CN109358652B - 一种直升机航线规划方法 - Google Patents
一种直升机航线规划方法 Download PDFInfo
- Publication number
- CN109358652B CN109358652B CN201811568757.5A CN201811568757A CN109358652B CN 109358652 B CN109358652 B CN 109358652B CN 201811568757 A CN201811568757 A CN 201811568757A CN 109358652 B CN109358652 B CN 109358652B
- Authority
- CN
- China
- Prior art keywords
- route
- coordinate
- flight
- track point
- value
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000002096 quantum dot Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 description 1
- 230000024703 flight behavior Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种直升机航线规划方法,其步骤为:构建地形威胁回避模型,计算飞行航线,构建包含综合坐标(xy)序列的随机航线集,更新量子相位,实现航线集的动态更新,构建通讯信号威胁回避模型TX,执行航线评价fp,采用B‑Spline方法和航线优选算法改进最优初始航线,实现航线可飞行性优化。本发明是考虑到航程长度、飞行安全性和飞机性能等的航线选优问题。其算例结果表明,利用混合智能集群算法在复杂环境下能实现全局最优航线的实时规划,该方法能够给直升机提供有效飞行服务同时提高了飞行的安全性和可靠性。
Description
技术领域
本发明属于直升机航线规划领域,涉及到使用直升机性能和环境威胁等信息规划出最优飞行航线方法,具体是一种直升机航线规划方法。
背景技术
到目前为止,国内外在复杂环境下航线规划方面的研究还比较初步,尚没有形成完整而系统的直升机动态飞行航线规划模型与方法。复杂地理环境的直升机动态航线规划目前还没有得到很好的解决,如何能应用混合智能集群算法来规划安全性能最大的飞行航线,回避动态威胁以及实现航空安全救援是亟待解决的问题,此问题的解决无论对军用还是民用都具有极其重要的应用价值。
发明内容
本发明目的是提供一种针对现有技术存在的问题、能够在复杂环境下规划直升机动态航线的方法,具体步骤如下:
(1)构建地形威胁回避模型hd,数学描述如下:
hd(x,y)=hh(x,y)+Sh
上述公式中,hh(x,y)和hd(x,y)分别表示(x,y)处的航迹点高程和地形威胁回避后的航迹点高程,Sh为飞行安全高度,单位为米;M表示山峰总数,Hmaxi表示第i个山峰峰顶的高程,(xoj,yoj)和(xsj,ysj)分别表示第j个山峰峰顶的平面坐标和沿x、y方向下降的参数;
(2)计算飞行航线,构建包含综合坐标(xy)序列的随机航线集:
公式(2)~(3)中,[]为矩阵符号,rand()、cos()、sin()分别为随机数、余弦和正弦函数,m为航线集内航线总数;
最后利用公式(8)~(9)构建包含综合坐标(xy)序列的随机航线集:
xy=x*100+y (8)
xy={xy1,xy2,…,xyi,…,xyNfp} (9)
公式(4)~(9)中,abs()为计算绝对值的函数,(x,y)为航迹点的坐标值,rand(Nfp)生成Nfp个0~1之间的随机数,xlb、xub分别表示航迹点坐标x的上界和下界、ylb、yub分别表示航迹点坐标y的上限值和下限值,xyi表示第i个航迹点的综合坐标值;
(3)更新量子相位,实现航线集的动态更新
首先利用公式(10)生成最优解的调整系数rate和临时转换参数tmp:
rate(x,y)=tmp/m,tmp=abs(f2(i)-Minf2) (10)
然后利用公式(11)更新量子相位:
利用公式(12)执行量子相位旋转,得到新的相位:
Pm=ones(1,m)*0.05
公式(10)~(12)中,f2(i)、Minf2分别为第i个航迹点高程变化值和所有航线高程变化最小值,sign为取符号函数,bestX、iteration和maxgen分别为最优航线对、当前迭代代数和最大代数,shifistep为每次调整的步长,Pm、pi分别为相位旋转系数和圆周率π;
利用公式(13)~(15)实现航线集的动态更新:
ff1=xyi+c1*rand*(bestXY-xyi)+c2*rand*(pxyi-xyi) (14)
公式(13)中p,Vp分别表示随机生成的概率值、概率值阈值,ff1,ff2分别为随机概率值小于、大于等于概率阈值对应的函数;公式(14)中,c1,c2分别表示全局、局部航线调整系数,rand表示生成的0~1之间的随机数,bestXY、pxyi分别表示全局、局部最优综合航迹点;公式(15)中,meanP表示综合航迹点序列的平均值,pxy表示最优航线的综合航迹点序列值,a1,a2分别表示对应于meanP和pxy的系数,pFiti,pFitn分别表示对应于pxyi和全局最优航线的代价,sumPfit表示全局最优航线的代价之和,d为避免航线出现不可行解的参数;
(4)构建通讯信号威胁回避模型TX:
nxi=(xi+xi+1)/2
公式(16)中n是航线中的航迹点总数,xn=Xe,yn=Ye,(xi,yi)、(nxi,nyi)和(Xe,Ye)分别表示第i个航迹点坐标、第i个调整后的新航迹点坐标和目标点坐标,hd、tn分别为回避地形威胁后的高程和通讯威胁的总数,(xck,yck)和Rk分别表示第k个通讯威胁的中心坐标及其影响半径;
(5)执行航线评价fp:
公式(17)中,m、(xij,yij)分别为航线集内航线的总数、第i条第j个航迹点平面坐标,通过fp计算航迹点的综合威胁模型之和的最小值,获取限制航线高程的最优初始航线;
(6)采用B-Spline方法和航线优选算法改进最优初始航线,实现航线可飞行性优化。高度适应度的方法相结合,为避免飞机撞地和减少油耗的问题提供了一种有效的方法。
本发明与现有技术相比,其优点在于:
a.实现复杂环境下全局最优航线的实时规划。采用计算航线高程值之和与限制最小飞行高度适应度的方法相结合,为避免飞机撞地和减少油耗的问题提供了一种有效的方法。
b.利用混合智能集群算法的复杂环境下实时航线优化。混合智能集群算法通过量子相位旋转和变异更新,获得新相位以达到较高的生存机会的特点,在复杂环境下航线快速生成,动态威胁及时回避方面具有重要的作用。
具体实施方式
下面结合实施例对本发明技术方案做进一步说明。实施例中有2架米-28武装直升机飞行,其中直升机1在飞行中探测到威胁的位置,且对危险并未处理,而是将危险信息上传至区块链,直升机2从区块链中获取威胁信息参数并进行处理,在(55km,55km)、(15km,25km)、(10km,15km)处共有3个地形威胁;通信威胁(55km,55km)、(10km,50km)、(15km,25km)、(30km,25km)、(10km,15km)、(40km,15km)和(40km,10km)处7个;航迹段的长度为5km,转弯角[-60,+60],俯仰角[-30,+30],航程470千米。人工免疫算法的参数为:最大迭代次数5,待选航线集个数3,航迹点数12,最小航迹差0.5。鸟类飞行行为的频率为10,全局、局部航线调整参数c1,c2分别为1.5和1.5,meanP表示综合航迹点序列的平均值,pxy表示对应于综合航迹点序列平均值meanP的系数a1和最优航线的综合航迹点序列pxy的系数a2分别为1和1;出发点和目标点的坐标分别为(1km,1km,150m)、(60km,60km,150m);
(1)构建地形威胁回避模型hd,其数学描述如下:
hd(x,y)=hh(x,y)+200
其中,公式(1)中hh(x,y)和hd(x,y)分别表示平面位置为(x,y)处的航迹点高程和地形威胁回避后的航迹点高程;
(2)构建包含综合坐标(xy)序列的随机航线集:
公式(2)~(3)中,[]为矩阵符号,rand()、cos()、sin()分别为随机数、余弦和正弦函数;
xlb=1,xub=60
ylb=1,yub=60
最后利用公式(8)~(9)构建包含综合坐标(xy)序列的随机航线集:
xy=x*100+y (8)
xy={xy1,xy2,…,xyi,…,xy12} (9)
公式(4)~(9)中,abs()表示计算绝对值的函数,(x,y)为航迹点的坐标值,xyi表示第i个航迹点的综合坐标值;
(3)更新量子相位,实现航线集的动态更新
首先利用公式(10)生成最优解的调整系数rate和临时转换参数tmp:
rate(x,y)=tmp/3,tmp=abs(f2(i)-Minf2) (10)
然后利用公式(11)实现更新量子相位:
利用公式(12)执行量子相位旋转,得到新的相位:
Pm=ones(1,3)*0.05
公式(10)~(12)中,f2(i)、Minf2分别为第i个高程变化值和所有航线高程变化最小值,sign为取符号函数,bestX、iteration分别为最优航线对和目前迭代代数,pi为圆周率π;
利用公式(13)~(15)实现航线集的动态更新:
prob=rand(3,1).*0.2+0.8
ff2=xyi+1.5*rand*(bestXY-xyi)+1.5*rand*(pxyi-xyi) (14)
ff2=xyi+rand.*(meanP-xyi)*1*exp(-pFit(i)/sumPfit*3)+1*(rand*2-1).*(pX(i,:)-xyi)*exp(-(pFit(i)-pFit(i))/abs(pFit(i)-pFit(i))*pFit(i)/sumPfit*3)
(15)
公式(13)中p,Vp分别表示随机生成的概率值、概率值阈值,ff1,ff2分别为随机概率值小于、大于等于概率阈值对应的函数;公式(14)中,rand表示生成的0~1之间的随机数,bestXY、pxyi分别表示全局、局部最优综合航线;公式(15)中,meanP表示综合航迹点序列的平均值,pxy表示最优航线的综合航迹点序列值,pFiti,pFitn分别表示对应于pxyi和全局最优航线的代价,sumPfit表示全局最优航线的代价之和;
(4)构建通讯信号威胁回避模型TX:
nxi=(xi+xi+1)/2
公式(16)中航线中的航迹点总数是12,x12=60,y12=60,(xi,yi)、(nxi,nyi)和(Xe,Ye)分别表示第i个航迹点坐标、第i个调整后的新航迹点坐标和目标点坐标,hd为回避地形威胁后的高程;
(5)执行航线评价fp:
(6)采用B-Spline方法和航线优选算法改进最优初始航线,实现航线可飞行性优化。
实施例通讯和地形威胁参数如表1所示。
实验结果为:规划的航程为96.04公里,规划时间为2.65秒,迭代代数为3代,采用本方法修改后的航线,初始航迹点数由15个下降到6个,航线长度也由96.04公里下降了约2公里,且迭代代数由300代下降到了3代,导致规划时间也相应由86.05降低到2.65秒,能够满足在线规划的需求(5秒),同时航线选择了安全的地势较低的区域进行飞行,航线选择了较短的对角线方向飞行,能够实现在线飞行航线规划,为紧急事故救援提供了安全保障。
表1为实施例通讯和地形威胁参数
Claims (1)
1.一种直升机航线规划方法,其特征采用以下实现步骤:
(1)构建地形威胁回避模型hd,数学描述如下:
hd(x,y)=hh(x,y)+Sh
上述公式中,hh(x,y)和hd(x,y)分别表示(x,y)处的航迹点高程和地形威胁回避后的航迹点高程,Sh为飞行安全高度,单位为米;M表示山峰总数,Hmaxi表示第i个山峰峰顶的高程,(xoj,yoj)和(xsj,ysj)分别表示第j个山峰峰顶的平面坐标和沿x、y方向下降的参数;
(2)计算飞行航线,构建包含综合坐标(xy)序列的随机航线集:
公式(2)~(3)中,[]为矩阵符号,rand()、cos()、sin()分别为随机数、余弦和正弦函数,m为航线集内航线总数;
最后利用公式(8)~(9)构建包含综合坐标序列(xy)的随机航线集:
xy=x*100+y (8)
xy={xy1,xy2,...,xyi,...,xyNfp} (9)
公式(4)~(9)中,abs()为计算绝对值的函数,(x,y)为航迹点的坐标值,rand(Nfp)生成Nfp个0~1之间的随机数,xlb、xub分别表示航迹点坐标x的上限值和下限值、ylb、yub分别表示航迹点坐标y的上限值和下限值,xyi表示第i个航迹点的综合坐标值;
(3)更新量子相位,实现航线集的动态更新
首先利用公式(10)生成最优解的调整系数rate和临时转换参数tmp:
rate(x,y)=tmp/m,tmp=abs(f2(i)-Minf2) (10)
然后利用公式(11)更新量子相位:
利用公式(12)执行量子相位旋转,得到新的相位:
Pm=ones(1,m)*0.05
公式(10)~(12)中,f2(i)、Minf2分别为第i个航迹点高程变化值和所有航线高程变化最小值,sign为取符号函数,bestX、iteration和maxgen分别为最优航线对、当前迭代代数和最大代数,shiftstep为每次调整的步长,Pm、pi分别为相位旋转系数和圆周率π;
利用公式(13)~(15)实现航线集的动态更新:
ff1=xyi+c1*rand*(bestXY-xyi)+c2*rand*(pxyi-xyi) (14)
公式(13)中p,Vp分别表示随机生成的概率值、概率值阈值,ff1,ff2分别为随机概率值小于、大于等于概率阈值对应的函数;公式(14)中,c1,c2分别表示全局、局部航线调整系数,rand表示生成的0~1之间的随机数,bestXY、pxyi分别表示全局、局部最优综合航迹点;公式(15)中,meanP表示综合航迹点序列的平均值,pxy表示最优航线的综合航迹点序列值,a1,a2分别表示对应于meanP和pxy的系数,pFiti,pFitn分别表示对应于pxyi和全局最优航线的代价,sumPfit表示全局最优航线的代价之和,d为避免航线出现不可行解的参数;
(4)构建通讯信号威胁回避模型TX:
nxi=(xi+xi+1)/2
公式(16)中n是航线中的航迹点总数,xn=Xe,yn=Ye,(xi,yi)、(nxi,nyi)和(Xe,Ye)分别表示第i个航迹点坐标、第i个调整后的新航迹点坐标和目标点坐标,hd、tn分别为回避地形威胁后的高程和通讯威胁的总数,(xck,yck)和Rk分别表示第k个通讯威胁的中心坐标及其影响半径;
(5)执行航线评价fp:
公式(17)中,m、(xij,yij)分别为航线集内航线的总数、第i条第j个航迹点平面坐标,通过fp计算航迹点的综合威胁模型之和的最小值,获取限制航线高程的最优初始航线;
(6)采用B-Spline方法和航线优选算法改进最优初始航线,实现航线可飞行性优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811568757.5A CN109358652B (zh) | 2018-12-21 | 2018-12-21 | 一种直升机航线规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811568757.5A CN109358652B (zh) | 2018-12-21 | 2018-12-21 | 一种直升机航线规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109358652A CN109358652A (zh) | 2019-02-19 |
CN109358652B true CN109358652B (zh) | 2021-07-30 |
Family
ID=65330012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811568757.5A Expired - Fee Related CN109358652B (zh) | 2018-12-21 | 2018-12-21 | 一种直升机航线规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109358652B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909950A (zh) * | 2019-11-29 | 2020-03-24 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种采用非劣排序算法进行燃油消耗优化方法及装置 |
CN113128817B (zh) * | 2020-01-10 | 2024-07-02 | 宝马股份公司 | 基于飞行器的运输控制方法和运输控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709601A (zh) * | 2016-12-19 | 2017-05-24 | 广西师范大学 | 基于元胞量子遗传算法与ph曲线相结合的无人机三维航迹规划方法 |
CN107677273A (zh) * | 2017-09-11 | 2018-02-09 | 哈尔滨工程大学 | 一种基于二维栅格划分的集群无人机多航迹规划方法 |
CN108592921A (zh) * | 2018-05-02 | 2018-09-28 | 山东理工大学 | 一种分段最速下降混合航线规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8788450B2 (en) * | 2011-10-14 | 2014-07-22 | PronetLabs Ltd. | Self-organizing quantum robust control methods and systems for situations with uncertainty and risk |
-
2018
- 2018-12-21 CN CN201811568757.5A patent/CN109358652B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709601A (zh) * | 2016-12-19 | 2017-05-24 | 广西师范大学 | 基于元胞量子遗传算法与ph曲线相结合的无人机三维航迹规划方法 |
CN107677273A (zh) * | 2017-09-11 | 2018-02-09 | 哈尔滨工程大学 | 一种基于二维栅格划分的集群无人机多航迹规划方法 |
CN108592921A (zh) * | 2018-05-02 | 2018-09-28 | 山东理工大学 | 一种分段最速下降混合航线规划方法 |
Non-Patent Citations (10)
Title |
---|
An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning;Xiangyin Zhang, Haibin Duan;《Applied Soft Computing》;20141013;第270-284页 * |
M. Serrão, J.M.F. Rodrigues,J.M.H. du Buf.Navigation Framework Using Visual Landmarks and a GIS.《Procedia Computer Science》.2014, * |
Research on Route Planning Based on Quantum-Behaved Particle Swam Optimization Algorithm;Ting Li,Jinsheng Zhang,Shicheng Wang,Zhifeng Lv;《Proceedings of 2014 IEEE Chinese Guidance, Navigation and Control Conference》;20150115;第335-339页 * |
Route Planning for Unmanned Aerial Vehicle (UAV) on the Sea Using Hybrid Differential Evolution and Quantum-Behaved Particle Swarm Optimization;Yangguang Fu,Mingyue Ding,Chengping Zhou;《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS: SYSTEMS》;20130606;第1451-1465页 * |
Route Planning for Unmanned Aircraft Based on Ant Colony Optimization and Voronoi Diagram;Zhou Shudao, Wang Jun, Jin Yongqi;《11 Second International Conference on Intelligent System Design and Engineering Application》;20120403;第732-735页 * |
Saturation attack based route planning and threat avoidance algorithm for cruise missiles;Guanghui Wang,Xuefeng Sun,Liping Zhang,Chao Lv;《Journal of Systems Engineering and Electronics》;20111231;第948-953页 * |
低可探测性飞机威胁建模及航迹规划仿真研究;郭琳,周德云,汪凌霄;《计算机仿真》;20090228;第89-92页 * |
利用改进威胁模型的电势理论的三维飞行路径规划;刘丽峰,张树清;《中国科学院研究生院学报》;20110731;第556-561页 * |
改进量子遗传算法在无人机航迹规划中的应用;鱼佳欣, 李刚, 李东涛, 李文君;《计算机仿真》;20150531;第106-109+131页 * |
无人机三维约束多目标航迹规划;田疆;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180815;第C031-45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109358652A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106781707B (zh) | 一种针对低空中长距离转场飞行的航迹规划方法 | |
AU2011261838B2 (en) | Determining emergency landing sites for aircraft | |
US8090526B2 (en) | Method for determining the horizontal profile of a flight plan complying with a prescribed vertical flight profile | |
CN109445463B (zh) | 一种无人机动态航线规划方法 | |
Patron et al. | Flight trajectories optimization under the influence of winds using genetic algorithms | |
CN108303992A (zh) | 一种新型无人机航线规划方法 | |
CN104991895A (zh) | 一种基于三维空域网格的低空救援航空器航迹规划方法 | |
CN109358652B (zh) | 一种直升机航线规划方法 | |
CN103557867A (zh) | 一种基于稀疏a*搜索的三维多uav协同航迹规划方法 | |
CN111221349B (zh) | 多无人机目标定位的航路规划方法 | |
CN105242285A (zh) | 一种基于卫星通信的无人机导航数据被欺骗识别方法 | |
CN111192481B (zh) | 一种基于碰撞风险的进离场程序无人机管控区边界确定方法 | |
CN109918818A (zh) | 一种基于性能导航的pbn单发程序保护区划设方法 | |
CN108596397B (zh) | 一种基于水文模型多机航线规划方法 | |
CN113093787B (zh) | 一种基于速度场的无人机轨迹规划方法 | |
CN107478233A (zh) | 一种地质勘探航迹规划方法及系统 | |
CN108766035B (zh) | 一种点密度引导下的无人机地形匹配飞行控制系统 | |
CN106372094B (zh) | 一种路径数据库的构建方法及基于该数据库的车辆运行控制系统 | |
CN111895998B (zh) | 一种大型固定翼无人飞行器分段堆栈式航路规划方法 | |
Pleter et al. | A review of flight trajectory optimisations | |
Rigoni et al. | Delivery with UAVs: a simulated dataset via ATS | |
TW202133062A (zh) | 無人機之物流運營任務規劃管理系統及其方法 | |
CN109358651B (zh) | 一种直升机动态航线规划方法 | |
CN112699531B (zh) | 一种通用航空低空飞行目视参考点建立方法 | |
Tian et al. | 3D path planning of UAV based on improved A* algorithm |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210730 Termination date: 20211221 |