基于协同作战的无人机航路重规划算法研究

无人机作为信息交互的天然载体,其与人工智能、态势感知、大数据分析进行技术融合,将进一步提升其在未来战争中的作用。有人机与无人机智能协同作战可扩展作战视域,其中无人机航线自主规划能增加无人机的自主控制能力,进而提升作战效率。现有的无人机航路规划算法存在诸多缺点,如算法计算量大、复杂度高、应对障碍与突发威胁的规避能力弱,无法满足现阶段无人机航路规划需求。因此,论文基于协同作战策略,依据无人机集群整体防撞准则改进无人机防撞系统模型,并结合稀疏D*航路重规划算法,提出一种改进式计算算法进行无人机航路重规划。根据理论分析和仿真验证了论文所提出的策略使无人机集群在面对变化的威胁环境时能快速重规划航线、减少在线重规划的计算量、提高航线规划效率、且规划出的航线满足无人机在飞行时间、高度和避障能力等方面的性能要求。

竞争量子进化算法的巡航导弹航路规划与重规划方法

针对巡航导弹航路规划问题,提出了一种竞争量子进化算法(CQEA),算法通过双方向进化及自适应变异避免其陷入局部最优解。同时,鉴于航路重规划对实时性的高度要求,借助最小威胁曲面及搜索竖线将三维搜索空间降到一维,并引入功能区域簇初始化思想来保证初始种群皆为非劣个体,从问题的几何本质上提升航路重规划效率。最后利用CQEA算法进行了航路规划与重规划仿真实验,结果表明,与PAQEA相比,CQEA搜索效率更高,稳定性更好;与原三维搜索空间相比,通过削减搜索空间及引入功能区域簇初始化思想后算法搜索速率更快,符合航路重规划对实时性的高度要求。

启发式实时航路重规划技术

文中将三维实时航路重规划问题进行了形式化定义,使用航路惩罚度来评价航路的优劣,并提出了一种改进的粒子群优化算法(M-PSO),来求解实时航路重规划问题。试验结果表明,改进的粒子群优化算法在求解三维实时航路重规划问题上,具有较好的实时性和稳定性,能够快速搜索到可以躲避所有威胁区的航路,并且使得种群中的个体达到收敛状态。

基于B样条曲线的无人机航路规划算法

提出了一种动态环境中无人机(UAV)航路规划与重规划算法。根据战场中各个已知威胁的位置建立可行点之间的有向图,用Dijkstra算法生成一条由若干直线段连接的参考航路,再利用B样条曲线具有C2连续性、局部性、保凸性以及B样条曲线的曲率变化比较均匀的特点,对规划的参考航路进行修正和验证,使得规划航路对无人机安全可飞。当遇到突然出现的威胁时,可对航路进行局部重规划。