CN114415524A - 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法 - Google Patents
一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法 Download PDFInfo
- Publication number
- CN114415524A CN114415524A CN202210327962.2A CN202210327962A CN114415524A CN 114415524 A CN114415524 A CN 114415524A CN 202210327962 A CN202210327962 A CN 202210327962A CN 114415524 A CN114415524 A CN 114415524A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- time
- track
- conflict resolution
- aircrafts
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法,属于智能优化及智能规划技术领域。包括:规划协同轨迹,得到协同轨迹规划结果;计算飞行器轨迹;分析飞行器轨迹是否交叉,包括建立多飞行器轨迹交叉数学模型、分析是否存在空间轨迹交叉、分析是否存在时空轨迹交叉;建立协同约束条件模型,建立协同集合;飞行器轨迹冲突消解;判断经过分析与消解后是否满足约束条件。所述方法在冲突消解过程中充分考虑飞行器之间的协同关系;减少了冲突消解时间,提升了冲突消解速度,同时提升冲突消解效率;并实现对出动时间的联合优化;具有良好的扩展性,可推广应用于其他时序规划问题中。
Description
技术领域
本发明涉及一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法,属于智能优化及时序规划技术领域。
背景技术
面向敌我对抗体系协同化、规模扩大化、博弈动态化的趋势,需投入战斗的飞行器数量也在不断上升,如何在瞬息万变的战场环境中快速规划飞行器四维轨迹以避免多飞行器之间发生冲突,并满足多飞行器协同作战约束,已成为需要重点解决的关键问题。
轨迹交叉分析与冲突消解是规划领域的典型问题,目前存在对多飞行器协同考虑不足、求解效率低下等问题。传统的方法如随机搜索法,由于优化不具有方向性,导致求解时间过长;球面几何分析方法则对于不沿大地线飞行的飞行器无法得到有效的结论。
启发式算法(heuristic algorithm)是相对于最优化算法提出的,其特点是在解决问题时,利用过去的经验引导搜索过程。启发式方法是与最优化方法相对立的,最优化方法是把各种可能性都一一进行尝试,最终能找到问题的答案,但它是在很大的问题空间内,花费大量的时间和精力才能求得答案。启发式方法则是在有限的搜索空间内,大大减少尝试的数量,以加快找到问题的解决方案。
本申请针对协同多飞行器轨迹交叉分析与冲突消解问题,提出了一种“层次化交叉分析+启发式冲突消解”的方法,解决了协同多飞行器轨迹交叉分析与冲突消解问题,有效提升了轨迹交叉冲突消解效率,并同时融合了对多飞行器出动总时间的优化,得到满足约束条件的最优出动时序,本方法也可应用于其他时序规划问题中。
发明内容
本发明的目的在于针对现有飞行器在协同工作时,存在多器协同考虑不足以及冲突消解效率低的技术现状,提出了一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法,一方面引入协同因素,实现协同多飞行器在轨迹交叉冲突消解的同时仍保持协同关系;另一方面,利用启发式思想提升冲突消解效率,为作战效能提升提供有力支撑。
本发明所述轨迹交叉分析及冲突消解方法的核心思想为:在协同多飞行器轨迹交叉冲突消解时,根据协同飞行器间的协同关系同步调节协同飞行器的出动时间,以实现消解后协同关系的保持;引入启发信息改进随机搜索步骤并融合解空间压缩思想,压缩解搜索空间,提升求解效率的同时实现总出动时间的优化。
为了实现上述目的,本发明采取如下技术方案:
所述轨迹交叉分析及冲突消解方法,包括如下步骤:
S1、根据协同作战条件,规划多飞行器的协同轨迹,得到协同轨迹规划结果;
所述协同作战条件为:同一集群同时到达或同一集群同时出动;
S2、根据S1规划的协同轨迹结果,计算每一个飞行器的飞行轨迹,即按照一定时间间隔输出的飞行器位置数据;
S3、分析飞行轨迹是否交叉,按照先空间分析、再时间分析的顺序,判断轨迹是否交叉,包括建立多飞行器轨迹交叉数学模型、分析是否存在空间轨迹交叉、分析是否存在时空轨迹交叉;
所述建立多飞行器轨迹交叉数学模型,包括优化变量和约束条件;
所述优化变量记为C,包括每架飞行器归零化出动时刻,如式(1)所示:
C=(T 1 ,T 2 ,…, T i ,…) , i∈I (1)
其中,T min=minS i , i∈I,T i =S i -T min;I表示飞行器编号集合,i表示某一飞行器编号,minS i 基于飞行器i求最小值,S i 为各飞行器原始出动时刻,T min为各飞行器原始出动时刻最小值以用于归零化处理,T i 为各飞行器归零化出动时刻;
所述约束条件包括出动时间窗口约束和轨迹不交叉约束;
A)出动时间窗口约束:为每个飞行器的出动时间必须满足飞行器出动时间窗口的要求,即出动时间T i 必须在最早允许开始和最晚允许开始时间区间内;
B)轨迹不交叉约束,即任何两个飞行器的最近距离不小于设定的两个飞行器的最近允许距离;为方便分析,用固定时间间隔的离散时间序列k代替连续时间t,得到修正后的离散轨迹不交叉约束;
约束为条件为: (z-1)△t<max(T h + T h f ) ≤z△t,h∈I以及k∈K;T h f 表示编号为h的飞行器的飞行时间,z为使得不等式成立的正整数;T h 表示编号为h飞行器的出动时间;△t表示时间离散间隔;
所述分析是否存在空间轨迹交叉;表示k时刻的飞行器i与k’时刻的飞行器j的欧氏距离,用五元组(i,j,k,k’,D ij )= d(j,i,k’,k, D ij )表示轨迹 i与轨迹j的空间交叉信息,用J表示轨迹交叉集合并初始化为空,其元素为轨迹交叉信息;遍历I中的飞行器i和j,其中若 i=j’, j = i’则视为一种情况,初始化轨迹i和j的最小空间距离D ij =;遍历k时刻与k’时刻,若k时刻的飞行器i与k’时刻的飞行器j的欧氏距离<D ij ;
则令D ij =k时刻的飞行器i与k’时刻的飞行器j的欧氏距离;否则若D ij ≤两个飞行器的最近允许距离,则将(i,j,k, k’, D ij )放入集合J中;
所述分析是否存在时空轨迹交叉,具体为:对于空间交叉的飞行器轨迹交叉集合J,考虑时间因素分析是否交叉,并令飞行器平均飞行速度为V,具体为:
用(i,j,k,k’,D ij ,△T ij )六元组表示轨迹i与轨迹j的时空交叉信息,其集合为J t ,初始化为空;
遍历(i,j,k,k’,D ij )∈J,计算轨迹i,j最近点时间差△T ij =k-k’,若 ,则将(i,j,k,k’,D ij ,△T ij )存入J t ,所述J t 表示t时刻的轨迹交叉集合;
S4、依据飞行器具有的时间协同要求,建立具有协同关系的飞行器集合;
所述飞行器具有的时间协同要求包括同时出动和同时到达两类且两者均能通过同一协同集合内飞行器的固定的出动时间差表征;
所述建立具有协同关系的飞行器集合,具体为:对于同时出动则两两之间的时间差均为0;对于同时到达则两两之间时间差为某一定值,该值为两两飞行时间之差且各个集合内的两两时间间隔均为0;
S5、通过调整飞行器出动时间并同时考虑飞行器之间的时间协同要求,通过启发率、调节因子及解空间压缩改进随机搜索过程,得到优化的飞行器出动时间方案,具体为:
S51、定义优化目标为全部飞行器出动完毕所需要消耗的时间;
S52、设置启发率和调节因子,遍历所有协同集合中的飞行器,得到飞行器的出动时间,具体为:若当前飞行器i在此协同集合s中,即满足i∈s,则根据协同关系设置s中所有飞行器的出动时间,并从I中剔除s中的元素,即后续遍历中不再生成这些飞行器的出动时间;
所述启发率ε的取值范围为(0,1),调节因子ω的取值范围为(1,10);
S53、根据S3飞行器轨迹是否交叉分析飞行器出动时间是否存在冲突,若存在冲突则放弃本飞行器出动时间方案;若不冲突,则记录此本飞行器出动时间方案,进行解空间压缩并计算总出动时间,具体为:即令t i_latest =t i_latest -△t;并计算总出动时间T max,若未到达迭代次数n,则跳至S52;
其中,t i_latest 为最晚允许开始时间;
S54、对比所有可行的飞行器出动时间方案,选择总出动时间T max最小的方案为优化的飞行器出动时间方案;
S6、判断经过前述S5得到的优化的飞行器出动时间方案是否满足约束条件,若仍无法满足出动时间窗口约束和轨迹不交叉约束,则此协同轨迹规划方案无效,跳至S1重新进行协同轨迹规划,否则结束本方法。
有益效果
本发明一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法,与现有轨迹交叉分析及冲突消解方法相比,具有如下有益效果:
1.所述方法能在冲突消解过程中充分考虑飞行器之间的协同关系,减少了冲突消解时间,提升了冲突消解速度,同时提升冲突消解效率;
2.所述方法实现了对出动时间的联合优化;
3.所述方法具有良好的扩展性,可推广应用于其他时序规划问题中。
附图说明
图1为本发明一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法的实施示意图;
图2为本发明一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法的流程图。
具体实施方式
下面结合附图及实施例对一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法进行详细说明。
实施例1
本实施例阐述了应用本发明提出的启发式协同多飞行器的轨迹交叉分析及冲突消解方法解决图1中的协同多飞行器轨迹交叉及冲突消解问题。图1中,I1、I2、I3为3个出动位置,K 1 、K 2 、K 3 、K 4 表示4个离散位置,该问题使用M1至M9九个飞行器轨迹K1至K4四个离散位置。
协同要求为从同一个出动位置包括的飞行器需要满足同一集群同时出动;
具体实施时,按照图2的流程,根据发明内容的S1~S6实施,具体如下:
S1、规划协同轨迹,得到协同轨迹规划结果,具体为:根据协同作战要求及一定协同作战条件,规划多飞行器的协同轨迹;
具体实施时,协同作战要求及一定协同作战条件为从同一个出动位置包括I1、I2、I3的飞行器需要满足同一集群同时出动;
S2、根据S1规划的协同轨迹结果,计算每一个飞行器的飞行轨迹,即按照一定时间间隔输出的飞行器位置数据;
S2中,分别完成M1至M9九个飞行器轨迹的计算,M1从I1飞往K1、M2从I1飞往K3、M3从I1飞往K4,M4从I2飞往K1,M5从I2飞往K3,M6从I2飞往K4,M7从I3飞往K2,M8从I3飞往K3,M9从I3飞往K4;
S3、分析飞行器轨迹是否交叉,按照先空间分析、再时间分析的顺序,判断轨迹是否交叉,包括建立多飞行器轨迹交叉数学模型、分析是否存在空间轨迹交叉、分析是否存在时空轨迹交叉,具体包括如下子步骤:
S31、建立多飞行器轨迹交叉数学模型;
所述多飞行器轨迹交叉数学模型将各飞行器的出动时刻进行优化,得到优化变量C,且C受一定约束条件限制;
所述优化变量C即各飞行器的出动时刻如式(1)所示:
C=(T 1 ,T 2 ,…, T i ,…) , i∈I (1)
其中,T min=minS i ,T i =S i -T min,i∈I;I表示飞行器编号集合,i表示某一飞行器编号,minS i 基于飞行器i求最小值,S i 为各飞行器原始出动时刻,T min为各飞行器原始出动时刻最小值以用于归零化处理,T i 为各飞行器归零化出动时刻,C包括每架飞行器归零化出动时刻;
约束条件包括出动时间窗口约束和轨迹不交叉约束;
A)出动时间窗口约束:为每个飞行器的出动时间必须满足飞行器出动时间窗口的要求,如式(2)所示,即出动时间必须在最早允许开始和最晚允许开始时间区间内:
t i_earliest ≤T i≤t i_latest (2)
其中,t i_earliest 为最早允许开始时间,通常取0;t i_latest 为最晚允许开始时间;
在S3中,I={M1,M2, M3, M4, M5, M6, M7, M8, M9},M1至M9代表九个飞行器轨迹;t i_latest 、d nearest 、V飞行器平均飞行速度为根据需求取值,间隔时间△t取1s;
B)轨迹不交叉约束:任何两个飞行器i,j的最近距离不小于d nearest :
min d(i,j,t)≥d nearest (3)
i,j∈I且i≠j
其中,min d(i,j,t)基于时间t求最小值,d(i,j,t)表示飞行器i,j在t时刻的欧氏距离,d nearest 为设定的两个飞行器的最近允许距离;为方便分析,用固定时间间隔的离散时间序列k代替连续时间t,公式(3)的轨迹不交叉约束变为:
min d(i,j,k)≥d nearest (4)
其中,min d(i,j,k)基于时间序列k求最小值,△t表示时间离散间隔,K表示离散时刻集合,i,j∈I且i≠j;K={0,△t, 2△t,…z△t};
约束为条件为: (z-1)△t<max(T h + T h f ) ≤z△t,h∈I以及k∈K;T h f 表示编号为h的飞行器的飞行时间,z为使得不等式成立的正整数;
S32、分析是否存在空间轨迹交叉;令d(i,j,k,k’)表示k时刻的飞行器i与k’时刻的飞行器j的欧氏距离,用五元组(i,j,k,k’,D ij )= d(j,i,k’,k, D ij )表示轨迹i与轨迹j的空间交叉信息,用表示轨迹交叉集合并初始化为空,其元素为轨迹交叉信息;
遍历i,j∈I, i≠j,其中若i=j’, j=i’;则视为一种情况,初始化轨迹i,j的最小空间距离D ij =;遍历k,k’∈K,如果d(i,j,k,k’)<D ij ,则令D ij =d(i,j,k,k’);若D ij <d nearest ,则将(i,j,k,k’,D ij )放入集合J;
S33、分析是否存在时空轨迹交叉;
对于空间交叉的飞行器轨迹交叉集合J,进一步考虑时间因素分析是否交叉,并令飞行器平均飞行速度为V,具体为:
用(i,j,k,k’,D ij ,△T ij )六元组表示轨迹i与轨迹j的时空交叉信息,其集合为J t ,初始化为空;
S4、依据飞行器具有时间协同要求,建立具有协同关系的飞行器集合,具体为:
称s1,s2,…为协同集合,集合元素的上标表示在集合中飞行器的编号,集合元素的下标表示集合编号,| |表示集合的元素个数;根据上述定义,有s1, s2, …其中,时间协同要求包括同时出动和同时到达两类,两者均能通过同一协同集合内飞行器的固定的出动时间差表征,具体为:对于同时出动则两两之间的时间差均为0;对于同时到达则两两之间时间差为某一定值,该值为两两飞行时间之差;其中,取s1={M1,M2,M3}, s2={M4,M5,M6}, s3={M7,M8,M9},各个集合内的两两时间间隔均为0;
S5、飞行器轨迹冲突消解,即通过调整飞行器出动时间并同时考虑飞行器之间的时间协同要求,通过启发率、调节因子及解空间压缩改进随机搜索过程,得到优化的飞行器出动时间方案,具体为:
S51、定义优化目标:T max=minmax{T i },i∈I,为全部飞行器出动完毕所需要消耗的时间;
S52、设置启发率和调节因子;
所述启发率ε的取值范围为(0,1),调节因子ω的取值范围为(1,10);
具体到本实施例,启发率取ε=0.8,调节因子ω=2;
S53、得到飞行器的出动时间,具体为:生成随机数ε’∈(0,1),若ε’≥ε,[0, t i_latest ]间均匀分布的随机数作为飞行器出动时间T i ; 若ε’<ε则遍历所有包括飞行器i的冲突(i,j,k,k’,D ij ,△T ij )∈J t ,若△T ij >0, 则令
遍历所有协同集合s=s1,s2,…;若i∈s,则根据协同关系设置s中所有飞行器的出动时间,并从I中剔除s中的元素,即后续遍历中不再生成这些飞行器的出动时间;
S54、根据S3飞行器轨迹是否交叉分析飞行器出动时间是否存在冲突,若存在冲突则放弃本飞行器出动时间方案;若不冲突,则记录此本飞行器出动时间方案,进行解空间压缩并计算总出动时间,具体为:即令t i_latest =t i_latest -△t;并计算总出动时间T max,若未到达迭代次数n,则跳至S52;
具体实施时,最大迭代次数n=1000;
S55、对比所有可行的飞行器出动时间方案,选择总出动时间T max最小的方案为优化的飞行器出动时间方案;
S6、判断经过前述S5得到的优化的飞行器出动时间方案是否满足约束条件,若仍无法满足约束条件,则此协同轨迹规划方案无效,跳至S1重新进行协同轨迹规划,否则结束本方法;
所述约束条件为S31中的出动时间窗口约束和轨迹不交叉约束。
通过具体实施,表明所述启发式协同多飞行器快速轨迹交叉分析与冲突消解方法,能够在冲突消解过程中充分考虑飞行器之间的协同关系;减少了冲突消解时间,提升了冲突消解速度,同时提升冲突消解效率;并实现对出动时间的联合优化;本方法具有良好的扩展性,可推广应用于其他时序规划问题中;在冲突消解后保持多飞行器之间的协同关系;减少了冲突消解时间;提升了冲突消解速度。
以上所述为本发明的较佳实施例而已,本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改,都落入本发明保护的范围。
Claims (8)
1.一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法,其特征在于:包括如下步骤:
S1、根据协同作战条件,规划多飞行器的协同轨迹,得到协同轨迹规划结果;
S2、根据S1规划的协同轨迹结果,计算每一个飞行器的飞行轨迹,即按照一定时间间隔输出的飞行器位置数据;
S3、分析飞行器轨迹是否交叉,按照先空间分析、再时间分析的顺序,判断轨迹是否交叉,包括建立多飞行器轨迹交叉数学模型、分析是否存在空间轨迹交叉、分析是否存在时空轨迹交叉;
所述建立多飞行器轨迹交叉数学模型,包括优化变量和约束条件;
所述约束条件包括出动时间窗口约束和轨迹不交叉约束;
S4、依据飞行器具有的时间协同要求,建立具有协同关系的飞行器集合;
所述飞行器具有的时间协同要求包括同时出动和同时到达两类且两者均能通过同一协同集合内飞行器的固定的出动时间差表征;
S5、通过调整飞行器出动时间并同时考虑飞行器之间的时间协同要求,通过启发率、调节因子及解空间压缩改进随机搜索过程,得到优化的飞行器出动时间方案,具体为:
S51、定义优化目标为全部飞行器出动完毕所需要消耗的时间;
S52、设置启发率和调节因子,遍历所有协同集合中的飞行器,得到飞行器的出动时间,具体为:若当前飞行器i在此协同集合s中,即满足i∈s,则根据协同关系设置s中所有飞行器的出动时间,并从飞行器编号集合中剔除s中的元素,即后续遍历中不再生成这些飞行器的出动时间;
S53、根据S3飞行器轨迹是否交叉分析飞行器出动时间是否存在冲突,若存在冲突则放弃本飞行器出动时间方案;若不冲突,则记录此本飞行器出动时间方案,进行解空间压缩并计算总出动时间;
S54、对比所有可行的飞行器出动时间方案,选择总出动时间T max最小的方案为优化的飞行器出动时间方案;
S6、判断经过前述S5得到的优化的飞行器出动时间方案是否满足约束条件,若仍无法满足出动时间窗口约束和轨迹不交叉约束,则此协同轨迹规划方案无效,跳至S1重新进行协同轨迹规划,否则结束本方法。
2.根据权利要求1所述的轨迹交叉分析及冲突消解方法,其特征在于:S1中的协同作战条件为:同一集群同时到达或同一集群同时出动。
3.根据权利要求2所述的轨迹交叉分析及冲突消解方法,其特征在于:S3中所述优化变量记为C,如式(1)所示:
C=(T 1 ,T 2 ,…, T i ,…) , i∈I (1)
其中,T min=minS i , i∈I,T i =S i -T min;I表示飞行器编号集合,i表示某一飞行器编号,minS i 基于飞行器i求最小值,S i 为各飞行器原始出动时刻,T min为各飞行器原始出动时刻最小值以用于归零化处理,T i 为各飞行器归零化出动时刻。
4.根据权利要求3所述的轨迹交叉分析及冲突消解方法,其特征在于:S3中出动时间窗口约束:为每个飞行器的出动时间必须满足飞行器出动时间窗口的要求,即出动时间必须在最早允许开始和最晚允许开始时间区间内。
5.根据权利要求4所述的轨迹交叉分析及冲突消解方法,其特征在于:S3中轨迹不交叉约束,即任何两个飞行器的最近距离不小于设定的两个飞行器的最近允许距离。
6.根据权利要求5所述的轨迹交叉分析及冲突消解方法,其特征在于:所述S4中建立具有协同关系的飞行器集合,具体为:对于同时出动则两两之间的时间差均为0;对于同时到达则两两之间时间差为某一定值,该值为两两飞行时间之差;且各个集合内的两两时间间隔均为0。
7.根据权利要求6所述的轨迹交叉分析及冲突消解方法,其特征在于:所述S52中启发率的取值范围ε∈(0,1),调节因子ω∈(1,10)。
8.根据权利要求7所述的轨迹交叉分析及冲突消解方法,其特征在于:S53中进行解空间压缩并计算总出动时间,具体为:即令t i_latest =t i_latest -△t;并计算总出动时间T max,若未到达迭代次数n,则跳至S52;
其中,t i_latest 为最晚允许开始时间,△t表示时间离散间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210327962.2A CN114415524B (zh) | 2022-03-31 | 2022-03-31 | 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210327962.2A CN114415524B (zh) | 2022-03-31 | 2022-03-31 | 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114415524A true CN114415524A (zh) | 2022-04-29 |
CN114415524B CN114415524B (zh) | 2022-06-21 |
Family
ID=81264110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210327962.2A Active CN114415524B (zh) | 2022-03-31 | 2022-03-31 | 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415524B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080288164A1 (en) * | 2007-05-15 | 2008-11-20 | The Boeing Company | Systems and Methods for Real-Time Conflict-Checked, Operationally Preferred Flight Trajectory Revision Recommendations |
CN102819667A (zh) * | 2012-07-20 | 2012-12-12 | 北京理工大学 | 基于时间约束库的飞行器协同攻击发射时序优化方法 |
CN103913172A (zh) * | 2013-12-06 | 2014-07-09 | 北京航空航天大学 | 一种适用于复杂低空下飞行器的路径规划方法 |
CN104536454A (zh) * | 2014-12-05 | 2015-04-22 | 中国运载火箭技术研究院 | 一种用于双无人机协同的时空同步匹配方法 |
CN105469644A (zh) * | 2014-08-22 | 2016-04-06 | 北京航空航天大学 | 飞行冲突解脱方法及设备 |
CN106803363A (zh) * | 2015-01-07 | 2017-06-06 | 江苏理工学院 | 一种基于4d航迹的飞行冲突解脱方法 |
CN107238388A (zh) * | 2017-05-27 | 2017-10-10 | 合肥工业大学 | 多无人机任务分配与航迹规划联合优化方法及装置 |
CN110850891A (zh) * | 2019-11-11 | 2020-02-28 | 西北工业大学 | 一种基于空间和时间协同的多无人机动态航路规划方法 |
CN111580556A (zh) * | 2020-05-22 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种时空约束下多无人机协同路径规划与制导方法 |
CN111707273A (zh) * | 2020-06-04 | 2020-09-25 | 杭州电子科技大学 | 一种基于遗传算法的飞行器航迹快速规划优化方法 |
CN112817330A (zh) * | 2021-01-05 | 2021-05-18 | 北京联合大学 | 一种多无人机四维航迹协同规划方法及系统 |
CN113029150A (zh) * | 2021-03-10 | 2021-06-25 | 辽宁工程技术大学 | 一种多约束条件下的智能飞行器航迹规划方法 |
CN113703483A (zh) * | 2021-08-31 | 2021-11-26 | 湖南苍树航天科技有限公司 | 多uav协同轨迹规划方法及系统、设备、存储介质 |
CN113743666A (zh) * | 2021-09-06 | 2021-12-03 | 中国人民解放军海军航空大学岸防兵学院 | 飞行出动任务规划方法、装置、设备和介质 |
CN114172942A (zh) * | 2021-12-09 | 2022-03-11 | 中国人民解放军陆军工程大学 | 多无人机辅助物联网的协同任务分配与轨迹优化方法 |
CN114253285A (zh) * | 2021-03-11 | 2022-03-29 | 北京理工大学 | 一种多飞行器协同队形集结方法 |
-
2022
- 2022-03-31 CN CN202210327962.2A patent/CN114415524B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080288164A1 (en) * | 2007-05-15 | 2008-11-20 | The Boeing Company | Systems and Methods for Real-Time Conflict-Checked, Operationally Preferred Flight Trajectory Revision Recommendations |
CN102819667A (zh) * | 2012-07-20 | 2012-12-12 | 北京理工大学 | 基于时间约束库的飞行器协同攻击发射时序优化方法 |
CN103913172A (zh) * | 2013-12-06 | 2014-07-09 | 北京航空航天大学 | 一种适用于复杂低空下飞行器的路径规划方法 |
CN105469644A (zh) * | 2014-08-22 | 2016-04-06 | 北京航空航天大学 | 飞行冲突解脱方法及设备 |
CN104536454A (zh) * | 2014-12-05 | 2015-04-22 | 中国运载火箭技术研究院 | 一种用于双无人机协同的时空同步匹配方法 |
CN106803363A (zh) * | 2015-01-07 | 2017-06-06 | 江苏理工学院 | 一种基于4d航迹的飞行冲突解脱方法 |
CN107238388A (zh) * | 2017-05-27 | 2017-10-10 | 合肥工业大学 | 多无人机任务分配与航迹规划联合优化方法及装置 |
CN110850891A (zh) * | 2019-11-11 | 2020-02-28 | 西北工业大学 | 一种基于空间和时间协同的多无人机动态航路规划方法 |
CN111580556A (zh) * | 2020-05-22 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种时空约束下多无人机协同路径规划与制导方法 |
CN111707273A (zh) * | 2020-06-04 | 2020-09-25 | 杭州电子科技大学 | 一种基于遗传算法的飞行器航迹快速规划优化方法 |
CN112817330A (zh) * | 2021-01-05 | 2021-05-18 | 北京联合大学 | 一种多无人机四维航迹协同规划方法及系统 |
CN113029150A (zh) * | 2021-03-10 | 2021-06-25 | 辽宁工程技术大学 | 一种多约束条件下的智能飞行器航迹规划方法 |
CN114253285A (zh) * | 2021-03-11 | 2022-03-29 | 北京理工大学 | 一种多飞行器协同队形集结方法 |
CN113703483A (zh) * | 2021-08-31 | 2021-11-26 | 湖南苍树航天科技有限公司 | 多uav协同轨迹规划方法及系统、设备、存储介质 |
CN113743666A (zh) * | 2021-09-06 | 2021-12-03 | 中国人民解放军海军航空大学岸防兵学院 | 飞行出动任务规划方法、装置、设备和介质 |
CN114172942A (zh) * | 2021-12-09 | 2022-03-11 | 中国人民解放军陆军工程大学 | 多无人机辅助物联网的协同任务分配与轨迹优化方法 |
Non-Patent Citations (4)
Title |
---|
ZHAO JIN 等: "Simulation of Real-time Routing for UAS traffic Management with Communication and Airspace Safety Considerations", 《2019 IEEE/AIAA 38TH DIGITAL AVIONICS SYSTEMS CONFERENCE (DASC)》, 31 December 2019 (2019-12-31) * |
吕开妮 等: "空中多飞行器飞行轨迹优化数值仿真", 《指挥控制与仿真》, vol. 38, no. 5, 30 October 2016 (2016-10-30) * |
江光德 等: "导弹群时间分配算法", 《战术导弹技术》, 31 January 2009 (2009-01-31) * |
车国庆: "飞行冲突解脱的启发式混合整数线性规划求解策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, no. 08, 15 August 2020 (2020-08-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN114415524B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105892480B (zh) | 异构多无人机系统协同察打任务自组织方法 | |
CN110470301B (zh) | 多动态任务目标点下的无人机路径规划方法 | |
Gao et al. | A self-organized search and attack algorithm for multiple unmanned aerial vehicles | |
CN113625757B (zh) | 一种基于强化学习和注意力机制的无人机群调度方法 | |
CN108664038A (zh) | 一种多无人机分布式合同竞拍在线任务规划方法 | |
CN112508369B (zh) | 基于改进蚁群算法的多无人机任务分配方法 | |
CN111882047B (zh) | 一种基于强化学习与线性规划的快速空管防冲突方法 | |
CN110986960B (zh) | 一种基于改进聚类算法的无人机航迹规划方法 | |
CN114172942A (zh) | 多无人机辅助物联网的协同任务分配与轨迹优化方法 | |
CN111897362B (zh) | 一种复杂环境下的翼伞组合式航迹规划方法 | |
CN114020045A (zh) | 一种基于改进蚁群算法的无人机航迹规划方法 | |
CN113660681A (zh) | 一种应用于无人机集群辅助传输的多智能体资源优化方法 | |
CN114415524B (zh) | 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法 | |
CN115826601A (zh) | 基于逆向强化学习的无人机路径规划方法 | |
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 | |
CN112947558A (zh) | 一种时空同步达到协同轨迹规划方法 | |
CN114253285B (zh) | 一种多飞行器协同队形集结方法 | |
CN115840465A (zh) | 一种基于粒子群算法的无人机集群航迹规划方法 | |
CN115979267A (zh) | 一种基于改进rrt算法的扑翼飞行器航路规划方法 | |
CN113504793B (zh) | 一种基于Voronoi图的无人机集群路径规划方法 | |
CN114997306A (zh) | 一种基于动态贝叶斯网络的目标意图识别方法 | |
Kompella et al. | Event tables for efficient experience replay | |
Wang et al. | A review of deep reinforcement learning methods and military application research | |
Zheng et al. | Variance reduction based partial trajectory reuse to accelerate policy gradient optimization | |
Wang et al. | Asymmetric Training in RealnessGAN |
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 |