向人脑学习的UCAV认知导航航迹规划研究

认知导航是支撑无人作战飞机自主飞行的重要导航方式,智能在线航迹规划是认知导航亟待解决的热点问题。为满足无人作战飞机的自主飞行能力需求,从"向人脑学习"的角度提出了无人作战飞机认知导航航迹规划新技术。首先分析了无人飞行器在线航路规划技术的研究现状,指出了其存在的主要问题,总结了技术发展趋势;其次针对当今在线航迹规划技术难以解决的环境/任务智能自适应问题,提出了"向人脑学习"的仿生航迹规划新方法,阐述了新方法的基本内涵与认知循环,明确了认知导航航迹规划的主要功能;最后对认知导航航迹规划的各项关键技术进行了剖析,指明了需要克服的难题。     

一种基于地形跟踪的航迹优化算法

以地形跟踪／地形回避为基础，提出了用轨迹的侧向仰角代替航迹的高度作为航迹规划的隐蔽性代价的概念．该方法结合航迹的航程代价和飞行器的各种机动能力约束，可以达到对已有航迹的优化作用，同时也可直接进行简单的控制点航迹规划．仿真研究结果表明，该算法满足飞行器飞行的各种条件，是一种可行方法，该方法速度快、规划出的航迹可以有效提升飞行器在飞行过程中的生存能力，可以在用于任务规划的同时，达到对航迹进行优化的目的．     

“复杂空域环境下多飞行器协同机动理论与方法”2013年度报告

在多飞行器航迹动态协同规划方法方面,已经初步完成飞行器自主控制与机动调控飞行演示系统和微型无人旋翼飞行器(直升机、四旋翼)的实验平台。在环境和飞行轨迹给定的条件下,该系统可以演示多飞行器的航迹规划效果。在此基础上提出了一些约束条件下多飞行器航迹动态协同规划方法,以满足低空复杂飞行的需求     

无人机航迹规划算法研究

航迹规划算法是无人机应用的关键技术之一。本文主要结合蚁群算法对无人机三维航迹规划进行了系统的研究。针对无人机三维航迹规划的复杂性及其搜索空间大且效率低的问题,提出了一种基于蚁群算法的航迹滚动规划方法,并将地形条件与航迹规划的约束条件加入搜索算法中,以使规划的航迹更符合实际情形。仿真实例结果表明,所提出的规划方法可以规划出满足无人机飞行要求的航迹。     

基于改进粒子群算法的对地攻击最优航迹规划

提出了一种基于粒子群算法的战斗机空地攻击航迹规划模型,针对传统算法收敛精度低的问题,基于算法参数和迭代公式做了改进.通过构造战斗机作战攻击中面对敌防空火力、地形等威胁要素和战斗机技战术性能等各种约束条件,设计了一种适用于战斗机航迹性能评价函数作为粒子群的适应度函数,用VC++.NET进行算法仿真并将最优航迹在MATLAB中显示.仿真结果表明:改进后的粒子群算法规划出的最优航迹能较好地实现威胁规避,较传统算法收敛精度高,运算速度快,满足了战斗机机动性能约束和航程较短要求,且规划的效率和精度较高.     

无人机指令生成器设计

如何将以时间、位置描述的期望航迹或战术机动转化为可以实时跟踪的以速度、姿态指令描述的期望机动轨迹,是无人机设计的难点之一.针对这一问题,提出了一种采用三自由度质点动力学飞机方程,通过建立机动动作规则库,利用机动动作设计指令生成器方法,将描述航迹的时间、位置信息或战术需求转化为无人作战飞机期望的油门、法向过载、航迹角、滚转角信息,直接作为轨迹跟踪回路的期望指令.在机动动作的设计过程中考虑了飞机的飞行性能以及飞行动态的影响,生成的期望控制指令合理可实现.仿真结果表明:该方程实时有效,生成的控制指令易于跟踪,可应用于无人机指令生成器设计.     

基于乌贼算法的无人机航迹规划

乌贼算法是一种新型的启发式仿生优化算法。提出了一种基于乌贼算法的无人机航迹规划算法。所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性。乌贼算法与传统的启发式算法相比,拥有更快的收敛速度。在此基础上设计的基于乌贼算法的概率地图航迹规划算法能够有效的缩小概率地图的规划空间,使得航迹规划搜索范围减少、时间缩短。仿真实验表明,该方案比传统概率地图航迹规划方法更能满足无人机航迹规划的要求。     

基于MapX的小型无人机地面站飞行控制软件

针对小型无人机地面站软件仅实现导航功能的局限,提出基于MapX的地面站飞行控制软件集成解决方案.引入MapX控件以提高软件对GIS信息的处理能力,实现无人机航迹导航及飞行状态监视;利用MapX提供的地理信息,结合航迹规划算法,实现航线生成与管理;采用DirectX技术,通过飞行摇杆经通信链路对无人机飞行过程实施干预,实现了小型无人机地面站软件飞行监视与飞行控制功能的整合.经实际试飞验证,该方案提高了无人机的信息管理效率及飞行控制干预效果,能够较好地满足小型无人机的飞行监控需求.     

自主控制技术在箭射无人飞行器航迹控制中的应用研究

对箭射无人飞行器飞行控制系统进行设计,研究了自主控制系统的层级控制结构、规划与重规划技术以及智能控制器设计,并给出了自主航迹控制的模块化设计的流程图以及具体实现算法,在Matlab/Simulink下进行了仿真实验,其结果验证了层级控制结构下实现航迹自主控制的可行性.     

改进蚁群算法的无人救生船航迹规划

为了缩短无人救生船从出发点到险情发生点所需时间,需要规划一条无碰撞的安全航行路径。针对当前路径规划中存在的问题,提出一种考虑时间优化的改进蚁群算法,将该算法应用于无人救生船航迹优化,建立了无人船在航行过程中的时间模型,得到无人救生船航行路径的时耗计算公式,改变了信息素更新方式。仿真结果表明,与传统蚁群算法相比,改进后的算法能有效降低航行时间。     

基于弹道下降方式的无人机风险评估与航路规划

针对无人机系统失效后对地面人员及财产安全的威胁,提出了一种基于弹道下降方式下的无人机风险评估及航路规划方法。分析了无人机失效后的下降特点及规律,采用栅格法划分空域环境,以地面不同属性构建低空空域环境风险评估模型。结合无人机飞行的风险值、路径长度和空域情况,建立了多目标、多约束的无人机飞行航路规划模型。利用改进蚁群算法进行求解：优化转移概率,避免蚂蚁陷入死区间和减少盲目搜索;对信息素的更新进行改进,调整自适应系数增强最优路径的信息素浓度,提高算法收敛速度与稳定性。相比传统蚁群算法的路径规划,运行时间缩短6.7%、最优路径风险值降低41.45%、整体性能提高18.0%。仿真结果表明：本文模型及改进算法可以在提高路径安全性的前提下,缩短规划路径生成时间且保障运行的经济性。     

基于改进粒子群优化的多无人机协同航迹规划

由于航迹规划可以为多无人机飞行控制提供参考指令,且当前粒子群航迹规划算法存在收敛速度慢,成功率不高的缺点,故提出了一种综合改进粒子群的多无人机协同航迹规划算法,考虑了无人机性能约束、障碍与威胁约束、空间协同与时间协同约束。首先,通过对学习因子线性化调整,实现了粒子惯性和最优行为的平衡;其次,引入混沌初始化,改善了粒子分布质量;然后,基于遗传变异思想设计了取代策略,同时提出了调速机制,提升了算法收敛速度。最后,将综合改进粒子群算法进行仿真验证,规划结果成功率高、收敛速度快且航迹代价小,可见改进算法的有效性。     

基于引导点的无人机三维航迹规划方法

为提高无人机航迹规划的速度,提出了一种基于引导点的航迹规划方法. 该方法结合了不同规划方法的优势,将无人机航迹规划分为两个层次:全局规划和局部规划. 全局规划利用遗传算法规划出最优或次优的区域点集,然后产生区域的引导点列;局部规划根据全局规划提供的引导点列,利用SAS(sparse A search)算法快速规划出满足约束条件的可行航迹. 仿真实验表明,该方法较好地结合了遗传算法和SAS算法的优势,规划航迹效果优于单一的遗传算法和SAS算法,并且有效地提高了规划速度.      

基于混合粒子群算法的农情监测无人机路径规划

用无人机对果树病虫害进行巡航拍摄是有较大潜力的农情监测方法,本文以飞行时间最短为目标,建立了农情监测无人机路径规划的数学模型。结合遗传算法、模拟退火算法的思想,在粒子群算法中引入交叉、变异、替换操作,提出了一种混合粒子群算法来求解无人机路径规划的数学模型。实验表明,无人机路径规划数学模型可以被混合粒子群算法有效求解,且混合粒子群算法的性能优于遗传算法和模拟退火算法。     

基于启发式搜索算法的无人机航迹快速规划

基于无人机导航系统的自身特点,无人机在导航过程中会出现无法精确定位的情况,从而产生定位误差。如果不能及时校正随时间累积的定位误差,会使无人机无法到达预定目的地,从而导致飞行任务失败。为避免这种情况的发生,本文研究了考虑定位误差的无人机航迹快速规划问题。以航迹距离最短为目标,考虑定位误差校正约束与航迹约束,建立了混合整数规划模型。根据深度优先搜索算法与回溯算法的特点,设计了启发式深度优先搜索+回溯算法来求解问题,并在此算法基础上加入模拟退火机制对解的质量进行优化。以某飞行区域的数据为例进行仿真实验,结果表明启发式深度优先搜索+回溯算法可以快速有效地求解考虑定位误差的无人机航迹规划问题。     

面向城市超低空物流场景的最小风险路径规划算法

随着城市超低空物流运输场景的迅速发展，无人机路径规划的安全性显得尤为重要，针对现有路径规划算法无法满足超低空物流运输无人机在密集障碍物场景下进行安全轨迹规划的问题，本文基于A*算法，将三维环境依据飞行高度划分为多个高度层，以规划风险最小轨迹为目标，从时间、风险两个维度对A*算法的成本估计函数进行重构，从而提出面向城市超低空物流场景的最小危险路径规划算法。仿真实验一表明，本文提出的最小风险路径规划算法在3种不同城市场景，15种不同运行环境中，相比于传统轨迹规划算法，规划得到的路径安全距离平均增加60%，安全性显著提高；本文也将该算法应用于多无人机多高度层的复杂城市场景中，实验结果表明，本文提出的最小风险路径规划算法在兼顾航程的同时可以为多架无人机规划安全性更高的路径；在实验三中运用蒙特卡洛法证明本文算法在路径规划算法中的可靠性与鲁棒性，为城市超低空物流场景提供了安全性更高的路径规划方法。     

考虑观测次数的无人机交通巡视时空网络模型

针对传统道路信息检测方式不能获得实时连续的道路信息的问题,提出使用无人机进行路网巡视的方法。通过时空路网建立多机飞行路径优化模型,解决无人机的路径优化问题。模型可分别以完成所有任务条件下最小化所有飞机总飞行时间或最小化单机的最长飞行时间为优化目标,不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,将动态路径规划转化为静态路径规划,而且还加入了对重点路段多次巡视和多次巡视的时间间隔约束。对某一案例进行分析的结果表明,与不考虑巡视次数的路径规划相比,无人机的总飞行时间和单机飞行时间分别增加15.87%和15.15%,即可完成对2条重要路段巡视3次的任务目标。算例分析表明,优化后的巡视路径更加切合实际需要。     

人工免疫算法路径规划在林火救援中的应用

为解决复杂环境下双机林火救援路径规划问题,提出用人工免疫算法规划三维飞行航迹。借鉴人工免疫算法规划机器人路径的方法,通过考虑飞机飞行特性和双机路径规划的要求,为双机异地出发同时到达规划出三维飞行路线,并对算法的主要影响因素进行了分析和估计,获得规划航迹的最优参数,用于设计安全高效的飞行航迹。研究结果表明,该方法能规划出复杂环境下双机飞行航迹,利用参数优化后的人工免疫算法不但能快速有效地规划三维航迹,而且丰富了航迹规划方法研究。     

基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出适用于航路规划的优化方法，并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。     

基于动态加权A*算法的无人机航迹规划

随着无人机航迹规划高维空间的扩展,无人机的飞行环境变得异常复杂,其外部威胁不再是简单的二维静态威胁,传统的蚁群算法和人工势场算法已经不能满足实时性和高复杂环境的要求。为解决上述问题,提出新的基于动态加权A^*算法的无人机航迹规划。首先对无人机的飞行环境进行建模,通过研究航迹规划的转弯半径、航迹段长度和最大航程限制等约束条件,用于保证无人机的安全飞行,从而降低坠机率和威胁概率;其次,通过研究无人机的航迹和外部威胁参数,设计出新的航行方式,降低航行危险和减少损失;然后,通过扩展顶点势能定位和网格图整体变化的动态权重,获得动态环境下的代价函数,增加避障搜索速度、精度和加深回避程度。最后,通过仿真结果表明,在同一应用环境下,所提算法与蚁群算法和人工势场算法相比,航迹路径最优、威胁代价最小和算法执行的时间最短。综上,基于动态加权A^*算法很好地应用于无人机航迹规划,降低了无人机航迹代价,缩短了算法完成时间,提高了复杂环境下无人机航迹规划的搜索速度和精度。