CN116520883A - 一种复杂空域环境下翼伞系统归航轨迹规划方法 - Google Patents
一种复杂空域环境下翼伞系统归航轨迹规划方法 Download PDFInfo
- Publication number
- CN116520883A CN116520883A CN202310525865.9A CN202310525865A CN116520883A CN 116520883 A CN116520883 A CN 116520883A CN 202310525865 A CN202310525865 A CN 202310525865A CN 116520883 A CN116520883 A CN 116520883A
- Authority
- CN
- China
- Prior art keywords
- parafoil system
- parafoil
- homing
- planning
- track
- 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
- IBSREHMXUMOFBB-JFUDTMANSA-N 5u8924t11h Chemical compound O1[C@@H](C)[C@H](O)[C@@H](OC)C[C@@H]1O[C@@H]1[C@@H](OC)C[C@H](O[C@@H]2C(=C/C[C@@H]3C[C@@H](C[C@@]4(O3)C=C[C@H](C)[C@@H](C(C)C)O4)OC(=O)[C@@H]3C=C(C)[C@@H](O)[C@H]4OC\C([C@@]34O)=C/C=C/[C@@H]2C)/C)O[C@H]1C.C1=C[C@H](C)[C@@H]([C@@H](C)CC)O[C@]11O[C@H](C\C=C(C)\[C@@H](O[C@@H]2O[C@@H](C)[C@H](O[C@@H]3O[C@@H](C)[C@H](O)[C@@H](OC)C3)[C@@H](OC)C2)[C@@H](C)\C=C\C=C/2[C@]3([C@H](C(=O)O4)C=C(C)[C@@H](O)[C@H]3OC\2)O)C[C@H]4C1 IBSREHMXUMOFBB-JFUDTMANSA-N 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- 230000003044 adaptive effect Effects 0.000 claims abstract description 3
- 238000005265 energy consumption Methods 0.000 claims description 15
- 230000007704 transition Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 241000287127 Passeridae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002245 particle Substances 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明公开了一种复杂空域环境下翼伞系统归航轨迹规划方法,包括以下步骤,S1:采用大地坐标系进行翼伞系统定位,建立翼伞系统运动学方程;S2:基于复杂空域环境信息与翼伞系统性能特征,建立多目标翼伞系统的最佳归航轨迹规划模型;S3:设置翼伞系统归航轨迹规划模型目标函数权重,采用自适应遗传算法得到最佳归航轨迹。本发明采用上述的一种复杂空域环境下翼伞系统归航轨迹规划方法,综合考虑复杂空域环境障碍与翼伞系统性能特征,构建多目标翼伞系统最佳归航轨迹规划模型,并采用自适应遗传算法进行求解,有利于提升翼伞系统归航安全性与高效性,为翼伞系统归航轨迹规划提供关键技术支撑。
Description
技术领域
本发明涉及翼伞系统航迹规划领域,尤其是涉及一种复杂空域环境下翼伞系统归航轨迹规划方法。
背景技术
近年来,翼伞因其承载力高、运行成本低、灵活性强等特点在物资投放等民用领域得到广泛应用。复杂空域环境中可能存在建筑物、山峰等障碍,为保障翼伞系统执行各类任务的运行安全,需合理规划翼伞系统的归航轨迹。翼伞系统归航轨迹规划可视为有限空域环境内在既定起点与终点间规划一条满足复杂空域环境、翼伞系统性能等特定约束的路径问题。传统的翼伞系统归航轨迹规划多在空旷区域进行,较少考虑翼伞系统归航过程中的空域环境障碍影响。
因此,有必要提供一种复杂空域环境下翼伞系统归航轨迹规划方法,来解决上述问题。
发明内容
本发明的目的是提供一种复杂空域环境下翼伞系统归航轨迹规划方法,综合考虑复杂空域环境障碍与翼伞系统性能特征,规划翼伞系统归航轨迹,在保障翼伞系统尽可能精确着陆的同时减少能量消耗,保障翼伞系统归航安全、提升翼伞系统运行效率。
为实现上述目的,本发明提供了一种复杂空域环境下翼伞系统归航轨迹规划方法,包括以下步骤,
S1:采用大地坐标系进行翼伞系统定位,建立翼伞系统运动学方程;
S2:基于复杂空域环境信息与翼伞系统性能特征,建立多目标翼伞系统的最佳归航轨迹规划模型;
S3:设置翼伞系统归航轨迹规划模型目标函数权重,采用自适应遗传算法得到最佳归航轨迹。
优选的,在步骤S1中,大地坐标系以翼伞系统目标点为原点,x轴指向正东方向,y轴指向正北方向,z轴由右手准则确定;
设t时刻翼伞系统在大地坐标系中的位置向量为p(t),建立翼伞系统运动学方程:
其中,px(t)、py(t)、pz(t)分别为t时刻翼伞系统在大地坐标系三轴下的坐标,p’x(t)、p’y(t)、p’z(t)分别为px(t)、py(t)、pz(t)的导数;θ和分别为翼伞系统偏航角与下滑角,v为翼伞系统速度,vwx和vxy分别为风速沿x轴与y轴的分量;
经过Δt时间,翼伞系统的位置向量可以表示为:
p(t+Δt)=p(t)+p'(t)Δt。
优选的,在步骤S2中,翼伞系统的在t0时刻的初始位置为(xstart,ystart,zstart),在tn时刻着陆的预定位置为(xend,yend,zend),其归航轨迹包括三个阶段,分别为向心段、能量消耗段和着陆段。
优选的,在步骤S2中,复杂空域环境中存在障碍物,翼伞系统归航过程中需要及时绕开障碍物,将障碍物进行三维建模,障碍物地理信息B(x,y)可表示为:
其中,N为翼伞系统规避的障碍物总数,bi为第i处障碍物的相对高度,xci与yci为第i处障碍物中心坐标,xsi与ysi为障碍物坡度相关量;归航过程的目标函数包括最小化翼伞系统着陆偏差值、最小化控制能耗和最小化逆风着陆偏差;
最小化翼伞系统着陆偏差值Oe,表示为:
其中,rt为翼伞系统不同阶段间过渡段的转弯半径,σ1,σ2,σ4为各过渡段的转弯角,rp为能量消耗段的盘旋半径,σ3为能量消耗段的转弯角,dBC为向心段间的距离,λ为滑翔比,h为翼伞系统初始点高度;
最小化翼伞系统控制能耗Ou,表示为:
其中,ω为翼伞系统控制量;
最小化翼伞系统逆风着陆偏差Ol,表示为:
Ol=min(cos(θ(tn))+1)
基于翼伞系统归航目标,通过加权形式将多目标模型转化为单目标模型,目标函数可表示为:
其中,α1,α2,α3分别为三个目标函数的权重。
优选的,在步骤S3中,基于实际运行需求设置翼伞系统归航轨迹规划模型目标函数权重,轨迹规划问题转化为多变量参数寻优问题,采用自适应遗传算法进行求解,得到最佳归航轨迹。
因此,本发明采用上述一种复杂空域环境下翼伞系统归航轨迹规划方法,具备以下有益效果:
(1)本发明翼伞系统归航轨迹规划,有限空域环境内在既定起点与终点间规划一条满足复杂空域环境、翼伞系统性能等特定约束的路径。
(2)本发明归航过程的目标函数保障翼伞系统尽可能在精确着陆的同时减少能量消耗。
(3)本发明采用自适应遗传算法进行求解,自适应体现在根据种群收敛特征确定种群变异概率,种群趋于收敛时,变异概率随之增大,增加个体多样性,避免陷入局部最优解。
(4)本发明综合考虑复杂空域环境障碍与翼伞系统性能特征,构建多目标翼伞系统最佳归航轨迹规划模型,并采用自适应遗传算法进行求解,有利于提升翼伞系统归航安全性与高效性,为翼伞系统归航轨迹规划提供关键技术支撑。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1是本发明一种复杂空域环境下翼伞系统归航轨迹规划方法整体实现流程图;
图2是本发明一种复杂空域环境下翼伞系统归航轨迹规划方法的翼伞系统分段归航轨迹示意图;
图3是本发明一种复杂空域环境下翼伞系统归航轨迹规划方法的复杂空域翼伞系统运行环境示意图;
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例
如图1-图3所示,本发明提供了一种复杂空域环境下翼伞系统归航轨迹规划方法,包括以下步骤,
S1:采用大地坐标系进行翼伞系统定位,建立翼伞系统运动学方程;翼伞系统归航轨迹规划,有限空域环境内在既定起点与终点间规划一条满足复杂空域环境、翼伞系统性能等特定约束的路径,翼伞系统是复杂非线性系统,为简化轨迹规划流程,将翼伞系统视为具有六自由度的质点。
在步骤S1中,采用大地坐标系进行翼伞系统定位,大地坐标系以翼伞系统目标点为原点,x轴指向正东方向,y轴指向正北方向,z轴由右手准则确定。
设t时刻翼伞系统在大地坐标系中的位置向量为p(t),建立翼伞系统运动学方程:
其中,px(t)、py(t)、pz(t)分别为t时刻翼伞系统在大地坐标系三轴下的坐标,y’x(t)、p’y(t)、y’z(t)分别为px(t)、py(t)、pz(t)的导数;θ和分别为翼伞系统偏航角与下滑角,v为翼伞系统速度,vwx和vwy分别为风速沿x轴与y轴的分量。
经过Δt时间,翼伞系统的位置向量可以表示为:
p(t+Δt)=p(t)+p'(t)Δt。
S2:基于复杂空域环境信息与翼伞系统性能特征,建立多目标翼伞系统的最佳归航轨迹规划模型;在步骤S2中,翼伞系统的在t0时刻的初始位置为(xstart,ystart,zstart),在tn时刻着陆的预定位置为(xend,yend,zend),其归航轨迹包括三个阶段,分别为向心段、能量消耗段和着陆段,翼伞系统从初始点向既定目标点做滑翔运动,盘旋消耗能量降低高度,直至满足逆风条件雀降着陆。
在步骤S2中,复杂空域环境中存在障碍物,翼伞系统归航过程中需要及时绕开障碍物,将障碍物进行三维建模,障碍物地理信息B(x,y)可表示为:
其中,N为翼伞系统规避的障碍物总数,bi为第i处障碍物的相对高度,xci与yci为第i处障碍物中心坐标,xsi与ysi为障碍物坡度相关量;归航过程的目标函数包括最小化翼伞系统着陆偏差值、最小化控制能耗和最小化逆风着陆偏差。
最小化翼伞系统着陆偏差值Oe,表示为:
其中,rt为翼伞系统不同阶段间过渡段的转弯半径,σ1,σ2,σ4为各过渡段的转弯角,rp为能量消耗段的盘旋半径,σ3为能量消耗段的转弯角,dBC为向心段间的距离,λ为滑翔比,h为翼伞系统初始点高度。
最小化翼伞系统控制能耗Ou,表示为:
其中,ω为翼伞系统控制量。
最小化翼伞系统逆风着陆偏差Ol,表示为:
基于翼伞系统归航目标,通过加权形式将多目标模型转化为单目标模型,目标函数可表示为:
其中,α1,α2,α3分别为三个目标函数的权重。
S3:设置翼伞系统归航轨迹规划模型目标函数权重,采用自适应遗传算法得到最佳归航轨迹。
在步骤S3中,基于实际运行需求设置翼伞系统归航轨迹规划模型目标函数权重,轨迹规划问题转化为多变量参数寻优问题,采用自适应遗传算法进行求解,自适应体现在根据种群收敛特征确定种群变异概率,种群趋于收敛时,变异概率随之增大,增加个体多样性,避免陷入局部最优解,得到最佳归航轨迹。
因此,本发明采用上述一种复杂空域环境下翼伞系统归航轨迹规划方法,综合考虑翼伞系统分段归航轨迹与最优控制,基于复杂空域环境信息与翼伞系统性能特征,构建多目标翼伞系统最佳归航轨迹规划模型,保障翼伞系统尽可能在精确着陆的同时减少能量消耗,为翼伞系统安全、高效地归航轨迹控制提供方法支持。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (5)
1.一种复杂空域环境下翼伞系统归航轨迹规划方法,其特征在于:包括以下步骤,
S1:采用大地坐标系进行翼伞系统定位,建立翼伞系统运动学方程;
S2:基于复杂空域环境信息与翼伞系统性能特征,建立多目标翼伞系统的最佳归航轨迹规划模型;
S3:设置翼伞系统归航轨迹规划模型目标函数权重,采用自适应遗传算法得到最佳归航轨迹。
2.根据权利要求1所述的一种复杂空域环境下翼伞系统归航轨迹规划方法,其特征在于:在步骤S1中,大地坐标系以翼伞系统目标点为原点,x轴指向正东方向,y轴指向正北方向,z轴由右手准则确定;
设t时刻翼伞系统在大地坐标系中的位置向量为p(t),建立翼伞系统运动学方程:
其中,px(t)、py(t)、pz(t)分别为t时刻翼伞系统在大地坐标系三轴下的坐标,p’x(t)、p’y(t)、p’z(t)分别为px(t)、py(t)、pz(t)的导数;
θ和分别为翼伞系统偏航角与下滑角,v为翼伞系统速度,vwx和vwy分别为风速沿x轴与y轴的分量;
经过Δt时间,翼伞系统的位置向量可以表示为:
p(t+Δt)=p(t)+p'(t)Δt。
3.根据权利要求1所述的一种复杂空域环境下翼伞系统归航轨迹规划方法,其特征在于:在步骤S2中,翼伞系统的在t0时刻的初始位置为(xstart,ystart,zstart),在tn时刻着陆的预定位置为(xend,yend,zend),其归航轨迹包括三个阶段,分别为向心段、能量消耗段和着陆段。
4.根据权利要求1所述的一种复杂空域环境下翼伞系统归航轨迹规划方法,其特征在于:在步骤S2中,复杂空域环境中存在障碍物,翼伞系统归航过程中需要及时绕开障碍物,将障碍物进行三维建模,障碍物地理信息B(x,y)可表示为:
其中,N为翼伞系统规避的障碍物总数,bi为第i处障碍物的相对高度,xci与yci为第i处障碍物中心坐标,xsi与ysi为障碍物坡度相关量;归航过程的目标函数包括最小化翼伞系统着陆偏差值、最小化控制能耗和最小化逆风着陆偏差;
最小化翼伞系统着陆偏差值Oe,表示为:
其中,rt为翼伞系统不同阶段间过渡段的转弯半径,σ1,σ2,σ4为各过渡段的转弯角,rp为能量消耗段的盘旋半径,σ3为能量消耗段的转弯角,dBC为向心段间的距离,λ为滑翔比,h为翼伞系统初始点高度;
最小化翼伞系统控制能耗Ou,表示为:
其中,ω为翼伞系统控制量;
最小化翼伞系统逆风着陆偏差Ol,表示为:
Ol=min(cos(θ(tn))+1)
基于翼伞系统归航目标,通过加权形式将多目标模型转化为单目标模型,目标函数可表示为:
O=α1Oe+α2Ou+α3Ol
其中,α1,α2,α3分别为三个目标函数的权重。
5.根据权利要求1所述的一种复杂空域环境下翼伞系统归航轨迹规划方法,其特征在于:在步骤S3中,基于实际运行需求设置翼伞系统归航轨迹规划模型目标函数权重,轨迹规划问题转化为多变量参数寻优问题,采用自适应遗传算法进行求解,得到最佳归航轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525865.9A CN116520883A (zh) | 2023-05-11 | 2023-05-11 | 一种复杂空域环境下翼伞系统归航轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525865.9A CN116520883A (zh) | 2023-05-11 | 2023-05-11 | 一种复杂空域环境下翼伞系统归航轨迹规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116520883A true CN116520883A (zh) | 2023-08-01 |
Family
ID=87404451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310525865.9A Pending CN116520883A (zh) | 2023-05-11 | 2023-05-11 | 一种复杂空域环境下翼伞系统归航轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116520883A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909168A (zh) * | 2023-09-13 | 2023-10-20 | 北京航空航天大学 | 一种基于模型预测控制的精准空投系统自主归航控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077902A (zh) * | 2019-12-04 | 2020-04-28 | 淮阴工学院 | 基于虚拟结构的多翼伞协同编队控制方法和控制系统 |
CN111077901A (zh) * | 2019-12-04 | 2020-04-28 | 淮阴工学院 | 基于一致性的多翼伞编队协同控制方法和控制系统 |
CN111694375A (zh) * | 2020-06-22 | 2020-09-22 | 淮阴工学院 | 翼伞系统航迹规划方法和系统、航迹跟踪控制方法和系统 |
CN111880555A (zh) * | 2020-06-24 | 2020-11-03 | 淮阴工学院 | 翼伞系统避障航迹规划方法和系统 |
CN111897362A (zh) * | 2020-08-06 | 2020-11-06 | 南京航空航天大学 | 一种复杂环境下的翼伞组合式航迹规划方法 |
CN112182957A (zh) * | 2020-09-15 | 2021-01-05 | 西北工业大学 | 一种基于天牛群算法的一子级伞控回收航迹规划方法 |
-
2023
- 2023-05-11 CN CN202310525865.9A patent/CN116520883A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077902A (zh) * | 2019-12-04 | 2020-04-28 | 淮阴工学院 | 基于虚拟结构的多翼伞协同编队控制方法和控制系统 |
CN111077901A (zh) * | 2019-12-04 | 2020-04-28 | 淮阴工学院 | 基于一致性的多翼伞编队协同控制方法和控制系统 |
CN111694375A (zh) * | 2020-06-22 | 2020-09-22 | 淮阴工学院 | 翼伞系统航迹规划方法和系统、航迹跟踪控制方法和系统 |
CN111880555A (zh) * | 2020-06-24 | 2020-11-03 | 淮阴工学院 | 翼伞系统避障航迹规划方法和系统 |
CN111897362A (zh) * | 2020-08-06 | 2020-11-06 | 南京航空航天大学 | 一种复杂环境下的翼伞组合式航迹规划方法 |
CN112182957A (zh) * | 2020-09-15 | 2021-01-05 | 西北工业大学 | 一种基于天牛群算法的一子级伞控回收航迹规划方法 |
Non-Patent Citations (3)
Title |
---|
郑成 等: "基于IAGA的翼伞系统分段归航轨迹的优化", 《电光与控制》, vol. 18, no. 2, pages 69 - 72 * |
陈奇 等: "基于梯度下降法的翼伞系统最优分段航迹规划", 《航空学报》, vol. 41, no. 12, pages 324226 - 1 * |
陈奇: "自主导航多翼伞系统的协同空投研究", 《中国博士学位论文全文数据库 基础科学辑》, no. 1, pages 64 - 73 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909168A (zh) * | 2023-09-13 | 2023-10-20 | 北京航空航天大学 | 一种基于模型预测控制的精准空投系统自主归航控制方法 |
CN116909168B (zh) * | 2023-09-13 | 2023-12-01 | 北京航空航天大学 | 一种基于模型预测控制的精准空投系统自主归航控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508030B (zh) | 一种考虑多禁飞区约束的协同解析再入制导方法 | |
CN112148024B (zh) | 基于自适应伪谱法的无人机实时在线航迹规划方法 | |
CN109976164B (zh) | 一种多旋翼无人机能量优化视觉覆盖轨迹规划方法 | |
CN111506114B (zh) | 一种飞行器编队控制方法 | |
CN111880555B (zh) | 翼伞系统避障航迹规划方法和系统 | |
CN112182957B (zh) | 一种基于天牛群算法的一子级伞控回收航迹规划方法 | |
CN102706217A (zh) | 一种控制多枚导弹攻击角度和攻击时间的方法 | |
CN111046486B (zh) | 运载火箭一子级伞控回收航迹规划方法 | |
CN111897362B (zh) | 一种复杂环境下的翼伞组合式航迹规划方法 | |
CN111538241A (zh) | 一种平流层飞艇水平轨迹智能控制方法 | |
CN116520883A (zh) | 一种复杂空域环境下翼伞系统归航轨迹规划方法 | |
CN109032137A (zh) | 多Euler-Lagrange系统分布式跟踪控制方法 | |
CN115903888B (zh) | 一种基于天牛群算法的旋翼无人机自主路径规划方法 | |
CN111077902A (zh) | 基于虚拟结构的多翼伞协同编队控制方法和控制系统 | |
CN115657711B (zh) | 一种基于深度强化学习的高超声速飞行器规避制导方法 | |
Bian et al. | Trajectory following and improved differential evolution solution for rapid forming of UAV formation | |
CN111077901A (zh) | 基于一致性的多翼伞编队协同控制方法和控制系统 | |
CN112925342A (zh) | 基于改进相互速度障碍法的无人机动态避障方法 | |
CN114370793A (zh) | 一种火箭子级返回与垂直着陆制导方法 | |
CN114440711A (zh) | 一种基于粒子群算法的四级固体运载火箭弹道优化方法 | |
Fisher et al. | Emulating avian orographic soaring with a small autonomous glider | |
CN113219982A (zh) | 一种基于随机冲量粒子群算法模型的矿井巡检机器人路径规划方法 | |
CN116485043B (zh) | 一种翼伞集群系统归航多目标优化方法 | |
CN116700308A (zh) | 基于粒子群优化算法的翼伞系统分段归航轨迹规划方法 | |
CN117148851A (zh) | 基于粒子群优化算法的无人翼伞分段式航迹规划方法 |
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: 20230801 |