基于改进凸优化算法的多机编队突防航迹规划

为更好地发挥多机编队在低空突防作战中的优势,对已有的凸优化算法进行改进,提出一种多机编队低空突防航迹规划方法。首先,根据低空突防任务特点进行问题建模,包含多机编队航迹规划模型、障碍物模型以及任务分配评估模型。其次,提出基于匈牙利算法的集群任务分组概念,设计更符合战场需求和运动学规律的预规划航迹。之后,考虑新类型的外部障碍物和不同任务小组间的组间避障,通过对约束进行合理的近似与凸优化,实现多机安全飞行。最后,通过对比仿真,验证所提改进方法的可行性和有效性。结果表明,改进后的航迹规划算法能实现对低空突防任务的合理分配,求解效率和成功率均有所提高,对新加入的障碍有良好的避障效果。     

基于NURBS和GOBL-ACDE的航迹规划算法

针对复杂地形条件下无人机低空突防动态航迹规划实时性及精确性的问题,提出了基于广义反向学习的自适应约束差分进化(generalized opposition-based learning adaptive constrained differential evolution, GOBL-ACDE)算法,结合非均匀有理B样条(non-uniform rational B-spline, NURBS)平滑策略,提高了多威胁复杂地形下动态航迹规划的精确性、高效性及适航性。首先,构建航迹规划任务模型,建立目标代价及约束限制函数,提出一种高度转换方法,有效提高低空突防能力;其次,将NURBS平滑策略与B样条插值以及贝塞尔曲线对比分析;再次,应用广义反向学习、自适应排序变异及自适应权衡模型,改善约束条件下算法动态性、收敛性及寻优性能;最后,通过静态与动态环境对比仿真试验,验证了所提方法在多威胁复杂地形下寻优精度高、鲁棒性强、动态性好以及可靠性优的特点,能够规划出精确、高效、适航的低空突防航迹。     

基于粒子群优化的三维突防航迹规划仿真研究

提出了一种基于粒子群优化的三维突防航迹规划方法并进行了仿真验证。通过引入最小威胁曲面的概念生成三维航迹搜索空间,利用一个有限项的多项式函数来逼近最小威胁曲面中的三维航迹在二维水平面内的投影,从而原来的规划问题简化为在一个一元函数多项式系数空间中的搜索寻优。利用粒子群优化,将约束条件和搜索算法相结合,能有效减小搜索空间,提高效率。仿真结果表明,生成的航迹具有地形跟随、地形回避和威胁回避的功能。     

基于任务分配的多飞行器协同航迹规划

在综合考虑飞行器编队的飞行代价和作战效果的基础上, 研究了基于任务分配的多飞行器协同航迹规划方法, 构建了结合任务分配的飞行器编队协同航迹规划模型, 设计了分解式协同航迹规划算法, 可以有效地对多目标存在的情况进行综合权衡, 得到合理的任务分配和航迹规划方案. 仿真算例表明, 这种航迹规划方法不仅能保证各飞行器选择合理的协同航迹, 也使得作战任务可以获得最佳作战效果, 有效地提高编队作战的效费比.     

基于LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm,SSA)在求解多无人机(unmanned aerial vehicle,UAV)协同航迹规划问题时收敛精度不高,易于陷入局部最优等问题,提出了一种使用对数螺旋策略和自适应步长策略的SSA (logarithmic spiral strategy a...     

带集结区的协同航迹规划方法研究

通过调控飞行器在各介航运段的速度,提出了一种基于进化算法的带集结区的多飞行器协同航迹规划方法.该方法通过将协同时间误差引入进化算法的代价函数中,使得规划出来的航迹能够满足集结区的时间和空间约束,同时使得协同到达目标点时间误差尽可能小.仿真实验结果表明该方法能够达到很好的效果.     

基于3DSAS的多约束多航迹协同规划与搜索方法

为解决多航迹规划中的避撞与协同问题,提出一种三维环境下的基于稀疏A*的多航迹协同规划方法。该方法设计了一种规划框架,分别在航迹搜索前与搜索过程中考虑多航迹的协同问题。在航迹搜索过程中,不但结合单条航迹原有的约束条件,同时还进行了航迹间的碰撞检测,并且通过航迹的协同违背量等因素来进行启发式搜索。该方法可以有效处理各类约束条件,简化启发因子,从而获得更好的规划性能。     

基于指数法的导弹航迹规划空间威胁建模研究

导弹的航迹规划是保证导弹作战效能的必要手段,威胁空间的生成则是航迹规划的难点和关键技术.为满足研究的实际需求,支持快速的航迹规划,要求在规划前期能够迅速给出对威胁空间的初始描述,而当前已有的威胁建模方法还并不能有效满足这一特定需求.提出将反导防御系统效能指数作为进攻导弹面临威胁度度量的新思路,把效能评估中的指数方法引入到威胁度计算模型中,建立了面向导弹航迹规划问题规划初期的空间威胁度计算模型,并通过一个典型算例验证了其有效性,该模型可以较好支持进一步的航迹规划与评估.     

特定多任务下飞机航迹规划研究

为了更好地完成航空特定任务,提出了特定多任务下飞机航迹规划模型。采用栅格法建立战场环境模型,根据复杂、真实战场环境以及作战要求,提出了距离、油耗、任务完成度、地对空威胁和空对空威胁5个目标航迹规划的模型。根据特定任务的要求,分析了满足任务的各种需求,给出了评估任务完成度指标。根据该问题的特点,提出一种两阶段的航迹规划求解算法。第一个阶段用简化二维路径规划模型计算多任务顺序,第二阶段根据多任务顺序使用改进A*算法求解多目标栅格优化问题,解决了A*算法不能处理时变优化问题情况。仿真结果表明该方法能很好地解决多任务、多目标航迹规划问题,比目前的算法更高效。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle,UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长,难以选择适合UAV任务特点的协同航迹等问题,提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm,MOFA)进化的多UAV协同航迹规划方...     

基于启发式仿真优化的航迹规划方法研究

针对现有航迹规划方法过多依靠先验知识,无法反映威胁源联网和突防过程中的各种随机因素对航迹规划的影响,提出一种网络化反导防御体系环境下的基于启发式仿真优化的快速航迹规划方法。该方法首先利用启发式搜索算法缩减仿真优化的实验空间,生成精英航迹集合,然后通过攻防仿真实验给出精英航迹的性能评价值,选择最佳航迹对应的规划目标函数权重取值,作为下一轮优化的初始值,直至得到满意解。最后通过一个规划实例证明方法的正确性和可行性。     

多UCAV航迹规划研究

给出了一个实时、可行的多UCAV航迹规划和控制算法.构建了多UCAV航迹规划的系统总体结构;提出以协同时间作为指标建立协同管理层的思想,并给出了多UCAV协同飞行时间的确定方法;基于voronoi图的方法规划了UCAV航路点路径;利用开关控制法进行了航迹控制.用Matlab仿真验证了算法的有效性.     

基于PC机的飞机低空突防航路规划仿真系统

应用VisualC 、OpenGL和Matlab三者的联合编程在Windows2000操作系统上开发了基于PC机的综合低空突防航路规划仿真系统,讨论了系统实现的软件编程技术,并且给出了一个具体的系统仿真实例,验证了该系统的性能。     

基于分级规划策略的A*算法多航迹规划

为了避免设置运行参数,稳定地生成多条航迹,提出一种基于分级规划策略的A*算法多航迹规划技术。采用分级规划策略将规划过程分成初始航迹规划和精细航迹规划两部分。在初始航迹规划中,通过设置中间航迹点并利用A*算法得到多条初始可行航迹,然后为了避免K均值算法对初始聚类中心敏感的问题,提出采用层次聚类法对所得到的初始可行航迹进行聚类,得到初始参考航迹。在精细航迹规划中,设计了一种变宽度的航迹规划通道,并在通道内进行航迹规划以得到最终的多条航迹。仿真实验证明了算法的可行性。     

基于威胁特征点的启发式航迹规划方法

针对现有启发式航迹规划方法在决策变量、启发函数的选取和航迹表示方法等方面存在的不足,提出了一种基于威胁特征点的航迹规划新方法。该方法以导弹运动姿态角作为决策变量,通过引入特征点构造新的启发函数,以导弹经过空间的威胁度累积值、需用过载等为代价,结合导弹性能约束,采用龙格-库塔(Runge Kutta, R-K)积分得到平滑航迹。最后,以倾斜转弯面对称远程超音速导弹为例,通过攻防仿真实验,证明该方法规划生成的航迹满足各种约束条件且具有较高突防概率。     

基于改进A*算法的飞行器三维航迹规划算法

提出了改进A*算法并应用于飞行器航迹规划,该算法把地形平滑技术融合到路径搜索的过程中,使平滑处理只需满足路径选择方向的飞行坡度要求和飞行器过载限制,得到的最优航迹更加贴近地形。在相同的条件下对改进A*算法和传统算法进行仿真比较,传统算法需要35 s左右收敛得到优化航迹并且代价函数为32.15;改进算法能在24 s内找到代价函数最优的飞行器三维航迹且代价函数为28.26,仿真结果表明改进A*算法在收敛速度和最优路径代价函数结果都明显优于传统算法,是一种有效的三维航路规划方法。     

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。     

基于进化算法的多飞行器四维航迹规划方法

鉴于目前的航迹规划方法都局限于二维或三维空间,提出了一种基于进化算法的多飞行器四堆航迹规划方法.该方法在三维航迹规划的基础上加入时间代价约束,通过计算航迹节点在四维空间的坐标,将到达目标的时间与航迹搜索结合起来,使多个无人飞行器能够对目标进行同时打击并避免飞行器在飞行过程中的碰撞.仿真试验结果表明,该方法可以快速有效地完成四维航迹规划,获得满足要求的多飞行器飞行航迹.     

基于自适应遗传算法的无人机航迹规划方法研究

随着攻防系统的发展与完善,实现飞行器有效突防越来越困难,而采用航迹规划技术能够有效的提高飞行器的突防概率.基于此,首先研究了参考航迹的角度、高度以及航迹段长度等约束条件;其次对航迹编码方式进行了改进,采用全实数的双向链表的编码方式;对自适应遗传算法的交叉和变异概率的计算方法、交叉算子和变异算子进行了改进,并应用该算法在求解航迹规划问题上进行了仿真研究,对采用不同的变异算子所得结果进行了对比分析.仿真计算的结果表明,该算法能够规划出一条满足要求的参考航迹,采用组合变异算子能取得比采用单个变异算子更优的参考航迹.