面向航路规划的Laguerre图构造算法

Voronoi图是一种用于无人机航路规划的图形算法,其得到的初始航路为相邻威胁中心连线的垂直平分线,因而会穿越覆盖范围较广的威胁源。引入计算几何学中的Laguerre图用于航路规划,证明了当两个威胁区域不相交时,Laguerre图生成的初始航路必然从它们之间的空隙内穿过。针对Laguerre图生成算法不易实现的问题,提出一种基于Delaunay图的Laguerre图构造算法,其时间复杂度为线性对数阶。仿真结果证明了Laguerre图在解决航路规划问题上的有效性,所提构造算法的运行时间能够满足在线规划的要求。     

基于Laguerre图的自优化A-Star无人机航路规划算法

为了降低无人机航路规划的运算量,减少规划时间,确保算法对于任意形状威胁区域和地形的适应性以及所规划航路的准确性,提出了一种新颖的LA-Star算法用于无人机航路规划。首先把威胁区域和禁飞区域简化为圆形,利用Laguerre图算法进行航路预规划,在此基础上简化二次规划空间的范围,之后恢复威胁区域和禁飞区域的真实形状,在简化后的规划空间内使用改进A Star算法实施二次航路规划,最后对生成的航路进行自优化处理。仿真结果证明了LA-Star算法满足航路规划的实时性和准确性要求。     

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。     

不同威胁源下无人机的攻击航路规划算法与仿真

考虑到任务环境中威胁源的不同属性,提出一种新的航路规划方法,进行了计算机仿真.将加权Voronoi图应用于威胁空间剖分确定被选航路集,设计了剖分方法,研究了剖分特点.鉴于加权Voronoi图的生成较为复杂,给出了简化策略.仿真结果表明,提出的航路规划方法不仅与实际情况更为接近,而且切实有效可行.     

基于VORONOI图的无人机空域任务规划方法研究

无人机任务规划系统对充分发挥无人机自主控制与飞行和自主执行任务的能力起着十分关键的作用。在分析VORONOI图的性质的基础上，以压制敌防空火力作战任务想定为背景研究基于VORONOI图的无人机任务规划技术，重点讨论了规划环境建模、航路代价计算和初始航路选择问题。最后对该方法进行了时间和空间性能分析。     

无人机全局航路规划技术仿真

针对不同强度威胁源构成的飞行环境,提出了一种基于人工势场法和遗传算法相结合的无人机全局航路规划方法。该方法对威胁进行Delaunay三角网划分,按照穿越三角形边的方向及顺序设计了一种二进制编码方法;把威胁当作斥力源,初始路径当作质量-弹簧链路,求解链路的受力方程,得到该穿越方式下的局部最佳航路;最后利用遗传算法获得威胁网络下的全局最优解。经过三种不同参数情况下的计算机仿真,结果证明该方法能够得到给定的威胁指标下的全局最优航路。     

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.     

基于区域划分的反舰导弹航路规划算法

针对反舰导弹(anti-ship missile, ASM)传统航路规划中难以兼顾巡航安全和快速抵近目标的问题,提出了基于区域划分的航路规划算法。首先,依据目标点和战术区中心点相对位置关系分别建立“远离威胁战术区”和“抵近目标战术区”模型。然后,在威胁战术区采用Dijkstra算法计算Voronoi图的最短航程并进行自适应折线化处理;在目标战术区采用二叉树算法快速规划最短航程\最少转向点航路。仿真结果表明,所提方法相比Voronoi图的路径参数更加优化,相比二叉树算法更加安全,同时生成的航路规划网能够为多枚导弹协同攻击提供全局性航路参考。     

交叉粒群算法在无人机航路规划中的应用

随着现代战场环境的日益复杂和作战范围的不断扩大,给无人机（unmanned aerial vehicle, UAV）执行空中侦察、监视、作战等任务带来了严重挑战。为了提高UAV的作战效率和生存概率,从UAV的威胁空间建模出发,根据战场分布的威胁区域,先利用威胁回避技术快速地给出一条从起始点到目标点的粗选航路;然后在此基础上,应用粒群算法和遗传算法中交叉和变异操作相结合的思想,对粗选规划航路进行全局优化,从而找出一条能确保自身安全并威胁代价最小的最优飞行航路。仿真结果说明,该方法是有效、可行的。     

基于ACO算法和Bezier曲线优化的巡航导弹航路规划

在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明：生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。     

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。     

危险天气下改航路径网络规划

针对现有改航路径规划模型未考虑多机改航时的关联效应和路径网络特性等问题,提出了基于两阶段分析的改航路径网络规划方法。首先利用栅格法模拟改航环境,然后在单一改航路径规划的基础上形成初始路径网络,进而给出引入流量约束的网络规划模型和基于改航点布局的求解策略,最后利用NSGA Ⅲ算法对我国东南地区局部空域运输系统进行仿真分析,结果表明该规划方法能有效避免飞行冲突,提高网络综合特性,具备一定参考价值。     

威胁联网下舰载无人机对海突击航路规划

以复杂海战场环境下舰载无人机对海突击作战为背景,针对舰载无人机航路规划中容易忽略的威胁之间相互联系的问题,分析了威胁联网下航路规划领域的研究现状,针对其不足,建立了新的威胁分类方法,将威胁划分为机动威胁和固定威胁;构建了新的威胁联网模型,特别对距离舰载无人机航路较远,但联网后可以对舰载无人机产生威胁的威胁进行了着重研究,创新解决了机动威胁在威胁联网情况下的反应问题;最后基于遗传算法进行了仿真,分析对比了威胁联网与否对航路规划的影响,规划出了在威胁联网情况下的可行航路。     

基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性.     

基于动态贝叶斯网络的无人机路径规划研究

针对威胁可变及威胁体不尽相同的无人机路径规划问题,提出了一种局部路径重规划的算法。该算法首先构造出战场具有n类威胁体的初始路径图———“改进型Voronoi图”,后应用Dijkstra算法搜索威胁分布图,求解粗略最短路径。在无人战斗机飞行过程中,威胁体威胁等级不断变化,无人战斗机通过多传感器数据融合知识构建动态贝叶斯网络图,感知环境,获取信息,应用Viterbi解码算法获得实时威胁等级,进行局部改进型Voronoi图的重构,以完成局部路径重规划,提高了无人战斗机在实战环境下生存概率。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

基于启发式预测窗口的UAV实时航迹规划方法

考虑移动目标及移动威胁,根据机载传感器实时获得的目标及威胁信息,提出一种基于启发式预测窗口的无人机实时航迹规划方法。根据敌我态势估算预测窗口,并结合卡尔曼滤波预测目标及威胁的状态,构建基于矢量夹角原理的目标函数,评估威胁及航程代价并满足无人机的机动约束。该方法通过最速下降法在线优化得到一系列的无人机航向角,完成航迹规划。仿真结果表明该方法可以有效追击移动目标,并规避移动威胁,实现无人机实时航迹规划。     

基于混合动态贝叶斯网络的无人机路径重规划

针对无人机航迹规划的实时重规划能力,研究了局部路径构图的基本原则并提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型Voronoi图”表示出来,采用Dijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用Viterbi应用解码算法确定突发威胁体的实时位置及威胁等级,后依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径。用Matlab仿真验证,证明了算法有效性。