向航路规划

为了定量描述航路规划的规划空间,基于几何学原理提出了反舰导弹航路规划功能区域的概念,发掘出了航路规划的几何学本质。深入分析了航路规划功能区域的战术意义,并基于此概念进一步提出了一种逆向航路规划方法。逆向航路规划过程揭示出了航路规划功能区域的几何学渐变规律,为航路点的扩展提高效率。通过极线扩展进行障碍规避,得到较优航路树。最后使用多属性模糊优化方法搜索到所需航路。仿真结果表明,该方法信息处理量小,运算速度快,所得航路符合反舰导弹的航路特征,十分贴近工程应用实际。