基于改进遗传算法的无人机三维航路规划

研究无人机航路规划问题,可使无人机在飞行中有效规避障碍物威胁。由于传统的遗传算法在航路规划中寻优精度较低、稳定性较差、迭代速度较慢。为解决上述问题,提出基于改进操作算子的遗传算法,在三维地形条件下,采用二维航路编码方式,将航路燃油最省以及规避威胁作为目标函数,并构造了目标函数的适应度函数,对遗传操作过程中的选择、变异过程进行了改进,改进的选择过程能够有效保留最优个体,改进的变异过程能够产生更优的个体,将改进后的选择算子和变异算子应用到仿真程序中。仿真结果表明,改进后的遗传算法能够快速收敛于最优解且稳定性好,是一种有效可行的航路规划算法。

终端区航空器异常轨迹识别研究

为保障终端区航空器飞行安全,减轻管制员工作负荷,首先,综合考虑航空器轨迹位置、速度和高度等因素,提出终端区航空器异常轨迹的定义和识别流程;其次,建立基于速度修正系数的轨迹相似性模型,采用谱聚类方法对终端区航空器轨迹自动分类;最后,计算每类轨迹数据分布的特征,选取2条中心轨迹来表征每类轨迹的位置特征,提取轨迹间相似性距离和飞行距离作为异常特征因子,识别航空器异常轨迹。结果表明:用基于速度修正系数的轨迹相似性模型,能够实现航空器轨迹自动分类,分类结果较为合理准确;改进异常特征因子,设置2条中心轨迹时,相较于设置1条中心轨迹,检测效果更好。

基于速度修正的终端区离场航空器的轨迹谱聚类研究

针对由速度引起的航空器轨迹聚类的轨迹点不匹配的问题,以离场航空器轨迹数据为具体研究对象,提出了基于航空器速度修正的轨迹点采集方式。考虑航空器速度差异对航空器轨迹谱聚类的影响,提出速度修正系数,使用速度修正系数重新提取航空器轨迹点,实现轨迹点对匹配的差异化处理,使用谱聚类对重新提取的轨迹点进行聚类分析。实验表明,基于速度修正的航空器轨迹谱聚类算法有效地改进了谱聚类的聚类效果。