基于马尔科夫生存模型与粒子群算法的动态航路规划

被引：9

作者：

崔舒婷 ^{[1
]}

赵成萍 ^{[1
]}

周新志 ^{[1
]}

宁芊 ^{[1
]}

严华 ^{[1
,2
]}

机构：

[1] 四川大学电子信息学院

[2] 电子信息控制重点实验室

来源：

四川大学学报(自然科学版) | 2018年 / 55卷 / 03期

关键词：

动态航路规划; 马尔科夫生存模型; 粒子群算法; 自适应权重;

D O I：

暂无

中图分类号：

V249 [飞行控制系统与导航]; V279 [无人驾驶飞机];

学科分类号：

081105 ; 1111 ;

摘要：

针对未知情况下航路规划问题,采用动态规划策略保证飞机可以实时规划未来路径,并引入基于马尔科夫的生存模型来获取飞机的生存状态概率,从而评估生存代价,再综合任务、油耗、飞机机动性等作为粒子群算法的目标函数与约束条件,同时为了缓解生存与任务之间的矛盾,引入目标函数权重自适应策略.仿真实验证明,提出的动态航路规划策略是可行的,自适应权重也在一定程度上缓解了生存与任务之间的矛盾,同时将基于马尔科夫的生存模型应用于动态航路搜索中,能够更加直观地掌握每一时刻飞机的生存代价以及各状态的概率.

引用

页码：501 / 506

页数：6

共 10 条

[1] Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-Time UAV Path Planning. Roberge, V.,Tarbouchi, M.,Labonte, G. Industrial Informatics, IEEE Transactions on . 2013
[2] Automatic Evaluation of Air Mission Routes with respect to Combat Survival[J] . Tina Erlandsson,Lars Niklasson. &nbspInformation Fusion . 2013
[3] 小型无人机航迹规划及组合导航关键技术研究[D]. 屈耀红.西北工业大学 2006
[4] 采用粒子群优化算法的无人机实时航迹规划
孙彪
朱凡
[J]. 电光与控制, 2008, (01) : 35 - 38
[5] 基于改进粒子群优化算法的无人机实时航迹规划
王新增
慈林林
李俊山
余宁
[J]. 微电子学与计算机, 2011, 28 (04) : 87 - 90
[6] 基于粒子群优化算法的期权波动率估计
何光
龙宪军
[J]. 四川大学学报(自然科学版), 2017, (05) : 925 - 928
[7] Online route planning for UAV based on model predictive control and particle swarm optimization algorithm. Peng Z,Li B,Chen X,et al. Intelligent Control and Automation . 2012
[8] A five states survivability model for missions with ground-to-air threats. Kelmelis E J. Proc SPIE-Int Soc Opt Eng . 2013
[9] Three-dimensional path planning of unmanned aerial vehicles using particle swarm optimization. Jung Leng Foo,Jared S Knutzon,James H. Oliver,Eliot H. Winer. 11th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference . 2006
[10] Situation aware UAV mission route planning. Tulum K,Durak U,Yder S K. Aerospace Conference . 2009

← 1 →