论文部分内容阅读
航路规划是无人机任务规划系统的重要组成部分,对于无人机实现智能导航具有关键作用。无人机的飞行环境相当复杂,为了提高无人机的生存率,保障其顺利完成任务,航路规划就显得尤为重要,航路规划涉及的各因素之间相互耦合,因此规划出来的航路的优劣仍然需要评估。而航路评估涉及因素众多,需要考虑各个指标对航路的影响从而对航路优劣作出全面、客观、公正的评估。现有的航路规划算法主要有动态规划算法、智能优化算法等,动态规划算法会占用过多的空间,智能优化算法存在收敛时间不确定等缺点。经典的航路评估方法有:简单加权法、层次分析法等,这些方法都以判断矩阵为核心,本文通过改进现有的算法,采用了模糊综合评价法、BP神经网络算法和遗传算法优化的BP神经网络算法对航路的优劣进行评估。本文的主要工作如下:1)本文对航路规划问题进行建模,从空间模型、约束条件等方面分析航路规划问题,应用三维稀疏A*算法对航路进行规划。通对改变限制条件进行航路规划仿真实验,仿真分析表明:在不同限制条件下规划的航路是不同的。通过航路规划仿真实验可以得出影响航路的部分重要因素,作为航路评估的重要指标。2)影响航路评估的因素众多,本文首先对影响航路的各个因素进行分析,明确各指标间的层级关系,建立具有层次结构的无人机航路评估指标体系。由于各个指标的单位和数量级不同,需要对指标进行归一化处理,本文给出了指标的归一化模型。应用层次分析法求权重后,采用模糊综合评价法对航路的优劣进行评估,仿真分析表明:模糊综合评价法能够对航路做出客观公正的评估。3)本文借鉴武器效能评估的流程,把BP神经网络应用于航路评估,首先通过仿真实验对各种训练算法的性能分析,采用LM训练方法进行网络训练,然后应用BP神经网络方法进行评估,仿真实验表明:利用BP神经网络进行航路评估,基本上能对航路做出正确的评估,但是评估结果有误差,并且每次评估的结果会有所不同,评估的稳定性不好。针对上述评估算法的缺点,本文采用遗传算法对BP网络的初始权值和初始阈值进行优化,得到性能比较好的网络。对两种情况下的评估结果进行对比,仿真实验表明:优化了的BP神经网络能够正确的对无人机航路进行评估,遗传算法的优化作用比较明显,评估效果良好,算法评估的稳定性也比较好。