高速无人飞行器航迹规划算法与仿真
基于改进蚁群算法的无人飞行器二维航迹规划
中图 分类 号 ： Ｖ ４ ４ ８ ． ２
飞 行器 航迹 规划 就是 在 综合 考虑 飞 行器 到达 时
间、 油耗 、 威胁以及飞行区域等因素的前提下 ， 为飞 行器 规 划 出最优 ， 或 者是 满意 的飞行航 迹 ， 以保 证 圆 满地 完 成 飞 行 任 务 … 。基 本 蚁 群 算 法 能 够 找 到 飞 行航迹的可行解 ， 并且具有较好的鲁棒性 ， 但容易陷 入局 部最 优 ， 并且 求解 时 消耗 时 间较 长 ， 在求 解 大型 问题 上相 对 比较 弱 。针 对 这 些 缺 陷 ， 很 多学 者 对 其 做 了大 量 的 改 进 ， 其 中文 献 ［ ２］ 中利 用 伪 随 机 比 例原则进行节点的转移 ， 以便更好地得到最优解 ； 文 献［ ２ ］ 中利用信 息素局部更 新规则 ， 避免 了算法过 早陷入局部最优 ； 文献 ［ ３ ］ 中用蚁群算法 和人工势 场 法混 合 的方法 进 行 无 人 机 航 迹 规 划 ， 这 种 混 合算 法虽 然 具有 一定 的有 效 性 ， 但 由于 混 合 的算 法 中没 有对 两种 基本 算 法 进 行 改进 ， 所 以会 导 致算 法 过早 陷入 局部 最优 解 ； 另外 ， 参考文献 ［ ２ － ６ ］ 中都 没有 将 飞行约束条件融合到算法 中进 行航迹节点 的剔除 ， 这 样 不利 于算 法 收敛 速度 的提 高 ； 再者 ， 已有 文 献 中 的优化 目标 函数都是 通过 油耗 代价 （ 或者航 程代
第 ３ ｌ 卷第 ５期
基 于 改进 蚁 群 算 法 的无 人 飞 行 器 二 维 航迹 规 划
无人机系统仿真设计解决方案
无人机系统仿真设计解决方案一想起无人机系统仿真设计，我脑海中立刻浮现出那复杂而又精妙的世界。
无人机，这个曾经只存在于科幻小说中的产物，如今已经渗透到了我们生活的方方面面。
那么，如何设计一套完善的无人机系统仿真解决方案呢？下面，我就用我十年的方案写作经验，为大家详细解答。
我们得明确无人机系统仿真的目标。
无人机系统仿真不仅仅是模拟无人机的飞行，还包括了无人机的控制、导航、通信、任务规划等多个方面。
所以，在设计解决方案时，我们要全面考虑这些因素。
1.仿真平台的选择在选择仿真平台时，我们要考虑到无人机的种类和仿真任务的需求。
目前市面上主流的仿真平台有MATLAB/Simulink、ANSYS、X-Plane 等。
MATLAB/Simulink适合进行算法研究和系统级仿真，ANSYS则擅长于结构分析和动力学仿真，而X-Plane则更侧重于飞行性能的仿真。
2.仿真模型的建立我们要建立无人机的仿真模型。
这个模型应该包括无人机的动力学模型、控制模型、导航模型、通信模型等。
在建立模型时，我们要尽量简化，抓住主要因素，忽略次要因素。
比如，在动力学模型中，我们可以忽略无人机的弹性变形，将其视为刚体。
3.仿真参数的设置在仿真参数设置方面，我们要根据无人机的实际参数来设置。
这些参数包括无人机的质量、惯性矩、翼载、推力等。
还要设置环境参数，如风速、温度、湿度等。
这些参数的设置将直接影响到仿真结果的准确性。
4.仿真流程的设计（1）初始化：设置仿真起始时间、仿真步长等。
（2）输入：设置无人机的初始状态、控制指令等。
（3）仿真：根据动力学模型、控制模型等，计算无人机的状态变化。
（4）输出：记录无人机的状态数据，用于后续分析。
（5）终止：判断仿真是否达到预设的终止条件。
5.仿真结果的分析仿真结束后，我们要对仿真结果进行分析。
这包括无人机的飞行轨迹、稳定性、控制性能等方面。
通过分析仿真结果，我们可以发现无人机系统存在的问题，并进行优化。
数学建模论文_无人机自主飞行航迹规划问题
题目无人机自主飞行航迹规划问题摘要本文分别研究了基于二维平面和三维空间的最优航迹规划问题。
对于第一问，我们在忽略地形和无人机操作性能等因素影响的基础上，将影响无人机飞行的“敌方雷达威胁”和“飞行燃油代价”两个因素进行了量化处理，建立了雷达威胁模型和燃油代价模型，并在这两个模型的基础上建立了基于二维平面的最优航迹规划模型。
在求解该模型时，我们依据图论中的相关理论，将二维平面划分成了若干网格，然后使用Dijkstra算法来求最优航迹。
对于第二问，我们在第一问的模型的基础上，同时考虑了地形因素和无人机的操作性能（主要是拐弯），增加了“无人机飞行高度代价”和“无人机操作性能”两个指标，并对其进行了量化处理。
同时，我们对雷达威胁模型进行了适当的简化，建立了一个较复杂的、基于三维空间的最优航迹规划模型。
在求解该模型时，我们将三维空间划分为若干个小方块，在“无人机操作性能”作为补充约束条件的基础上，采用蚁群算法，得到了最优航迹。
在建立以上两个模型的基础上，我们对每个模型的可行性分别进行了分析。
由于规划的约束条件众多而且模糊性大、研究的各因素之间的相互联系及不同种类无人机的控制方式和任务情况各异，因而模型存在着一定的缺陷。
我们用MATLAB（寸建立的两个模型进行了仿真，分别得到了基于二维平面的最优航迹和基于三维空间最优航迹。
此外，我们分析了所建模型的优缺点，并对模型的完善进行了进一步的探索。
关键词：最优航迹Dijkstra 算法蚁群算法MATLAB仿真1.问题的重述------------------------------------------------------------- 2 2•问题的分析------------------------------------------------------------- 23. 模型假设-------------------------------------------------------------- 34. 符号说明-------------------------------------------------------------- 35. 模型的建立------------------------------------------------------------ 35.1问题一模型的分析、建立与求解---------------------------------------- 35.2问题二模型的分析、建立与求解---------------------------------------- 66. 模型的可行性分析与仿真----------------------------------------------- 96.1模型的可行性分析-------------------------------------------------- 96.2模型的仿真------------------------------------------------------- 107. 模型的评价、改进及推广------------------------------------------------- 128. 参考文献------------------------------------------------------------- 149. 附录----------------------------------------------------------------- 15一、问题的重述无人机的发展至今已有70多年的历史，其军事应用主要是执行各种侦察任务。
《无人机三维路径规划算法研究》范文
《无人机三维路径规划算法研究》篇一一、引言随着无人技术迅猛发展，无人机应用已涉及诸多领域，如农业植保、城市巡检、环境监测等。
为了使无人机在复杂环境中高效、安全地完成任务，其三维路径规划算法的研究显得尤为重要。
无人机路径规划的核心是在特定约束下（如障碍物、飞行时间、电量消耗等），找到最优的飞行路径。
本文旨在深入探讨无人机三维路径规划算法的原理及其应用。
二、无人机三维路径规划的基本原理无人机三维路径规划是指根据任务需求和实际环境，为无人机规划出一条从起点到终点的最优三维路径。
这一过程涉及环境建模、路径生成、路径优化等多个环节。
1. 环境建模：通过传感器或地图数据获取环境信息，建立三维空间模型。
这一步骤是路径规划的基础，要求模型能够准确反映实际环境特征。
2. 路径生成：在环境模型的基础上，利用算法生成初始路径。
这一步骤要求算法能够快速生成多条候选路径。
3. 路径优化：对生成的初始路径进行优化，考虑各种约束条件（如障碍物、飞行时间、电量消耗等），找到最优路径。
三、常见的无人机三维路径规划算法1. 栅格法：将环境空间划分为规则的栅格，通过计算每个栅格的代价函数值，生成从起点到终点的最优路径。
该方法简单易行，但计算量较大。
2. 图形法：将环境中的障碍物和可行区域抽象为图形，通过图形搜索算法（如A算法）生成路径。
该方法适用于复杂环境，但需要较高的计算能力。
3. 随机法：通过随机生成多条路径，然后根据评价标准选择最优路径。
该方法计算量小，但可能无法找到全局最优解。
4. 深度学习法：利用深度学习算法训练模型，使模型能够根据环境信息自主生成最优路径。
该方法具有较高的自适应性和鲁棒性，但需要大量数据进行训练。
四、无人机三维路径规划算法的应用无人机三维路径规划算法在农业、城市管理、军事等领域有着广泛的应用。
1. 农业领域：用于农田巡检、作物监测、施肥喷药等任务，提高农业生产效率。
2. 城市管理：用于城市环境监测、交通疏导、应急救援等任务，提高城市管理效率。
云模型蚁群算法在无人机航迹规划中的应用
第１ ８期
２ １ ６月 ０ ２年
科
学
技
术
与
工
程
Ｖ １ １ Ｎｏ １ Ｊ ｎ ０１ ｏ． ２ ．８ ｕ ．２ ２
１７ — １ １ ０ ２ １ —４ ５０ ６ １ ８ ５ １ ） ８４ ５ －６ ｆ ２
Ｓ ｉｎ ｅＴ ｃ ｎ ｌｇ ｎ ｇｎ ｅ ｉ ｇ ｃｅ ｃ ｅ ｈ ｏ ｏ ｙ ａ ｄ Ｅｎ ｉ ｅ ｒｎ
而做 出相 应 的 调 整 ， 一 现 象 引起 了 学 者 的关 注 。 这 意 大利 学者 Ｄ ｒ ｏ ｏ ｇ．Ｍ 于 １９ ｉ ９ １年首 次 提 出了蚁 群算
过 对 目标 回波分 析 得 到 目标 信 息 ， 达 威胁 模 型 可 雷
以通过 雷达 方 程 描 述 ， 完 整 的 雷 达 模 型 中 ， 虑 在 考
某 点 的威 胁 时 ， 别 计 算 每 个 雷 达 对 该 点 的 威 胁 ， 分
的改 进方 法 ， 把 蚁 群 算 法 与 其 他 算 法 相 结 合 ， 并 如 遗传 蚁群 算法 、 Ａ算 法 与 蚁 群算 法 的结 合 等 。蚁 群
算法 的应 用 范 围不 断被 拓 展 ， 在 无 人 机 航 迹 规 划 其
为广 义代 价 函数 ，
为航 路 的威 胁 代 价 ， 系
数 ｙ、 示威 胁 和油 耗 的权 重 系数 ， 叼表 ｙ与 叼的 和是
１ ｄ表 示距 离 ， 标 表示 边 。 ， 下
容易 陷入 局 部最 优 解 。该算 法 在 １ ９ ９ ６年 以 后 引 起 学者 们 的广 泛关 注 ， 多 学 者纷 纷提 出 了蚁 群 算 法 众
标 四次 方 的反 比， 且假 设 每 个 雷 达都 一 样 。计 算 并 某 条边 上 的雷达 威 胁 需要 进 行 积 分 ， 了 简化 计 算 为 将 边离 散化 ， 均分 成 １ ０段 ， 图 １ 假设 每 小 段雷 达 见 ， 威 胁是 常 量 即该 段 中点 的 雷 达 威 胁 值 Ｊ 。在 计 算
飞行器航迹规划与路径规划技术研究
飞行器航迹规划与路径规划技术研究导言随着飞行器技术的不断发展和普及，飞行器航迹规划与路径规划技术也越来越受到关注。
飞行器航迹规划与路径规划是指在给定起飞点和目标点的情况下，确定一条飞行器航迹或路径，从而指导飞行器的飞行。
本文将就飞行器航迹规划与路径规划技术的研究现状、应用领域以及发展趋势等方面进行探讨。
一、航迹规划与路径规划技术的研究现状飞行器航迹规划与路径规划技术已有多年的发展历程，其中最主要的几个方向包括遗传算法、模糊控制和粒子群算法等。
这些技术各有优劣，但都能够满足不同领域的需求。
（一）遗传算法遗传算法是一种基于自然遗传变异和选择的寻优算法，其特点是具有全局搜索能力、高效率和适应性强。
针对飞行器航迹规划和路径规划问题，研究人员通过遗传算法来实现路径规划问题的优化，从而达到优化飞行器飞行时间和消耗燃料的目的。
（二）模糊控制模糊控制是一种能够有效解决复杂系统控制问题的方法，它允许使用模糊集合定义变量，这样可以使系统更加灵活，适应性更强。
研究人员通过模糊控制来实现飞行器航迹规划和路径规划问题的优化，从而达到优化飞行器的飞行性能的目的。
（三）粒子群算法粒子群算法是一种基于群体行为的寻优算法，其特点是具有全局搜索能力、搜索速度快等优点。
在飞行器航迹规划和路径规划问题中，研究人员通过粒子群算法来实现路径规划问题的优化，从而获得最优的飞行器航迹或路径。
二、应用领域飞行器航迹规划和路径规划技术的应用领域非常广泛，其中包括航空、地理、气象、海岸、水利等领域。
下面将分别介绍其主要应用领域。
（一）航空航空是飞行器航迹规划和路径规划技术最主要的应用领域之一。
在航空领域，飞行器航迹规划和路径规划技术被广泛应用于飞行器导航、空域管理、飞行计划等方面。
（二）地理在地理领域，飞行器航迹规划和路径规划技术主要应用于地图、地形、土地利用等方面。
例如，飞行器可用于制作高精度的地形模拟图，以及用于卫星图像处理。
气象领域是飞行器航迹规划和路径规划技术的重要应用领域之一。
无人机的自主飞行与控制算法技术研究方法
无人机的自主飞行与控制算法技术研究方法在当今科技迅速发展的时代，无人机已经成为了众多领域的重要工具，从航拍、农业植保到物流配送、灾难救援等，其应用范围不断扩大。
而实现无人机的自主飞行是提升其性能和应用价值的关键，这其中控制算法技术起着核心作用。
要理解无人机的自主飞行与控制算法技术，首先需要明白无人机的工作原理。
简单来说，无人机通过各种传感器感知周围环境，包括但不限于 GPS 定位、惯性测量单元（IMU）获取姿态信息、摄像头获取图像等。
这些传感器收集到的数据被传输到飞控系统，飞控系统根据预设的算法和控制策略对数据进行处理，然后生成控制指令，驱动电机或舵机等执行机构，从而实现无人机的各种动作，如起飞、悬停、飞行、降落等。
在自主飞行方面，路径规划是一个重要的环节。
这就好比我们在出行前规划好路线，无人机也需要在飞行前确定最优的飞行路径。
常见的路径规划算法有蚁群算法、A算法等。
蚁群算法通过模拟蚂蚁在寻找食物过程中的行为来找到最优路径，其优点是具有较强的全局搜索能力，但计算量较大。
A算法则是一种基于启发式搜索的算法，它能够在较短的时间内找到较为合理的路径。
控制算法则是确保无人机能够稳定、准确地沿着规划好的路径飞行。
其中，PID 控制算法是一种经典且常用的控制方法。
PID 分别代表比例（Proportional）、积分（Integral）和微分（Derivative）。
比例控制根据当前误差与设定值的偏差成比例地调整输出；积分控制用于消除稳态误差；微分控制则根据误差的变化率进行调整，以提高系统的响应速度和稳定性。
然而，PID 控制算法在面对复杂的非线性系统时，可能会出现性能不佳的情况。
为了应对这种情况，现代控制理论中的一些方法被引入到无人机控制中，比如线性二次型调节器（LQR）和模型预测控制（MPC）。
LQR 通过求解一个最优控制问题，得到使系统性能指标最优的控制律。
MPC 则是基于系统的模型预测未来的状态，并通过优化算法计算出最优的控制输入。
无人机航空测绘及后期制作课件：航迹规划原理及流程
航迹规划原理
优点
1. 航迹规划技术充分利用了预先得到的地形信息，最终的
规划航迹具有更好的安全性，因而无人机在完成任务时，
安全性更高
2. 在航迹规划时，飞行器有很多飞行性能约束，必须要进行
充分考虑，并且把这些因素加入规划过程中，保证规划的
最终航迹是满足任务要求的航迹
3. 在航迹规划时考虑了飞行器燃料制约、规划环境中的禁飞
有效作业里程，航线设计一般采用双数敷设，航线尽可能长，且 采取往返飞行 ② 航线设计长度一般按有效作业里程的1/2，1/4，1/6或1/8等设计 ③ 航摄分区应考虑无人机的有效通信及控制距离，确保无人机安全
航迹规划流程
航线设计
2. 影像地面分辨率与三维建模处理系统的性能 ① 影像地面分辨率的高低，决定了倾斜照片的数量 ② 建议每次同时进行三维建模计算的照片数量控制在25000张以内 ③ 一般2cm/px分辨率的航摄分区范围最大不超过5km2；5cm/px
航迹规划流程
航线设计
倾斜摄影分区划分原则 当倾斜摄影飞行范围较大时，应将飞行范围划分为若干 航摄分区，以便设计飞行航线和对任务进行分工 航摄分区的划分主要考虑几个方面： ① 无人机类型及续航里程 ② 影像地面分辨率与三维建模处理系统的性能 ③ 摄区相对高差
航迹规划流程
航线设计
1. 无人机类型及续航里程 ① 在无人机飞行作业时，飞机起降一般都在同一地点，为有效利用
确定航线方向
② 根据航飞天气确定相机相关参数
③ 根据测图精度确定地面分辨率（GSD）
④ 根据GSD计算航高
⑤ 根计算航飞参数与任务量
航迹规划流程
航线设计
航线设计涉及GSD、相机质量、飞机类型的建议要求 1. 影像GSD、飞机类型与搭载的相机 ① 影像GSD要求在2cm/px，建议选择多旋翼无人机和双相机
基于遗传模拟退火算法的无人机航迹规划
算法的概率突跳 特性 和遗传算 法强 大的快速搜索 能力 。仿 真结 果表 明， 使用该算法 无人机能够 自
动避开模拟数字地图的威 胁区 ， 搜索 出一条安全有效航迹 ， 并保证航线 的完整性 和最优性 。
关键词 ： 无人机 ； 航 迹规 划 ； 遗传模拟退火算法 ； 威胁 区
中 图分 类 号 ： Ｖ ２ ４ ９ ． １ ２ 文献标志码 ： Ａ
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． ２ ０ ９ ５—１ ２ ４ ８ ． ２ ０ １ ４ ． ０ １ ． ０ ０ ４
（ Ｆ ａ ｃ ｕ ｌ ｔ ｙ ｏ ｆ Ａｅ ｒ ｏ ｓ ｐ ａ ｃ ｅ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｓ ｈ ｅ ｎ ｙ ａ ｎ ｇ Ａ ｅ ｒ ｏ ｓ ｐ ａ ｃ ｅ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｓ ｈ ｅ ｎ ｙ ａ ｎ ｇ １ １ ０ １ ３ ６ ）
Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ｐａ ｔ ｈ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｉ ｓ ｏ ｎｅ ｏ ｆ ｔ ｈ ｅ ｃ ｏ ｒ ｅ ｔ ｅ ｃ ｈ ｎ ｏｌ ｏ ｇ ｉ ｅ ｓ ｏ ｆ ＵＡＶ ｍｉ ｓ ｓ ｉ ｏ ｎ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ． ＵＡＶ
文章编号 ： ２ ０ ９ ５—１ ２ ４ ８ （ ２ ０ １ ４ ） ０ １—０ ０ １ ６— ０ ４
基 于遗传模拟退火算法 的无人机航迹规划
基于遗传算法的无人机路径规划与优化研究
基于遗传算法的无人机路径规划与优化研究一、前言随着科技的发展，无人机的应用范围越来越广泛，无人机路径规划成为无人机应用技术的重要组成部分。
本文旨在探讨基于遗传算法的无人机路径规划与优化研究。
二、无人机路径规划1.无人机路径规划的定义无人机路径规划是指在空域中确定无人机从起飞点到终点的飞行路线，以及根据飞行任务需求制定执行任务的具体航线。
2.无人机路径规划的意义合理的无人机路径规划可以保证无人机在飞行过程中可靠、高效地执行任务，同时还可以提高任务完成效率和任务完成质量，减少无人机巡航时间和飞机制造成本等多方面的好处。
3.无人机路径规划的瓶颈无人机路径规划的复杂度很高，难以使用简单的规则来解决。
现有的最优化方法无法完全解决复杂的无人机路径规划问题。
因此，需要使用复杂的计算方法和算法来实现。
三、遗传算法1.遗传算法的定义遗传算法是一种模拟自然进化过程的优化算法，通过不断的评估和选择，模拟个体的遗传、变异和适应度，实现优化。
2.遗传算法的核心思想遗传算法的核心思想是基于群体智能的思想，通过不断进化，保留有效信息并消除不良个体，从而得到最优的解。
3.遗传算法的应用场景遗传算法可以应用于各种复杂问题的解决，包括机器学习、数值优化、智能优化等领域。
在无人机路径规划方面，也可以应用遗传算法进行优化。
四、基于遗传算法的无人机路径规划与优化研究1.基本思路基于遗传算法的无人机路径规划与优化研究的基本思路是，将无人机运动轨迹细化为一系列路径点，在路径点的选择、插值和优化上应用遗传算法，从而获得最优的飞行路径。
2.具体实现具体实现的步骤如下：首先，确定无人机的起点和终点，并对飞行区域进行精确的地图划分。
然后，将起点和终点之间的路径点作为基础点，进行路径插值，形成一系列路径节点。
接下来，将路径节点和最优化目标转化为适应度函数，经过选择、交叉和变异等遗传算子的作用，逐步优化目标，获得最优解。
3.优化效果与传统的优化方法相比，基于遗传算法的无人机路径规划与优化方法可以在充分考虑各种飞行条件、环境和系统性能的同时，优化无人机的飞行路径和飞行效率，提高空中巡航和地面监控任务执行的效率和成果，同时还能保证无人机的飞行安全性和运动稳定性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ 合肥工业大学 管理学 院， 安徽 合肥 ２０ ０ ） ３ ０ ９
摘
要： 文章根据遍布威胁的战场环境 ， 构造 了基 于威 胁源的 Ｖ ｒｎ ｉ 得到 规避威胁 的航迹 路线 ； ｏｏ ｏ 图， 综合各
种威胁 的强度信息 ， 计算出每条航迹路线的代 价 ； 最后采用 Ｄｊｓｒ 算法 ， ｉ ｔ ｋ ａ 搜索 出最优航迹路线 ， 并运 用 Ｃ 编
收 稿 日期 ：０ ８１ —２ ２ ０ —２１
性能指标函数的度量下是最优的， 即付出的代价最 小 。上述 给定 的条件理想情况 下一般是 固定 的 ， 但 是 在飞行过程 中， 中一些 可 能会发 生 变 化 ， 如 其 例
其 中 Ｖｏｏｏ 图算法 相 对 于其 他 算 法来 说 具 有 明 ｒｎｉ 显 的直观性和较强 的时间空间效率 ， 单个 飞行器 在 的航 迹规 划 中效 果 尤其 显 著 。本 文 在 Ｖｏｏｏ 图 ｒｎｉ 算 法 的基 础 上 ， 用 Ｄｊｓｒ 法 搜 索 出可 行 航 采 ｉ ｔ ｋ ａ算 迹 ， 迹进行 了优化 和仿 真 。 对航
第３ ３卷 第 ２期
２１ ０ ０年 ２月
合肥 工 业 大 学 学报 （ 自然科 学版 ）
Ｊ ＯＵＲＮＡＬ ＯＦ ＨＥＦ ＥＩＵＮＩ ＶＥＲＳ ＴＹ Ｉ ０Ｆ ＴＥＣＨＮＯＬＯＧＹ
Ｖｏ ． ３ Ｎｏ ２ １３ ．
Ｆｅ ．２ １ ｂ ００
高 速无 人 飞行 器 航 迹 规划 算 法 与仿 真
ｆ ｒ ｈｉ ｈ ｓ ｅ ｄ ｕ ｎ ｂ ｔ ｄ ａ ｒ ｖ ｈ ｃ ｅ ｏ ｇ — ｐ ｅ ｎｉ ｈａ ｉｅ ｉ ｅ ｉ ｌ ｓ
Ｚ ＵＯ ｈ ｎｒ ｎ ， ＤＵ ｎ ｌｉ Ｃ ｕ —ｏ ｇ Ｙｕ －ｅ
（ ｃ ｏ ｌ ｆＭａ ａ ｅ ｎ ，Ｈｅｅ Ｕｎｖ ｒｉ ｆ ｃ ｎ ｌｇ ，Ｈｅ ｅ ２ ０ ０ ，Ｃ ｉ ａ Ｓ ｈ ｏ ｎ ｇ ｍｅ ｔ ｏ ｆｉ ｉｅ ｓ ｙｏ ｈ ｏｏ ｙ ｔ Ｔｅ ｆｉ ３ ０ ９ ｈｎ ）
根据无 人机 的性 能 、 飞经 的地 理 环境 、 威胁 环 境 和
政治条件等 因素 ， 已知或潜在 的 目标规划 出若 干 对 条满足要求 的航迹 。针对这个 问题 ， 主要 的算法有
Ａ 算法［ 、 引 遗传算法ｒ ］蚁群算法［ 、 ｏｏｏ 图 ４、 引 Ｖ ｒｎｉ 算法［ 、 ］人工势场算 法［ 以及神 经 网络 算法［ 等 。 ］ 。 ］
航迹 规划技术 是 实现 无人 飞行 器 自主 飞行 的
一
项关键技术 ， 该技术 对于增
高速无人飞 行器 的航 迹规 划 问题 一般 可 以描 述 如下 ： 给定起点 ； 一组 要 服从 的 限制条 件 ， ① ② 如机动能力 、 续航 能力等 ； 一 组需要 执行 任务 的 ③ 目标区域 ； 一组威 胁或 障碍区域 ； 终点 。要 求 ④ ⑤
寻找一条穿过 目标区域 的可 飞行航迹 ， 而且在某 种
能力和提高执行任务效率， 都具有非常重要 的意 义， 因此无 人飞行器航迹 规划 问题 引起 许多 学者 的 关 注［ ］ １ 。航迹 规划 指 的是在 起 始点 、 卫 目标 点 和一
些威胁 点确定 后 的航迹 优 化 问题 。其 基本 功 能是
Ｄｊｓｒ ｌｏｉ ｍ ｓｄｔ ｅｒｈｔ ｅｏ ｔ ｌ ｏ ｔｓ ｈ ｉ ｌ ｉｎ ｉ ｃｍｐｅｅ ｎ ｅ ｉ ｔａａｇ ｒ ｈ ｉ ｕ ｅ ｏｓａｃ ｈ ｐｉ ｕ ｅ．Ｔ ｅｓ ｋ ｔ ｓ ｍａ ｒ ｍｕａ ｏ ｏ ｌｔｄ ｕ ｄ ｒＣ＃ ｐａ— ｔ ｓ ｌ ｔ
ｆ ｒ ｎ ｈ ｉ ｕａ ｉｎ ｒ ｓ ｌ ｉ ｒ ｓ ｎ ｅ ｎ ｇ ａ ｈ ｆ ｒ ｏ ｍ ａ ｄ ｔ ｅｓｍ ｌｔｏ ｅ ｕ ｔ ｓｐ ｅ ｅ ｔ ｄｉ ｒ ｐ ｏ ｍ． Ｋｅ ｒ ｓ ｈ ｇ － ｐ ｅ ｎｎ ａ ｉｅ ｉ ｖ ｈ ｃｅ ；Ｖｏ ｏ ｏ ｉｇ ａ ；ｒ ｕ ｅｐ ａ ｎｎ ｙｗｏ ｄ ： ｉｈ ｓ ｅ ｄ ｕ ｉｈ ｂｔｄ ａｒ ｅ ｉｌｓ ｒ ｎ ｉ ａ ｒｍ ｄ ｏ ｔ ｌｎ ｉｇ；ｒ ｕ ｅｃ ｓ ｏ ｔ ｏ ｔ
制图形化界 面 ， 实现了仿真结果的图形显示
关键 词： 高速无人 飞行 器 ； ｒｎ ｉ ； Ｖｏｏ ｏ 图 航迹规划 ； 航迹代 价
中图分 类号 ： Ｐ ９ ． Ｔ ３ １９ 文献标识码 ： Ａ 文章编号 ：０ ３５ ６ （０ ００ —２ ８０ １０ —０ ０ ２ １ ）２０ ０ —４
Ｓ ｕ ｙ ｏ ｏ ｔ ａ ｎｉ ｌ ｏ ｉｈｍ ｎ ｉ ｕ ａ ｉ ｎ ｔ ｄ ｆ ｒ ｕ ｅ ｐｌ ｎ ｎｇ ａ ｇ ｒ ｔ ａ ｄ ｓ ｍ ｌ ｔｏ
Ａｂ ｔａ ｔ Ａ ｒ ｎ ｉｄａ ｒ ｍ ｓｃ ｎ ｔｕ ｔ ｄ ｉ ｈ ｓｐ ｐ ｒｂ ｓ ｄ ｏ ｈ ａ ｔｅｉｌ ｎ ｉｏ ｍｅ ｔｆ ｌ ｏ ｓｒ ｃ ： Ｖｏ ｏ ｏ ｉｇ ａ ｉ ｏ ｓｒ ｃｅ ｎ ｔ ｉ ａ ｅ ａ ｅ ｎ ｔ ｅ ｂ ｔｌｆｅｄ ｅ ｖｒ ｎ ｎ ｕ ｌ ｆ ｔ ｒ ａ ｓ Ｔｈ ｒ ｎ ｉ ｉｇ ａ ｙｅｄ ｈ ｐ ｉ ａ ｏ ｔ ｓｔ ｒ ｖ ｌ ｍ ｏ ｇ ａｓ ｔ ｆｔ ｒ ａ ｏ ｒ ｅｐ ｉｔ ｏ ｈ ｅ ｔ． ｅＶｏ ｏ ｏ ａ ｒ ｍ ｉｌ ｓｔ ｅｏ ｔ ｌ ｕ ｅ ｏｔａ ｅ ｄ ｍ ｒ ａ ｎ ｅ ｈ ｅ ｔｓ ｕ ｃ ｏｎ ｓｔ ｏ ａ ｏｄｔ ｅｔ ｒ ａ ｓ ｖ ｉ ｈ ｈ ｅ ｔ．Ｂｙｉ ｔｇ ａｉ ｇｔ ｅｔ ｒ ａ ｔｎ ｉｙ ｉｆ ｒ ｔｏ ｅ ｒ ｔ ｈ ｈ ｅ ｔｉ ｅ ｓｔ ｏ ｍａ ｉｎ，ｔ ｅｃ ｓ ｆｅ ｃ ｏ ｔ ａｃ ｌｔ ｄ ｎ ｎ ｎ ｎ ｈ ｏ ｔｏ ａ ｈ ｒ ｕ ｅｉ ｃ ｌｕ ａｅ ． ｓ