无人机航路规划研究

通过对无人机航路规划的研究,对无人机航路规划问题进行了概括和总结,介绍了无人机航路规划流程,分析了无人机航路规划的约束条件,阐述了目前国内外应用和研究的几种航路规划算法,并对无人机航路规划算法的发展趋势进行了展望。     

改进的蚁群算法在无人机航路规划中的应用

蚁群算法是一种新的源于生物界的仿生随机优化方法。简单介绍了无人机航路规划的基本步骤。针对基本蚁群算法的4个不足,提出了新的改进算法。在算法中设定具体目标和可能经过的威胁点,在信息激素中除了有距离信息还需要增加威胁度信息,并将威胁度设为权重较高的参数指标,在航路规划仿真开始阶段,同时发送多个探路人工蚁。信息激素中的信息是随时更新的,以便于适应战场动态变化。利用MATLAB仿真运算验证了改进算法的有效性。     

基于元胞蚂蚁算法的无人靶机航路规划设计

靶机飞行航路设计是实现靶机有效控制,确保高效完成供靶任务的保障。本文通过元胞蚂蚁算法对某型无人靶机飞行航路优化设计进行了研究,分析了实现航路优化应突出解决的问题,并通过仿真实验验证该方法的可行性。     

基于稀疏A*算法的无人机航路规划方法

针对多约束条件下三维空间航路规划问题,分析了三维规划空间的划分方法,综合考虑航程代价、爬升代价和威胁代价等因素,针对航路规划任务对各种指标的偏重程度,引入指标的权重系数,设计了代价函数,并编制了稀疏A*算法流程,对算法的有效性进行了仿真验证.验证结果表明:采用稀疏A*算法能够有效地解决多约束条件下的三维空间航路规划问题.     

基于数据链的无人机航路规划A*算法研究

介绍了无人机航路规划技术的现状,对数据链体制下的无人机通信指挥模式进行了研究,结合数据链改进了A*算法,引入惯性权重系数,并使用了线性权值自适应方法.Matlab仿真表明,该算法很好地实现威胁回避及地形回避.     

采用粒子群优化算法规划无人机侦察航路

研究了粒子群优化算法,提出了将该算法运用于无人机的航路规划.引入交换指数和变异子的概念,解决了算法的局部极值问题,给出了航路规划的方法和步骤.在Matlab仿真环境下得到了参考航路.结果表明,该算法简单有效,在很大程度上提高了无人机的侦察效率.     

采用威胁启发粒子群算法的无人机航路规划

针对复杂地形和威胁环境下的无人机航路规划问题,对粒子群算法进行了改进,提出了融入威胁启发机制的改进粒子群算法.充分利用无人机在任务区域中已知的威胁信息,将其作为威胁启发项,构成粒子群速度更新公式的一部分,有效丰富粒子群算法的搜索行为,增强粒子在搜索过程中的针对性和指导性.使用最小威胁曲面方法,降低粒子编码的维数,并采用...     

雷达假目标干扰无人机航路规划研究

雷达假目标干扰无人机在执行干扰任务前要根据战场环境预先规划好最优路径.全面考虑战场环境威胁约束、机动性能约束和假目标干扰任务约束,综合轮盘法、最优保存策略和六种进化算子形成进化算法,对航路规划问题进行求解.仿真结果表明,利用文中的假目标干扰任务约束量化方法和进化算法对雷达假目标无人机干扰航路进行规划是可行的.     

无人机在突防行动中的航路规划研究

在分析航路规划对无人机突防行动重要性的基础上,研究了无人机突防航路规划的基本方法,给出了突防航路的代价函数和航路的构建及优化方法,最后利用文章探讨的方法对某无人机的突防航路规划进行了实例仿真,其研究的原理和方法对无人机突防能力的提高将产生积极的影响,可为无人机的作战运用提供有力支撑。     

遗传算法在无人机航路规划中的应用

随着无人机在现代战争中的作用日趋重要,对无人机航路规划的研究也越来越多。分析了无人机航路规划涉及的因素和处理过程,介绍了遗传算法的相关内容。根据无人机航路规划涉及因素多、计算量大的特点,采用遗传算法进行航路规划。给出了遗传算法编码方法以及算法参数、终止条件的设置方法,提供了一个应用示例,并给出了一些改进的建议。     

基于改进蚁群算法的无人机协同航迹规划研究

无人机群协同作战中,如何确定各无人机的航迹是整个规划问题的基础和关键,直接影响到作战效率.采用层次分解策略,首先对威胁场进行Voronoi图环境建模,然后利用改进蚁群算法,提出带有方向性引导性的信息素更新策略,减小迷失蚂蚁对算法收敛性的影响.同时,从时域和空域方面考虑多机协同问题,在满足最小时间窗基础上,最后仿真得到了...     

一种骨架提取的无人机航迹规划法

未来战争中无人机的应用地位将大大提高,如何提高无人机的生存率、作战效率成为航路规划研究的主要方向。将敌方雷达、对空导弹、地形等威胁简化构建成威胁圆,根据威胁圆的分布情况,构造基于威胁圆的规避威胁的骨架化图;结合各具体威胁信息,计算各路径段的代价值,形成有赋值的有向图,计算初始最优航路;利用实际飞行中无人机对威胁规避的要求,对初始航路做缩短处理。运用Matlab编制图形化界面,得到仿真结果的图形显示。     

基于智能算法的无人机航迹规划

文中针对多无人机在复杂约束条件下编队协同、巡航范围内覆盖率高的问题,基于K-means算法和Hop-field神经网络算法实现了一种无人机整体航迹规划方法。对任务要求的禁飞区域、目标区域建立任务区域的数字地图模型,进行模型分解合理的将有效区域分解为多个子目标点。随后采用K-means算法对无人机巡航的目标点进行聚类,并结合Hop-field神经网络算法对同类子目标点进行无人机航迹规划。以无人机在抗震救灾中的真实数据为实例,通过仿真实现了巡航区域90%的覆盖率,验证了文中方法的鲁棒性和有效性。     

双向ACO算法应用于静态机器人全局路径规划研究

提出双向蚁群算法并应用于静态环境下的机器人全局路径规划问题.对栅格法环境建模进行改进,将传统的栅格法改进为膨胀栅格法;使用双向蚁群算法在出发点和目标点设置带有不同标记的两族蚂蚁相向爬行完成搜索,启发信息主要通过目标点、出发点和蚂蚁的当前位置二维坐标值计算得出;信息素存储采用方向信息素矩阵.仿真实验证明:即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出最优路径.     

基于改进RRT算法的无人机航迹规划

针对快速扩展随机树（RRT）算法用于无人机自主在线航迹规划时,只能快速获得可行的航迹,无法获得接近于最短航迹的较优航迹的缺点,提出了一种改进的RRT算法.该算法将无人机动力学约束融入到节点扩展过程中,通过改进离随机采样点最近的根节点的选取策略和引入航迹距离约束,搜索树将沿着航迹距离较短的方向朝着目标点进行扩展,使得规划出来的航迹接近最优,并采用基于B样条曲线的航迹平滑方法生成平滑可跟踪的航迹.仿真结果表明该算法能够快速地搜索安全并且满足无人机动力学约束的较优航迹.     

基于改进遗传算法的UAV航迹规划

针对实际作战环境中的UAV航迹规划,提出一种基于改进遗传算法的UAV航迹规划方法;通过骨架化算法生成规划搜索空间,对规划搜索空间中的信息进行提取,求解出规划搜索空间中航迹点的杀伤概率;根据规划搜索空间中的信息,采用特殊的基因编码方式,使用遗传算法为UAV找到K条备选航迹,提高了航迹规划效率;根据设定的航迹选取原则,求出最优航迹并对其按不同步长进行平滑处理,最终得到满足UAV机动性要求的可飞航迹。     

无人机侦察航迹规划研究

侦察打击一体化无人机是否可以精确地打击目标很大程度上取决于之前的侦察,因此侦察航迹规划系统对于这类无人机来说就显得尤为关键。首先对无人机侦察打击一体化系统进行设计,接着对搜索区域、机载侦察设备的探测区域和动作库进行建模,并根据性能指标进行决策,最后通过仿真验证。结果表明该系统能够根据当前的各种态势自主决策,生成的航迹完全可以满足无人机自主侦察的要求,使在该区域内搜索的无人机发现目标的概率最大。     

将盘旋动作引入自主航路规划的方法

为了使侦察无人机在不确定环境下航路选择更加灵活,提出了一种将盘旋动作引入到自主航路规划中的方法。首先,分析了盘旋动作对机载侦察设备的不利影响,以及盘旋动作对扩大航路选择范围上的优势。然后,通过设置修正系数的方法,对航路选择的目标函数进行改进,将盘旋动作引入到无人机航路规划的决策集中。最后,通过仿真试验验证了该方法的有效性。