论文部分内容阅读
由于无人机(UAV)的零人员伤亡,成本低,生存能力强,机动性好,使用性强等特性,使得其在在现代战争中有极其重要的作用,在民用领域更有广阔的应用前景;近年来,UAV技术引起了世界范围内的广泛关注和研究热潮。智能化程度是衡量UAV性能的主要指标之一。无人机航路规划作为UAV任务规划系统中一个重要组成部分,对实现无人的自主飞行,使UAV顺利完成飞行使命起着关键作用。所以预先在UAV执行飞行任务侦察区域内,就该区域内的侦察目标、低空飞行时的山体障碍、地面火力布控等威胁情况,给无人机规划出一条实际可行的飞行航路,使UAV跟踪规划好的飞行航路完成飞行任务,这样可以减小UAV被敌发现和减少UAV飞行代价,从而显著提高UAV的生存能力和侦察效率。本论文的研究内容和成果如下:(1)提出将量子粒子群算法应用于UAV航路规划中。量子粒子群算法克服了UAV参考航迹规划中全局最优与信息处理量之间的矛盾;该算法增强了基本粒子群粒子个体之间的信息交流,克服了群体粒子盲目的随机搜索,加快粒子收敛速度。克服了经典粒子群算法中参数选择问题以及粒子群算法易陷入局部极值问题。(2)研究了UAV不规则威胁体回避技术,解决圆形和凸多边性(不规则体)威胁体的回避问题。传统对威胁体的规避,往往把所有威胁体等同化,即相同威胁体的路径规划。但是实际无人机侦察环境存在的是不同潜在威胁体。因此,基于相同威胁体的路径规划显然与实际侦察环境存在较大差距,而研究基于不同威胁体的路径规划则更接近实际,更具有现实意义。为了准确把握不同威胁体在局部范围内对UAV的威胁程度,本文从理论上研究了局部威胁区域内的飞行路径选择原则,提出了不规则威胁体的回避方法。(3)将威胁模型与飞行距离统一量化来衡量测定航路可行性能。对UAV常规飞行航路和多目标点飞行侦察航路两种情况进行研究,将飞行距离和威胁惩罚作为适应度函数。使得飞行路线实际可行且飞行代价最小。针对UAV低空突访的特点,建立UAV飞行环境和航路规划模型,文中目标函数主要考虑地面防空威胁与飞行距离这两个主要因素,同时将UAV飞行空间二维化,降低实验难度,利于仿真计算,给出了各个算法相应的仿真结果。