CN115388719A - 一种基于激光制导武器的飞行器激光照射航路规划方法 - Google Patents

一种基于激光制导武器的飞行器激光照射航路规划方法 Download PDF

Info

Publication number
CN115388719A
CN115388719A CN202211016263.2A CN202211016263A CN115388719A CN 115388719 A CN115388719 A CN 115388719A CN 202211016263 A CN202211016263 A CN 202211016263A CN 115388719 A CN115388719 A CN 115388719A
Authority
CN
China
Prior art keywords
aircraft
laser
point
flight
determining
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
Application number
CN202211016263.2A
Other languages
English (en)
Other versions
CN115388719B (zh
Inventor
彭定洲
所玉君
李艳玲
杨瑞明
邹鹏程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Jinhang Computing Technology Research Institute
Original Assignee
Tianjin Jinhang Computing Technology Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Jinhang Computing Technology Research Institute filed Critical Tianjin Jinhang Computing Technology Research Institute
Priority to CN202211016263.2A priority Critical patent/CN115388719B/zh
Publication of CN115388719A publication Critical patent/CN115388719A/zh
Application granted granted Critical
Publication of CN115388719B publication Critical patent/CN115388719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F42AMMUNITION; BLASTING
    • F42BEXPLOSIVE CHARGES, e.g. FOR BLASTING, FIREWORKS, AMMUNITION
    • F42B15/00Self-propelled projectiles or missiles, e.g. rockets; Guided missiles
    • F42B15/01Arrangements thereon for guidance or control
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations

Abstract

本申请提供一种基于激光制导武器的飞行器激光照射航路规划方法,包括如下步骤:S1、确定输入信息和输出信息;S2、确定飞行方案;S3、根据飞行器做圆周运动的方向以及飞行器朝向目标飞行的方向确定搜索空间;S4、对飞行器和激光发射器的性能约束进行建模,将飞行器和激光发射器的性能约束转换成搜索区域各维度的约束空间模型;S5、确定评价函数;S6、基于约束空间模型和评价函数,采用四个粒子群分别在四个搜索区域内进行搜索,得到四个最优飞行路径;S7、基于评价函数,从四个最优飞行路径中筛选出最终的飞行器激光照射路径。本申请解决了飞行器激光照射航路规划中搜索空间跨度大,单个粒子群无法跨区域搜索的问题。

Description

一种基于激光制导武器的飞行器激光照射航路规划方法
技术领域
本申请涉及飞行器航路规划技术领域,尤其涉及一种基于激光制导武器的飞行器激光照射航路规划方法。
背景技术
激光制导是一种先进的制导技术,在实际应用中激光制导武器通常具有较高的命中率。激光制导的基本原理就是用激光器发射激光束照射目标,而装在弹体的激光接收装置接收目标反射的激光信号,计算出弹体偏离反射激光束的程度,不断调整飞行轨迹,使战斗部沿着反射激光前进,最终命中目标。激光制导方式可分为半主动寻的式、主动寻的式和波束式三种。目前激光制导武器中大多采用半主动激光制导方式,即导引头与激光照射装置分开配置于两地,前者随弹飞行,后者置于地面、车船或飞机上。
目前关于激光制导的攻击区计算、光斑检测和复杂环境下的抗干扰等方面的研究较多,但是关于飞行器时如何使用激光制导武器的相关研究非常少。当飞行器上装载激光照射器,使用半主动的激光制导方式时,需要预先规划飞行器的飞行路径,以确保在激光制导武器从导引头开机到命中目标的这一时间段内,飞行器能一直提供有效的激光信号。
现有技术中,用于飞行器航路规划的方法主要有人工势场法、模拟退火算法、遗传算法、粒子群算法等。人工势场法是一种反馈控制策略,具有一定的鲁棒性,但是容易产生局部极小值。模拟退火算法过程简单通用,但是收敛速度慢,算法性能对参数变化敏感。与其他算法相比,粒子群算法具有实现简单、收敛速度快、设置参数少等优点。
然而,在飞行器进行激光照射的场景下,由于激光制导武器本身的特性,飞行器具有多个可选择的飞行区域和飞行方式,因此各个搜索区域跨度较大,单个粒子群算法无法完成搜索,即存在搜索不充分的问题。为此,本申请提出一种基于激光制导武器的飞行器激光照射航路规划方法。
发明内容
本申请的目的是针对以上问题,提供一种基于激光制导武器的飞行器激光照射航路规划方法。
本申请提供一种基于激光制导武器的飞行器激光照射航路规划方法,所述方法包括如下步骤:
S1、确定输入信息和输出信息;所述输入信息包括飞行器投放位置、飞行器姿态、飞行器投放时刻、目标位置、激光照射开启时间、激光照射结束时间、激光发射器照射能力模型、飞行器飞行姿态约束;所述输出信息为飞行路径的关键航路点;
S2、确定飞行方案;所述飞行方案为飞行器按照Dubins机动路径切入到绕目标做圆周运动;
S3、根据飞行器做圆周运动的方向以及飞行器朝向目标飞行的方向确定搜索空间;所述搜索空间包括四个搜索区域;
S4、对飞行器和激光发射器的性能约束进行建模,将飞行器和激光发射器的性能约束转换成所述搜索区域各维度的约束空间模型;
S5、确定评价函数;
S6、基于约束空间模型和所述评价函数,采用四个粒子群分别在四个所述搜索区域内进行搜索,得到四个最优飞行路径;
S7、基于所述评价函数,从四个所述最优飞行路径中筛选出最终的飞行器激光照射路径。
根据本申请某些实施例提供的技术方案,步骤S2中,确定的所述飞行方案具体包括:
从武器投放点P0按照Dubins机动路径切入到绕目标做圆周运动的P1点;
从切入点P1点绕目标做半径为rxz的圆周运动飞到照射起始点P2
从照射起始点P2飞到照射结束点P3
根据本申请某些实施例提供的技术方案,步骤S3中,各所述搜索区域表示为:
Figure BDA0003812640750000021
其中,v0为P0点到P1点的规划速度;v1为P1点到P2点的规划速度;rxz为水平面转弯半径;
Figure BDA0003812640750000022
为P2点相对圆心的方位角;
Figure BDA0003812640750000023
为P1点相对圆心的方位角。
根据本申请某些实施例提供的技术方案,步骤S4中,对飞行器和激光发射器的性能约束进行建模,将飞行器和激光发射器的性能约束转换成所述搜索区域各维度的约束空间模型,具体包括:
确定激光发射器的激光照射时间约束;
确定激光发射器的激光照射角度约束,具体包括确定
Figure BDA0003812640750000032
Figure BDA0003812640750000033
的约束范围;
确定飞行器的飞行性能约束,具体包括确定v0、v1以及rxz的约束范围。
根据本申请某些实施例提供的技术方案,步骤S5中,确定的评价函数公式为:
Figure BDA0003812640750000031
其中,rxz为水平面转弯半径;Δt为期望开启照射时间与规划的路径中实际开启照射时间的差;w1为权重;f1(rxz)=|rxz-rxzmax*0.8|;f2(Δt)=|Δt|;rxzmax为rxz的约束范围的最大值。
根据本申请某些实施例提供的技术方案,步骤S6中,各粒子群在对应的所述搜索区域内进行搜索的方法具体包括:
通过在所述搜索区域中均匀取点的方式对粒子进行初始化,得到各粒子的初始位置以及初始速度;
迭代更新各粒子在所述搜索区域中的位置和速度,并根据更新后的位置确定新的搜索区域,再根据新的搜索区域对位置和速度进行修正;
根据飞行器在投放点P0和切入点P1点的方位调用Dubins算法,寻找飞行器的Dubins飞行路径,确定各粒子位置对应的飞行航路;
计算规划航路中的实际开启照射时间,并计算各粒子的当前评价值,更新各粒子的历史最优位置及最优值,并择优更新粒子群的最优位置及最优值;
当搜索过程满足迭代终止条件时退出搜索步骤。
与现有技术相比,本申请的有益效果:本申请提供的基于激光制导武器的飞行器激光照射航路规划方法,使用4个粒子群对飞行器可能飞行的所有区域分别进行搜索,最后综合所有粒子群的输出结果确定飞行器的激光照射路径,解决了飞行器激光照射航路规划中搜索空间跨度大,单个粒子群无法跨区域搜索的问题。该方法使用飞行器通过Dubins路径接近目标,绕其圆周运动进行照射的飞行方案,减少了照射过程中飞行器姿态和位置的影响,简化了激光发射器的照射能力模型,然后考虑飞行器和激光照射器的性能约束,通过坐标系转换、运动学方程等方式,确定了对算法搜索空间进行建模。该方法在粒子群初始化时,对各个变量的搜索空间均匀取点,根据每个维度的取点个数确定粒子数量,使粒子群能充分搜索全部空间,从而减少多次运行该方法输出的评价函数值的方差,保证了每次输出的路径的稳定性。
附图说明
图1为本申请实施例提供的基于激光制导武器的飞行器激光照射航路规划方法的流程图;
图2为四个粒子群的搜索区域示意图;
图3为单个粒子群算法的使用流程图。
具体实施方式
为了使本领域技术人员更好地理解本申请的技术方案,下面结合附图对本申请进行详细描述,本部分的描述仅是示范性和解释性,不应对本申请的保护范围有任何的限制作用。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
本实施例提供一种基于激光制导武器的飞行器激光照射航路规划方法,所述方法的流程图如图1所示,所述方法包括如下步骤:
S1、确定输入信息和输出信息;所述输入信息包括飞行器投放位置、飞行器姿态、飞行器投放时刻、目标位置、激光照射开启时间、激光照射结束时间、激光发射器照射能力模型、飞行器飞行姿态约束;所述输出信息为飞行路径的关键航路点。
其中,激光发射器照射能力模型由激光发射器本身性能决定,飞行器飞行姿态约束是由其自身性能决定,包括飞行倾斜角度限制范围等;飞行路径的关键航路点包括组成飞行器飞行路径的若干离散点,其可以包括从什么时候开始拐弯、从什么时候退出拐弯、什么时候可以直线飞行等。
S2、确定飞行方案;所述飞行方案为飞行器按照Dubins机动路径切入到绕目标做圆周运动。
确定的所述飞行方案具体包括:
飞行器从武器投放点P0按照Dubins机动路径切入到绕目标做圆周运动的P1点;
飞行器从切入点P1点绕目标做半径为rxz的圆周运动,飞到照射起始点P2
开启激光照射器,飞行器从照射起始点P2飞到照射结束点P3
武器挂在飞行器上,当飞行器飞行至武器投放点P0时,武器投放,飞行器开始从切入点P1绕目标做圆周运动,当其飞行至P2点时,开启激光照射,当其飞行至P3点时,停止激光照射,其中,P1点、P2点以及P3点均在圆周上。
S3、根据飞行器做圆周运动的方向以及飞行器朝向目标飞行的方向确定搜索空间;所述搜索空间包括四个搜索区域;
各所述搜索区域表示为:
Figure BDA0003812640750000051
其中,v0为P0点到P1点的规划速度;v1为P1点到P2点的规划速度,也为P2点到P3点的规划速度,两段路径的规划速度相同;rxz为水平面转弯半径;
Figure BDA0003812640750000052
为P2点相对圆心的方位角;
Figure BDA0003812640750000053
为P1点相对圆心的方位角。
Figure BDA0003812640750000054
由于照射角度的限制,取值范围为两个相互独立的连续区间,故对其进行拆分处理,在每个区间内,飞行器又可以分为逆时针飞行和顺时针飞行,因此分别使用四个粒子群在各自连续区间内进行搜索;即搜索空间由四个搜索区域组成,四个搜索区域的确定是根据飞行器朝向目标飞行时的左右方向、以及飞行器绕圆的顺时针和逆时针方向两两组合得到的,四个粒子群的搜索区域的示意图如图2所示。
S4、对飞行器和激光发射器的性能约束进行建模,将飞行器和激光发射器的性能约束转换成所述搜索区域各维度的约束空间模型。
步骤S4中,对飞行器和激光发射器的性能约束进行建模,将飞行器和激光发射器的性能约束转换成所述搜索区域各维度的约束空间模型,具体包括:
S41、确定激光发射器的激光照射时间约束;
定义激光照射开启、结束时间分别为ts和te,则激光发射器的激光照射时间约束为te-ts
S42、确定激光发射器的激光照射角度约束,即确定
Figure BDA0003812640750000061
Figure BDA0003812640750000062
的约束范围;
定义激光发射器指向目标时相对飞行器机体系的俯仰角为α,目标相对飞行器机体系的离轴角为β;激光对目标的入射角度与导引头相对目标的方位角为
Figure BDA0003812640750000063
Figure BDA0003812640750000064
满足
Figure BDA0003812640750000065
其中,步骤S1中确定的激光发射器照射能力模型,包含了激光照射航段角度约束
Figure BDA0003812640750000066
Figure BDA0003812640750000067
这里
Figure BDA0003812640750000068
有两种取值,一种为:
Figure BDA0003812640750000069
另一种为:
Figure BDA00038126407500000610
通过将
Figure BDA00038126407500000611
的两种取值分别带入上述不等式后,便可以得到两个不等式,
Figure BDA00038126407500000612
是在投放武器时就确定的,从而分别可以确定
Figure BDA00038126407500000613
Figure BDA00038126407500000614
的约束范围,即分别获得
Figure BDA00038126407500000615
的约束空间模型。
S43、确定飞行器的飞行性能约束,具体包括确定v0、v1以及rxz的约束范围。
飞行器本身的飞行性能限制包括飞行器滚转限制γmax、飞行速度限制vmin和vmax、盘旋角速度限制ωmax。此外,激光发射器的限制包括照射距离d和俯仰限制αmax。对规划路径做如下假设:航段P0P1的Dubins路径为匀速运动,速度大小为v0;航段P1P2及P2P3为匀速运动,速度大小为v1,且俯仰角近似θ≈0。
因此,可以确定速度v0、v1的限制范围,即二者的取值分别在vmin和vmax之间;然后根据飞行器的位置姿态、飞行器和激光发射器的性能限制,确定水平面转弯半径rxz的约束空间模型,rxz的范围公式为:
Figure BDA00038126407500000616
其中,y0为目标高度,yT为飞行器航路高度,g为重力加速度。
计算所有单个粒子的上述搜索空间后,规定各维度的速度最大值为各自位置区间长度的0.2倍。
S5、确定评价函数。
步骤S5中,确定的评价函数公式为:
Figure BDA00038126407500000617
其中,rxz为水平面转弯半径;Δt为期望开启照射时间与规划的路径中实际开启照射时间的差;w1为权重,w1的取值范围为0~1;f1(rxz)=|rxz-rxzmax*0.8|;
Figure BDA0003812640750000071
rxzmax为rxz的约束范围的最大值;
Figure BDA0003812640750000072
为Dubins路径的长度。
为保证飞行器在输入的开启照射时间和结束照射时间点准时到达并开始照射,并且在照射的过程中尽可能远离目标以保证飞行器的安全,设计了上述评价函数,评价函数的结果作为评价飞行方案好坏的指标,评价函数的结果即评价值越小,说明飞行方案越好。
S6、基于约束空间模型和所述评价函数,采用四个粒子群分别在四个所述搜索区域内进行搜索,得到四个最优飞行路径。
粒子群搜索方法采用现有技术中常规的方法,在采用粒子群算法的时候,需要将步骤S1中确定的飞行器投放位置、飞行器姿态、飞行器投放时刻、目标位置、激光照射开启时间、激光照射结束时间等输入进去。各粒子群在对应的所述搜索区域内进行搜索的方法具体包括:
S61、通过在所述搜索区域中均匀取点的方式对粒子进行初始化,得到各粒子的初始位置以及初始速度;
S62、迭代更新各粒子在所述搜索区域中的位置和速度,并根据更新后的位置确定新的搜索区域,再根据新的搜索区域对位置和速度进行修正;
S63、根据飞行器在投放点P0和切入点P1点的方位调用Dubins算法,寻找飞行器的Dubins飞行路径,确定各粒子位置对应的飞行航路;
S64、计算规划航路中的实际开启照射时间,并计算各粒子的当前评价值,更新各粒子的历史最优位置及最优值,并择优更新粒子群的最优位置及最优值;
S65、当搜索过程满足迭代终止条件时退出搜索步骤。
具体地,采用在各个搜索区域中均匀取点的方式对粒子进行初始化,从而使粒子遍布整个搜索空间,提高搜索效果。假设在每个搜索维度x0,x1,x2,x3,x4的空间内分别均匀取k0,k1,k2,k3,k4个点,即在维度x0的空间内取k0个点,在维度x1的空间内取k1个点,在维度x2的空间内取k2个点,在维度x3的空间内取k3个点,在维度x4的空间内取k4个点,k0、k1、k2、k3、k4这5个数的取值均大于1,表示为kj>1,(j=0、1、2、3、4),则一个搜索区域内的总的粒子个数N=Πkj;然后依次在各维度的搜索空间内均匀取点,确定粒子的初始位置,再随机生成粒子各维度的初始速度;然后根据飞行器在P0和P1点的方位调用Dubins算法,寻找飞行器的Dubins飞行路径,再根据评价函数计算该粒子的当前评价值,并记为粒子历史最优值,选择各粒子中的最优值作为种群历史最优值。
对于第i(i=0、1、2......N)个粒子的第j(j=0、1、2、3、4)个变量的位置
Figure BDA0003812640750000081
的更新公式为
Figure BDA0003812640750000082
由于变量x2,x3,x4的约束区间分别与x1,x2,x3有关,因此,从x2开始,每次更新xj的位置后,需要根据xj-1的位置重新确定xj的约束区间,再对xj进行修正,然后再对下一个维度xj+1的位置进行更新。
对于第i个粒子的第j个变量的速度
Figure BDA0003812640750000083
的更新公式为
Figure BDA0003812640750000084
其中,wv为惯性权重,其取值范围为0~1,其数值大小随迭代次数增加而线性递减,
Figure BDA0003812640750000085
为第i个粒子的第j个变量的局部最优,即第i个粒子历史最优值对应的第j个变量取值,gbestj为第j个变量的全局最优,即是所有粒子中的评价函数最优值对应的第j个变量取值,c1、c2为学习因子,其通常取值分别为2,rand(·)为0~1之间的随机数。由于粒子速度的空间约束随粒子变量位置的空间约束变化而变化,因此根据新的粒子速度的约束空间
Figure BDA0003812640750000086
Figure BDA0003812640750000087
进行修正。
迭代的过程中若满足以下任意一个条件,则终止迭代过程:1)迭代次数大于等于最大迭代次数;2)在连续K次迭代中,评价函数的历史最优值变化量均小于Δ。其中,最大迭代次数人为设定,一般设定为4;Δ也为认为设定,其取值比如可以为10-3
综上,单个粒子群算法使用流程图如图3所示,其依次包括:确定粒子的空间约束、均匀初始化粒子的位置和速度、保存粒子群和粒子的历史最优值、更新粒子位置、更新粒子空间约束、修正粒子位置并更新粒子速度、更新粒子群和粒子的历史最优值、判断是否满足结束条件、若满足则输出粒子群历史最优对应的路径,若不满足则返回至更新粒子位置的步骤,并重复上述步骤直至满足结束条件为止。
S7、基于所述评价函数,从四个所述最优飞行路径中筛选出最终的飞行器激光照射路径。
通过之前的步骤,可以确定飞行器从P0点飞到P1点的飞行路径、P1点到P2点、P3点的路径也知道了,因此可以根据路径的长度计算出飞行时间,同时可以获得P1点、P2点、P3点所在的圆周半径rxz,将飞行时间和半径代入到步骤S5中的评价函数中,即可以计算出评价函数的值。
因为采用了四个粒子群,因此可以计算出四个评价函数的值,选取最小的评价函数的值所对应的粒子群的规划结果,将其作为最终的飞行器激光照射路径。
本申请实施例提供的基于激光制导武器的飞行器激光照射航路规划方法,采用由Dubins机动路径和绕目标做圆周运动组成的飞行照射方案,建立了一个关于时间和距离的评价函数,然后对激光照射器和飞行器的性能约束进行建模,确定各变量的搜索范围,然后在粒子群初始化时对各个变量的搜索空间均匀取点,使用粒子群算法进行搜索,从而生成飞行器的激光照射关键航路点。该方法提供了一种飞行器激光照射的飞行方案,充分考虑了实际使用过程中的各种限制条件,具有较强的实用性,能够提供较为稳定的输出结果。此外,该方法智能化地提供了飞行路径,既考虑了完成任务的准时性,又考虑了飞行器的安全性。
本申请在飞行器使用激光制导武器的场景下,为飞行器提供多个关键航路点,从而保证飞行器在投放该武器后,在激光导引头开机前,准时到达目标的照射区域,使用激光照射器对目标进行持续照射,直到武器命中目标;本申请解决了现有技术中单个粒子群算法搜索不充分的问题,同时也解决了激光照射航路规划建模困难的问题。
本申请提供的基于激光制导武器的飞行器激光照射航路规划方法,具有以下优点:第一,该方法提供了一种飞行器进行激光照射的飞行方案;第二,该方法充分考虑了激光照射过程中的各种限制条件,具有较强的实用性。第三,该方法能对搜索空间进行充分的搜索,提高了输出结果的稳定性;第四,该方法提供的飞行路径即考虑了完成任务的准时性,又使飞行器尽可能和目标保持一定距离,考虑了飞行器的安全性。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。以上所述仅是本申请的优选实施方式,应当指出,由于文字表达的有限性,而客观上存在无限的具体结构,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,还可以作出若干改进、润饰或变化,也可以将上述技术特征以适当的方式进行组合;这些改进润饰、变化或组合,或未经改进将发明的构思和技术方案直接应用于其他场合的,均应视为本申请的保护范围。

Claims (6)

1.一种基于激光制导武器的飞行器激光照射航路规划方法,其特征在于,所述方法包括如下步骤:
S1、确定输入信息和输出信息;所述输入信息包括飞行器投放位置、飞行器姿态、飞行器投放时刻、目标位置、激光照射开启时间、激光照射结束时间、激光发射器照射能力模型、飞行器飞行姿态约束;所述输出信息为飞行路径的关键航路点;
S2、确定飞行方案;所述飞行方案为飞行器按照Dubins机动路径切入到绕目标做圆周运动;
S3、根据飞行器做圆周运动的方向以及飞行器朝向目标飞行的方向确定搜索空间;所述搜索空间包括四个搜索区域;
S4、对飞行器和激光发射器的性能约束进行建模,将飞行器和激光发射器的性能约束转换成所述搜索区域各维度的约束空间模型;
S5、确定评价函数;
S6、基于约束空间模型和所述评价函数,采用四个粒子群分别在四个所述搜索区域内进行搜索,得到四个最优飞行路径;
S7、基于所述评价函数,从四个所述最优飞行路径中筛选出最终的飞行器激光照射路径。
2.根据权利要求1所述的基于激光制导武器的飞行器激光照射航路规划方法,其特征在于,步骤S2中,确定的所述飞行方案具体包括:
从武器投放点P0按照Dubins机动路径切入到绕目标做圆周运动的P1点;
从切入点P1点绕目标做半径为rxz的圆周运动飞到照射起始点P2
从照射起始点P2飞到照射结束点P3
3.根据权利要求2所述的基于激光制导武器的飞行器激光照射航路规划方法,其特征在于,步骤S3中,各所述搜索区域表示为:
Figure FDA0003812640740000011
其中,v0为P0点到P1点的规划速度;v1为P1点到P2点的规划速度;rxz为水平面转弯半径;
Figure FDA0003812640740000012
为P2点相对圆心的方位角;
Figure FDA0003812640740000013
为P1点相对圆心的方位角。
4.根据权利要求3所述的基于激光制导武器的飞行器激光照射航路规划方法,其特征在于,步骤S4中,对飞行器和激光发射器的性能约束进行建模,将飞行器和激光发射器的性能约束转换成所述搜索区域各维度的约束空间模型,具体包括:
确定激光发射器的激光照射时间约束;
确定激光发射器的激光照射角度约束,具体包括确定
Figure FDA0003812640740000021
Figure FDA0003812640740000022
的约束范围;
确定飞行器的飞行性能约束,具体包括确定v0、v1以及rxz的约束范围。
5.根据权利要求4所述的基于激光制导武器的飞行器激光照射航路规划方法,其特征在于,步骤S5中,确定的评价函数公式为:
Figure FDA0003812640740000023
其中,rxz为水平面转弯半径;Δt为期望开启照射时间与规划的路径中实际开启照射时间的差;w1为权重;f1(rxz)=|rxz-rxzmax*0.8|;f2(Δt)=|Δt|;rxzmax为rxz的约束范围的最大值。
6.根据权利要求5所述的基于激光制导武器的飞行器激光照射航路规划方法,其特征在于,步骤S6中,各粒子群在对应的所述搜索区域内进行搜索的方法具体包括:
通过在所述搜索区域中均匀取点的方式对粒子进行初始化,得到各粒子的初始位置以及初始速度;
迭代更新各粒子在所述搜索区域中的位置和速度,并根据更新后的位置确定新的搜索区域,再根据新的搜索区域对位置和速度进行修正;
根据飞行器在投放点P0和切入点P1点的方位调用Dubins算法,寻找飞行器的Dubins飞行路径,确定各粒子位置对应的飞行航路;
计算规划航路中的实际开启照射时间,并计算各粒子的当前评价值,更新各粒子的历史最优位置及最优值,并择优更新粒子群的最优位置及最优值;
当搜索过程满足迭代终止条件时退出搜索步骤。
CN202211016263.2A 2022-08-24 2022-08-24 一种基于激光制导武器的飞行器激光照射航路规划方法 Active CN115388719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211016263.2A CN115388719B (zh) 2022-08-24 2022-08-24 一种基于激光制导武器的飞行器激光照射航路规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211016263.2A CN115388719B (zh) 2022-08-24 2022-08-24 一种基于激光制导武器的飞行器激光照射航路规划方法

Publications (2)

Publication Number Publication Date
CN115388719A true CN115388719A (zh) 2022-11-25
CN115388719B CN115388719B (zh) 2024-01-16

Family

ID=84120006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211016263.2A Active CN115388719B (zh) 2022-08-24 2022-08-24 一种基于激光制导武器的飞行器激光照射航路规划方法

Country Status (1)

Country Link
CN (1) CN115388719B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000020117A (ja) * 1998-06-29 2000-01-21 Yaskawa Electric Corp ロボットの動作経路計画方法およびその装置
JP2000213953A (ja) * 1999-01-25 2000-08-04 Mitsubishi Electric Corp 飛しょう体の航法装置
CN101286071A (zh) * 2008-04-24 2008-10-15 北京航空航天大学 基于微粒群优化和遗传算法的多无人机三维编队重构方法
US20130153707A1 (en) * 2010-08-23 2013-06-20 Mbda Uk Limited Guidance method and apparatus
US8939056B1 (en) * 2012-04-20 2015-01-27 Barron Associates, Inc. Systems, devices, and/or methods for managing targeted payload descent
CN107037828A (zh) * 2017-03-24 2017-08-11 西安电子科技大学 基于粒子群算法的无人机区域覆盖的单步寻优方法
CN108195376A (zh) * 2017-12-13 2018-06-22 天津津航计算技术研究所 小型无人机自主导航定位方法
KR20190001436A (ko) * 2017-06-27 2019-01-04 광운대학교 산학협력단 다수의 무인비행체 시스템과 군집 지능을 사용한 현실 3d 공간 탐색 시스템 및 방법
KR102021595B1 (ko) * 2019-03-04 2019-09-16 엘아이지넥스원 주식회사 유도무기 중계 유도 시스템 및 방법
CN110966327A (zh) * 2019-11-25 2020-04-07 天津津航计算技术研究所 一种用于飞机刹车系统的冷却控制系统
CN112781449A (zh) * 2020-12-22 2021-05-11 北京航天飞腾装备技术有限责任公司 一种激光制导武器的作战使用方法及装置
JP2021099181A (ja) * 2019-12-20 2021-07-01 三菱重工業株式会社 誘導装置、飛行体、防空システム、および誘導プログラム
KR102279956B1 (ko) * 2020-04-29 2021-07-21 인하대학교 산학협력단 감시영역 우선도 기반 소수무리최적화 이론을 활용한 복수 무인항공기의 3차원 감시경로설정 최적화 방법 및 장치
CN113778119A (zh) * 2021-09-26 2021-12-10 江西理工大学 一种无人机控制路径优化方法
CN114018244A (zh) * 2021-11-06 2022-02-08 中国电子科技集团公司第五十四研究所 一种基于无人机光电平台的目标跟踪航路生成方法
CN114440711A (zh) * 2021-12-03 2022-05-06 北京星途探索科技有限公司 一种基于粒子群算法的四级固体运载火箭弹道优化方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000020117A (ja) * 1998-06-29 2000-01-21 Yaskawa Electric Corp ロボットの動作経路計画方法およびその装置
JP2000213953A (ja) * 1999-01-25 2000-08-04 Mitsubishi Electric Corp 飛しょう体の航法装置
CN101286071A (zh) * 2008-04-24 2008-10-15 北京航空航天大学 基于微粒群优化和遗传算法的多无人机三维编队重构方法
US20130153707A1 (en) * 2010-08-23 2013-06-20 Mbda Uk Limited Guidance method and apparatus
US8939056B1 (en) * 2012-04-20 2015-01-27 Barron Associates, Inc. Systems, devices, and/or methods for managing targeted payload descent
CN107037828A (zh) * 2017-03-24 2017-08-11 西安电子科技大学 基于粒子群算法的无人机区域覆盖的单步寻优方法
KR20190001436A (ko) * 2017-06-27 2019-01-04 광운대학교 산학협력단 다수의 무인비행체 시스템과 군집 지능을 사용한 현실 3d 공간 탐색 시스템 및 방법
CN108195376A (zh) * 2017-12-13 2018-06-22 天津津航计算技术研究所 小型无人机自主导航定位方法
KR102021595B1 (ko) * 2019-03-04 2019-09-16 엘아이지넥스원 주식회사 유도무기 중계 유도 시스템 및 방법
CN110966327A (zh) * 2019-11-25 2020-04-07 天津津航计算技术研究所 一种用于飞机刹车系统的冷却控制系统
JP2021099181A (ja) * 2019-12-20 2021-07-01 三菱重工業株式会社 誘導装置、飛行体、防空システム、および誘導プログラム
KR102279956B1 (ko) * 2020-04-29 2021-07-21 인하대학교 산학협력단 감시영역 우선도 기반 소수무리최적화 이론을 활용한 복수 무인항공기의 3차원 감시경로설정 최적화 방법 및 장치
CN112781449A (zh) * 2020-12-22 2021-05-11 北京航天飞腾装备技术有限责任公司 一种激光制导武器的作战使用方法及装置
CN113778119A (zh) * 2021-09-26 2021-12-10 江西理工大学 一种无人机控制路径优化方法
CN114018244A (zh) * 2021-11-06 2022-02-08 中国电子科技集团公司第五十四研究所 一种基于无人机光电平台的目标跟踪航路生成方法
CN114440711A (zh) * 2021-12-03 2022-05-06 北京星途探索科技有限公司 一种基于粒子群算法的四级固体运载火箭弹道优化方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
HAZIM SHAKHATREH1: "Efficient 3D placement of a UAV using particle swarm optimization", IEEE, pages 258 - 263 *
严飞;祝小平;周洲;唐杨;: "考虑同时攻击约束的多异构无人机实时任务分配", 中国科学:信息科学, no. 05, pages 56 - 67 *
刘津鸣: "2021年精确制导武器指挥控制技术发展综述", 战术导弹技术, no. 2, pages 67 - 74 *
刘津鸣;王韵;: "2019年精确制导武器指挥控制技术发展综述", 飞航导弹, no. 01 *
刘鹤鸣;黄长强;董志;李佑军;赖志平;: "无人作战飞机自主攻击三维实时轨迹规划研究", 电光与控制, no. 06, pages 30 - 39 *
唐强, 张新国, 刘锡成: "一种用于低空飞行的在线航迹重规划方法", 西北工业大学学报, no. 02, pages 271 - 275 *
庄夏;: "基于并行粒子群和RL的无人机航路规划算法设计", 西南师范大学学报(自然科学版), no. 03, pages 31 - 36 *

Also Published As

Publication number Publication date
CN115388719B (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
US20210020051A1 (en) Airplane flight path planning method and device based on the pigeon-inspired optimization
CN109144102B (zh) 一种基于改进蝙蝠算法的无人机航路规划方法
CN110456823B (zh) 一种针对无人机计算与存储能力受限的双层路径规划方法
Burchett et al. Model predictive lateral pulse jet control of an atmospheric rocket
CN111538241B (zh) 一种平流层飞艇水平轨迹智能控制方法
CN111256681B (zh) 一种无人机群路径规划方法
CN112666981B (zh) 基于原鸽群动态群组学习的无人机集群动态航路规划方法
Shima et al. Assignment of cooperating UAVs to simultaneous tasks using genetic algorithms
CN110928329A (zh) 一种基于深度q学习算法的多飞行器航迹规划方法
CN114840020A (zh) 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法
Jiang et al. Realizing midcourse penetration with deep reinforcement learning
CN114118365B (zh) 基于径向基网络的跨介质飞行器快速入水近似优化方法
Kaneshige et al. Artificial immune system approach for air combat maneuvering
CN115388719A (zh) 一种基于激光制导武器的飞行器激光照射航路规划方法
Karelahti et al. Game optimal support time of a medium range air-to-air missile
Gaudet et al. Terminal adaptive guidance for autonomous hypersonic strike weapons via reinforcement learning
CN114662285A (zh) 一种高速飞行器火力控制模型的智能解算方法
RU2464520C2 (ru) Способ формирования управления ракет при наведении на группу маневрирующих целей
Ma et al. Strategy generation based on reinforcement learning with deep deterministic policy gradient for ucav
Wang et al. Cooperative search approach for UAVs via Pigeon-inspired Optimization and Markov moving targets
JP3391869B2 (ja) 移動体の誘導方法
CN114610077B (zh) 多高超声速飞行器轨迹规划方法和系统
Xie et al. A deep reinforcement learning algorithm based on short-term advantage for air game decision-making
Li et al. Multi-aircraft flight control method based on flocking theory
Hughes Multi-objective evolutionary guidance for swarms

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