面向外辐射源雷达发射站定位的合作无人机航迹规划方法研究

在广域未知环境中,外辐射源雷达机动部署常面临难以及时获取第三方发射站精确位置信息的难题。为此,该文提出一种基于合作无人机航迹规划的发射站定位方法。首先,利用单个无人机作为合作目标,建立2维场景下的定位模型和量测方程,并采用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法进行解算。然后,构建融合Fisher信息和控制参数约束的优化函数,对无人机航迹进行动态规划,从而提高发射站定位的精度和方法的实用性。最后,仿真实验表明,在最大控制距离约束下,所提方法的定位结果优于直线航迹和经典优化航迹,最终发射站定位精度小于双基距离差量测标准差,能够满足外辐射源雷达系统目标探测定位的应用要求。

基于改进蚁群算法的无人机灾区航迹规划

针对传统蚁群算法用于无人机航迹规划时在大空间多维数转弯次数多、收敛速度慢甚至不收敛等问题,提出了一种改进蚁群算法。根据地图构建三维空间模型,采用对空间切片的方式来避免在寻优过程中跨越多个单元格;通过每一代最优路径来更新信息素以及引入距离启发量的策略,增强了算法的收敛性和效率,得出改进蚁群算法相对于传统蚁群算法和快速搜索随机树算法在搜索效率上分别提高了65.9%和18.1%,在平均转弯角度上分别减少了48%和61.2%,在航迹长度上比传统蚁群算法缩短了38.5%的结果。研究所提出的改进蚁群算法能为无人机救灾快速路径规划提供有效的解决方案。

基于DMOEA-APTC算法的无人机在线航迹规划

为了解决具有时间关联性质的动态多目标优化问题,以无人机在线航迹规划问题为基础,引入时间关联特征概念并建立无人机时间关联动态多目标优化问题模型,提出一种使用自适应预测响应机制和时间关联性优化机制的动态多目标双层优化算法。根据环境变化相关性判断环境变化强弱并启用不同响应机制,快速适应环境变化;优化过程中通过最小二乘法学习历史数据拟合航迹未来预测值,根据预测可靠性自适应选择“仅优化当前”或“同时优化当前与未来”优化模式;使用改进后的切比雪夫分解法对符合偏好的航迹进行决策。实验结果表明:所提算法在复杂飞行环境下降低飞行时长的同时具有更高生存概率,提高了无人机飞行稳定性,更合理有效地处理了在线航迹规划问题。

基于遗传算法的无人机载穿墙三维SAR航迹规划方法

传统手持或车载穿墙雷达由于架设高度受限,无法对城市高层建筑内部目标进行透视成像,无人机载穿墙雷达具有灵活机动、高效便捷、无高度限制等优势,可对城市高层楼宇进行大范围三维穿透探测。三维层析合成孔径雷达(SAR)成像广泛采用多基线扫描模式,以获得高度向高分辨能力,但存在高度向空域欠采样导致的栅瓣问题。对此,该文提出一种基于遗传算法的无人机载穿墙三维SAR航迹规划方法,通过非均匀化飞行航迹,削弱周期性的雷达回波能量叠加,从而抑制栅瓣、实现更优的成像质量。该算法结合飞行距离与无人机载穿墙雷达成像质量的内在关系,建立了无人机航迹规划代价函数;利用遗传算法对3种典型的无人机飞行轨迹关键控制点进行基因编码,并进行基因杂交、变异等以优化种群与个体;最终通过最小化代价函数,分别筛选出3种典型飞行模式下的最优飞行航迹。仿真和实测数据的三维成像结果表明:相较于传统等间距多基线飞行模式,所提方法显著抑制了成像目标的栅瓣效应;此外,无人机斜线飞行的航迹长度明显缩短,提高了无人机载穿墙SAR成像效率。

基于改进遗传算法的油气管道无人机航迹规划

针对油气管道无人机巡检油气管网时出现的航迹规划问题,提出一种基于自适应种群分组的改进遗传算法。首先以完成全部管道巡检的最短飞行路径为优化目标,以无人机巡检的连续性和避开油气管网上空的禁飞区为约束条件,构建了无人机巡检油气管网的航迹规划模型;其次引入自适应种群分组策略和自适应交叉变异算子,并且针对不同种群采用相应的交叉变异方法;最后以两类油气管网为巡检对象,分别基于改进遗传算法、传统遗传算法、遗传模拟退火算法进行对比实验,仿真结果表明,改进遗传算法在求解过程和求解结果上都更优,其中在复杂度更高的环境下,相比另外两种算法平均路径长度分别减少了7.08%和2.63%,验证了所提算法的有效性和普适性。

基于GPSSA算法的无人机中继通信航迹规划方法研究

目前针对无人机中继通信航迹的规划方法未考虑航迹规划中存在的约束条件及代价函数,导致得到的规划航迹中断概率、通信误码率偏高.针对上述问题,提出一种基于改进麻雀算法的无人机中继航迹规划方法.根据无人机任务区信息和通信环境,建立通信障碍代价模型,通过真实约束,建立约束函数和代价函数,将其应用到麻雀搜索算法中,设计总体的航迹寻优规划流程,并应用仿真实验验证所提出的改进麻雀优化方法的有效性,实验结果表明,在不同的转角约束条件下,设计方法得到的航迹中断概率、通信误码率均有一定降低.

基于ε-level蝙蝠算法的无人机三维航迹规划

针对复杂地形环境、存在各种威胁和约束的无人机航迹规划问题,提出了一种基于ε-level改进蝙蝠算法的航迹规划算法。根据无人机目标函数和约束条件,建立无人机三维航迹规划模型;其次,针对蝙蝠算法处理高维带约束问题存在的早熟现象,设计了自适应权重系数和迭代阈值以平衡算法的探索能力和开发能力,并结合ε-level比较策略提高算法对非凸非线性约束优化问题的处理能力;设计了转弯半径可变的Dubins曲线用来对航迹进行平滑处理并解决2个航迹点连线贯穿地形的问题。通过仿真实验,并与蝙蝠算法、粒子群优化算法、ε-level粒子群优化算法和ε-level差分进化算法相比较,所提算法在开发能力、稳定性和成功率等方面都表现出较优的性能。

面向超低空物流场景的多机协同航迹规划算法

无人机产业的迅猛发展促进了低空开放,形成了国内外城市超低空物流运输的浪潮,然而,现有的航迹规划算法没有考虑空域的划分方式与运行规则,不适用于城市超低空物流场景下多无人机的协同航迹规划,桎梏了超低空物流行业的发展。针对该问题,从实际需求出发,在空域高度层架构的基础上探索适用于城市超低空物流场景的多无人机协同航迹规划方法。将原问题分解为无人机-高度层任务分配与多无人机单高度层协同航迹规划两个相互耦合的子问题,并分别运用基于知识图谱的任务分配解法与基于粒子群算法的改进人工势场法对两个子问题进行求解。仿真实验表明,该方法在求解单高度层协同航迹规划子问题中不但能够避免传统方法的固有缺陷,平均迭代次数相较于对比方法也减少了62.09%;同时,仿真结果也表明所提方法可以快速鲁棒的解决原问题,为城市超低空物流场景提供了切实可行的多机航迹规划方法。

基于改进人工鱼群算法的无人机三维航迹规划

无人机航迹规划算法中,针对传统人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)存在易陷入局部最优、优化效率不佳等问题,引入了步长衰减函数,提出了一种自适应步长的人工鱼群算法(Adaptive Step Size Artificial Fish Swarm Algorithm,AS-AFSA),实现航迹规划中全局与局部收敛的自适应;进一步给出了人工鱼权重优化策略,提高人工鱼群算法的收敛速度与精度。仿真结果表明,改进人工鱼群算法在无人机航迹规划情景下表现优异,迭代次数相同条件下,航迹代价相较于狼群算法(Wolf Colony Algorithm,WCA)优化了4.5%,相较于传统人工鱼群算法优化了2.5%。

基于多目标混合启发式算法的协同无冲突4D航迹规划

为促进基于航迹运行的框架下未来空中交通管理系统的协同决策,本文提出了一种协同无冲突4D航迹规划方法。首先以提高航班效率和航空公司间的公平性为目标,以无冲突为约束构建了一个多目标整数线性优化模型。其次,提出了一种基于基尼系数的指标以量化航空公司间的成本分配公平性。为了提高问题求解效率,采用了基于网格的探测方法以加速冲突检测,并设计了一种多目标混合启发式算法(Multi-objective hybrid-meta-heuristic optimization algorithm,MHMOA),通过结合模拟退火(Simulated annealing,SA)和爬山局部搜索算法来近似最优的非支配解。最后,利用实际航班计划和航路网络数据比较和分析了MHMOA、SA和两种常规多目标优化算法的优化结果。结果表明,MHMOA所获得的非支配解的质量更高、延误更低且航空公司间公平性更优,在3个多目标优化性能指标方面表现优异,可为空中交通管理员提供更详细的决策支持。

基于多精度规划窗口的无人机航迹规划方法研究

航迹规划是无人机(unmanned aerial vehicle,UAV)任务规划系统的核心部分之一,其主要任务是结合战场环境等约束条件,寻找一条安全系数高、满足任务需求且飞行代价小的UAV最优飞行航迹。基于现有蚁群优化(ant colony optimization,ACO)算法,在其并行能力基础上提出一种多精度规划窗口方法。该方法在初始航迹基础上,进一步针对局部飞行环境特点,自动配置局部规划窗口、规划精度和规划参数,并行地开展多精度窗口航迹调整,可在较短时间内优化出一条适应战场环境的飞行航迹。仿真分析表明,不同战场环境下所需的算法参数配置、规划精度各有不同,通过多精度规划窗口的优化与调整,最终飞行航迹可适应不同战场环境,且具备较好的规划效率与精度。

基于透镜成像对立学习TSO算法的无人机三维航迹规划

金枪鱼优化算法求解无人机三维航迹规划容易出现搜索精度差、航迹代价高的问题,为此设计了基于透镜成像对立学习机制的改进金枪鱼优化算法。首先,引入非线性权重系数更新、最优最差对立学习及透镜成像对立学习策略对金枪鱼优化算法寻优性能进行改进,提升算法逼近最优解的精度;然后,建立具有地貌约束和性能约束的障碍物威胁模型,将无人机三维航迹规划问题转换为代价函数优化问题,利用改进算法迭代求解航迹规划,搜索代价最小且安全避障的最优航迹。实验结果表明,改进算法有效解决了原有早熟收敛问题,其规划航程更短、代价更低,且航迹规划效率得到了有效提升。

巡飞弹航迹规划与飞行控制方法发展

巡飞弹是无人机技术与弹药技术结合的产物,可实现战场态势感知、精确打击、信息支援等功能,是未来信息化作战的重要武器之一。介绍巡飞弹的定义组成、分类方法、作战功能、型号发展、战场应用等情况;阐述巡飞弹航迹规划方法的发展现状和未来趋势,包括传统规划方法、智能规划算法和集群规划算法等;对巡飞弹飞行控制的关键技术,包括制导、姿控和导航技术的发展现状和未来趋势进行了介绍,其中的制导技术包括巡飞段跟踪制导、俯冲段末制导和多弹协同制导等;展望了巡飞弹未来的发展方向。

一种航迹欺骗干扰背景下的无人机航迹规划方法

为提高无人机集群实施航迹欺骗干扰的效能,提出一种基于航迹欺骗干扰背景的无人机航迹规划方法.首先,给出了无人机集群对组网雷达实施航迹欺骗干扰的基础数学模型,在无人机和假目标保持相似航迹匀速飞行的前提下,提出了无人机能耗、战场生存概率、通信信道传输损耗评价指标,建立无人机评价函数模型;然后,以评价函数为最优化模型,通过粒子群算法求解距离比值系数,最终获得综合性能最优的航迹规划结果.仿真结果表明,与已有航迹规划方法相比,本文建立了更为全面的评价函数,所规划出的航迹更好地兼顾了安全性和任务完成能力.

基于航迹规划的无人机地形辅助导航

为改善无人机基于地形轮廓匹配的地形辅助导航地形适应性差、实时性差的问题,本文提出一种基于航迹规划的地形辅助导航方法。针对地形匹配对地形依赖性强的问题,将无人机需要途经的区域进行分块并计算各块地形标准差,根据地形标准差选出地形平坦区域和地形起伏区域,用航迹规划算法为无人机规划出在地形起伏较大区域的航线。针对传统遍历搜索高程匹配算法耗时长的问题,在粒子群算法基础上引入分布估计的思想,形成优化粒子群算法进行地形轮廓匹配,加强全局寻优能力。仿真实验结果表明:优化粒子群算法降低匹配时长2/3,基于航迹规划的地形辅助导航降低位置误差6/7。

无人机城市三维航迹规划可视化平台设计与实现

随着无人机在城市场景下的广泛应用,针对传统路径规划算法在多个约束条件下进行无人机三维路径规划时无法兼顾多种风险、容易陷入局部最优等问题,基于真实城市建筑物数据,考虑地理围栏限制、人流密集程度和社会属性等因素,构建城市场景无人机运行环境并建立真实三维环境模型,设计了基于城市场景的无人机三维航迹规划可视化平台。该平台构建了真实环境下城市空域网格,并对网格飞行适宜度进行了量化分析,并基于该数值,采用了改进的Lazy Theta*算法对无人机航迹进行规划。通过可视化平台的实际运行,提供航迹规划的三维展示,更好地实现人机交互,是一种无人机路径规划三维可视化仿真验证的手段。

基于Q学习算术优化算法的无人机三维航迹规划

针对传统方法求解无人机三维航迹规划易导致规划代价高、精度差和容易陷入局部最优的不足,提出基于Q学习算术优化算法的无人机三维航迹规划算法。为了提升算术优化算法的寻优精度,引入Circle混沌映射提高初始种群多样性和分布均匀性,引入Q学习根据个体状态自适应调整数学优化加速函数更新,均衡算法全局搜索与局部开发,设计最优解邻域扰动优化全局搜索能力。通过建立无人机三维航迹规划模型,将航迹规划转化为多目标函数优化问题,并利用改进算法求解无人机三维航迹规划,以综合考虑航迹代价、地形代价和边界代价的目标函数评估粒子适应度,对航迹规划迭代寻优。仿真实验结果表明,所提算法规划的航迹具有更低的总代价和适应不同复杂地形环境的稳定性。

一种基于几何关系的无人机航迹规划方法

为适应现有飞控算力,提高计算效率,提出一种基于几何关系的无人机航迹规划方法。该方法通过计算几何和向量操作快速解决二维区域避障问题,避免全局地图栅格化表示问题,有效减小计算时间,并且保证优化水平,规划时间能够达到毫秒级。同时,该方法支持障碍区域实时上传,在线规划动态计算,并且考虑了无人机转弯半径,无需对规划航迹进行平滑。数值仿真和飞行试验对比充分验证了该方法的可行性和有效性,规划航迹达到了优化水平。

改进蚁群算法的无人机航迹规划

航迹规划技术是保证无人机成功完成任务的关键,针对传统蚁群算法存在的容易陷入局部最优、收敛性差等问题,提出一种用于无人机航迹规划的改进蚁群算法。首先,对初始信息素浓度进行不均衡分配,利用A~*算法规划出一条较优路径,使该条路径上的信息素浓度高于其他路径,避免初期搜索的盲目性;其次,引入一种启发式因子来优化状态转移规则,提高了算法的收敛速度;最后,利用高斯函数的特性平滑信息素挥发因子的变化,信息素挥发系数可以通过当前状态和目标之间的距离进行动态调整,避免算法陷入局部最优。仿真结果表明,在相同的环境下,所提算法相较于传统蚁群算法,生成的航迹长度更短,且收敛速度更快。

基于改进遗传算法的协同航迹规划方法

针对多无人机协同规划问题求解规模大、效率低的问题,提出了一种单-双亲遗传算法(PBGA)求解模型。该算法具有改进的编码方法和一种单双亲结合的进化策略,由单亲遗传算子进行种群进化,由双亲遗传算子跳出局部最优。仿真结果显示,PBGA具有收敛性,在小规模和大规模寻优算例中分别比传统遗传算法减少了70%和64%的收敛代数,对解决多无人机协同问题具有一定的参考价值。