飛行器航跡規(guī)劃與航跡評價算法研究.pdf

1、航跡規(guī)劃是實現(xiàn)飛行器自動導航的一項關鍵技術,它是隨著信息獲取手段和信息處理技術的發(fā)展而發(fā)展起來的一門跨學科的研究課題。由于飛行器的飛行環(huán)境異常復雜,約束條件眾多,因此航跡規(guī)劃算法成為任務規(guī)劃中最具挑戰(zhàn)性的問題。航跡評價是一個多因素決策問題,它綜合考慮航跡各方面因素,對航跡優(yōu)劣性進行客觀、準確的評價。現(xiàn)有的航跡規(guī)劃方法有數(shù)學優(yōu)化方法、確定型搜索方法、隨機型搜索方法等。這些方法存在著組合爆炸危險或收斂時間不確定等缺點。航跡評價方法有簡單加權

2、法、層次分析法、逼近理想排序方法等,這些方法都以判斷矩陣為核心,顯著地受決策者的主觀影響。
　　本文將通過對現(xiàn)有算法進行改進來縮短規(guī)劃時間,提高算法的實用性,并且結合人工神經網絡建立航跡評價模型,對航跡的優(yōu)劣性進行評價。本文首先對航跡問題進行建模,分別從空間模型、航跡表達、約束條件和規(guī)劃算法四個方面對航跡問題進行描述,并給出了航跡代價的選取規(guī)則及歸一化方法。其次,重點研究了飛行器全局航跡的規(guī)劃方法。對A*算法的原理及其性質進行分析

3、,并研究了三維稀疏A*航跡搜索算法,通過對其時間復雜性的分析,找出該算法的瓶頸所在,從規(guī)劃空間的劃分和估計函數(shù)的改進兩個方面對該算法進行改進。實驗證明,這種改進提高了算法的時間效率。最后,本文將人工神經網絡方法應用到航跡評價中。建立航跡評價指標體系,并給出了歸一化方法,根據BP神經網絡建立航跡評價模型。對改進的BP學習算法進行了研究,其中Levenberg-Marquardt學習方法收斂速度較快,適合于本文所建立的模型。實驗證明本文建立