战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。

UCAV空面多目标攻击三维轨迹规划技术

研究了单架无人作战飞机(UCAV)攻击多个地面目标的三维轨迹规划问题。首先,将问题形式化为一类特殊的旅行商问题(TSP),即带动力学约束的邻域访问TSP问题(DCTSPN)。其次,针对规划空间维度过高、搜索代价过大的问题,提出了一种基于概率路标图(PRM)的方法。该方法借鉴了基于采样的运动规划方法的思想,并结合多种组合优化技术,将原本连续状态空间中的轨迹规划问题转化为离散拓扑图上的路由问题。求解过程分为离线预处理和在线查询两个阶段。离线阶段采用Halton拟随机采样算法及Noon-Bean转换方法,将原问题转化为经典的非对称旅行商问题(ATSP);在线阶段根据战场态势的实时变化,快速更新路标图,然后采用LKH算法在线求解问题的近似最优解。为了保证生成的飞行轨迹满足平台的运动学/动力学约束,算法基于Gauss伪谱法构建了局部轨迹规划器。最后,以攻击时间最短为优化指标对算法进行了仿真实验。结果表明,本文提出的方法能够以较高的精度和在线收敛速度生成真实可行的、较优的多目标攻击轨迹。

战场环境中多无人机动态任务调度

采用了基于合同网的分布式规划方法,研究了战场环境中多无人机动态任务调度问题,并建立了数学模型,提出了分布式的任务调度体系结构,设计了一种基于代价变换的概率路标图路径规划算法,该算法能够在任务调度阶段,快速预估无人机执行不同任务的飞行航路,扩展了合同网协议,可在一次拍卖中"并发"进行多次交易,提高了任务调度的效率。通过多种合同类型的综合,解决了复杂战场态势下的任务调度问题。

城市作战仿真中CGF Agent战术路径规划

在城市作战仿真中,提出一种单CGF Agent战术路径规划方法。分析Agent路径规划过程中需要考虑的战术任务要求,建立距离代价与战术代价相结合的综合路径评价模型,设计基于改进概率路标图的战术路径规划方法。实验结果表明,该方法进行100次实验的平均规划时间为72.94 ms,最大和最小规划时间分别为110 ms和15 ms。

基于无障碍凸区域的无人机在线航迹规划

针对多旋翼无人机的在线航迹规划问题,提出了一种基于无障碍凸区域的方法(IRIS-Astar).该方法引入了基于概率路标图(probabilistic roadmap,PRM)的A*算法,用于离线规划全局路径.在无人机在线航迹规划阶段,通过IRIS算法(interative regional inflation by semidefinite programming)计算出当前航迹点的极大凸区域,找出该区域中距离当前航迹点最远的全局路径点作为局部目标点.无人机在向局部目标点行进的过程中,实时计算当前位置的极大凸区域,并判断局部目标点是否在该区域中,若在其中,继续向局部目标点行进;否则,重新计算局部目标点.实验结果表明,使用文中方法可以有效解决无人机的避障问题并较大幅度地降低无人机的能耗.