基于改进人工势场法的无人机航迹规划

针对传统人工势场(traditional artificial potential field, TAPF)方法在无人机航迹规划时航迹摆动幅度较大且容易陷入局部极小值的问题, 提出了一种改进人工势场法。首先在TAPF方法的基础上, 引入角度与速度调节因子, 模拟更真实的无人机飞行轨迹; 然后再引入辅助避障力, 实现避障的同时平滑轨迹; 最后对改进航迹规划算法与TAPF方法进行仿真实验。结果表明, 相较于传统算法, 改进后的航迹规划算法在航迹平滑性上有显著提升, 并且有效地避开了局部最小值点。     

基于人工势场法的虚拟人足迹规划

给出了一种基于人工势场法的虚拟人足迹规划方法。提出了一种足迹计算方法,通过计算势场力决定虚拟人的前进方向,计算得到虚拟人的足迹;设计了一种足迹分解方法,计算得到虚拟人大角度转弯时的足迹。运用该算法在固定及移动障碍物环境以及多人环境下进行仿真,模拟虚拟人前进方向随时发生变化的避障行走,计算虚拟人从初始点到目标点的足迹,也对大角度转弯情况进行了仿真。仿真结果证明了算法的可行性。     

基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

逃逸人工势场法局部极小值策略的研究

人工势场法由于其算法的简洁性和有效性在实际问题中获得了应用,但其存在容易陷入局部极小值、在障碍附近震荡现象的缺点,如何解决这些问题是人工势场法研究的主要热点。论文将作为势场模型的Gaussian函数进行了适当变形,使其能更准确地反映势场环境。通过分析震荡现象产生的原因,以及局部极小值点的特点,将粒子群算法引入到势场的探测过程中,在此基础上提出了等位线法用于逃逸局部极小值。仿真结果表明本文方法能有效消除运动路径的震荡现象,极大地降低了陷入局部极小值的概率。     

基于动态人工势场法的路径规划仿真研究

基于工作环境中目标、障碍物、机器人均为动态的考虑,提出了改进的人工势场构建方法,将各物体的相对速度和加速度因素引入势能函数中.作用于机器人的虚拟力不但驱使其与运动的目标点暂时保持相同的位置,而且趋向于保持相同的速度和加速度,即相同的运动趋势,以达到动态跟踪目标的目的.基于MATLAB平台的仿真结果验证了本算法的可行有效性.     

一个基于人工势场的战场态势分析模型

在基于Agent建模仿真方法的战争复杂性研究过程中,为了解决高层指挥控制Agent对军事态势自主分析判断能力的问题,引入了高等物理学中电势场的基本原理来对战场态势分析进行建模——并取名为人工势场。文中介绍了人工势场模型构建的基本原理,结合工程实践详细讨论了该模型在理论和工程实现上的一些基本问题,最后给出了基于该模型的几个简单的分析测试实例。仿真实验证明该模型用于高层指挥控制Agent的实时军事态势分析是可行的。     

基于人工势场的防空威胁建模与仿真

威胁建模是无人机战术任务推演的重要前提。借鉴人工势场的基本思想,构造势函数来定量描述防空威胁对无人机任务完成性的影响作用。利用模糊多属性决策理论来计算防空威胁本身的作战能力指数,根据无人机采取的干扰措施、机动性能、飞行速度以及飞行高度等因素来量化无人机对抗威胁能力指数,利用悲观准则来处理信息不确定性问题。该模型具有可导连续函数相加的形式。仿真结果表明,该模型计算简单,占用存储空间少,且能够很好的反映防空威胁本身的作战能力、时域,空域特性以及无人机的对抗特性。     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。     

基于伪谱方法的自适应鲁棒实时再入制导律研究

为了提高飞行器再入制导的鲁棒性和自适应性,将再入弹道跟踪问题转化为再入弹道状态调节问题,得到了一个LTV系统最优控制问题.在此基础上,利用基于伪谱算法的最优反馈控制算法,设计了一种便于在线实现的自适应鲁棒再入制导律.仿真结果表明,这种再入制导律对于再入点误差不敏感,具有良好的鲁棒陛.在气动参数模型存在较大误差的情况下,依然能够取得较高的再入制导精度.它不需要显示增益调度和积分,并且在不同情况下控制结构和参数无需改变.     

基于模型预测控制的跳跃式再入制导算法研究

针对深空探测跳跃式再入返回飞行任务,提出了一种快速的再入制导算法,该算法基于模型预测控制（model predictive control,MPC）理论和近似动态规划（approximate dynamic programming,ADP）技术,将再入制导问题转化为两点边值问题,然后采用高斯伪谱法（Gauss pseudospectral method,GPM）求解该问题,实现快速制导计算。同时为了达到制导精度和制导效率的综合最优,提出了一种数值预报校正（numerical predictor-cor-rector,NPC）制导算法和快速再入制导算法融合的分段混合制导策略,该策略能对快速制导算法带来的制导偏差进行及时的修正,从而保证制导精度。蒙特卡罗仿真实验表明,与传统的数值预报校正制导算法相比,快速混合制导算法不仅能保证较高的制导精度,而且大幅减少了平均制导计算耗时,具有极大的在线应用潜力。     

再入飞行器深度确定性策略梯度制导方法研究

为解决传统再入飞行器轨迹制导方法对强扰动条件适应性不足,难以满足终端约束的问题,在深度确定性策略梯度学习框架基础上,通过对随机强扰动条件下的离线飞行轨迹进行网络训练,寻找不同环境影响条件下的最优动作网络,以用于在线干扰条件下的制导轨迹规划,可通过对再入飞行攻角和倾侧角剖面的周期性预测,满足再入飞行终端高度、航程和速度约束。仿真实验结果表明：在满足终端高度约束的条件下,最大终端剩余航程偏差小于500 m,最大终端速度偏差小于35 m/s。本文所提制导方法较传统跟踪制导方法有较大的精度提升,算法计算量小,具有较好的工程应用前景。     

基于势场法优化的蚁群免疫网络路径规划研究

借鉴独特型网络假设和蚂蚁觅食行为的有关机理,提出了一种蚁群免疫网络路径规划算法.将机器人环境作为抗原,机器人行为策略作为抗体,通过抗原抗体的激励和抑制构建免疫网络,同时利用蚁群算法进行网络搜索,改善了免疫网络的最优规划.为了进一步提高算法收敛速度,将人工势场法的规划结果作为先验知识,通过疫苗抽取和接种实现网络初始化.仿真实验表明,新算法具有收敛速度快,规划路径短以及自学习的优点.     

基于强跟踪滤波器的再入飞行器制导律设计

研究了气动模型存在误差情况下高超声速再入机动飞行器的制导律设计问题。首先用强跟踪滤波器对气动参数进行估计,然后根据估计值与标称值的偏差对攻角和倾斜角进行修正,最后对原始非线性方程沿着标称轨道线性化得到线性偏差方程,并利用线性二次型最优调节器原理设计控制律。仿真结果表明所设计的制导律可以大幅度减小由于气动模型误差而引起的落点偏差。     

基于仿真技术时拦截再入体的间歇制导与滤波研究

本文采用数字仿真技术研究大气层外与高空大气层内导弹对再入体的拦截。当采用连续制导与滤波时，仅测量角度和寻的过程的几何关系使得拦截弹的观测力下降，以及精确的制导与滤波器发散的矛盾。因此，文中采用一种“间歇机动”的制导方案与一种叫做“修正增曾伪测量滤波器”的方案，通过大量的数字仿睦，证实了该方案可有效地拦截大气层外或高空大气层内飞行的再和腐朽 ，克服了连续制导的与滤汉难以解决的命中目标问题。     

基于自适应分段势场法的多无人机航迹规划

为解决传统人工势场法在无人机进行航迹规划应用中易陷入局部极值、目标不可达与规划航迹曲率过大等问题,在分层势场法基础上提出了目标点处附加的第二局部引力场和由目标引力场组成的引力集合的方法。该方法克服了目标不可达和易陷入局部极值的缺陷,且在原有分层势场法中引入分段函数,提高了航迹规划效率,缩短了航迹长度。仿真对比了传统人工势场算法、对比算法一、对比算法二、本文提出的基于附加引力场和复合引力场的势场算法以及自适应分段势场算法。结果表明：自适应分段势场算法具有较好的有效性和较强的鲁棒性。     

基于随机变结构控制理论的再入弹头制导律

建立了机动再入弹头随机数学模型,根据攻击目标的要求选择合理的滑模变结构开关面.利用随机变结构控制理论,并结合再入弹头的运动学与动力学方程,获得再入弹头的变结构制导律,并证明了滑动模态的可选性和击中目标时刻满足要求的终端条件.通过计算机仿真验证了所推导的制导律的正确性及对干扰和系统参数误差的鲁棒性.上述变结构控制算法对再入机动弹头制导系统的设计具有一定的应有参考价值.     

再入飞行器的捷联制导工具误差分段补偿研究

针对再入飞行器的捷联惯性仪表误差模型不能满足“天地一致性”,导致了在地面试验环境下标定的仪表误差模型不是真实飞行环境下的误差模型。提出了按照再入飞行器的纵向过载变化大小对惯性仪表误差进行分段辨识和分段补偿的方法,以提高再入飞行器的制导精度。最后通过计算机仿真试验验证了此方法的正确性,为实际应用提供了理论依据。     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

基于道路势场的智能车辆机动驾驶控制算法

受机器人基于人工势场的路径控制方法的启发,在文献[3]的基础上,提出了车辆机动行驶控制机制。首先,定义了基于停车视距的车辆机动行驶动态目标位置;其次,依据人工势场建模原理构建道路势场;为了平滑车辆行驶路线,采用了贝塞尔（Bezier）曲线车辆轨迹拟合的方法;最后,针车辆系统是典型的非完整控制系统,特车辆运动学模型转换力...     

基于遗传改进协调场的移动机器人避障策略

针对在动态环境下移动机器人用传统人工势场法导航所存在的缺陷,在改进传统人工势场的基础上,引入协调向量,利用子目标点构建局部势场,并通过窗口滚动刷新子目标点实现全局优化,对运动过程中可能遇到的陷阱、抖动、实时避障等问题,提出了解决方案,最后利用自适应遗传算法对参数进行的多目标优化,经过仿真,证明了该策略的可行性和有效性。