基于蚁群算法的水下无人平台航路规划

水下无人平台具有重要的军事价值,而航路规划是水下无人平台的关键技术。为了解决当前水下无人平台航路规划方法存在的规划时间长、无法获得最优规划航路规划结果的不足,提高规划航路规划效果,提出了基于蚁群算法的水下无人平台航路规划方法。首先建立水下无人平台航路规划问题的数学模型,给予水下无人平台航路规划的约束条件,然后建立水下无人平台航路规划的环境模型,并引入蚁群算法找到最优水下无人平台航路规划方案,最后对本文水下无人平台航路规划方法的性能进行了验证性测试。结果表明,相对于其它规划方法,蚁群算法不仅可以在短时间内找到最优水下无人平台航路规划方案,而且成功率更高。     

基于改进蚁群算法的水下潜航器安全隐蔽航路规划研究

针对水下潜航器的特点和实际需求,设计潜航器安全隐蔽航路规划模型。首先对水下航路规划的影响因素集进行划分,结合水下潜航器特点,通过改进信息素更新机制及启发因子的设计,建立基于蚁群算法的潜航器全局航路规划模型;其次考虑敌我距离变化量、我方位置与目标点的距离、我方声呐盲区、敌我距离最小量作为代价函数的4个因数,建立单目标动态威胁的局部航路规划;最后通过仿真得到全局规划路径和局部避碰路径结果,说明该方法在水下潜航器航路规划具有实际应用价值。     

一种能有效规避威胁区的双层A^＊路径规划算法

针对路径规划中A^＊算法遇到威胁区易陷入局部搜索的问题,对扩展点的估计代价计算方式进行了改进,提出了一种基于A^＊的双层A^＊规划算法。在该算法的双层机制中,第一层规划的扩展点估计代价用第二层规划的结果来计算,使得搜索过程中扩展结点的估计代价更接近于真实代价,从而得到该结点更加准确的全代价值,引导算法向更合适的方向扩展,提高了搜索效率。实验表明：在较复杂的规划空间中,该算法能有效解决A^＊算法遇到威胁区陷入局部搜索的弊病。     

基于蚁群算法的舰船避险航路规划

采用蚁群算法研究舰船避险航路规划问题,利用栅格法将航行海区进行细分,建立舰船避险航路模型,进而求算优化解。仿真结果表明,蚁群算法求解舰船优化航路具有较强的稳定性和鲁棒性。     

基于遗传算法的远程鱼雷航路规划

简要介绍了远程鱼雷航路规划的基本含义及特性,根据威胁及障碍分布情况构造可能航行的航路集Voronoi图,采用遗传算法进行远程鱼雷航路优化选择。并对算法进行了相应的仿真,仿真结果表明,编码方式提高了优化效率,得到的航路有效地规避了威胁。     

基于RRT*算法的水下机器人全局路径规划方法

针对海洋环境的复杂性,考虑水下机器人能量的局限性,为减小洋流环境中作业全程水下机器人的能量消耗,以某水下机器人为研究对象,设计实现基于RRT*的路径最短和能耗最低的路径规划算法;并进行包括RRT*算法和RRT算法在复杂环境下的对比、不同洋流流速环境中水下机器人路径最短和能耗最低路径规划的仿真模拟。最后在水池中,利用实验室现有的水下机器人平台进行了真机实验。仿真测试和真机实验结果表明:所设计的基于RRT*的路径最短和能耗最低的路径规划算法可行有效。     

基于免疫遗传算法的水下无人平台航路规划

为克服遗传算法在水下无人平台航路规划应用中存在的问题,提出了基于免疫遗传算法的水下航路规划问题.仿真结果表明,这种算法能够有效地提高航路规划的计算速度和保证航路规划的质量.     

基于A＊算法的地空导弹部队机动路线选择模型研究

针对地空导弹部队的任务和特点,在分析地空导弹部队机动过程中所遇到的各种影响因素的基础上,提出了基于A＊算法的地空导弹部队机动路线选择模型。并根据地空导弹部队机动的特点提出了A＊算法的改进方法,同时给出了机动路线影响因素的量化方法,并建立数学模型,结合实例进行验证,为解决地空导弹部队机动过程中的路线选择问题提供了一条新的思路。     

大范围环境下自主式水下潜器两种全局路径规划方法的研究

应用遗传算法(GA)和A·算法对自主式水下潜器(简称AUV)在大范围海洋环境中的全局路径规划问题进行了研究.介绍了基于栅格的环境模型及其数据结构,讨论了GA的染色体编码方式、基于知识的初始种群生成方法与适应度函数,基于领域知识设计了五种遗传算子,给出了A·算法的具体实现方法.通过仿真结果可以看出:GA采用可变长编码方式使路径描述简单、清晰,具有收敛速度快、求解实际问题效率高的特点;A*算法可在较短时间内求得相对栅格优化的路径.两种算法均可满足系统实时性要求.     

基于船舶火灾蔓延态势的路径规划算法研究

船舶作为海上一个独立的建筑实体,非常容易发生火灾。本文以63500DWT油船船舱作为研究对象,通过对火灾蔓延模拟仿真实验数据进行图表分析,得出了在不同工作条件下在固定检测点位置的温度,CO浓度和烟气浓度变化规律。对基于火灾实时态势的导航网格动态生成方法以及对应的逃生路径规划方法进行研究,得出动态更新导航网格的具体算法,并对传统A*算法路径节点选择问题进行改进,得出适应船舱火灾蔓延信息的最短逃生路径规划算法,通过实验验证,该算法寻路效率更优。     

基于链接图法和遗传算法的航路规划

航迹规划对军用飞行器完成任务具有重要的意义。链接图的特点是简单明了，文章针对链接图法进行航路规划的不足，使用遗传算法进行再次优化，使该航路满足了性能要求。最后给出了仿真，反正结果表明该方法的可行性。     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.     

基于改进蚁群算法的邮船舱室模块移运路径规划

针对大型邮船舱室模块运输过程中存在的移运路线长、路线混乱、舱室模块易与障碍物发生碰撞等问题,提出应用加入动态搜索模型的蚁群算法对邮船舱室模块进行路线规划,为运输舱室模块提供清晰、便捷的移运路线。对主竖区的障碍物进行分析,建立模拟实际工况的栅格地图,采用改进蚁群算法寻找移运路径。对不同位置所经过的栅格地图和蚁群数量进行动态调整。采用模拟退火算法寻找蚁群算法的参数。采用离散点分析确定移运路径的主、支通道。仿真试验结果表明,应用改进蚁群算法建立主、支通道进行舱室移运模块可有效提高舱室模块的运输效率。     

军用飞行器低空突防航路规划算法分析

通过分析军用飞行器低空突防航路规划算法应满足的条件及特点,阐述了目前国内外正在研究和应用的几种航路规划算法：动态规划法、启发式A^＋搜索法、遗传算法、蚁群算法等,并分别指出了其优缺点。最后简要总结低空突防航路规划算法的发展方向。     

舰艇近程防空武器的优化分配算法

依据武器对目标的杀伤性能,提出了一种舰艇近程防空武器实时动态分配算法.算法采用贝叶斯网络处理不确定凶素,采用任意时间规划策略解决实时性问题.仿真实验结果表明,该算法实时性好,能有效提高武器的使用效率.     

基于RRTConCon算法的船舶装配拆卸高斯采样路径规划

船舶舱室内的零部件在进行装配拆卸时,需要依据正确可行的路径进出装配体,通常采用路径规划的方法确定拆装路径。针对RRTConCon算法是采用随机采样的方法选取位姿点,在解决船舶舱室内狭窄通道的路径规划上效率不高的问题,提出了一种基于高斯采样的RRTConCon算法(RRTGaussion),采用高斯分布函数进行分区采样:在大的开阔区域设置较少的采样点,在复杂区域或狭窄通道设置较多的采样点,然后进行局部规划,找出拆装路径。通过在虚拟环境中对该算法进行仿真验证,结果表明,该算法在解决船舶舱室中狭窄通道的路径规划问题上效率高于RRTConCon算法。     

AUV任务规划技术的研究

任务规划技术是水下机器人使命任务能否完成的关键，介绍了项目所研制的水下机器人体系结构、远程作业任务规划、路径规划的方法，给出试验结果验证了路径规划算法的有效性。     

基于虚拟势场理论的AUV局部路径规划方法

针对自治式水下潜器（AUV）局部路径规划问题，基于虚拟势场理论研究，提出了虚拟力概念，并设计了一种改进型虚拟势场局部规划算法，解决了经典虚拟势场能算法中存在的零合力与U型障碍的局部极小问题：当AUV陷入局部极小时通过调用相应的逃避算法来摆脱局部极点。仿真结果验证了该算法对于克服虚拟势场能中存在的局部极点的有效性和可行性。