基于PSO-SAS的联合侦察任务规划

发布时间：2024-03-09 07:33

　　针对联合侦察筹划中任务规划阶段机动侦察平台阵位与路线确定困难的问题,提出了一种基于粒子群优化-稀疏A星(Particle Swarm Optimization—Sparse A-star,PSO-SAS)算法的规划方法。该方法综合考虑侦察装备机动性能以及敌火力威胁、地形等因素,在侦察阵位规划上,建立了阵位综合评估模型,并利用粒子群算法进行阵位寻优;在路线规划上,采用稀疏A^*算法进行航迹规划,通过将机动性能、安全距离、路程等约束引入搜索过程,缩短最优路线的计算时间。仿真试验验证了所提方法生成的侦察阵位和路线能够满足侦察任务要求。

【文章页数】：6 页

【部分图文】：

图1侦察阵位示意图

如图1所示，侦察阵位一般为矩形区域，本文采用阵位的四个顶点处的综合侦察指数均值作为阵位总体侦察指数。显然如果侦察平台在A、B、C、D四点处都获得较好的综合侦察指数，则在该阵位范围内一定能满足侦察要求。阵位的侦察指数可表示为

图2侦察阵位规划流程

综合上述条件，整个侦察阵位规划过程如图2所示。2.2侦察路线规划

图3子节点拓展方向示意图

(1)机动性能约束。平台自身性能约束主要包括最大水平转弯角、最大爬升角和最大俯冲角等约束，已知侦察平台现有的位置和航向，当其最大水平转弯角、最大爬升角和最大俯冲角等性能参数确定后，那么下一时刻所能到达的位置范围是有限的。A*算法在拓展子节点时只需要考虑侦察平台能够到达的节点而无需....

图4预警机侦察阵位规划仿真结果

通过计算与数据归一化处理后，预警机侦察阵位规划仿真结果如图4所示，可以看到本文的方法自动生成的巡逻轨迹在敌火力威胁范围之外，且预警机在该巡逻轨迹中生成的实时覆盖区能够实现对侦察目标区域的全覆盖，该巡逻航迹具有较好的侦察效能。确定后预警机侦察阵位和巡逻航迹后，对预警机飞往阵位的航迹....

本文编号：3923121