基于启发式A*算法的飞行器三维航路规划

提出了一种基于启发式A*算法的三维航路规划方法并进行了仿真验证.首先对地形的高程栅格数据进行综合平滑处理,建立满足飞行器机动性能的安全飞行曲面,结合威胁数据的量化模型,采用改进的A*算法在安全飞行曲面上规划出三维飞行航路,并对搜索出的航路进行了优化和平滑处理.仿真结果显示,算法简单快速,能满足飞行器执行不同任务的需要,易于工程实现.     

一种低空突防的雷达地形遮蔽盲区算法研究

利用雷达地形遮蔽盲区进行低空突防对敌人地面目标进行攻击是航迹规划关键技术之一.分析了雷达盲区的生成因素,给出了数字地图的处理方法,并提出了一种建立雷达地形遮蔽盲区的快速构造方法并对该算法进行了仿真验证,仿真结果表明该算法的可行性.     

飞机低空突防航路规划系统研究

航路规划是新一代低空突防技术的本概念、国内外研究现状、系统的功能模型.论述了航路规划的基本要求,如导航要求、突防要求、飞行器性能要求及战略和战术要求.最后分析了航速规划需要解决的威胁建模、威胁处理、数字地图、整体航线优化、航迹动态优化和轨迹跟踪控制等关键技术.     

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。     

遗传算法在低空突防中的应用

针对在飞机低空突防航路规划中存在的计算复杂和收敛性等问题,论述了遗传算法基本原理,分析航路优化的性能指标。将遗传算法应用到航路规划中,航路进行染色体编码,根据随机数产生初始种群,适应度函数的大小进行选择、交叉和变异操作,达到算法终止条件后输出最优航路。仿真结果表明,应用改进的遗传算法规划的最优航线可以有效回避威胁和地形。     

基于改进蚁群算法的无人机低空突防三维航迹规划

探讨了无人机低空突防三维航迹规划中地形、威胁以及航迹代价评估等模型的建立方法.将蚁群算法引入无人机航迹规划,针对传统蚁群算法易出现停滞现象,引入偏航角对启发信息进行调整改进;建立优先搜索集,使蚁群算法更快速有效地搜索到最优航迹.仿真实验结果证明了该规划方法的效率.     

改进的分水岭图像分割算法

针对传统的分水岭图像分割算法对噪声过于敏感和容易出现分割现象的特征,提出了新式的粒子群分水岭算法。以下主要探讨了改进的分水岭图像分割算法的具体步骤。     

飞行器三维突防航迹快速生成方法

介绍了一种飞行器低空突防三维航迹规划方法.通过分析敌防空区域地形方差,判断其地形特征,决定最佳离地高度,从而构建了飞行器安全飞行曲面.利用Dijkstra算法,在安全飞行曲面之上,进行二维航迹节点的搜索,达到三维航迹规划的目标.搜索空间维数的缩小,存储节点数目的删减,都加快了航迹生成的速度.威胁概率模型的建立,航迹代价函数的构造,权重比值的分配,使得规划出的航迹具有一定的威胁/地形回避和地形跟随效果.最后给出了算例和仿真结果.     

应用PSO算法的无人机三维航迹规划

无人机只有进行精确的三维航迹规划才能提高低空突防的成功率,而三维航迹规划由于搜索空间巨大,一直是航迹规划中的难点。采用粒子群优化(PSO)算法进行无人机的三维航迹规划,以最大水平转弯角、最大爬升/下滑角、最小步长、最小离地高度和最短距离作为适应度函数的评价指标。对算法进行了相应的仿真验证,结果表明该算法所需时间短,占用内存少,有利于工程实现。     

基于分水岭算法的红外图像分割方法

本文采用分水岭算法对红外图像进行分割,针对其存在的过分割问题以及红外图像的特点,提出了分割区域边界平均灰度及其面积对过分割区域进行合并,以得到有意义的分割结果。本算法利用空中红外目标图像进行了实验,实验表明,本算法适用于红外目标图像,并且效果良好。     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

临近空间双基地雷达抗低空突防能力分析

从普通双基地雷达出发,采用了一种基于临近空间平台的雷达布站方式,并对该环境下的雷达信号衰减特性进行建模分析。与单基地雷达、传统双基地雷达在信号衰减和探测范围方面进行比较。比较结果表明,这种基于临近空间的双基地雷达配置方式在抗低空突防方面具有较大的优势。     

采用病毒粒子群优化算法的飞行器航迹规划

针对飞行器航迹规划问题, 对基本粒子群算法进行了改进, 提出一种基于病毒粒子群优化算法的飞行器航迹规划方法。该方法结合生物病毒进化系统理论, 在基本粒子群算法中引入病毒种群, 通过执行反向代换和转导算子两种操作, 利用病毒的水平感染和垂直传播能力来维持主群体粒子种群和病毒种群之间的信息交换, 保证了航迹规划中粒子个体的多样性, 提高了算法的局部搜索能力, 解决了基本粒子群优化算法容易使粒子陷入局部最优、收敛速度慢的问题。仿真实验结果表明, 在相同的约束条件下, 所提出的方法能够更快更有效地生成满足要求的航迹。     

无人机航路规划算法研究

针对无人机航路规划问题,研究了一种基于元胞蚂蚁算法的无人机航路规划方法.元胞蚂蚁算法对基本蚁群算法进行了系列改进,并将元胞邻居演化和改进后的蚂蚁寻优相结合,有效地克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,提高了算法的运算精度,从而为解决复杂战场环境下无人机航路规划这一多约束多目标优化问题提供了一条可行...     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

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。     

无人作战飞机在线航路规划算法

针对无人作战飞机单机自主对地攻击过程中航路在线规划问题,在以栅袼形式表示的数字地图中,通过对威肋源建模、数据结构组织、估价函数建立、优化算法等多个方面进行改进,提出了一种基于A*算法的改进型规划模型.在保证规划有效性的同时,减小了搜索空间,进而提高了规划算法的实时性.仿真结果表明,该模型能够有效减弱规划结果对于栅格数字地图精度的依赖程度,为进一步开展在线规划及无人作战飞机实时路径重规划研究提供了券者.