论文部分内容阅读
在未来作战体系中,往往通过使用多个无人作战飞行器(UCAV)对目标进行协同攻击,以完成特定的作战任务。为满足这种作战需求,如何合理分配我方可使用的UCAV资源,在复杂的飞行环境中为每枚UCAV生成有效的航迹,并且协调各UCAV的到达时间是一个在未来作战应用中急需解决的难题。针对这一难题,本文首先分析了长航时UCAV飞行特点以及飞行环境,研究了稀疏A*算法(SAS)和遗传算法(GA)的相关理论,在此基础上,结合递阶控制理论,提出了一种解决复杂环境下多UCAV协同规划问题的分层递阶体系框架,并就该体系框架的相关内容进行了系统性研究。这些内容包括复杂飞行环境建模、航线规划建模、三维航线规划及多航线规划算法、任务分配与协同技术等。最后建立了相应的原型系统,并进行了算例试验验证。试验结果表明,在该体系框架下,可以有效地对UCAV资源进行分配,给出满足长航时精确导航UCAV复杂约束约束的多航线,UCAV按给定的航线飞行,在相互不碰撞情况下,同时到达目标,实现给定的作战任务。因此,该体系框架能有效解决复杂环境下多UCAV协同规划的难题。归纳起来,论文的主要贡献和创新点如下:1)系统地提出了复杂环境下分层递阶多UCAV协同规划体系框架,将复杂环境下多UCAV协同规划过程划分为航线预规划、任务分配、航线规划与任务协同四个逻辑上互相关联与迭代的过程,逐层降低了问题的复杂度,有效解决了复杂环境下多UCAV协同规划技术难题。2)提出了独立度矩阵的新概念,在此基础上,建立了反映航线之间碰撞程度的时空数学模型。在航线规划过程中,通过基于空间独立度矩阵的碰撞模型对UCAV碰撞情况的定量化表达,完成了多航线的规划;在任务分配或任务协同过程中,在确定发射时刻的同时,结合UCAV的飞行速度及惯导、高度漂移规律,利用基于时空独立度矩阵的碰撞模型,有选择性地进行时间控制,解决了UCAV飞行过程中的避碰问题。3)提出了一种基于全矢量数据三维航线规划方法,该方法可在考虑UCAV机动性能约束的情况下快速给出三维航线。4)提出了基于GA&SAS混合算法的大范围复杂环境下三维多航线规划方法。该方法可充分利用SAS的强启发遍历性搜索特点和GA算法的强空间搜索能力,以及基于矢量数据的三维航线快速算法给出的引导信息,来实现三维多航线规划。5)建立了基于多发射阵地、多UCAV、多目标协同作战的任务分配数学模型,结合遗传优化理论,提出了基于遗传的启发式任务分配算法,该算法可以快速给出满足指挥人员决策意图的任务分配结果。6)在考虑发射阵地连续发射UCAV的时间间隔要求以及UCAV的速度调整能力前提下,提出了基于时间控制的任务协同方法进行UCAV之间的防碰撞处理。该方法算法简单,通用性强,能够有效的解决UCAV之间的防碰撞问题。本文的研究结果为解决复杂环境下多UCAV协同规划问题提供了较好的解决方案。