基于粒子群优化的高超声速飞行器航迹规划

提出了一种基于粒子群优化算法的高超声速飞行器航迹规划方法并进行了仿真验证.首先计算了高超声速飞行器的最小转弯半径,然后建立威胁模型,将威胁模型投影到赤道平面内,利用一个有限项的多项式函数采逼近实际航迹在赤道平面内的投影,使航迹规划问题简化为在一个多项式系数空间中的搜索寻优问题.利用粒子群优化算法,鉴于高超声速飞行器特点,规划得到赤道平面内的航迹,根据对应关系,最后得到实际航迹.仿真结果表明,生成的航迹自动避开了威胁.     

人机协同智能航迹规划算法

人机协同低空突防航迹规划是实现有人机和UAV协同作战的关键技术,结合协同作战的特点和UAV低空突防航迹规划的要求,将人工辅助决策和改进的智能算法结合起来,并利用角度量的变长度基因编码表示飞行航迹,提出人机协同的智能航迹规划算法。该算法能够充分发挥人脑这个超级智能系统,利用人的智慧和经验弥补智能算法的不足,在"高危环境下"下针对突发威胁的覆盖范围来引导航迹求解过程,通过大量仿真计算,结果表明:应用该算法规划的三维航迹能够有效躲避突发威胁,实现威胁回避、地形回避和地形跟随,满足UAV低空突防要求,具有一定的实用价值。     

小型无人机快速三维航迹规划方法

针对小型无人机航迹规划中难以满足自身性能约束和实时性要求的问题,将飞行环境中的威胁分为可穿越威胁和不可穿越威胁;基于序列规划思想,采用粒子群优化算法规划基准航迹,采用改进的稀疏A*算法进行在线航迹规划。为提高在线航迹规划效率,将三维航迹规划转化为二维水平面规划和高度规划,仿真实验验证了该算法能够生成三维可行航迹,且规划时间显著减少。     

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。     

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TLD模型的UAV三维实时平滑航迹规划

针对无人机三维实时航迹规划问题,提出了一种基于三层决策模型的平滑航迹规划方法,以提高其规划效率和可操作性。首先根据无人机三维飞行的特点,并结合自身性能、威胁和障碍以及地形等约束,设计三层决策目标函数和决策变量;其次为了避免不必要的迂回和路径,提高航迹的平滑性,提出了元胞化地图的变长探测方法和启发式优化策略;最后,利用所提出的认知行为优化算法对这一问题进行求解,以提高规划路径的搜索效率。不同场景地形的仿真及与现有经典方法的比较结果表明:该方法能有效实时规避威胁和地形障碍,且具有较高的可执行性,能够快速生成安全、平滑的飞行路径。     

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。     

基于加权k-均值聚类与粒子群优化的多航迹规划

针对复杂环境下的无人机多航迹规划问题,提出了将粒子群优化（particle swarm optimization, PSO）算法与加权k-均值聚类算法相结合的规划方法。每个粒子表示一条航迹,采用加权k-均值聚类算法对粒子进行分类,得到多个粒子子群,在每个子群内部进行一条可行航迹的优化,最终得到多条不同的可行航迹。对传统k-均值聚类算法进行改进,采用排挤机制产生初始聚类中心,针对实际环境中突发威胁的分布不均性,在聚类过程中,对航迹节点按照所在区域突发威胁的出现概率进行加权,提出了加权k-均值聚类算法。仿真实验表明,所提出的方法能够有效地得到无人机的多条可行航迹。     

基于动力学对称性的高空高速飞行器运动规划

传统的航迹规划与航迹跟踪是解耦的,不一定能满足高空高速飞行器的规划需求。为了保证所规划结果的物理可行,同时得到相应的控制量,研究了运动轨迹在李群框架下的对称性,提出了一种适应于高空高速飞行器的运动规划方法。首先,构建能够全面反映飞行器动力学特性的航迹基元库;然后,基于威胁环境和作战要求,在规划空间中生成一系列导航矢量;并利用运动轨迹对称性,基于航迹基元库生成有向导航拓扑图;最后,利用Dijkstra算法,在拓扑图上搜索最优导航矢量序列,并解算相应的动力学航迹及控制序列。仿真结果表明,该方法充分考虑了飞行器的运动学和动力学特性,能够保证规划结果的物理可行。     

基于多准则交互膜进化算法的UAV三维航迹规划

针对智能优化算法在无人机(unmanned aerial vehicle, UAV)三维航迹优化中搜索复杂度较高、容易陷入局部最优的问题,提出一种基于嵌套式细胞膜结构的多准则交互式多目标进化算法。以建立的多目标航迹评价模型来克服航迹评价加权求和的不足;同时在应用降维离散缩减寻优空间的基础上,采用萤火虫算法和人工蜂群算法作为不同膜内优化准则,利用膜系统计算的并行性和膜内信息交互优势提高算法性能;并对膜内进化规则进行非支配排序、搜索加权等改进,实现了UAV三维多目标航迹寻优。仿真实验表明,所提方法在有无威胁两种环境下均能快速搜索到不同侧重目标的相对最优航迹,证明了该方法的有效性。     

一类半开放式车辆路径问题及其禁忌算法研究

对半开放式车辆路径问题进行了描述,提出了核心路径的概念和理论,并根据问题的特点设计了基于核心路径的禁忌算法.算法分为初始优化、核心路径的提取和连接以及后期优化三部分,采用自然数编码,用GENI插入法构造初始路径和进行邻域操作,设计了三种邻域以扩大搜索空间,用能力约束控制单条路径的配送点数,以增加惩罚的方式加入配送距离约束.算法利用核心路径的特点阻碍不良路径的生成,并在后期优化的第二阶段拆开核心路径,进行优化路径的调整.最后采用多组数据进行计算并对结果进行了分析,证明了基于核心路径禁忌算法对优化有能力和距离约束半开放式车辆路径问题的有效性.     

3D multipath planning for UAV based on network graph

According to the characteristic and the requirement of multipath planning,a new multipath planning method is proposed based on network.This method includes two steps:the construction of network and multipath searching.The construction of network proceeds in three phases:the skeleton extraction of the configuration space,the judgment of the cross points in the skeleton and how to link the cross points to form a network.Multipath searching makes use of the network and iterative penalty method (IPM) to plan multi-paths,and adjusts the planar paths to satisfy the requirement of maneuverability of unmanned aerial vehicle (UAV).In addition,a new height planning method is proposed to deal with the height planning of 3D route.The proposed algorithm can find multiple paths automatically according to distribution of terrain and threat areas with high efficiency.The height planning can make 3D route following the terrain.The simulation experiment illustrates the feasibility of the proposed method.     

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。     

基于蚁群算法的水下潜器三维空间路径规划

路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。     

基于威胁等效和改进PSO算法的UCAV实时航路规划方法

为解决无人战斗机（unmanned combat aerial vehicle, UCAV）实时航路规划问题,通过对各种威胁等效为雷达威胁,威胁分级和每级分层次的处理方法,得到每个威胁的击毁和击伤作用距离。建立UCAV简易的二维模型,利用其飞行姿态与雷达散射截面积(radar cross section, RCS)之间的关系,得出以探测概率为基础的威胁代价函数。最后运用自适应Meta Lamarckian学习策略的粒子群优化(particle swarm optimization, PSO)算法对方法进行实时性仿真测试,结果表明此方法的有效性。