论文部分内容阅读
无人飞行器航迹规划就是在特定约束条件下,寻找满足无人飞行器机动性能及战场环境限制的,从出发点到目标点的最优飞行轨迹,是无人飞行器进行自主飞行的关键技术。本论文针对飞行器航迹规划的三个不同任务:静态规划、动态规划以及多飞行器协同规划,围绕飞行器航迹自动搜索方法进行了深入的研究,主要包括以下内容: (1)规划任务建模;(2)飞行器静态航迹规划;(3)飞行器动态航迹规划;(4)多飞行器协同航迹规划。对于规划任务建模问题,作者进行了三个方面的研究:首先,根据航迹规划的特点,给出了规划空间和航迹的一般表示方法;其次,对于航迹生成中需要考虑的威胁和航迹长度,飞行时间等问题,给出了计算方便,较符合实际的代价函数表示方法;最后给出了基于极坐标的航迹点表示的新方法,该方法具有一些比用直角坐标方式优越的特性。在静态航迹规划方面,作者提出了一种基于启发式遗传算法的航迹规划(Heuristic Genetic Algorithm Route Planning,HGARP)方法。该算法利用新的基于极坐标的航迹表示,把约束条件结合到航迹点的初始化及航迹迭代过程中。这样既可以有效地缩小搜索空间,又能保证生成的航迹为可行航迹,而不需要对规划出的航迹进行光顺处理。同时算法能够根据规划空间的特点采用变步长的思想,提高搜索效率。实验表明,该算法能在较短的时间内生成最优的飞行航迹。动态航迹规划的研究采用边飞行边规划的思想,分两阶段进行规划。先规划出一条粗略航迹用作“航标”,再利用这些航标进行精细航迹规划。在精细规划时,粗略航迹点作为局部目标点,能够有效地缩小搜索范围,提高搜索效率。据此,本文结合设计了一种基于启发式遗传算法的实时航迹规划方法(Real Time-HGARP,RT-HGARP)。最后论文针对多飞行器的协调航迹规划问题展开研究。针对多无人飞行器航迹的同步性和免碰撞的特点,引入多种群协同进化的概念,将各个无人飞行器看作不同的物种,各自独立进化;需要的航迹组的选取则是先选取个子种群中的优秀个体,再将其进行组合,然后通过一个协同代价来评价,最后得到最佳的航迹组。根据这一思路,本文设计了一种基于启发式遗传算法的多无人飞行器航迹规划方法(HGAMRP)。