CN110598926A - 一种飞机协同航路规划方法 - Google Patents
一种飞机协同航路规划方法 Download PDFInfo
- Publication number
- CN110598926A CN110598926A CN201910832822.9A CN201910832822A CN110598926A CN 110598926 A CN110598926 A CN 110598926A CN 201910832822 A CN201910832822 A CN 201910832822A CN 110598926 A CN110598926 A CN 110598926A
- Authority
- CN
- China
- Prior art keywords
- route
- point
- corrected
- initial
- airway
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000009499 grossing Methods 0.000 claims description 19
- 230000009194 climbing Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
一种飞机协同航路规划方法,包括:步骤一、构建态势模型;步骤二、参数初始化;步骤三、根据态势模型计算每条初始航路的代价;步骤四、根据初始航路信息产生新航路,计算其代价;步骤五、判断新航路的代价是否小于初始航路的代价,若是进行步骤六,若否进行步骤八;步骤六、新航路替换为初始航路,遗弃次数置零;步骤七、种群中其他个体产生新航路,进行步骤五;步骤八、遗弃次数加1,判断遗弃次数是否大于最重大遗弃次数,若否进行步骤四,若是进行步骤九;步骤九、将初始航路保存在最优航路集合中,重新初始化初始航路,判断否达到最大迭代次数,若否进行步骤三,若是进行步骤十;步骤十、对最优航路集合进行处理得到飞机协同航路。
Description
技术领域
本申请属于飞机协同航路规划设计技术领域,具体涉及一种飞机协同航路规划方法。
背景技术
实际中经常需要多架飞机编队协同完成某项任务,为满足飞机自身性能约束及其飞机间的关联约束,需对飞机进行协同航路规划,其中:
飞机自身性能约束包括:飞机的最小飞行距离、最大爬升率、最大下滑率、最小转弯角度等方面;
飞机间的关联约束包括:
时域约束,各架飞机在时间序列上,需要满足约定的时间及其时序;
空域约束,各架飞机之间不发生碰撞。
当前多基于A*算法、人工视场等方法对飞行协同航路进行规划,存在以下缺陷:
1)、需要在搜索空间中预生成大量的辅助点,分别完成对各架飞机的航路规划,时间开销大,难以满足飞机协同航路规划的实时性要求;
2)、生成的航路仅能够规避静态威胁源,不能够规避动态威胁源;
3)、难以同时满足飞机自身性能约束及其飞机间的关联约束;
鉴于现有技术的上述缺陷提出本申请。
发明内容
本申请的目的是提供一种飞机协同航路规划方法,以于克服或减轻现有技术至少一方面的缺陷。
本申请的技术方案是:
一种飞机协同航路规划方法,包括以下步骤:
步骤一、构建态势模型,包括飞机的起点信息、终点信息、最小飞行距离信息、最大爬升率信息、最大下滑率信息、最小转弯角度信息以及威胁源信息;
步骤二、参数初始化,包括种群个体数量、初始航路数量、最大迭代次数、最大遗弃次数以及规划航路中包含的航路点数;
步骤三、根据态势模型计算每条初始航路的代价;
步骤四、根据初始航路信息产生新航路,计算新航路的代价;
步骤五、判断新航路的代价是否小于初始航路的代价,若是则进行步骤六,若否则进行步骤八;
步骤六、新航路替换为初始航路,遗弃次数置零;
步骤七、种群中其它个体产生新航路,进行步骤五;
步骤八、遗弃次数加1,判断遗弃次数是否大于最重大遗弃次数,若否则进行步骤四,若是则进行步骤九;
步骤九、将初始航路保存在最优航路集合中,重新初始化初始航路,判断否达到最大迭代次数,若否则进行步骤三,若是则进行步骤十;
步骤十、对最优航路集合中的航路进行处理得到飞机协同航路。
根据本申请的至少一个实施例,所述步骤二中,种群个体数量为初始航路数量的两倍。
根据本申请的至少一个实施例,所述步骤四中,所述根据初始航路信息产生新航路,具体为:
其中,
Vij代表第i条新航路的第j个航路点信息;
为[-1,1]之间的随机数;
Xij代表第i条初始航路的第j个航路点信息;
Xkj代表第k条初始航路的第j个航路点信息,k≠i。
根据本申请的至少一个实施例,所述步骤四至所述步骤八采用环形拓扑结构。
根据本申请的至少一个实施例,所述步骤十中,对最优航路集合中的航路进行处理包括:
协同航路航路消解。
根据本申请的至少一个实施例,所述步骤十中,所述协同航路消解具体为:
计算最优航路集合中航路之间的差异性,找到满足飞机间关联约束关系的航路。
根据本申请的至少一个实施例,所述步骤十中,所述差异性为航路点之间的距离和/或航段之间的距离。
根据本申请的至少一个实施例,所述步骤十中,对最优航路集合中的航路进行处理包括:
航路平滑处理。
根据本申请的至少一个实施例,所述步骤十中,所述航路平滑处理包括:
从起点向终点平滑处理;
从终点向起点平滑处理。
根据本申请的至少一个实施例,所述步骤十中,从起点向终点平滑处理具体为:
自起点向终点方向依次判断航段上三个相邻的航路点作为第一待修正点、第二待修正点、第三待修正点;
若第一待修正点、第二待修正点、第三待修正点之间的角度不满足飞机最小转弯角度的限制,则在第二待修正点、第三待修正点之间的直线上生成多个替代点;
判断是否存在一个替代点取代第二待修正点使得第一待修正点、第二待修正点、第三待修正点之间的角度满足飞机最小转弯角度的限制,若存在则以该替代点取代第二待修正点作为航路点,若不存在则修正第二航路点之后的航路。
附图说明
图1是本申请实施例提供的飞机协同航路规划方法的流程图;
图2是本申请实施例提供的从起点向终点平滑处理的示意图;
图3是人工蜂群算法全连接拓扑结构的示意图;
图4是本申请实施例提供的环形拓扑结构的示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在本申请的描述中,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,还需要说明的是,在本申请的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本申请中的具体含义。
下面结合附图1至图4对本申请做进一步详细说明。
一种飞机协同航路规划方法,包括以下步骤:
步骤一、构建态势模型,包括飞机的起点信息、终点信息、最小飞行距离信息、最大爬升率信息、最大下滑率信息、最小转弯角度信息以及威胁源信息;
步骤二、参数初始化,包括种群个体数量(种群中每个个体代表一条从起点到终点的航路)、初始航路数量、最大迭代次数、最大遗弃次数以及规划航路中包含的航路点数;
步骤三、根据态势模型计算每条初始航路的代价;
步骤四、根据初始航路信息产生新航路,计算新航路的代价;
步骤五、判断新航路的代价是否小于初始航路的代价,若是则进行步骤六,若否则进行步骤八;
步骤六、新航路替换为初始航路,遗弃次数置零;
步骤七、种群中其它个体产生新航路,进行步骤五;
步骤八、遗弃次数加1,判断遗弃次数是否大于最重大遗弃次数,若否则进行步骤四,若是则进行步骤九;
步骤九、将初始航路保存在最优航路集合中,重新初始化初始航路,判断否达到最大迭代次数,若否则进行步骤三,若是则进行步骤十;
步骤十、对最优航路集合中的航路进行处理得到飞机协同航路。
对于上述实施例公开的飞机协同航路规划方法,本领域技术人员可以理解的是,其通过构建态势模型将飞机协同动态航路规划问题转化为多目标优化问题进行优化求解,且采用人工蜂群算法对其进行求解,以并行搜索方式进行搜索,极大降低了时间开销,以此能够满足飞机协同航路规划的实时性要求;此外,其不需要预先生成任何航路点,可根据态势环境的确定优化解空间,自适应的确定算法参数,不需要人工干预,对于复杂的态势环境较易实现。
对于上述实施例公开的飞机协同航路规划方法,本领域技术人员可以理解的是,构建态势模型将飞机协同动态航路规划问题转化为多目标优化问题进行优化求解,可使得到的飞机协同航路能够同时规避静态威胁源及动态威胁源。
在一些可选的实施例中,可通过定义航路惩罚度来代表航路代价,航路惩罚度主要包括安全惩罚度、路径长度惩罚度和性能约束惩罚度。
在一些可选的实施例中,所述步骤二中,种群个体数量为初始航路数量的两倍。
在一些可选的实施例中,所述步骤四中,所述根据初始航路信息产生新航路,具体为:
其中,
Vij代表第i条新航路的第j个航路点信息;
为[-1,1]之间的随机数;
Xij代表第i条初始航路的第j个航路点信息;
Xkj代表第k条初始航路的第j个航路点信息,k≠i。
在一些可选的实施例中,所述步骤四至所述步骤八采用环形拓扑结构。
对于上述实施例公开的飞机协同航路规划方法,本领域技术人员可以理解的是,其在人工蜂群算法中以环形拓扑结构取代全连接拓扑结构,以慢交流的通信方式降低人工蜂群算法陷入局部最优解的问题。
在一些可选的实施例中,所述步骤十中,对最优航路集合中的航路进行处理包括:
协同航路航路消解,以保证飞机协同航路满足编队飞机满足关联约束。
在一些可选的实施例中,所述步骤十中,所述协同航路消解具体为:
计算最优航路集合中航路之间的差异性,找到满足飞机间关联约束关系的航路。
在一些可选的实施例中,所述步骤十中,所述差异性为航路点之间的距离和/或航段之间的距离。
在一些可选的实施例中,所述步骤十中,对最优航路集合中的航路进行处理包括:
航路平滑处理,以满足飞机最小转弯角度的约束。
在一些可选的实施例中,所述步骤十中,所述航路平滑处理包括:
从起点向终点平滑处理;
从终点向起点平滑处理。
在一些可选的实施例中,所述步骤十中,从起点向终点平滑处理具体为:
自起点向终点方向依次判断航段上三个相邻的航路点作为第一待修正点、第二待修正点、第三待修正点;
若第一待修正点、第二待修正点、第三待修正点之间的角度不满足飞机最小转弯角度的限制,则在第二待修正点、第三待修正点之间的直线上生成多个替代点;
判断是否存在一个替代点取代第二待修正点使得第一待修正点、第二待修正点、第三待修正点之间的角度满足飞机最小转弯角度的限制,若存在则以该替代点取代第二待修正点作为航路点,若不存在则修正第二航路点之后的航路。
从起点向终点平滑处理更具体的可参见图2:
航路“1->2->3->4->5”中航段“1->2->3”航路点之间的夹角不满足飞机最小转弯角度的限制,则在航段“2->3”上根据飞机最小飞行距离均匀生成修正点2-1、2-2、2-3,然后判断“1->2-1->3”、“1->2-2->3”、“1->2-3->3”的角度是否满足飞机最小转弯角度的限制,如果其中之一满足,那么就用其替代航路点2;如果均不满足条件,那么对航路点2之后的航路进行修正,直到最后一个航路点。
从终点向起点平滑处理过程可参照上述从起点向终点平滑处理过程,在此不再进行累述。
至此,已经结合附图所示的优选实施方式描述了本申请的技术方案,但是,本领域技术人员容易理解的是,本申请的保护范围显然不局限于这些具体实施方式。在不偏离本申请的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本申请的保护范围之内。
Claims (10)
1.一种飞机协同航路规划方法,其特征在于,包括以下步骤:
步骤一、构建态势模型,包括飞机的起点信息、终点信息、最小飞行距离信息、最大爬升率信息、最大下滑率信息、最小转弯角度信息以及威胁源信息;
步骤二、参数初始化,包括种群个体数量、初始航路数量、最大迭代次数、最大遗弃次数以及规划航路中包含的航路点数;
步骤三、根据态势模型计算每条初始航路的代价;
步骤四、根据初始航路信息产生新航路,计算新航路的代价;
步骤五、判断新航路的代价是否小于初始航路的代价,若是则进行步骤六,若否则进行步骤八;
步骤六、新航路替换为初始航路,遗弃次数置零;
步骤七、种群中其它个体产生新航路,进行步骤五;
步骤八、遗弃次数加1,判断遗弃次数是否大于最重大遗弃次数,若否则进行步骤四,若是则进行步骤九;
步骤九、将初始航路保存在最优航路集合中,重新初始化初始航路,判断否达到最大迭代次数,若否则进行步骤三,若是则进行步骤十;
步骤十、对最优航路集合中的航路进行处理得到飞机协同航路。
2.根据权利要求1所述的飞机协同航路规划方法,其特征在于,
所述步骤二中,种群个体数量为初始航路数量的两倍。
3.根据权利要求1所述的飞机协同航路规划方法,其特征在于,
所述步骤四中,所述根据初始航路信息产生新航路,具体为:
其中,
Vij代表第i条新航路的第j个航路点信息;
为[-1,1]之间的随机数;
Xij代表第i条初始航路的第j个航路点信息;
Xkj代表第k条初始航路的第j个航路点信息,k≠i。
4.根据权利要求1所述的飞机协同航路规划方法,其特征在于,
所述步骤四至所述步骤八采用环形拓扑结构。
5.根据权利要求1所述的飞机协同航路规划方法,其特征在于,
所述步骤十中,对最优航路集合中的航路进行处理包括:
协同航路航路消解。
6.根据权利要求5所述的飞机协同航路规划方法,其特征在于,
所述步骤十中,所述协同航路消解具体为:
计算最优航路集合中航路之间的差异性,找到满足飞机间关联约束关系的航路。
7.根据权利要求6所述的飞机协同航路规划方法,其特征在于,
所述步骤十中,所述差异性为航路点之间的距离和/或航段之间的距离。
8.根据权利要求1所述的飞机协同航路规划方法,其特征在于,
所述步骤十中,对最优航路集合中的航路进行处理包括:
航路平滑处理。
9.根据权利要求8所述的飞机协同航路规划方法,其特征在于,
所述步骤十中,所述航路平滑处理包括:
从起点向终点平滑处理;
从终点向起点平滑处理。
10.根据权利要求9所述的飞机协同航路规划方法,其特征在于,
所述步骤十中,从起点向终点平滑处理具体为:
自起点向终点方向依次判断航段上三个相邻的航路点作为第一待修正点、第二待修正点、第三待修正点;
若第一待修正点、第二待修正点、第三待修正点之间的角度不满足飞机最小转弯角度的限制,则在第二待修正点、第三待修正点之间的直线上生成多个替代点;
判断是否存在一个替代点取代第二待修正点使得第一待修正点、第二待修正点、第三待修正点之间的角度满足飞机最小转弯角度的限制,若存在则以该替代点取代第二待修正点作为航路点,若不存在则修正第二航路点之后的航路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832822.9A CN110598926A (zh) | 2019-09-04 | 2019-09-04 | 一种飞机协同航路规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832822.9A CN110598926A (zh) | 2019-09-04 | 2019-09-04 | 一种飞机协同航路规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110598926A true CN110598926A (zh) | 2019-12-20 |
Family
ID=68857491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910832822.9A Pending CN110598926A (zh) | 2019-09-04 | 2019-09-04 | 一种飞机协同航路规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598926A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436604A (zh) * | 2011-09-08 | 2012-05-02 | 哈尔滨工程大学 | 一种基于多目标进化方法的多弹协同航路计算方法 |
CN102506863A (zh) * | 2011-11-07 | 2012-06-20 | 北京航空航天大学 | 一种基于万有引力搜索的无人机航路规划方法 |
CN103471592A (zh) * | 2013-06-08 | 2013-12-25 | 哈尔滨工程大学 | 一种基于蜂群协同觅食算法的多无人机航迹规划方法 |
CN105841702A (zh) * | 2016-03-10 | 2016-08-10 | 赛度科技(北京)有限责任公司 | 一种基于粒子群优化算法的多无人机航路规划方法 |
-
2019
- 2019-09-04 CN CN201910832822.9A patent/CN110598926A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436604A (zh) * | 2011-09-08 | 2012-05-02 | 哈尔滨工程大学 | 一种基于多目标进化方法的多弹协同航路计算方法 |
CN102506863A (zh) * | 2011-11-07 | 2012-06-20 | 北京航空航天大学 | 一种基于万有引力搜索的无人机航路规划方法 |
CN103471592A (zh) * | 2013-06-08 | 2013-12-25 | 哈尔滨工程大学 | 一种基于蜂群协同觅食算法的多无人机航迹规划方法 |
CN105841702A (zh) * | 2016-03-10 | 2016-08-10 | 赛度科技(北京)有限责任公司 | 一种基于粒子群优化算法的多无人机航路规划方法 |
Non-Patent Citations (1)
Title |
---|
周伟东: ""基于改进PRM算法的多无人机协同航迹规划研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107608372B (zh) | 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 | |
CN110930772A (zh) | 一种多飞机协同航路规划方法 | |
Zhang et al. | An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning | |
CN111024092B (zh) | 一种多约束条件下智能飞行器航迹快速规划方法 | |
CN109828607A (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
CN106295141B (zh) | 用于三维模型重建的多条无人机路径确定方法及装置 | |
Berger et al. | A new mixed-integer linear programming model for rescue path planning in uncertain adversarial environment | |
CN107504972A (zh) | 一种基于鸽群算法的飞行器航迹规划方法及装置 | |
CN110617818A (zh) | 一种无人机航迹生成方法 | |
CN105700549A (zh) | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 | |
CN110659771B (zh) | 飞机协同航路规划方法 | |
CN111121784A (zh) | 一种无人侦察机航路规划方法 | |
CN110887491A (zh) | 一种飞机航路规划方法 | |
CN116400733B (zh) | 侦察无人机自适应调整随机树全覆盖路径规划方法 | |
CN115185303B (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
Liu et al. | A variable-step RRT* path planning algorithm for quadrotors in below-canopy | |
CN113063419B (zh) | 一种无人机路径规划方法及系统 | |
CN110598926A (zh) | 一种飞机协同航路规划方法 | |
CN113625767A (zh) | 一种基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法 | |
CN109445462A (zh) | 一种非确定环境下的无人机鲁棒路径规划方法 | |
CN112214930A (zh) | 基于协作粒子群优化算法的多机协同航路规划方法及系统 | |
Geng et al. | Cooperative task planning for multiple autonomous UAVs with graph representation and genetic algorithm | |
CN116046010A (zh) | 一种基于关键障碍物周围点集法和a*算法的无人机路径规划方法 | |
CN112215414B (zh) | 一种基于相似度模型的多机协同航路规划方法及系统 | |
CN110909957B (zh) | 飞机航路重规划方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |
|
RJ01 | Rejection of invention patent application after publication |