CN115203986B - 不规则责任区空基探测平台空域配置方法 - Google Patents
不规则责任区空基探测平台空域配置方法 Download PDFInfo
- Publication number
- CN115203986B CN115203986B CN202211120565.4A CN202211120565A CN115203986B CN 115203986 B CN115203986 B CN 115203986B CN 202211120565 A CN202211120565 A CN 202211120565A CN 115203986 B CN115203986 B CN 115203986B
- Authority
- CN
- China
- Prior art keywords
- detection platform
- airspace
- space
- area
- responsibility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Genetics & Genomics (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
Abstract
本发明公开了一种不规则责任区空基探测平台空域配置方法,包括以下步骤:基于空基探测平台安全和发挥空基探测平台的探测效能,确定安全巡逻空域;对空基探测平台实时探测区域进行初始化赋值;基于启发式算法,以稳定覆盖度评估准则进行判别,对空基探测平台架数进行第一次空域配置寻优,并划设相应的责任子区;基于第一次空域配置寻优结果,基于启发式算法、可用空域下的空域配置寻优约束条件和探测效能评估指标,对遂行责任区进行第二次空域配置寻优,获取最优空基探测平台空域配置方案。本发明构建空基探测平台空域配置优化模型,采用启发式算法进行寻优,可高效精准的给出不规则责任区的空域配置方案,提高空域配置效率和探测精度。
Description
技术领域
本发明属于空域分配技术领域,更具体地,涉及一种不规则责任区空基探测平台空域配置方法。
背景技术
空域是航空器运行的环境,也是国家的宝贵资源。现有的空基探测平台空域探测责任区空域配置方法主要针对矩形责任区等规则形状的责任区,对不规则责任区而言,很难确定空基探测平台架数和责任区的责任子区的顶点及责任子区,因此,现有的空基探测平台空域配置方法对不规则多边形责任区并不完全适用。
在实际情况中,责任区一般为不规则多边形,对空基探测平台进行有效的空域配置(阵位选择和航线规划),充分发挥其应有的探测效能,以弥补地面或海上平台探测设备对低空目标探测能力的不足,将具有重要的现实意义。启发式算法可应用于不规则责任区的空基探测平台有效的空域配置问题。
基于上述问题,本发明提出一种基于启发式算法的不规则责任区空基探测平台空域配置方法。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供一种不规则责任区空基探测平台空域配置方法,以有效遂行不规则责任区探测任务为前提,以稳定覆盖度作为第一评估准则,空基探测平台探测效能作为第二评估准则,结合空基探测平台雷达装备特点,构建空基探测平台空域配置优化模型(阵位选择、航线规划),采用启发式算法进行寻优,得到最优空基探测平台空域配置方案,本发明的方法可高效精准的给出不规则责任区的空域配置方案,提高空域配置效率和探测精度。
为实现上述目的,本发明提供一种不规则责任区空基探测平台空域配置方法,包括以下步骤:
S100基于空基探测平台安全和发挥空基探测平台的探测效能,确定安全巡逻空域;
S200基于双平行线巡逻航线,对空基探测平台实时探测区域进行初始化赋值;
S300基于启发式算法,以稳定覆盖度评估准则进行判别,对空基探测平台架数进行第一次空域配置寻优,得到第一阶段寻优的空域配置方案,并划设相应的责任子区;
S400基于第一次空域配置寻优结果,基于启发式算法、可用空域下的空域配置寻优约束条件和探测效能评估指标,对遂行责任区进行第二次空域配置寻优,获取最优空基探测平台空域配置方案。
进一步地,所述S400之后还包括:
S500根据空基探测平台探测效能最优方案的每架空基探测平台直飞航线长度、转弯直径、航线倾角和阵位坐标点,计算其巡逻航线上重要转弯点坐标,并绘制空基探测平台空域配置部署图。
进一步地,所述S300具体包括:
S340确定责任子区顶点:
当满足任一项以下情形时,确定为责任子区顶点:
1) 处于空基探测平台实时探测区内的责任区顶点,确定为责任子区顶点;
S350划定各空基探测平台责任区子区:
按照第架空基探测平台中包含的责任区顶
与与之相邻最近的空基探测平台形成的S340中2)、
3)、4)的责任子区顶点所围成的区域,是第架空基探测平台所负责空情保障
的责任子区;按此规则,划分得个责任子区;
S360确定各空基探测平台实时探测区域可用空域:
进一步地,所述S320中稳定覆盖度评估准则为:
进一步地,所述S330具体包括:
所述紧凑准则为:
进一步地,所述稳定覆盖度评估准则为:
进一步地,所述S400具体包括:
S410初始化:设置为空基探测平台遂行责任区;为第架
空基探测平台实时探测区域面积实施探测可用空域,架空基探测平台最优稳
定覆盖度最大迭代次数,架空基探测平台空域配置优化最大迭代次数,
空基探测平台航线倾角初始值(即第一次寻优空基探测平台空域配置优化方案中空基探测平台航线倾斜角)和步进值,空基探测平台直飞航线和转弯直径的初始值、和增大步进值、。
最优稳定覆盖度评估准则为:
S430应用启发式算法进行空域配置寻优,获取最优空基探测平台空域配置方案。
进一步地,所述S430具体包括:
进一步地,所述空域配置寻优约束条件为:
进一步地,所述S200包括:
其中,和分别是空基探测平台最短直飞距离和最短转弯直径;为空基探测平台转弯飞行速度;g为重力加速度;为空基探测平台确保目标跟
踪连续时的最大转弯转角;是空基探测平台直飞速度,是空基探测平台数据率,是空基探测平台能进行点迹关联起批的最少目标回波点迹数;
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1.本发明的不规则责任区空基探测平台空域配置方法,以有效遂行不规则责任区探测任务为前提,以稳定覆盖度作为第一评估准则,空基探测平台探测效能作为第二评估准则,结合空基探测平台雷达装备特点,构建空基探测平台空域配置优化模型(阵位选择、航线规划),采用启发式算法进行寻优,得到最优空基探测平台空域配置方案,本发明的方法可高效精准的给出不规则责任区的空域配置方案,提高空域配置效率和探测精度。
附图说明
图1为本发明空基探测平台安全巡逻空域示意图;
图2为本发明巡逻航线最大容忍条件下的空基探测平台实时探测区示意图;
图3为本发明责任子区顶点示意图;
图4为本发明各空基探测平台责任子区分布图;
图5为本发明各空基探测平台实时探测区域可用空域分布图;
图6为本发明最优空基探测平台空域配置方案示意图;
图7为本发明两点交叉示意图;
图8为本发明不规则多边形责任区示意图;
图9为本发明空基探测平台最优阵位配置(覆盖度99.12%)示意图;
图10为本发明第一阶段寻优责任子区划分示意图;
图11为本发明第一阶段寻优实时探测可用空域分布图;
图12为本发明第二阶段寻优空基探测平台航线优化结果图(覆盖率99.41%);
图13为本发明遗传算法效能与种群数关系图;
图14为本发明遗传算法收敛曲线图;
图15为本发明遗传算法稳定性分析示意图;
图16为本发明的不规则责任区空基探测平台空域配置方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图16所示,本发明提供一种不规则责任区空基探测平台空域配置方法,包括以下步骤:
S100基于空基探测平台安全和发挥空基探测平台的探测效能,确定安全巡逻空域;
S200基于双平行线巡逻航线,对空基探测平台实时探测区域进行初始化赋值;
S300基于启发式算法,以稳定覆盖度评估准则进行判别,对空基探测平台架数进行第一次空域配置寻优,得到第一阶段寻优的空域配置方案,并划设相应的责任子区;
S400基于第一次空域配置寻优结果,基于启发式算法、可用空域下的空域配置寻优约束条件和探测效能评估指标,对遂行责任区进行第二次空域配置寻优,获取最优空基探测平台空域配置方案。
具体而言,所述S100中基于空基探测平台安全和发挥空基探测平台的探测效能,
确定安全巡逻空域。如图1所示,当空基探测平台遂行责任区(按顺时针方向,、……为责任区顶点,相邻两个顶点相连的多边形责任区)内目标探测任
务,为确保空基探测平台安全,其最远安全阵位应综合考虑边境线、禁飞区、高山等因素。如
图1所示,空基探测平台安全空域是其中最远安全阵位线后的灰色空域。为充分发挥空基探
测平台探测效能,其阵位应该尽量靠前,故而其安全巡逻空域是最远安全阵位线将责任区划分后的阴影区域。
具体而言,所述S200中基于双平行线巡逻航线,对空基探测平台实时探测区域进行初始化赋值时,空基探测平台巡逻航线所占空域越大,其采用实时探测区域面积越小,又因其水平飞行时探测效果最好,采用空基探测平台最常使用的双平行线巡逻航线,对空基探测平台实时探测区域进行初始化赋值,为第一次空域配置寻优作好准备。
基于上述实施例,作为一个可选的实施例,所述S200具体包括以下步骤:
其中,和分别是空基探测平台最短直飞距离和最短转弯直径;为空基探测平台转弯飞行速度;g为重力加速度;为空基探测平台确保目标跟踪
连续时的最大转弯转角;是空基探测平台直飞速度,是空基探测平台数据率(单
位:times/time),是空基探测平台能进行点迹关联起批的最少目标回波点迹数;
基于上述实施例,作为一个可选的实施例,所述S300包括:
S340确定责任子区顶点:
1)处于空基探测平台实时探测区内的责任区顶点,确定为责任子区顶点;
S350划定各空基探测平台责任区子区:
按照第架空基探测平台中包含的责任区顶
与之相邻最近的空基探测平台形成的S340中2)、3)、
4)的责任子区顶点,所围成的区域则是第架空基探测平台所负责空情保障的
责任子区。按此规则,可将图3划分为如图4所示的个责任子区。
S360确定各空基探测平台实时探测区域可用空域:
具体而言,区域探测任务中空基探测平台可用空域优化模型为:
其中,是架空基探测平台第一阶段寻优稳定覆盖度,即架空基探测平
台实时探测区的并集;表示空基探测平台平行线跑道上的任意一点的坐标;、、、分别表示责任区横纵坐标的界值;第架空基探测平
台的跑道中心点坐标为;平行线航线逆时针旋转的角度为;其中,
以空基探测平台最大探测距离为半径构成的圆形区域;为安全巡逻空域;为各责任区顶点数。
基于上述实施例,作为一个可选的实施例,所述S320中稳定覆盖度评估准则为:
基于上述实施例,作为一个可选的实施例,所述S330具体包括:
所述紧凑准则为:
S400基于第一次空域配置寻优结果,基于遗传算法、空域配置寻优约束条件和探测效能评估指标,对遂行责任区进行第二次空域配置寻优,获取最优空基探测平台空域配置方案。
基于上述实施例,作为一个可选的实施例,所述S400包括以下步骤:
S410:初始化:设置第i架空基探测平台实施探测可用空域,架空基探
测平台最优稳定覆盖度最大迭代次数,架空基探测平台空域配置优化最大
迭代次数,空基探测平台航线倾角初始值(即第一次寻优空基探测平台空域配置
优化方案中空基探测平台航线倾斜角)和步进值,空基探测平台
直飞航线和转弯直径的初始值、和增大步进值、。
最优稳定覆盖度评估准则为:
S430:应用启发式算法进行空域配置寻优,获取最优空基探测平台空域配置方案。
基于上述实施例,作为一个可选的实施例,所述S430具体包括:
S431应用启发式算法,各空基探测平台在设置第i架空基探测平台实施探测可用
空域内对阵位进行寻优,并按照、步进增长各架空基探测平台直飞航
线和转弯半径,每次迭代结果需与如下空域配置寻优约束条件进行比对:
具体而言,当空基探测平台巡逻速度固定时,空基探测平台直飞航线越长越可获得越长的稳定探测时间,转弯直径越大可使转弯破角越小,从而获得更佳的探测效能。
通过上述方法,针对图1中的责任区,空基探测平台优化空域配置后的结果如图6所示。
基于上述实施例,作为一个可选的实施例,可用空域下的空基探测平台空域配置优化模型为:
基于上述实施例,作为一个可选的实施例,所述启发式算法包括但不限于:模拟退火算法(SA)、遗传算法(GA)、列表搜索算法(ST)、进化规划(EP)、进化策略(ES)、蚁群算法(ACA)、人工神经网络(ANN)。
为更具体说明本发明的方法,本发明以遗传算法为例,给出区域探测任务中空基探测平台空域配置寻优过程如下:
较优个体的选择,将部分较优个体复制到下一代种群中;
Step6:对剩余个体进行选择、交叉(如图7所示)、变异操作,如果进化代数达到终
止代数且满足稳定覆盖度评估准则时,停止空基探测平台架数寻优,并保留此时的空基
探测平台空域配置结果,此后寻优不再增加空基探测平台架数,否则,转Step2。若
未达到终止代数,转到Step4;
Step9:重新设置遗传算法各项参数:设置第i架空基探测平台实施探测可用空域,架空基探测平台最优稳定覆盖度最大迭代次数,架空基探测
平台空域配置优化最大迭代次数,空基探测平台航线倾角初始值(即第一次寻优
空基探测平台空域配置优化方案中空基探测平台航线倾斜角)和步进值,空基探测平台直飞航线和转弯直径的初始值、和增
大步进值、;
Step10 对遂行责任区进行第二阶段寻优:
2)应用遗传算法,各空基探测平台在设置第i架空基探测平台实施探测可用空域内对阵位进行寻优,并按照、步进增长各架空基探测平台直飞航线
和转弯半径,每次迭代结果需与空域配置寻优约束条件进行比对,若迭代过程中存在子代
满足的空域配置寻优约束条件,则保留此时的空基探测平台空域配置方案,并计算
该方案的空基探测平台探测效能评估指标,如果不满足则舍弃最终得到个满足
条件的空域配置案;
为评估本发明算法的性能,本申请进行仿真模拟分析其性能:
仿真模拟的参数设置如下:
令空基探测平台跑道型巡逻航线高度,最大探测距离RH_max=400km,WY_
min=15km,LY_min=50km,针对探测任务预期(可容忍度)的稳定覆盖度。设置GA最
大迭代次数Maxgen=300,种群数量为Sizepop=30,确定种群选择、交叉、变异方向以及确定
交叉概率f1=0.9、变异概率f2=0.1等遗传参数。
表1 空基探测平台空域配置参数仿真步进值设置
实施例1:
1.责任子区划分
根据实时探测区域可用空域寻优流程,通过pycharm2020进行仿真实现。如图9所示,为第一阶段寻优空基探测平台空域配置结果,此时空基探测平台实时探测区对责任区稳定覆盖度可达99.12%,具体阵位方案见表2,这初步验证了遗传算法的有效性。
表2 一阶段寻优空基探测平台空域配置方案
由图9不难得出,所有空基探测平台的巡逻航线均处于安全空域内(最远安全阵位线以内的区域)。因此,第一阶段寻优方案有效,可作为第二阶段寻优的先验知识,根据空基探测平台空域配置寻优流程,可将整个责任区划分为3个责任子区,如图10所示。
2.可用空域设置
以图10所示的三个责任子区的各责任子区顶点为圆心,以空基探测平台最大探测
距离画圆,形成的圆形探测区域的交集区域在安全巡逻空域以内的部分即可
视为每架空基探测平台的可用空域范围,记为,最终得到三个责任子区
的可用空域范围如图11所示。
3.空基探测平台航线优化
根据空基探测平台航线优化寻优流程,通过适当调整遗传算法参数对空基探测平
台空域配置进行二次寻优,即设置空基探测平台阵位坐标步进值,航线倾角步进
值,其余参数不变。同样通过pycharm2020进行仿真实现,如图12所示,为第二阶段
寻优空基探测平台航线优化结果,具体优化方案见表3。
表3 二次寻优空基探测平台航线优化方案
表3中方案空基探测平台探测效能评估指标为1.256,相较第一阶段寻优方
案,空基探测平台探测效能提升了25.6%,稳定覆盖度也比第一阶段寻优提升了0.28%,已实
现预期探测目的,这进一步验证了遗传算法在解决该问题上的有效性。
实施例2:遗传算法性能分析
根据上述仿真流程,遗传算法在解决空基探测平台空域配置的问题上起到了较好的效果。为了进一步分析遗传算法的效能,本节将通过定量分析法对遗传算法的时效性以及运行稳定性进行研究。
1.遗传算法时效性与Sizepop的关系:
设置空基探测平台最大探测半径,通过改变遗传算法的种群数,对图8中责任区进行空基探测平台空域配置,得到遗传算法在不同种群数时的即算法运行100次达到所花费时间的平均值(不考虑空基探测平台加架数的
情况)。
分析图13可得,在时取得极值,此时遗传算法达到最低容忍度所花费
的平均用间最短,平均花费的时长为14.12s,相较其他种群数而言,算法找到可行解的速度
更快。因此设置适当的种群数可以提高遗传算法运算效能。
2.遗传算法收敛情况与Maxgen的关系:
(1)在空基探测平台放入架数小于等于两架时,空基探测平台无法有效遂行探测任务(即稳定覆盖率不能满足最低容忍度要求);当投入架次为3架时,空基探测平台能够有效遂行探测任务,此时空基探测平台实时探测区对责任区的稳定覆盖度接近100%;
(2)随着空基探测平台投入架次的增加,算法找到最优空域配置所需的迭代次数逐渐增加,且具有一定的规律性,其最优稳定覆盖度也逐步提升。
综上所述,对于不同架次的空基探测平台,设置适当的算法迭代次数,可在一定程
度上提高算法效率。因此,本论文中针对空基探测平台架次数为1架时,、空基
探测平台架次数为2架时,、空基探测平台架次数为3架时,,而对更
多架次的空基探测平台进行空域配置时,可根据实际情况设置合适的算法迭代次数。
3.遗传算法稳定性分析:
根据上述的得到的传算法效能与和的关系,本节针对3架空基探
测平台空域配置时的稳定性进行分析,设置遗传算法最大迭代次数、种群数、空基探测平台最大探测半径为400km,对图8中的责任区进行空域配置200次,
对应第一阶段寻优稳定覆盖度变化曲线如图15所示,由图可得如下结论:
在上述参数条件下,遗传算法运行200次得到的第一阶段寻优结果中不满足最低容忍度条件的次数仅为1次,符合条件的方案占所有方案的99.5%,这进一步说明遗传算法在解决空基探测平台空域配置问题上有着较高的稳定性。
本发明实施例的方法是依托电子设备实现的,因此对相关的电子设备有必要做一下介绍。基于此目的,本发明的实施例提供了一种电子设备,该电子设备包括:至少一个中央处理器(Central processor)、通信接口(Communications Interface)、至少一个存储器(Memory)和通信总线,其中,至少一个中央处理器,通信接口,至少一个存储器通过通信总线完成相互间的通信。至少一个中央处理器可以调用至少一个存储器中的逻辑指令,以执行前述各个方法实施例提供的方法的全部或部分步骤。
此外,上述的至少一个存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个方法实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
基于这种认识,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本申请中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种不规则责任区空基探测平台空域配置方法,其特征在于,包括以下步骤:
S100基于空基探测平台安全和发挥空基探测平台的探测效能,确定安全巡逻空域;
S200基于双平行线巡逻航线,对空基探测平台实时探测区域进行初始化赋值;
S300基于启发式算法,以稳定覆盖度评估准则进行判别,对空基探测平台架数进行第一次空域配置寻优,得到第一阶段寻优的空域配置方案,并划设相应的责任子区;
所述S300具体包括:
S340确定责任子区顶点:
当满足任一项以下情形时,确定为责任子区顶点:
1)处于空基探测平台实时探测区内的责任区顶点,确定为责任子区顶点;
S350划定各空基探测平台责任区子区:
S360确定各空基探测平台实时探测区域可用空域:
S400基于第一次空域配置寻优结果,基于启发式算法、可用空域下的空域配置寻优约束条件和探测效能评估指标,对遂行责任区进行第二次空域配置寻优,获取最优空基探测平台空域配置方案。
2.根据权利要求1所述的一种不规则责任区空基探测平台空域配置方法,其特征在于,所述S400之后还包括:
S500根据空基探测平台探测效能最优方案的每架空基探测平台直飞航线长度、转弯直径、航线倾角和阵位坐标点,计算其巡逻航线上重要转弯点坐标,并绘制空基探测平台空域配置部署图。
6.根据权利要求1所述的一种不规则责任区空基探测平台空域配置方法,其特征在于,所述S400具体包括:
S410初始化:设置为空基探测平台遂行责任区;为第架空基探测平台实时探测区域面积实施探测可用空域,架空基探测平台最优稳定覆盖度最大迭代次数,架空基探测平台空域配置优化最大迭代次数,空基探测平台航线倾角初始值,即第一次寻优空基探测平台空域配置优化方案中空基探测平台航线倾斜角和步进值,空基探测平台直飞航线和转弯直径的初始值、和增大步进值、;
最优稳定覆盖度评估准则为:
S430应用启发式算法进行空域配置寻优,获取最优空基探测平台空域配置方案。
7.根据权利要求6所述的一种不规则责任区空基探测平台空域配置方法,其特征在于,所述S430具体包括:
9.根据权利要求1所述的一种不规则责任区空基探测平台空域配置方法,其特征在于,所述S200包括:
其中,和分别是空基探测平台最短直飞距离和最短转弯直径;为空基探测平台转弯飞行速度;g为重力加速度;为空基探测平台确保目标跟踪连续时的最大转弯转角;是空基探测平台直飞速度,是空基探测平台数据率,是空基探测平台能进行点迹关联起批的最少目标回波点迹数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120565.4A CN115203986B (zh) | 2022-09-15 | 2022-09-15 | 不规则责任区空基探测平台空域配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120565.4A CN115203986B (zh) | 2022-09-15 | 2022-09-15 | 不规则责任区空基探测平台空域配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115203986A CN115203986A (zh) | 2022-10-18 |
CN115203986B true CN115203986B (zh) | 2023-01-17 |
Family
ID=83573072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211120565.4A Active CN115203986B (zh) | 2022-09-15 | 2022-09-15 | 不规则责任区空基探测平台空域配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115203986B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529278A (zh) * | 2020-12-02 | 2021-03-19 | 中国人民解放军93209部队 | 基于联结矩阵寻优的航路网规划方法及装置 |
CN114740899A (zh) * | 2022-06-08 | 2022-07-12 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种网格化空域分配与协同搜索规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047182B (zh) * | 2019-12-10 | 2021-12-28 | 北京航空航天大学 | 一种基于深度无监督学习的空域复杂度评估方法 |
-
2022
- 2022-09-15 CN CN202211120565.4A patent/CN115203986B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529278A (zh) * | 2020-12-02 | 2021-03-19 | 中国人民解放军93209部队 | 基于联结矩阵寻优的航路网规划方法及装置 |
CN114740899A (zh) * | 2022-06-08 | 2022-07-12 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种网格化空域分配与协同搜索规划方法 |
Non-Patent Citations (4)
Title |
---|
《Trust of Airspace Configuration Transition》;Chengtao Xu等;《2021 IEEE/AIAA 40th Digital Avionics Systems Conference (DASC)》;20211007;全文 * |
《基于改进灰狼优化算法的电子干扰机空域划设》;王晴昊;《航空工程进展》;20180930;全文 * |
《重点目标防空作战中多预警机协同探测空域配置》;蒋伟等;《国防科技大学学报》;20220125;全文 * |
《面向责任区保障及目标跟踪任务的雷达组网管控研究实现》;王浩炎;《全国优秀硕士学位论文全文库》;20210416;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115203986A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169608B (zh) | 多无人机执行多任务的分配方法及装置 | |
CN109791409B (zh) | 自主车辆的运动控制决策 | |
CN107145161B (zh) | 无人机访问多目标点的航迹规划方法及装置 | |
CN109374986B (zh) | 一种基于聚类分析与网格搜索的雷电定位方法及系统 | |
CN111191847A (zh) | 考虑订单聚合度的配送路径规划方法与系统 | |
CN109933067A (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
CN114201925A (zh) | 无人机集群协同任务规划方法、电子设备及可读存储介质 | |
CN109270927A (zh) | 道路数据的生成方法及装置 | |
CN106875755A (zh) | 一种基于复杂度的空中交通冲突管理方法和装置 | |
CN114510072B (zh) | 基于进化迁移优化的多无人机路径规划方法、终端及介质 | |
CN114119920A (zh) | 三维点云地图构建方法、系统 | |
CN112824198A (zh) | 一种轨迹决策方法、装置、设备和存储介质 | |
Wang et al. | Research on vessel speed heading and collision detection method based on AIS data | |
CN114625150A (zh) | 基于危险指数和距离函数的快速蚁群无人艇动态避障方法 | |
CN115755963A (zh) | 一种考虑载具投递模式的无人机群协同任务规划方法 | |
CN113670309A (zh) | 考虑安全风险与噪声影响的城市低空无人机路径规划方法 | |
CN115203986B (zh) | 不规则责任区空基探测平台空域配置方法 | |
CN115826591B (zh) | 一种基于神经网络估计路径代价的多目标点路径规划方法 | |
Alam et al. | What can make an airspace unsafe? characterizing collision risk using multi-objective optimization | |
CN110749325B (zh) | 航迹规划方法和装置 | |
CN116661479A (zh) | 建筑巡检路径规划方法、设备和可读存储介质 | |
CN114919578B (zh) | 智能车行为决策方法、规划方法、系统及存储介质 | |
CN116523158A (zh) | 一种多无人机航迹规划方法、装置、设备及存储介质 | |
CN114701517A (zh) | 基于强化学习的多目标复杂交通场景下自动驾驶解决方法 | |
CN109523838B (zh) | 基于演化博弈的异质化协同飞行冲突解决方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |