CN103324993B - 一种基于多飞行器协同作战的轨迹优化方法 - Google Patents
一种基于多飞行器协同作战的轨迹优化方法 Download PDFInfo
- Publication number
- CN103324993B CN103324993B CN201310298457.0A CN201310298457A CN103324993B CN 103324993 B CN103324993 B CN 103324993B CN 201310298457 A CN201310298457 A CN 201310298457A CN 103324993 B CN103324993 B CN 103324993B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- target
- node
- max
- moment
- 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
Abstract
本发明提供了一种基于多飞行器协同作战的轨迹优化方法,包括以下步骤:采集ts时刻我方所有飞行器的位置坐标和速度数据;采集ts时刻所有目标的位置坐标和速度数据;根据ts时刻我方所有飞行器的状态数据与所有目标的状态数据,计算目标的剩余飞行时间,得出目标协同任务分配矩阵,进行目标分配;根据ts时刻的目标分配结果,采用动态规划法,对我方每架飞行器分别进行轨迹优化。该发明可以在飞行器群体协同作战中,根据目前战场的态势,实时地对多飞行器进行目标分配,以及对每架飞行器规划出最优的飞行轨迹。
Description
技术领域
本发明涉及领域是飞行器轨迹优化技术,特别是一种基于多飞行器协同作战的轨迹优化方法。
背景技术
在现代高科技技术体系化战争中,传统的依靠单架飞行器独立作战的作战方式已经不能发挥其预期的效果,根据近几年在战争中的作战方式,可以很容易地看出进攻型飞行器基本上都是多架(种)飞行器按照一定的协同方式进行攻击目标,这种协同攻击方式,对于高技术飞行器来说显得尤为重要。因此,多飞行器协同作战是未来战争中主要的作战方式。
作为系统复杂的、多约束的、强耦合的多目标优化与决策问题,多飞行器协同规划能够有效的提高战场中整体的作战效果。多飞行器协同规划是使各子系统飞行器能够按照多飞行器协同任务规划协同优化设计数值算法生成攻击飞行轨迹,该飞行轨迹能够回避威胁区,保证各子系统飞行器完成任务。就每一个子系统飞行器而言,所生成的飞行轨迹不一定是最优的,但对于整体的作战效能来说,一定是全局最优的(或次优的)。
美国在上世纪70年代中期首次提出了飞行器协同作战一词,而且在这一方面取得了很多成果,如正在研制过程中的网火作战系统;尔后,俄罗斯针对美国的协同作战系统,也提出了许多全新的观念与方法,如Ⅱ-700花岗岩超声速反舰导弹。
目前,中国还是处在刚刚起步阶段。从八十年代中期开始,在航空基金的支持下,南航、西工大、中航第613所等单位相继开展了多机协同、多目标攻击火控系统的研究工作,取得了一定的成绩,打下了良好的研究基础。但是同发达国家相比还处于比较落后的地步。
在国内外公开发表关于基于多飞行器协同作战的轨迹优化的相关文献和研究成果不多,基于多飞行器协同作战的轨迹优化的实质主要有以下两点:
1)实时地进行目标分配:根据目前战场的态势,多飞行器协同任务规划算法能够实时地分配目标及调整分配结果;
2)实时地航迹规划:在目标分配完成之后,多飞行器协同任务规划算法能够实时地对每架飞行器进行航迹规划。
发明内容
本发明的目的在于针对现有技术的不足,提供了一种基于多飞行器协同作战的轨迹优化方法。
实现本发明目的的技术解决方案为:一种基于多飞行器协同作战的轨迹优化方法,包括以下步骤:
(1)采集ts时刻我方所有飞行器的状态数据;
(2)采集ts时刻所有目标飞行器的状态数据;
(3)根据ts时刻采集的数据,进行目标分配:根据ts时刻我方所有飞行器的状态数据与所有目标的状态数据,计算我方飞行器到达目标飞行器的剩余飞行时间,得出目标协同任务分配矩阵,进行目标分配;
(4)根据ts时刻的目标分配结果,采用动态规划法,对我方每架飞行器分别进行轨迹优化。
本发明步骤(1)中,所述我方飞行器的状态数据包括:我方飞行器的位置坐标和速度。
本发明步骤(2)中,所述目标飞行器的状态数据包括:目标飞行器的位置坐标和速度。
本发明步骤(3)包括以下步骤:
(31)计算ts时刻目标的剩余飞行时间:假设在ts时刻,我方nA架飞行器与nT个目标飞行器进行对抗,根据步骤(1)和步骤(2)采集的数据:我方第i架飞行器的位置坐标为(Xi,Yi,Zi)、速度为Vi,第j个目标飞行器的位置坐标为(xj,yj,zj),速度为vj,计算我方第i架飞行器相对第j个目标的剩余飞行时间tgo_ij:
其中:ΔDij表示我方第i架飞行器相对第j个目标的相对直线距离,ΔVij表示我方第i架飞行器相对第j个目标的相对速度,i=1,2,…,nA,j=1,2,…,nT,nA表示我方飞行器数量,nT表示目标飞行器数量。
(32)计算ts时刻目标协同任务分配矩阵:在ts时刻,我方所有飞行器相对所有目标的剩余飞行时间tgo_ij的全部的组合,即为目标协同任务分配矩阵
Tgo[nA][nT]:
(33)根据ts时刻目标协同任务分配矩阵,进行目标分配。
本发明步骤(33)包括以下步骤:
(331)计算攻击第一个目标的我方飞行器的序号:在ts时刻目标协同任务分配矩阵Tgo[nA][nT]的第1行中,找出数值最小的一列,该列的序号即为我方第一架飞行器的序号。
(332)计算攻击第j个目标飞行器的我方飞行器的序号,直到第nT个目标飞行器分配完毕:在ts时刻目标协同任务分配矩阵Tgo[nA][nT]的第j行中,j=2,…,nT,找出数值最小的一列,该列的序号即为攻击第j个目标的我方飞行器的序号。
本发明步骤(4)中,所述每架飞行器轨迹优化方法为:
(41)建立网格坐标系:在笛卡尔直角坐标系o-xyz中,按照我方飞行器的出发点和目标点建立网格坐标系,o为我方飞行器的出发点,X为横向,Y为高度方向,Z为纵向。
(42)确定我方飞行器的移动空间走廊:
式中:Xmin、Xmax分别为我方飞行器在笛卡尔直角坐标系X轴上的最小和最大距离,Ymin、Ymax分别为我方飞行器在笛卡尔直角坐标系Y轴上的最小和最大距离,Zmin、Zmax分别为我方飞行器在笛卡尔直角坐标系Z轴上的最小和最大距离。
(43)对我方飞行器的移动空间走廊进行网格划分:在我方飞行器的移动空间走廊内,进行网格划分,将我方飞行器轨迹用网格上的点P(ik,jk,kk)表示,ik,jk,kk分别代表我方飞行器在网格坐标系中X,Y,Z方向的坐标,ik,jk,kk分别为自然数,
ikmax、jkmax、kkmax分别表示在网格坐标系X,Y,Z方向上,我方飞行器在其移动空间走廊内进行网格划分的最大数值。
(44)建立我方飞行器的数学模型:
式中:P为我方飞行器的推力、为阻力、为升力、cx、cy分别为我方飞行器的阻力系数和升力系数、ρ为我方飞行器所处高度的空气密度、V为我方飞行器的速度、S为我方飞行器的特征面积、θ为我方飞行器的轨迹倾角、ψv为我方飞行器的轨迹偏角、h为我方飞行器的高度、x为我方飞行器的横向距离、z为我方飞行器的侧向距离、α为我方飞行器的迎角、β为我方飞行器的侧滑角、m为我方飞行器的机体质量、t为我方飞行器的飞行时间,g表示重力加速度。
(45)确定性能指标J:我方飞行器燃料消耗量mf最小,即:
J=minmf。
(46)计算我方飞行器在网格中各个节点段飞行的性能指标:基于我方飞行器的数学模型,分别计算我方飞行器在网格内各个节点段的性能指标,其中各个节点段包括:从原点到ik=1层每个节点,从ik=1层每个节点到ik=2层每个节点,…,直到从ik=ikmax-1层每个节点到ik=ikmax层每个节点,以及从ik=ikmax层每个节点到目标点。
(47)采用动态规划法,优化我方飞行器轨迹:根据(46)计算出的网格内各个节点段的性能指标,以我方飞行器燃料消耗量mf最小为性能指标,采用动态规划法对我方飞行器进行轨迹优化。
本发明步骤(47)包括以下步骤:
(471)计算我方飞行器从ik=ikmax-1层中每个节点到目标点的最优飞行轨迹及性能指标:针对ik=ikmax-1层中每个节点,比较我方飞行器从该节点到目标点的所有飞行轨迹的性能指标,得出并存储该节点到目标点的最优飞行轨迹及性能指标。
(472)计算我方飞行器从ik=ikmax-L层中每个节点到目标点的最优飞行轨迹及性能指标:针对ik=ikmax-L层中每个节点,我方飞行器从该节点按照(471)得出的在ik=ikmax-(L-1)层中每个节点到目标点的最优飞行轨迹飞行,对上述所有飞行轨迹的性能指标进行比较,得出并存储该节点到目标点的最优轨迹及性能指标,L=2,3,…,ikmax-1。
(473)判断ik=1层是否完成。如果是,转到(474);否则,返回转到(472)。
(474)计算我方飞行器从起点到目标点的最优飞行轨迹及性能指标:我方飞行器从起点按照(472)得出的在ik=1层中每个节点到目标点的最优飞行轨迹飞行,对上述所有飞行轨迹的性能指标进行比较,得出并存储该节点到目标点的最优轨迹及性能指标,该飞行轨迹及性能指标即为我方飞行器从起点到目标点的最优飞行轨迹及性能指标。
本方法解决了多飞行器在实际协同作战中,根据目前战场的态势,实时地对多飞行器进行目标分配,以及对每架飞行器规划出最优的飞行轨迹。
本发明与现有技术相比:具有以下显著的特点:
1)可以根据战场态势,实时在线地计算各攻击型飞行器相对各目标飞行器的剩余飞行时间,得出当时的目标分配矩阵,从而实时地调整分配目标,得到最优的分配方案系列;
2)在目标分配之后,可以实时地对每架飞行器规划出最优的飞行轨迹。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是基于多飞行器协同作战的轨迹优化方法的流程图。
图2是根据ts时刻采集数据,进行目标分配的流程图。
图3是根据ts时刻目标协同任务分配矩阵,进行目标分配的流程图。
图4是根据ts时刻的目标分配结果,采用动态规划法,对我方每架飞行器分别进行轨迹优化的流程图。
图5是采用动态规划法,优化我方飞行器轨迹的流程图。
图6是我方飞行器的初始位置。
图7是目标的初始位置。
图8目标分配结果及最优飞行轨迹。
具体实施方式
结合图1,本发明基于多飞行器协同作战的轨迹优化方法,步骤如下:
1)采集ts时刻我方所有飞行器的位置坐标和速度;
例如:以4-4分配形式为例,我方第i架飞行器的位置坐标如图6所示,速度为Vi=300m/s,i=1,2,…,4。
2)采集ts时刻所有目标飞行器的位置坐标和速度;
例如:第j个目标飞行器的位置坐标如图7所示,速度为vj=300m/s,j=1,2,…,4。
3)根据ts时刻采集的数据,进行目标分配:根据ts时刻我方所有飞行器的状态数据与所有目标的状态数据,计算目标的剩余飞行时间,得出目标协同任务分配矩阵,进行目标分配,具体如图2所示:
41)计算ts时刻目标的剩余飞行时间:假设在ts时刻,我方nA架飞行器与nT个目标进行对抗,根据采集的数据:我方第i架飞行器的位置坐标为(Xi,Yi,Zi)、速度为Vi,第j个目标的位置坐标为(xj,yj,zj),速度为vj,计算我方第i架飞行器相对第j个目标的剩余飞行时间tgo_ij:
其中:ΔDij表示我方第i架飞行器相对第j个目标的相对直线距离,ΔVij表示我方第i架飞行器相对第j个目标的相对速度,i=1,2,…,nA,j=1,2,…,nT。
在计算剩余飞行时间tgo_ij时,如果任一敌方飞行器不在我方飞行器的可攻击区域内,则判定该剩余飞行时间tgo_ij无效,取tgo_ij为无穷大值。
42)计算ts时刻目标协同任务分配矩阵:在ts时刻,我方所有飞行器相对所有目标的剩余飞行时间tgo_ij的全部的组合,即为目标协同任务分配矩阵Tgo[nA][nT]:
例如:根据1)和2)采集的数据,由于目标与我方飞行器的速度相同,因此,可以用相应地用目标与我方飞行器的相对距离来表示目标分配矩阵。目标分配矩阵d44为:
43)根据ts时刻目标协同任务分配矩阵,进行目标分配,具体如图3所示:
51)计算攻击第一个目标的我方飞行器的序号:在ts时刻目标协同任务分配矩阵Tgo[nA][nT]的第1行中,找出数值最小的一列,该列的序号即为我方第一架飞行器的序号;
52)计算攻击第j个目标的我方飞行器的序号:在ts时刻目标协同任务分配矩阵Tgo[nA][nT]的第j行中,j=2,…,nT,找出数值最小的一列,该列的序号即为攻击第j个目标的我方飞行器的序号;
53)判断第nT个目标任务分配是否完成。如果是,结束;否则,转到52)。
例如:根据42)计算出的目标分配矩阵d44,目标分配结果为:1-1,2-2,3-3,4-4。
4)根据ts时刻的目标分配结果,采用动态规划法,对我方每架飞行器分别进行轨迹优化,具体如图4所示:
61)建立网格坐标系:在笛卡尔直角坐标系o-xyz中,按照我方飞行器的出发点和目标点建立网格坐标系,o为我方飞行器的出发点,X为横向,Y为高度方向,Z为纵向;
62)确定我方飞行器的移动空间走廊:
式中:Xmin、Xmax分别为我方飞行器在笛卡尔直角坐标系X轴上的最小、最大距离,Ymin、Ymax分别为我方飞行器在笛卡尔直角坐标系Y轴上的最小、最大距离,Zmin、Zmax分别为我方飞行器在笛卡尔直角坐标系Z轴上的最小、最大距离;
网格的大小(ΔX,ΔY,ΔZ)是由飞行器的机动能力确定的,因为发动机的推力大小是受限制的,飞行空间走廊越来越大,因为随着发动机工作时间的增加,飞行器质量减小,使得飞行器机动能力增强。
例如:
第一架我方飞行器的移动空间走廊为:
0≤X≤40km,5.5km≤Y≤10km,-5km≤Z≤5km;
第二架我方飞行器的移动空间走廊为:
0≤X≤45km,8km≤Y≤10km,5km≤Z≤15km;
第三架我方飞行器的移动空间走廊为:
0≤X≤40km,8km≤Y≤10km,24km≤Z≤26km;
第四架我方飞行器的移动空间走廊为:
0≤X≤30km8km≤Y≤10km,29km≤Z≤31km。
63)对我方飞行器的移动空间走廊进行网格划分:在我方飞行器的移动空间走廊内,进行网格划分。将我方飞行器轨迹用网格上的点P(ik,jk,kk)表示,ik,jk,kk分别代表我方飞行器在网格坐标系中X,Y,Z方向的坐标,ik,jk,kk分别为自然数,
网格划分越小,所得到的轨迹精度越高,但付出的代价是时间的花费。所以,应根据实际情况,在网格划分和时间的代价上折衷处理。
例如:
第一架我方飞行器在移动空间走廊网格划分为:4000×550×1000;
第二架我方飞行器在移动空间走廊网格划分为:4500×200×1000;
第三架我方飞行器在移动空间走廊网格划分为:4000×200×200;
第四架我方飞行器在移动空间走廊网格划分为:3000×200×200。
64)建立我方飞行器的数学模型:
式中:P为我方飞行器的推力、为阻力、为升力、cx、cy分别为我方飞行器的阻力系数,升力系数、ρ为我方飞行器所处高度的空气密度、V为速度、S为特征面积、θ为轨迹倾角、ψv为轨迹偏角、y为高度、x为横向距离、z为侧向距离、α为迎角、β为侧滑角、m为机体质量、t为飞行时间。
65)确定性能指标:我方飞行器燃料消耗量mf最小,即:
J=minmf。
66)计算我方飞行器在网格中各个节点段飞行的性能指标:基于我方飞行器的数学模型,分别计算我方飞行器在网格内各个节点段的性能指标,其中各个节点段包括:从原点到ik=1层每个节点,从ik=1层每个节点到ik=2层每个节点,…,从ik=ikmax-1层每个节点到ik=ikmax层每个节点,从ik=ikmax层每个节点到目标点;
67)采用动态规划法,优化我方飞行器轨迹:根据66)计算出的网格内各个节点段的性能指标,以我方飞行器燃料消耗量mf最小为性能指标,采用动态规划法对我方飞行器进行轨迹优化。具体如图5所示:
71)计算我方飞行器从ik=ikmax-1层中每个节点到目标点的最优飞行轨迹及性能指标:针对ik=ikmax-1层中每个节点,比较我方飞行器从该节点到目标点的所有飞行轨迹的性能指标,得出并存储该节点到目标点的最优飞行轨迹及性能指标;
72)计算我方飞行器从ik=ikmax-L层中每个节点到目标点的最优飞行轨迹及性能指标:针对ik=ikmax-L层中每个节点,我方飞行器从该节点按照71)得出的在ik=ikmax-(L-1)层中每个节点到目标点的最优飞行轨迹飞行,对上述所有飞行轨迹的性能指标进行比较,得出并存储该节点到目标点的最优轨迹及性能指标,L=2,3,…,ikmax-1;
73)判断ik=1层是否完成。如果是,转到74);否则,转到72)。
74)计算我方飞行器从起点到目标点的最优飞行轨迹及性能指标:我方飞行器从起点按照72)得出的在ik=1层中每个节点到目标点的最优飞行轨迹飞行,对上述所有飞行轨迹的性能指标进行比较,得出并存储该节点到目标点的最优轨迹及性能指标,该飞行轨迹及性能指标即为我方飞行器从起点到目标点的最优飞行轨迹及性能指标。
例如:根据目标分配结果,采用动态规划法,优化我方飞行器轨迹,结果如图8所示。
在图4中,目标1作Sin型机动,目标2作U型机动,目标3作尾追机动、目标4作迎击机动等四种无规则随机机动为例,对多目标作无规则随机机动的多飞行器协同轨迹优化进行了研究。飞行仿真结果表明,采用该发明方法,我方飞行器可以相应地准确捕获全部的作无规则机动的目标。
本发明提供了一种基于多飞行器协同作战的轨迹优化方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (4)
1.一种基于多飞行器协同作战的轨迹优化方法,其特征在于,包括以下步骤:
(1)采集ts时刻我方所有飞行器的状态数据;
(2)采集ts时刻所有目标飞行器的状态数据;
(3)根据ts时刻采集的数据,进行目标分配:根据ts时刻我方所有飞行器的状态数据与所有目标的状态数据,计算我方飞行器到达目标飞行器的剩余飞行时间,得出目标协同任务分配矩阵,进行目标分配;
(4)根据ts时刻的目标分配结果,采用动态规划法,对我方每架飞行器分别进行轨迹优化;
步骤(3)包括以下步骤:
(31)计算ts时刻目标的剩余飞行时间:假设在ts时刻,我方nA架飞行器与nT个目标飞行器进行对抗,根据步骤(1)和步骤(2)采集的数据:我方第i架飞行器的位置坐标为(Xi,Yi,Zi)、速度为Vi,第j个目标飞行器的位置坐标为(xj,yj,zj),速度为vj,计算我方第i架飞行器相对第j个目标的剩余飞行时间tgo_ij:
其中:ΔDij表示我方第i架飞行器相对第j个目标的相对直线距离,ΔVij表示我方第i架飞行器相对第j个目标的相对速度,i=1,2,…,nA,j=1,2,…,nT,nA表示我方飞行器数量,nT表示目标飞行器数量;
(32)计算ts时刻目标协同任务分配矩阵:在ts时刻,我方所有飞行器相对所有目标的剩余飞行时间tgo_ij的全部的组合,即为目标协同任务分配矩阵Tgo[nA][nT]:
(33)根据ts时刻目标协同任务分配矩阵,进行目标分配;
步骤(4)中,所述每架飞行器轨迹优化方法为:
(41)建立网格坐标系:在笛卡尔直角坐标系o-xyz中,按照我方飞行器的出发点和目标点建立网格坐标系,o为我方飞行器的出发点,X为横向,Y为高度方向,Z为纵向;
(42)确定我方飞行器的移动空间走廊:
式中:Xmin、Xmax分别为我方飞行器在笛卡尔直角坐标系X轴上的最小和最大距离,Ymin、Ymax分别为我方飞行器在笛卡尔直角坐标系Y轴上的最小和最大距离,Zmin、Zmax分别为我方飞行器在笛卡尔直角坐标系Z轴上的最小和最大距离;
(43)对我方飞行器的移动空间走廊进行网格划分:在我方飞行器的移动空间走廊内,进行网格划分,将我方飞行器轨迹用网格上的点P(ik,jk,kk)表示,ik,jk,kk分别代表我方飞行器在网格坐标系中X,Y,Z方向的坐标,ik,jk,kk分别为自然数,
ikmax、jkmax、kkmax分别表示在网格坐标系X,Y,Z方向上,我方飞行器在其移动空间走廊内进行网格划分的最大数值;
(44)建立我方飞行器的数学模型:
式中:P为我方飞行器的推力、为阻力、为升力、cx、cy分别为我方飞行器的阻力系数和升力系数、ρ为我方飞行器所处高度的空气密度、V为我方飞行器的速度、S为我方飞行器的特征面积、θ为我方飞行器的轨迹倾角、ψv为我方飞行器的轨迹偏角、h为我方飞行器的高度、x为我方飞行器的横向距离、z为我方飞行器的侧向距离、α为我方飞行器的迎角、β为我方飞行器的侧滑角、m为我方飞行器的机体质量、t为我方飞行器的飞行时间,g表示重力加速度;
(45)确定性能指标J:我方飞行器燃料消耗量mf最小,即:
J=minmf;
(46)计算我方飞行器在网格中各个节点段飞行的性能指标:基于我方飞行器的数学模型,分别计算我方飞行器在网格内各个节点段的性能指标,其中各个节点段包括:从原点到ik=1层每个节点,从ik=1层每个节点到ik=2层每个节点,…,直到从ik=ikmax-1层每个节点到ik=ikmax层每个节点,以及从ik=ikmax层每个节点到目标点;
(47)采用动态规划法,优化我方飞行器轨迹:根据(46)计算出的网格内各个节点段的性能指标,以我方飞行器燃料消耗量mf最小为性能指标,采用动态规划法对我方飞行器进行轨迹优化;
步骤(47)包括以下步骤:
(471)计算我方飞行器从ik=ikmax-1层中每个节点到目标点的最优飞行轨迹及性能指标:针对ik=ikmax-1层中每个节点,比较我方飞行器从该节点到目标点的所有飞行轨迹的性能指标,得出并存储该节点到目标点的最优飞行轨迹及性能指标;
(472)计算我方飞行器从ik=ikmax-L层中每个节点到目标点的最优飞行轨迹及性能指标:针对ik=ikmax-L层中每个节点,我方飞行器从该节点按照(471)得出的在ik=ikmax-(L-1)层中每个节点到目标点的最优飞行轨迹飞行,对上述所有飞行轨迹的性能指标进行比较,得出并存储该节点到目标点的最优轨迹及性能指标,L=2,3,…,ikmax-1;
(473)判断ik=1层是否完成,如果是,转到(474);否则,返回转到(472);
(474)计算我方飞行器从起点到目标点的最优飞行轨迹及性能指标:我方飞行器从起点按照(472)得出的在ik=1层中每个节点到目标点的最优飞行轨迹飞行,对上述所有飞行轨迹的性能指标进行比较,得出并存储该节点到目标点的最优轨迹及性能指标,该飞行轨迹及性能指标即为我方飞行器从起点到目标点的最优飞行轨迹及性能指标。
2.根据权利要求1所述的基于多飞行器协同作战的轨迹优化方法,其特征在于:步骤(1)中,所述我方飞行器的状态数据包括:我方飞行器的位置坐标和速度。
3.根据权利要求2所述的基于多飞行器协同作战的轨迹优化方法,其特征在于:步骤(2)中,所述目标飞行器的状态数据包括:目标飞行器的位置坐标和速度。
4.根据权利要求1所述的基于多飞行器协同作战的轨迹优化方法,其特征在于:步骤(33)包括以下步骤:
(331)计算攻击第一个目标的我方飞行器的序号:在ts时刻目标协同任务分配矩阵Tgo[nA][nT]的第1行中,找出数值最小的一列,该列的序号即为我方第一架飞行器的序号;
(332)计算攻击第j个目标飞行器的我方飞行器的序号,直到第nT个目标飞行器分配完毕:在ts时刻目标协同任务分配矩阵Tgo[nA][nT]的第j行中,j=2,…,nT,找出数值最小的一列,该列的序号即为攻击第j个目标的我方飞行器的序号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310298457.0A CN103324993B (zh) | 2013-07-15 | 2013-07-15 | 一种基于多飞行器协同作战的轨迹优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310298457.0A CN103324993B (zh) | 2013-07-15 | 2013-07-15 | 一种基于多飞行器协同作战的轨迹优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103324993A CN103324993A (zh) | 2013-09-25 |
CN103324993B true CN103324993B (zh) | 2016-07-13 |
Family
ID=49193718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310298457.0A Active CN103324993B (zh) | 2013-07-15 | 2013-07-15 | 一种基于多飞行器协同作战的轨迹优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103324993B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105620744B (zh) * | 2014-12-30 | 2017-08-29 | 航天恒星科技有限公司 | 四旋翼飞行器趋同控制方法及装置 |
CN105867265B (zh) * | 2015-11-19 | 2018-11-09 | 中国工程物理研究院应用电子学研究所 | 基于低空安防激光系统的多目标决策方法及系统 |
CN105953800B (zh) * | 2016-06-14 | 2018-09-28 | 北京航空航天大学 | 一种无人飞行器航迹规划栅格空间划分方法 |
CN107608372B (zh) * | 2017-08-14 | 2020-12-04 | 广西师范大学 | 一种基于改进rrt算法与改进ph曲线相结合的多无人机协同航迹规划方法 |
CN108647374B (zh) * | 2018-03-22 | 2020-11-17 | 中国科学院自动化研究所 | 陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备 |
CN113443145B (zh) * | 2021-05-31 | 2023-02-07 | 中航(成都)无人机系统股份有限公司 | 一种军用无人机 |
CN113885566B (zh) * | 2021-10-21 | 2024-01-23 | 重庆邮电大学 | 面向多无人机数据采集时间最小化的v型轨迹规划方法 |
CN116954255A (zh) * | 2023-07-20 | 2023-10-27 | 中国人民解放军国防科技大学 | 多飞行器协同智能决策与轨迹在线规划方法、系统及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136081A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于蚁群智能的无人作战飞机多机协同任务分配方法 |
CN102759357A (zh) * | 2012-05-10 | 2012-10-31 | 西北工业大学 | 通信延迟下多无人机协同实时航路规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7698026B2 (en) * | 2007-06-14 | 2010-04-13 | The Boeing Company | Automatic strategic offset function |
-
2013
- 2013-07-15 CN CN201310298457.0A patent/CN103324993B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136081A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于蚁群智能的无人作战飞机多机协同任务分配方法 |
CN102759357A (zh) * | 2012-05-10 | 2012-10-31 | 西北工业大学 | 通信延迟下多无人机协同实时航路规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103324993A (zh) | 2013-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103324993B (zh) | 一种基于多飞行器协同作战的轨迹优化方法 | |
CN104216382B (zh) | 一种空间小型飞行器编队飞行控制系统 | |
CN113791634B (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN102927851B (zh) | 一种基于轨迹在线规划的末制导方法 | |
CN105157488B (zh) | 基于无人机的导弹攻击航路规划方法 | |
CN107966156A (zh) | 一种适用于运载火箭垂直回收段的制导律设计方法 | |
CN105953800B (zh) | 一种无人飞行器航迹规划栅格空间划分方法 | |
CN105739303A (zh) | 基于滚动时域法的多无人机协同打击任务分配方法 | |
CN103676944A (zh) | 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法 | |
CN103090728A (zh) | 一种基于滑模控制的带末角约束制导方法 | |
CN106020215A (zh) | 一种基于单步预测矩阵博弈的近距空战自主决策方法 | |
CN108716919A (zh) | 基于任意多边形无障碍区域的植保无人机航迹规划方法 | |
CN105204512A (zh) | 一种基于简化模型机器博弈的六自由度无人作战飞机近距格斗方法 | |
CN111580547B (zh) | 一种高超声速飞行器编队控制方法 | |
CN104793201A (zh) | 一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法 | |
CN113778130B (zh) | 一种基于三维模型的无人机覆盖路径规划方法 | |
CN105388763A (zh) | 一种对流层间歇滑翔飞行控制方法 | |
CN105867426A (zh) | 针对移动目标的飞机自动投放物资引导方法 | |
CN104536448A (zh) | 一种基于Backstepping法的无人机姿态系统控制方法 | |
CN115454132A (zh) | 一种面向山地光伏电站的无人机巡检三维路径规划方法及系统 | |
Li et al. | Unmanned aerial vehicle three-dimensional trajectory planning based on ant colony algorithm | |
CN113282099B (zh) | 一种低速无人机的炸弹投放扇面角条件满足情况的图形化表示方法 | |
CN115357051B (zh) | 变形与机动一体化的规避与突防方法 | |
CN110065649A (zh) | 采用虚拟瞄准点的临近空间高超声速飞行器弹道设计方法 | |
CN102700727B (zh) | 一种基于速度控制的对空拦截飞行器制导方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |