基于改进遗传算法的多无人机协同侦察航迹规划

针对多无人机在复杂的战场环境中如何高效侦察多种类型目标的问题,提出了一种基于改进遗传算法的多无人机协同侦察航迹规划算法。首先,根据战场环境中不同类型目标的侦察要求,建立了以整体时间代价最小为目标函数的航迹规划模型。然后,改进了遗传算法的编码、交叉和变异等操作,来实现异质型目标分配与航迹规划的集中一体化求解。最后,为了提高算法的收敛速度,在交叉和变异操作过程中,加入了适应度更新策略。仿真结果验证了该算法的可行性,而且在4架无人机观测3种类型共10个目标的仿真条件下,相较于使用双染色体编码和多重变异算子的基于对立的遗传算法,时间代价降低了5.79%,收敛速度提高近12倍,有效提高了航迹规划的精度及效率。     

基于PSO-HJ算法的多无人机协同航迹规划方法

针对多无人机协同航迹求解计算量大、难以收敛等问题,提出了一种基于粒子群优化和Hook-Jeeves (PSO-HJ)搜索算法相融合的多无人机时间协同三维航迹规划方法。首先,建立了单无人机航迹规划求解模型。然后,通过对适应度评价函数值低的粒子引入Hooke-Jeeves搜索算法,提高了粒子多样性,改善了航迹规划算法收敛性;对不满足约束的粒子引入约束违反度函数,基于比较准则提出了一种新的粒子评价机制,促进粒子搜索位于约束边界的最优解,加快了航迹规划算法的计算效率。最后,设计了一种多无人机时间协同航迹规划求解算法,利用PSO-HJ算法先分别求解单无人机航迹信息,通过多无人机集中航迹规划层协调到达时间实现协同航迹规划。仿真结果表明,PSO-HJ算法的精度比量子粒子群(QPSO)算法精度提高了20.85%,比PSO算法精度提高了58.14%,更适用解决实际复杂的多机协同规划问题。     

面向任务的无人机照相侦察航迹规划算法

针对当前无人机照相侦察获取的影像数据很难满足后端情报处理要求的问题,提出了一种面向任务的无人机照相侦察航迹规划算法。首先基于情报处理的航迹预规划,结合无人机情报处理和航迹规划的耦合关系来完成航迹参数的解算。然后提出η形转弯策略,在最小转弯半径约束下,以最小路径代价完成相邻航带间的转弯航迹规划。最后确定侦察区域内的照相序列,来实现区域全覆盖侦察。实验结果表明,较常规U形转弯策略而言,算法路径代价降低了15%左右。     

基于改进A*算法的多基地多无人机分阶段任务规划方法

针对多无人机疏散配置在多个基地、协同执行多目标侦察任务的应用需求,提出了一种基于改进A*算法的多基地多无人机分阶段任务规划方法,包括区域设置、航程估算、多基地多无人机任务分配、基地内单无人机时序分配、航迹搜索、航迹平滑和局部动态规划等多阶段层次化的处理流程。基于改进A*算法预估航程矩阵,基于改进K-means算法和深度遍历方法求解多基地多无人机任务分配,基于旅行商（TSP）模型求解单无人机时序任务分配,基于改进A*算法和三次B样条曲线规划并优化航迹,依据态势变化执行局部动态任务规划。开发了多无人机任务规划软件,验证了所提出的分阶段任务规划处理流程。实验结果表明,改进A*算法可剔除冗余节点,缩短4%以上航程,应用改进A*预估航程的任务分配能够满足威胁规避约束,进而可有效实现复杂威胁条件下多基地多无人机的航迹规划。     

基于摆扫成像的无人机视觉侦察航迹规划方法

为解决无人机执行视频侦察任务时,存在覆盖盲区及侦察效率低的问题,提出了一种基于摆扫成像的无人机视觉侦察航迹规划方法。首先,建立了视频摆扫成像模型来求解视频摆扫周期性成像规律,提高侦察效率。然后,基于视觉成像的区域分割来实现侦察区域的分割,降低侦察区域的未覆盖率。最后,完成整个任务区域的侦察航迹规划。实验结果表明,在未指定航向的情况下,算法可给出最佳作业航向角为55°以及未覆盖率为2.10%的视频侦察航迹,有效提高了航迹覆盖率和侦察效率。     

基于改进人工蜂群算法的多无人机灭火任务规划

针对当前多无人机通过投放灭火弹对多处山火进行灭火救援任务规划中,因各点火情的时变而导致规划效率低下的问题,提出了一种多无人机对多火点火场灭火救援任务规划方法。首先,建立了目标价值随时间变化的多无人机任务规划模型,可实现根据指挥者的决策意图来进行合理救援。然后,根据模型提出了一种基于整数编码的改进人工蜂群算法,利用该算法求解各无人机的救援序列可以提高无人机救援效率。最后根据救援序列及预先规划的可飞路径生成各无人机的救援路径。仿真结果表明,在相同任务规模下,该方法的寻优效率较高,寻优时间仅为现有方法的15.2%;在总价值提高的情况下,完成任务的时间与现有方法相比平均缩短了4.9%。     

粒子群算法在惯性/地磁组合导航航迹规划中的应用

高效的航迹规划是水下运载器隐蔽航行的关键技术之一。结合水下航行器的地磁导航环境特征约束因素,建立了航迹代价评估模型,采用最短路径算法在约束区域内按路径长度的次序递增、迭代,规划出一条粗选航迹。在此基础上,采用粒子群优化算法将时间信息作为搜索空间的粒子,改进惯性权重值和编码方式,对粗选航迹进行优化,实现全局最优。仿真结果表明,粒子群优化算法缩小了搜索范围,提高了搜索效率,收敛更快,将适应度由49.211提高至43.304,所需代价更小,且所获取的航迹可以有效规避非适配区,保证了全局最优、局部最优。     

基于高斯粒子滤波与消息传递的协同导航方法

针对无人机群协同导航问题,提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机 群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关 系,并通过高斯粒子滤波实现因子图中节点之间的消息传递,完成无人机群导航状态的最大后验概率 估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合,定位精度相 比于基于因子图和粒子化消息传递的混合和积算法（H-SPAWN）提高 50%以上。     

基于改进粒子群算法的翼型多目标优化研究

在多目标优化研究中,为改善多目标粒子群算法的局部搜索能力,以标准粒子群算法为基础,引入单点模拟退火算法,局部进化最优个体,采用基于目标向量的共享函数法评价适应值.标准测试函数优化实例表明:本文算法比标准粒子群算法具有更好的收敛稳定性和收敛速度,收敛速度提高了近50%;针对某翼型的气动优化设计结果表明:改进算法有效缩短了优化时间,迭代代数由61减为49,调用CFD由4880减为4250次;阻力系数、升力系数、低头力矩系数分别改进了9.23%、0.42%、16.4%,取得了较好的优化效果.     

基于多目标优化策略的结构可靠性稳健设计

应用可靠性稳健优化设计理论和多目标决策方法,将结构可靠性稳健优化设计转化为多目标优化问题。运用灰色理论中的关联分析法,选取粒子群算法中的全局极值和个体极值,提出了灰色粒子群算法求解可靠性稳健优化设计问题。与传统方法相比,该方法简便易行并能迅速准确地得到结构可靠性稳健优化设计信息。