针对平行航路的改航路径规划研究

当前的改航路径规划研究缺少结合空域结构进行因地制宜的分析,对此,针对平行航路设计了相应的改航路径规划方法。首先将栅格环境和动态规划法相结合设计了一种新的单机改航路径规划方法。然后以该方法为基础,针对平行航路改航可能面临的问题,在充分考虑飞行安全性和经济性后,设计了相应的改航优先权分配机制来解决这些问题。最后以西南地区新开通的成拉复线为对象进行算例仿真。仿真结果表明,相比基于几何算法的改航路径规划方法,该方法可以在保障飞行安全的基础上,减少5%的航程,降低8%的燃油消耗量。因此,该方法为可用于平行航路的一种安全、经济的改航路径规划方法。     

改进A*算法的物流无人机运输路径规划

针对低空环境下物流无人机运输路径规划问题,综合考虑低空规划空域、物理性能等内外限制,设计了一种改进A~*算法用以快速解算路径。该算法以栅格法飞行区域建模为基础,为适用无人机航空物流运输,在成本函数中引入栅格危险度并增加飞行时间、能源消耗等代价,同时采用动态加权法对估计函数的权值赋值。在既定的路径规划环境及物流无人机性能约束下,仿真结果表明:该算法能快速规划出危险度小、能耗少的避障运输路径,且性能相比原算法、蚁群算法优;并得出最佳路径所对应的栅格粒度大小与代价权重值取值,验证了本算法的有效性。     

基于ICP算法的无人方程式赛车路径规划

提出适合无人方程式赛车的路径规划算法,利用迭代最近点方法,将参考点集与当前点集进行迭代计算,得到两点集之间的关系函数,参考轨迹点集通过关系函数转换成赛车当前行驶轨迹点集。利用MATLAB进行无人方程式赛车的路径规划仿真,结果表明:该算法能较好地规划出赛车行驶轨迹,路径曲线平滑。     

基于改进人工势场法的车辆路径规划与跟踪控制

针对采用传统人工势场法进行车辆路径规划时易造成局部极小值与目标不可达的问题,通过改变斥力函数并增加车道边界约束条件函数的方式改进传统人工势场法,进行车辆路径规划。采用模型预测控制(model predictive control, MPC)算法跟踪控制改进人工势场法生成的规划路径,采用软件CarSim与Simulink搭建联合仿真模型对路径跟踪效果进行仿真试验。结果表明：改进人工势场法路径规划合理有效;跟踪路径与规划路径的横向误差小于0.4 m。改进人工势场法和MPC算法应用于无人驾驶车辆的路径规划与跟踪控制具有可行性。     

基于低空风预测模型的救援航迹修正规划方法

针对低空救援航迹易受到侧风影响难以获得准确的航迹规划路径问题,采用数据融合方法预测低空风,修正航空器的低空规划航迹.首先,将飞行区域内的国际交换站作为观测点,通过应用基于无迹卡尔曼滤波（UKF）的数值气象预报释用技术,将观测点的风速、风向记录数据与预报值进行融合,建立低空风预测模型;其次,利用该模型,校正预报数据的系统误差,得出修正的风预测值;最后,结合航空器的爬升率、巡航速度等性能参数与所经航路点的风速、风向信息,依据速度矢量合成原理,修正各航路点的过点时刻.仿真实验表明,与传统的卡尔曼滤波预测方法相比,由UKF方法预测得到的风速、风向RMSE分别减少了12.88%与17.50%,对初始规划航迹的修正更为精确.      

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

动态规划算法在最优航路规划中的应用

通过对船舶最优航路概念的分析,提出了一种基于动态规划算法的船舶最优航路规划。实现了船舶最优航线的自动生成,不仅可大大减轻航海作业人员的工作强度,同时也能增强航线的安全性和可靠性．     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

基于混合修正策略的随机时间车辆路径优化方法

针对带有随机旅行时间、随机服务时间及时间窗约束的车辆路径问题,建立了带修正策略的随机规划模型,并给出了两阶段求解方法.第一阶段运用改进遗传算法获取先验路径,第二阶段采用两种混合修正策略(分别记为A、B)调整"失败"的先验路径.混合修正策略A(B)通过随机模拟实验判断对当前顾客的延迟服务(对下一顾客的服务)是否会对该路径后续顾客造成大规模延迟服务,并采取相应的调整措施.基于Solomon算例进行了仿真实验,对小规模算例将仿真结果同CPLEX求解结果作对比;对大规模算例将仿真结果同已知最优解作对比.结果 表明:所给算法可获得小规模算例的精确解,大规模算例的近似最优解.同时,对比不同策略下的仿真结果表明两种混合修正策略具有优越性,研究结果对随机车辆路径问题的求解具有一定的参考意义.     

基于Maklink 图和遗传算法的改航 路径规划方法研究

为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区.采用已 有的以改航路径最短为目标,以航段最小距离、避开危险区、转弯角度等为约束条件的规 划模型,设计了3 阶段方法研究改航路径规划.首先应用Maklink 图和Dijkstra 算法规划一 条能够避开危险区的路径,接着应用遗传算法优化路径,最后进行路径调整以满足约束 条件.算例仿真结果显示,应用本文方法得到的改航路径长度较短,转弯次数少、转弯角度 小,计算效率高.仿真结果说明,应用本文提出的方法获得的改航路径满足目标和约束要 求,验证了该方法的可行性和有效性.     

视觉伺服机器人视界内的直接路径规划

建立了GRB-400单目视觉伺服机器人的图像雅可比矩阵，针对此动态双环系统设计了控制算法使视觉伺服闭环运动控制系统稳定．根据视觉伺服闭环运动控制系统的需要，提出了最速下降法与惩罚函数法相结合的平面规划方法,在机器人的视界内解决一定时间内最小能量的路径规划问题．仿真与实验结果表明。机器人根据在其视觉范围内的目标物体的位置即可采用上述方法确定优化的路径。     

蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

基于动态网格模型的航线自动生成算法

为了充分利用电子海图信息,进行航线设计,提出了基于动态网格模型的航线自动生成算法。采用一个判断网格模型中方格可航性的快速算法,对方格的可航性进行分类;给出了一个有效地使用8个字节表示邻接方格8个方向的编码方法,使邻接方格的连通性与字节的逻辑操作相对应;提出了网格路径权序列均匀度概念,给出了距离等长路径的优选方法,分析了路径与所对应的实际航路长度的差异;基于二分查找法,求出航线上所有转向点的路径方格序列。研究结果表明:基于动态网格模型所生成的航线可避开危险的障碍物,是合理、安全的。     

基于行程多路径的航空公司航班频率优化

将航空运输网络抽象为多层级网络结构, 构建了确定航空公司某一城市对某条路径航班频率的两阶段规划模型: 第一阶段从旅客选择行为的角度, 考虑旅客对旅行时间、过站时间、计划延误时间、票价等因素的价值感知, 构建旅客旅行负效用函数, 进而基于多项式Logit模型构建计算旅客选择某个航空公司某个城市对某条路径概率的旅客路径选择模型; 第二阶段从航空公司的角度, 以总收益最大化为目标函数, 基于行程多路径, 并考虑航空公司总运力限制, 尽可能地让每条路径的运力供给等于需求, 构建了确定路径航班频率的线性规划模型; 提出了求解两阶段模型的迭代算法。研究结果表明: 提出的算法能够在8次迭代之后达到收敛, 可以在较短的时间内得到最优解; 随着算法的收敛, 构建的两阶段规划模型在航线存在市场竞争且整体运力不足的情况下优先将运力安排到收益最高的航线上, 提升航空公司整体收益; 对于包含多个航节的航线, 构建的两阶段模型更能体现旅客选择行为在航班频率配置中发挥的作用; 对于包含一个航节的航线, 需求随航班频率的变动幅度较小, 随着迭代次数的增加, 需求航班频率弹性系数逐渐变小, 对于包含多个航节的航线, 在航线总需求一定的情况下, 需求随航班频率的变动幅度较大, 由于市场竞争存在航班频率不变需求骤减的情形。可见, 所提出的模型和算法能够有效提升航空公司收益。      

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法。通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人驾驶车环境,随机生成不同地图面积和障碍物出现率的车辆仿真栅格地图,比对传统蚁群算法和双向蚁群算法的实验效果。结果表明:双向蚁群算法的迭代次数和求解时间明显减少,在加快收敛速度、提高全局搜索能力以及避免局部最优方面有较大改进。     

航天器有限推力轨道转移的轨迹优化方法

为使小推力发动机航天器在航行中实现轨道快速机动并有效节省燃料,提出了基于拟谱法的航天器轨道转移轨迹优化方法.采用改进的赤道轨道根数,基于高斯动力学方程建立了航天器轨道转移过程的数学模型,克服了经典轨道根数当偏心率为0, 或者轨道倾角为0 或90时的奇异问题,给出了航天器轨道转移燃料最优性能指标函数以及终端约束和路径约束条件;采用拟谱法,将原始的连续最优控制问题转化为非线性规划问题;利用SNOPT(sparse nonlinear optimizer)算法求解最优轨迹,并提出了具体设计步骤和方法. 仿真结果表明:与fmincon优化方法相比,发动机最大推力为20 N时,本文的优化方法寻优时间减少61%,节省燃料18%.