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。     

基于速度障碍圆弧法的UAV自主避障规划研究

提高复杂环境下无人飞行器(unmanned aerial vehicle, UAV)自主避障能力成为亟待解决的关键问题。针对现有避障算法忽略“潜在危险”障碍的影响和对多障碍避碰复杂的问题,建立障碍物威胁分级模型,提出一种速度障碍圆弧法,该方法通过速度障碍圆弧参数量化了威胁障碍的影响。同时,给出了速度障碍圆弧参数的系统计算方法,考虑了复杂环境下UAV与威胁障碍之间不同相对位置和相对速度情况。基于速度障碍圆弧法给出相应的避碰算法。以路径规划为实例对避碰算法进行了仿真验证,仿真结果验证了算法的有效性和实用性。     

多UAV协同路径规划研究

将多UAV(Unmanned Aerial Vehicle无人飞行器)协同路径规划分为单机路径规划与多机协同。多机协同在单机路径规划基础上考虑各机的飞行时间、战术攻击策略等。先为每一UAV规划可飞航路,然后以攻击时间为协同变量,对规划路径进行调整,在部分UAV的路径中加入附加机动并(或)调整飞行速度和高度,实现多UAV的协同。仿真试验验证算法有效。     

基于DBN威胁评估的MPC无人机三维动态路径规划

模型预测控制(model predictive control, MPC)路径规划算法适用于三维动态环境下的无人机(unmanned aerial vehicle, UAV)路径规划;动态贝叶斯网络(dynamic Bayesian network, DBN)能够有效推理战场态势,对无人机进行威胁评估。针对威胁尾随无人机时的路径规划问题,构建DBN威胁评估模型,将UAV在战场环境中的威胁态势用威胁等级概率表示,与MPC路径规划算法相结合,得到基于DBN威胁评估的MPC UAV路径规划算法。通过多组仿真分析表明,在三维动态环境下,特别是威胁尾随无人机时,基于DBN威胁评估的MPC无人机路径规划算法可以得到有效的无人机路径。     

无人飞行器分布式控制系统集成新技术

无人飞行器（UAV－Unmanned Aerial Vehicles）自主飞行控制系统是一复杂控制系统，需要集成新的控制算法与各种不同组件技术和资源。来自不同类型硬件平台的组件，可能由不同的操作系统支持。分布在不同环境的组件能灵活配置和集成，使系统对环境变化和／或没预测到的事件能够快速响应，实现UAV在线重配和自适应能力。软件技术的最新进展可使飞行控制系统设计发生革命性变化。本文着重介绍一种用于UAV飞控系统集成的全新的开放控制平台（OCP－Open Control Platform），在介绍第一个OCP应用原型后，给出了下一步要做的工作。     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。     

基于概率地图方法的无人飞行器快速航迹规划

在复杂大范围环境下,针对可自主导航的低空飞行无人飞行器,设计了一种基于概率地图方法(PRM)的快速规划方法.先采用启发式策略构造概率地图,通过局部规划算法检测路标地图连通性,再应用图搜索算法规划出路径,最后通过剖面规划等优化手段对航迹进行完善.试验表明该方法具有较高的效率和环境适应性,可在单处理器上进行有效的快速航迹规划.     

复杂环境下基于A*算法的无人机路径再规划

针对实际战场环境中规避突然出现的危险/威胁区域或任务变更时的无人机(unmanned aerial vehicle, UAV)路径动态再规划问题,为了适应复杂动态环境下危险/威胁区域需建模为圆形、凹/凸多边形以及可能存在相邻危险/威胁区域的间距较小甚至重叠的情形,对基于A*算法的线段求交无人机路径规划方法进行改进以适应圆形、凹/凸多边形危险/威胁区域同时存在的情形,提出了子节点安全性检测策略,采用基于A*算法的两步寻优路径搜索策略,进行UAV路径动态规划。仿真结果表明,采用本文提出的改进方法可实现上述复杂环境下的无人机路径动态再规划。     

终端和过载约束下的双圆弧制导律

为满足导弹打击目标的落角、时间与过载约束,设计了一种双圆弧轨迹和相应制导律。在初始速度方向角和终端落角的约束下,利用双圆弧的相切关系推导了双圆弧轨迹的解析形式及其可行解集。根据双圆弧轨迹结果由切点决定的特征,推导得出使轨迹满足过载约束、终端约束或能量最优的切点选择方法。之后利用圆弧几何特性和弹目相对运动关系,设计了不依赖弹目距离信息的双圆弧制导律。数值仿真结果表明,双圆弧制导律能够满足复杂约束,且与最优制导律相比,可获得能量最优性相当的结果。     

有人/无人机编队指挥控制系统结构设计

针对有人/无人机(manned aerial vehicle/unmanned aerial vehicle, MAV/UAV)编队指挥控制系统结构设计问题进行了研究。以未来空中作战为背景,结合MAV/UAV编队作战流程和特征,基于人机合作机制,设计了MAV/UAV编队协同三层递阶式指挥控制结构,分别为任务规划层、协调控制层和功能实现层。在此基础上,分析了系统结构中关键模块如辅助决策模块、人机交互系统、编队控制管理系统和航迹规划路径跟踪系统的内容。最后,设计了人机交互系统指挥界面,并针对典型控制任务进行了仿真验证。     

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。     

基于自适应郊狼算法的无人机离线航迹规划

针对无人机(unmanned aerial vehicle,UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求,设计一种自适应郊狼算法,从最优化问题角度研究UAV离线航迹规划.建立UAV离线航迹规划的数学模型;在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制,使算法在搜索的过程中,智能选择合适的操作算子...     

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...     

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.     

基于多目标优化算法的多无人机协同航迹规划

多无人机协同航迹规划是无人机协同作战的关键技术之一。本文提出的一种针对多无人机协同航迹规划的多目标优化算法,即协同非支配排序进化算法(cooperated non dominated sorting genetic algorithms II,CO-NSGA II),针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法,克服了传统航迹规划中需要为各目标函数取权值的不足,并且可以生成多组可供选择的解。同时引入协同进化策略,将各无人机的航迹规划视作子种群,各子种群间进行合作,子种群内采用非支配排序进化算法(non-dominated sorting genetic algorithms II,NSGA II)进行独立优化。考虑到各机间的协同约束,用时间空间协同系数替代传统算法中的“拥挤距离”参数。仿真结果表明通过本文算法能够有效实现多无人机协同航迹规划。     

基于共生仿真的UAV自适应路径规划决策支持平台研究

共生仿真系统是一种新的离散事件仿真范型,是系统仿真发展的新趋势之一。首先引入共生仿真思想,研究共生仿真系统体系结构及其各组成部分的功能;接着将共生仿真思想应用于动态环境下的无人机路径规划,分析并建立基于共生仿真的无人机自适应路径规划决策支持平台原型,为无人机的动态实时路径规划提供支撑;最后给出了一个原型实现。该研究既探索一条实现共生仿真的途径,也为研究动态环境下无人机自适应路径规划方法提供一种新的思路。     

基于网格PRM的无人机多约束航路规划

目前,无人机航路规划技术存在约束条件少,不能满足实际飞行需求,规划效率低等不足,文章主要针对上述问题提出改进措施。首先,将航路约束条件进行分类,提出了基本约束、平台安全约束和链路载荷约束,并对约束条件建模,完善无人机航路约束模型。为了提高无人机航路规划效率,提出了网格概率地图法(grid-probabilistic-roadmap, GPRM),利用约束模型构建代价函数,实现无人机航路的多约束快速航路规划。GPRM的实验仿真表明,GPRM规划效率相比较传统PRM有显著提升,同时规划结果更加符合实际任务需求,证明基于GPRM的无人机航路规划具有一定的工程应用价值。