基于改进蚁群算法的多机协同突防航迹规划方法研究

论文摘要

面向多机协同突防的航迹规划技术对于提高作战飞机突防能力具有重要现实意义。随着防空武器装备的发展,战场威胁环境具有更强的危险性、不确定性,作战任务约束具有更明显的多样性,使得多机协同突防面临的任务环境更加复杂,突防航迹规划更加困难。针对于此,本文主要研究了以下问题:1、多机协同航迹规划问题分析与建模。在考虑地形遮蔽因素的基础上对由各种威胁源组成的综合威胁空间进行了分析与建模,设计了区域通视性检测指标,能够对不确定性威胁分布进行有效评估;通过对传统地形平滑处理技术的改进,设计了三维空间地形跟随飞行高度预估算法,将三维空间的航迹规划问题转化为二维空间的航迹规划问题;在综合考虑终端任务约束、时间任务约束两种常见任务约束,以及飞行器机动性能、多机协同等约束条件的基础上,构造了多约束条件下的多机协同航迹规划问题模型,为进一步研究求解方法奠定了基础。2、基于改进蚁群算法的航迹规划方法研究。针对蚁群算法存在早熟收敛的缺点,综合考虑信息素更新过程中解的目标函数值和空间分布特性,设计了基于免疫机制的多样性选择算子,以保证种群的多样性。针对当前带终端任务约束和时间任务约束的航迹规划问题各种求解方法中存在的不足,根据突防飞行面临的多任务约束特征,在蚁群算法框架下,分别设计了双向搜索机制和Hopfield神经网络飞行时间预估算法,使改进后的蚁群算法能够很好地满足各种约束条件。3、基于协同进化机制的多机协同航迹规划问题求解。设计了基于协同进化的多机协同航迹规划求解框架,将高维、大规模的多机航迹规划问题分解为了多个低维、小规模的单机航迹规划子问题;各子问题通过协同和迭代优化以获得全局最优或较优解,其中各个子问题之间的协同包括时间协同约束、空间协同约束、综合协同航迹代价计算三方面内容;设计了多蚁群协同进化算法,通过多个蚁群的进化与协同,实现了多机协同航迹的规划。本文提出了一种多机协同突防航迹规划问题的求解方法,在某飞行器任务规划系统平台的基础上设计了航迹规划组件,在实践中得到了应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.2.1 飞行器航迹规划研究现状
• 1.2.2 多机协同控制研究现状
• 1.2.3 蚁群算法研究现状
• 1.3 论文主要工作
• 1.4 论文组织结构
• 第二章 多机协同突防航迹规划问题分析与建模
• 2.1 飞行器低空突防复杂任务环境分析
• 2.2 综合威胁空间分析与建模
• 2.2.1 战场威胁实体分析
• 2.2.2 区域通视性检测与不确定性威胁评估
• 2.2.3 综合威胁评估模型
• 2.3 地形跟随飞行高度的预估
• 2.4 多机协同航迹规划问题建模
• 2.4.1 规划空间以及飞行约束分析
• 2.4.2 多机协同作战任务约束分析
• 2.4.3 多机综合协同航迹代价模型
• 2.4.4 多机协同航迹规划模型
• 2.5 本章小结
• 第三章 基于改进蚁群算法的航迹规划方法研究
• 3.1 基于蚁群算法的航迹规划方法介绍
• 3.2 蚁群算法求解航迹规划问题的不足
• 3.3 基于多样性免疫选择算子的蚁群算法改进
• 3.3.1 免疫算法基本概念
• 3.3.2 多样性免疫选择算子
• 3.4 双向搜索蚁群算法设计
• 3.4.1 双向搜索机制
• 3.4.2 双向搜索蚁群算法
• 3.5 基于Hopfield 神经网络的飞行时间预估
• 3.5.1 基于Hopfield 神经网络的数值势场构建
• 3.5.2 状态转移中启发信息的计算
• 3.6 基于改进蚁群算法的航迹规划方法
• 3.7 仿真实验与结果分析
• 3.7.1 实验一：算法效率检测实验
• 3.7.2 实验二：处理航迹终端约束仿真实验
• 3.7.3 实验三：综合处理时间约束和终端约束仿真实验
• 3.7.4 实验四：处理不确定性威胁验证实验
• 3.8 本章小结
• 第四章 多机协同航迹规划的协同进化方法研究
• 4.1 问题描述
• 4.2 多机协同进化航迹规划求解框架
• 4.3 多机协同任务处理
• 4.3.1 时间协同约束处理
• 4.3.2 空间协同约束处理
• 4.3.3 综合协同航迹代价模型
• 4.4 多蚁群协同进化航迹规划求解算法
• 4.5 仿真实验
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果