Research of UAV Flight Planning Parameters

UAV remote sensing as a digital aerial photography, not only has some basic photogrammetry features, but also has some other features. In this paper, aim at the characteristics of UAV remote sensing, begin with image data acquisition, the various parameter setting in the route planning were introduced, some of the principle was analyzed, the design of control points was described, and some of the considerations when laid control points were summarized.

基于危险天气不确定性的最小风险路径规划方法

为降低飞行过程中遭遇危险天气的概率,同时避免大范围绕飞导致的路径与耗油增加,针对航路中的雷暴、积冰和颠簸天气,使用数值预报和概率预报,面向航前飞行计划,提出一种基于危险天气不确定性的最小风险路径规划方法.首先,基于概率预报数据使用配料法和C-F模型计算雷暴发生概率,基于数值预报数据计算积冰预测指数和颠簸预测指数;然后,融合多类型危险天气,提出一种具备风险标识的栅格化地图;在此基础上,改进传统路径最短的规划算法,构建以风险最小化为目标的Dijkstra和A^(*)算法;最后,使用2023年4月3日华中地区强对流天气预测数据建立风险地图,使用上述改进算法与传统Dijkstra、A^(*)和RRT算法进行路径规划并对比分析.结果表明,传统Dijkstra和A^(*)算法可计算得到最短飞行路径,而改进的A^(*)算法可计算得到总风险最小路径;若综合考虑飞行风险与路径长度,改进的Dijkstra算法最为适合.

基于EMSDBO算法的无人机三维航迹规划

针对无人机(unmanned aerial vehicle,UAV)三维航迹规划问题,提出一种增强型多策略蜣螂算法的UAV航迹规划方法。首先,将飞行接近率和响应时间的动态约束添加到威胁成本代价中,并考虑UAV转弯性能的影响,建立三维任务空间模型与航迹代价函数。其次,在蜣螂算法中引入偏移估计策略、变螺旋搜索策略、准反向学习策略和逐维变异策略,提高算法的全局寻优能力和收敛速度。最后,给出了改进算法在三维环境下航迹规划的仿真结果。结果表明:综合考虑UAV机动性能和转弯性能,规划出的路径可以更加安全有效地避开危险源。相比其他算法,改进算法的寻优能力更好,规划的航迹质量更优。

基于改进蚁群算法和共用航段的搜索救援通道规划

针对战斗搜救任务场景中,空中搜索救援等待区至跳伞区之间的往返路径规划问题,提出一种基于改进蚁群算法和共用航段的搜索救援通道规划方法。首先,针对基本蚁群算法易出现局部极值及收敛速度慢等缺点,对启发函数、状态转移策略、信息素更新策略进行了改进。然后,针对单起点多目标点的路径规划问题,提出了设置分航点以生成共用航段的搜索救援通道规划方法,并以总路径长度表征任务准备负荷量与分别规划航路进行对比。实验结果表明,在本文测试环境下,改进蚁群算法规划的路径长度分别缩减15.4%和14.2%,搜索救援通道的任务准备负荷量减少25.4%。所提出的搜索救援通道规划方法有一定的理论和应用价值。

对陆攻击巡航导弹航路规划评价指标体系设计

针对单一航路规划算法代价函数评价指标有限,规划推荐的最优航路为局部指标最优的问题,根据导弹作战要求和作战环境特点,从飞行安全、突防安全、打击精度要求出发,建立对陆攻击巡航导弹航路规划评价指标体系,定性分析了导弹撞地与落入人文区概率、航迹穿越探测区与拦截区幅度、自控飞行与探测识别精度等具体评价指标,对优化航路规划寻优算法有一定借鉴意义。

基于改进海鸥优化算法的机器人路径规划

针对海鸥优化算法(SOA)存在收敛精度低以及易陷入局部最优等问题,提出一种多策略融合改进的海鸥优化算法(MFSOA)。首先,引入Tent混沌映射初始化种群,增加海鸥种群多样性;基于当前迭代次数t的非线性收敛因子动态调整策略,将海鸥优化算法的线性搜索非线性化,增强算法的寻优速度和寻优精度,避免算法陷入局部最优;在海鸥位置更新时引入Levy飞行策略增强算法的全局搜索能力;最后,通过使用黄金正弦机制引导种群的位置更新,进一步缩小搜索范围,提高算法局部搜索能力。选用6个基准测试函数对算法性能进行测试,测试结果显示MFSOA收敛速度更快,收敛精度更高;最后将改进算法应用于移动机器人路径规划,仿真结果表明该算法规划的路径长度更短,搜索效率更高。

深空探测任务智能规划技术发展综述

围绕深空探测任务发展对飞控组织实施的要求,文章介绍了任务智能规划的内涵,总结当前科技成果转化遇到的挑战,结合前沿技术与工程经验,提出通用规划处理流程,从领域建模、智能求解两个关键环节综述当前技术发展情况。针对未来国家重大航天工程需求,提出对技术发展趋势和研究方向的思考,可以为构建飞控任务智能规划通用平台、提升地面任务决策智能化水平提供参考。

引入控制量变化率约束的双层协同轨迹规划器

针对亚音速飞行器编队飞行轨迹规划约束复杂、求解困难的问题,提出了一种引入控制量变化率约束的双层亚音速飞行器协同轨迹规划器。首先,引入控制量变化率约束以保证轨迹可行性,为了避免增加新的状态方程而增加计算量,采用拉格朗日插值多项式计算控制变量变化率,将其作为求解最优控制问题伪谱法的约束条件。然后,使用顶层单飞行器规划器在不考虑多飞行器协同约束的条件下使用较少配点的伪谱法快速求解每个飞行器的粗略轨迹结果,求解结果使用拉格朗日插值作为底层多飞行器规划器的初值。底层多飞行器规划器使用更多的配点以确保求解的精度,在考虑多飞行器协同约束条件下进行伪谱法求解,以解决伪谱法初值敏感问题并提高优化效率。最后仿真结果表明了所提方法的有效性,与引入虚拟控制量而增加状态方程方法相比,此方法计算量更小,求解效率更优,满足协同轨迹规划的要求。

针对低速目标的飞行器中段航迹快速规划

针对长航程飞行器打击低速舰船目标的问题,提出一种基于滚动序列凸优化算法的中段航迹快速规划算法。使用滚动规划框架将航迹更新问题转化为初始与终端位置更新后的单次航迹规划子问题,构造多约束凸优化问题并使用序列凸优化算法求解。提出滚动规划周期收缩策略,减少航迹更新次数。设计了一种改进参考航迹生成算法并使用了信赖域自适应收缩策略,在保证规划效果的同时有效提高计算速度。仿真结果表明,该算法规划效果优良,可满足在线规划的要求,且与一般的滚动序列凸优化航迹规划算法相比速度更快。

无人飞行器自主决策与规划技术综述

面向未来高动态、强对抗、强拒止的作战环境,智能化水平成为制约无人飞行器执行任务能力、环境适应能力和作战效能提升的主要因素。围绕无人飞行器自主决策与规划技术这一难度高、发展快、前景广的研究方向,综述了自主决策与规划技术的主要研究成果以及未来发展方向:首先,结合无人飞行器的发展研究历程与现状,指出了开展自主决策与规划技术研究的必要性;其次,对当前自主决策与规划技术的研究成果进行了总结与分析;最后,对无人飞行器自主决策与规划技术的发展方向进行了展望。

自适应蚁群算法的无人机三维航迹规划

针对传统蚁群算法三维空间节点多、算法搜索难度大等问题,提出自适应蚁群(IAACO)算法的无人机三维航迹规划算法。首先,通过栅格划分三维空间,使该算法可以应用于三维航迹规划;然后,建立一种不均匀的初始信息素矩阵,并加入一个自适应的信息素挥发因子,提高了算法的搜索效率,同时也加快了算法的收敛速度;最后,通过定义三维的长度指标函数和角度指标函数,进一步建立无人机航迹优化的目标函数,实现了三维航迹规划的全局优化。仿真结果表明,所提算法运行时间更短、收敛速度更快,规划出的航迹也更短更平滑。

一种基于实景三维的无人机低空飞行底图构建方法

为解决城市低空无人机飞行航路规划中的障碍物探测和安全检测底图构建问题,本文提出了一种基于实景三维数据的安全检测底图构建方法。该方法利用北斗格网对实景三维模型数据进行空间划分,获取每个网格内的最高值,生成栅格和矢量格式的安全检测底图。与原始实景三维模型相比,生成的数据体量减少500~1000倍,极大节省了空间分析所需时间;同时保留了地物关键高度信息,切实保障了城市复杂区域的超低空飞行安全;局部区域发生变化时,仅需替换对应网格即可实现数据更新,工作量小。试验验证表明,本文方法可高效构建用于无人机低空飞行的安全检测底图。

基于改进PSO算法的机器人路径规划研究

传统粒子群算法(PSO)容易早熟收敛,陷入局部最优,为此提出混沌动态多种群粒子群算法(CDMPSO),并将其应用在机器人三维路径规划中。通过引入混沌映射理论来提高粒子种群初始解的质量和分布均匀性,同时引入分组并行优化策略,依据适应度值采用中位数聚类的方法,将种群分为3个子种群并迭代进行实时动态调整,根据不同子种群的特点采用不同的方法来进行种群更新。在MATLAB软件中与传统PSO算法和自适应粒子群(APSO)算法进行对比实验,发现改进后的CDMPSO算法全局搜索范围更大,陷入局部最优次数更少,最终路径更短,从而验证了该改进算法是切实可行的。

一种基于数字空间的空间站任务飞控事件规划方法

针对空间站任务飞控事件规划问题,结合资源约束、飞控事件需求数据维度高、事件间互相影响等特点,提出一种基于数字空间的飞控事件规划方法,将飞控事件规划问题转化为数字模型构建、数值计算及飞控事件时序设计问题。结合空间站应用实例,给出了飞控事件规划流程和规划结果分析,验证了方法的有效性,为空间站任务飞控事件规划问题提供了新思路。

基于整数线性规划的飞行日计划自动排列算法

排列飞行日计划属于组织飞行训练过程中一项重要任务,计划排列的效率对飞行训练起着重要的作用。论文对飞行日计划的自动排列进行研究并基于Lingo平台对算法进行实现,程序运行结果表明:该算法能够准确地对飞行日计划进行自动排列,排列结果满足各项约束并使得奖励值达到了最大。

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。

低空自主无人机数字孪生系统设计

为了提高无人机在城市低空空域执行巡检、配送等任务的安全性和自主性,文中设计了一种基于数字孪生技术的无人机自主飞行系统。该系统综合物理空间和虚拟空间的数据,精准控制无人机的飞行。采用实景三维建模技术创建了高度逼真的虚拟空间,并通过通用横轴墨卡托(UTM)投影方法实现了虚拟空间与物理空间的高度对应。利用多传感器融合的同步定位与建图(SLAM)技术实现无人机的精确定位,并在虚拟空间中进行全局的三维路径规划用于控制无人机的飞行。实验结果表明,虚实空间的平均映射误差为0.38 m,这表明虚拟空间数据在保障无人机安全飞行方面具有可行性。通过在实际环境中的飞行测试,进一步验证了所设计的无人机数字孪生系统的有效性,可为小型自主无人机的设计与应用提供参考。

基于深度学习的高超声速飞行器运动行为识别

高超声速飞行器具有机动大、速度高、航程远、威胁强等特点,已成为各大国重点发展的武器装备,识别其运动行为能为防御和拦截提供有力的技术支持。本文对有禁飞区等复杂约束条件下的高超声速飞行器运动行为识别问题开展研究:首先通过分析高超声速飞行器的运动特点,建立能够充分描述其行为模式的参数化运动方程;然后基于优化思想求解有禁飞区等复杂约束条件下的航迹规划问题,构建其数据集;最后基于深度学习方法设计高超声速飞行器运动行为识别算法。试验结果表明:所设计的识别算法能够实现对高超声速飞行器运动行为的识别,且具有一定的泛化能力,可为后续防御决策提供一定的参考。

混合多策略改进蜣螂算法的避障路径规划

为了实现移动机器人在复杂环境中路径规划的高效搜索能力,提出了一种混合多策略的改进蜣螂算法。首先,引入改进ISPM混沌策略用于初始化蜣螂的初始种群,使初始总体分布更均匀,并降低算法落入局部最优解的可能性。然后,将贪婪选择策略与改进透镜成像反向学习策略相结合,改进蜣螂觅食行为的位置更新,平衡算法的局部开发和全局搜索能力,提高算法的收敛能力;最后,利用莱维飞行策略并加入改进动态权重更新方式,改进蜣螂偷窃行为的位置更新,改变最优全局解,防止算法陷入局部最优。为了验证改进算法的性能,采用基本测试函数和路径优化方面仿真,将改进后算法与其他四种群体智能算法进行了比较。实验结果表明,改进的蜣螂优化算法显著提高了收敛速度和优化精度,具有良好的鲁棒性。

多源性能约束的无人机可靠动态航路规划算法

为提高无人机动态航路规划的安全性,提出一种基于机载导航系统实际导航性能和无人机机动性能的多源性能约束的改进A^(*)航路规划算法。分析了无人机航路规划系统架构及约束条件,构建了融合无人机最大允许转弯角、导航系统位置不确定度和最短路径的加权启发函数,实现无人机动态航路规划的多约束适应性,最后进行了仿真分析验证。仿真结果表明:在相同的运行环境下,基于性能约束的改进A^(*)算法所规划航路的安全裕度比传统A^(*)算法提高1.8倍,角度变化百分比降低为传统算法的42.4%,航路规划用时缩短28%,所规划航路的安全裕度和无人机机动性能符合度都得到有效改善。