收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进蚁群算法的无人飞行器航迹规划应用研究

饶跃东  
【摘要】: 随着现代科技的飞速发展,无人飞行器技术的发展也日益成熟和完善。航迹规划作为无人飞行器智能控制的关键技术之一,是提高飞行器作战效能,实现安全可靠飞行的保证。它主要是为无人飞行器在相关条件约束下规划出一条满足某种性能指标的最优或最满意的飞行轨迹。目前,已有包括遗传算法、人工神经网络、模拟退火算法等等多种智能优化算法应用于航迹规划中。蚁群算法作为一种模拟蚂蚁觅食行为的仿生优化群智能算法,具有并行分布式计算、信息正反馈、较强的鲁棒性和易于与其他算法结合等优点,也被广泛运用于解决如TSP、网络路由、航迹规划等众多组合优化问题。 本文首先研究了基本蚁群算法的原理和数学模型,分析了基本蚁群算法容易陷入局部最优解这一缺点的主要原因,介绍了两种比较典型的改进蚁群算法:ANT-Q System和MAX-MIN Ant System.在此基础上,提出一种改善算法全局收敛性能的改进策略,其基本思想是:将基本蚁群算法中单一种群搜索迭代的方式改进为双种群同时独立搜索迭代,并且不同种群的蚂蚁之间能够交流协作。引入算法陷入可能局部最优解的概念,在算法迭代过程中,当出现陷入可能局部最优时,动态交换不同种群对应路径上的信息素,并且自适应双向调整信息素挥发系数。同时借鉴最大最小蚂蚁系统的思想,将不同种群路径上的信息素分别限定在一定范围之内,避免出现因某些路径上的信息素过高而使搜索停滞的现象。通过这些改进措施,进一步扩大算法的搜索空间,提高算法的全局搜索能力。然后利用MATLAB工具对TSP问题实例仿真,并将基本蚁群算法和改进算法的结果相比较,验证了改进算法的有效性。 通过对无人飞行器航迹规划性能指标的分析,建立航迹规划算法模型。在此基础上,分析蚁群算法应用于航迹规划的一般流程,同时重点阐述了本文改进的自适应双种群蚁群算法在航迹规划应用中的设计思路。为了验证改进算法在航迹规划中的可行性和有效性,本文最后假设一个任务实例,用基本算法和改进算法分别通过MATLAB对其进行编程仿真。通过对比仿真结果,验证了在航迹规划的应用中,改进算法在全局收敛性和稳定性上均较优于基本算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孟祥恒;王社伟;陶军;;基于改进蚁群算法的多无人机航路规划研究[J];计算机仿真;2008年11期
2 曹晋;陈红林;戴峤笠;;基于蚁群算法的最小代价航迹规划仿真[J];计算机辅助工程;2008年04期
3 杨丹;李士勇;;基于蚁群算法的军用飞行器航迹规划[J];哈尔滨商业大学学报(自然科学版);2007年06期
4 赵锋;杨伟;王伟;常楠;;基于组合优化算法的无人机航迹规划方法研究[J];弹箭与制导学报;2009年02期
5 熊瑜;饶跃东;;基于改进蚁群算法的无人飞行器航迹规划[J];计算机与数字工程;2010年07期
6 张臻;王光磊;;基于改进蚁群算法的飞行器航迹规划[J];指挥信息系统与技术;2011年03期
7 高守玮;杨叶青;张卫东;;基于改进蚁群算法的巡航导弹三维航迹规划[J];上海交通大学学报;2010年09期
8 皮玉全;潘广贞;;基于改进蚁群算法的直升机航迹规划仿真[J];电脑开发与应用;2010年12期
9 舒健生;赵建波;武健;;基于GASA和AS融合算法的航迹规划[J];四川兵工学报;2009年07期
10 朱国涛;周树道;吕波;王彦杰;王俊;;基于气象威胁的无人机航迹规划方法研究[J];电光与控制;2011年06期
11 胡中华;赵敏;姚敏;撒鹏飞;;无人机航迹规划技术研究及发展趋势[J];航空电子技术;2009年02期
12 税薇;葛艳;韩玉;魏振钢;孟友新;;基于混合蚁群算法的无人机航路规划[J];系统仿真学报;2011年03期
13 丁滢颍,何衍,蒋静坪;基于蚁群算法的多机器人协作策略[J];机器人;2003年05期
14 高尚;武器-目标分配问题的蚁群算法[J];计算机工程与应用;2003年03期
15 杨燕,靳蕃,Mohamed Kamel;一种基于蚁群算法的聚类组合方法[J];铁道学报;2004年04期
16 叶文,范洪达;基于改进蚁群算法的飞机低空突防航路规划[J];飞行力学;2004年03期
17 许志红,张培铭;基于蚁群算法的智能交流接触器优化设计[J];电工电能新技术;2005年03期
18 王俊峰,朱庆保;基于蚁群算法的知识约简[J];南京师范大学学报(工程技术版);2005年02期
19 胡燕海,叶飞帆;基于蚁群算法的平行流水作业计划方法[J];机械制造;2005年09期
20 宋红英;纪威;李波;;基于蚁群算法的神经网络在发动机故障诊断中的应用研究[J];小型内燃机与摩托车;2006年01期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 朱华光;刘莉;朱勇;;基于蚁群算法考虑无人机可用过载的航迹规划[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
5 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
6 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
7 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
8 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
9 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
10 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
中国博士学位论文全文数据库 前10条
1 胡中华;基于智能优化算法的无人机航迹规划若干关键技术研究[D];南京航空航天大学;2011年
2 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
3 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
4 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
5 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
6 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
7 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
8 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
9 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
10 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年
中国硕士学位论文全文数据库 前10条
1 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
2 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
3 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
4 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
5 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
6 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
7 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
8 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年
9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
10 李旭;应用点着色聚类改进蚁群算法[D];四川师范大学;2010年
中国重要报纸全文数据库 前2条
1 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
2 本报记者 张巍巍;瞧瞧“机器游侠”特种兵[N];科技日报;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978