CN109978286A - 一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法 - Google Patents
一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法 Download PDFInfo
- Publication number
- CN109978286A CN109978286A CN201910375465.8A CN201910375465A CN109978286A CN 109978286 A CN109978286 A CN 109978286A CN 201910375465 A CN201910375465 A CN 201910375465A CN 109978286 A CN109978286 A CN 109978286A
- Authority
- CN
- China
- Prior art keywords
- thunderstorm
- aircraft
- aircrafts
- diversion
- grid
- 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
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims abstract description 15
- 230000006872 improvement Effects 0.000 claims abstract description 14
- 230000004888 barrier function Effects 0.000 claims description 9
- 239000003016 pheromone Substances 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,包括以下步骤:步骤1:用栅格化的方式描述空域中雷暴区所覆盖区域及其他区域,得到格栅化空域;步骤2:基于所述格栅化空域建立单航空器的绕飞雷暴航路规划模型;步骤3:采用基于人工势场法的改进蚁群算法搜索最优改航路径;步骤4:用栅格化的方式描述该航空器改航路径所占用的空域,并将其与栅格化的雷暴区相叠加,叠加后的区域对于其它航空器为需要避开的区域;步骤5:对于其它单航空器,重复步骤2‑步骤4,直到搜索完所有单航空器的最优改航路径,完成多航空器绕飞雷暴航路规划。本发明在规划多航空器绕飞雷暴航路的同时,实现了多航空器之间的冲突避让。
Description
技术领域
本发明涉及一种航空路线规划方法,尤其涉及一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法。
背景技术
随着民航业的快速发展,空中飞行流量迅猛增长,如何在高速增长的飞行流量下持续保持飞行安全是一个重要课题。许多外界条件会对飞行安全造成严重的影响,其中一个最恶劣的条件就是雷暴天气。雷暴区域常常伴随着颠簸、积冰、雹击、雷电、下击暴流等对航空器飞行安全有严重危胁的气象条件,因此在任何情况下都不允许航空器飞入到雷暴区域之中。目前在实际飞行过程中,当航空器的飞行航路上有大面积雷暴区域覆盖时,地面的空中交通管制员通常根据相关民航规则以及自身的工作经验和能力,为航空器规划一条绕飞雷暴的改航航路,采用雷达引导方式引导航空器绕飞雷暴区域。
人工规划改航航路并引导航空器进行改航,增加了管制员的工作难度。尤其是当多架航空器需要同时绕飞雷暴时,为这些航空器规划无冲突绕飞航路的复杂度将大幅增加,因此管制员的工作负荷和心里压力也会呈几何倍数地增加。这时,如果管制员注意力分配不当,无法及时地监控管制区内航空器的飞行动态,将会导致各架航空器之间发生冲突的可能性急剧增大,甚至发生民航不安全事件。因此,有必要在空管自动化***中为管制员提供实时的辅助决策支持,为多航空器规划无冲突的绕飞雷暴航路,从而降低管制员的工作负荷,提高飞行安全。
改航航路规划本质上是一个最优化问题,通过建立改航目标函数以及相应约束条件,为航空器搜索一条从改航起点到终点的一条最优路径。传统改航航路规划中,改航目标包括:距离最短、油耗最少、转弯次数最少、空域使用范围最少等,约束条件包括:与雷暴区之间的间隔、航空器之间的间隔、转弯角度、空域范围等,搜索求解算法包括:遗传算法、蚂蚁算法、模拟退火算法、A*算法等。
上述传统改航航路规划方法在进行改航航路规划时,很少考虑对多航空器改航目标函数进行建模,所以难以在多航空器同时改航时进行航路规划;即使有一些方法考虑了多航空器改航的情况,但其约束条件中并没有包含民航规章中对航空器之间间隔的规定,有可能造成航空器在绕飞雷暴时在各航空器之间产生飞行冲突;同时传统搜索算法的收敛速度较慢、计算时间较长、解出的结果质量较差,所以实时性不高、得出的航路不符合实际飞行运行的要求,因此难以满足大飞行流量、复杂雷暴分布条件下管制员的工作需求。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法。
本发明通过以下技术方案来实现上述目的:
一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,包括以下步骤:
步骤1:用栅格化的方式描述空域中雷暴区所覆盖区域及其他区域,得到格栅化空域;
步骤2:基于所述格栅化空域建立单航空器的绕飞雷暴航路规划模型;
步骤3:采用基于人工势场法的改进蚁群算法搜索最优改航路径;
步骤4:用栅格化的方式描述该航空器改航路径所占用的空域,并将其与栅格化的雷暴区相叠加,叠加后的区域对于其它航空器为需要避开的区域;
步骤5:对于其它单航空器,重复步骤2-步骤4,直到搜索完所有单航空器的最优改航路径,完成多航空器绕飞雷暴航路规划。
作为优选,所述步骤1中,所述格栅化空域用如下矩阵表示:
其中,i,j=1,2,…,n;在栅格图中,如果雷暴区域不满一个栅格时,则扩充为一个栅格,一个栅格的边长优选为20km。
作为优选,所述步骤2中,单航空器的绕飞雷暴航路规划模型用下式描述:
minΔSk=Lk-Ck
式中,Lk为单航空器k改航后的航路长度,Ck为单航空器k不改航情况下的航路长度;
单航空器k在改航时,应受到以下约束:
第一,单航空器改航航路距离雷暴区不得少于10千米,在栅格化网格表示为单航空器距雷暴区栅格中心点的距离不得少于10千米,即:
式中,为单航空器k改航后在航路上的各个雷达点的二维坐标,m=1,2,…,n,cij为雷暴区栅格的中心点坐标,即i,j为Airspace(i,j)=1时所对应的i,j;
第二,单航空器改航时受性能限制,其在航路上的转弯角度不得大于90度,即:
式中,为单航空器k在二维坐标上的航向,m=1,2,…,n,在0度到360度之间。
作为优选,所述步骤3中,采用基于人工势场法的改进蚁群算法搜索最优改航路径的搜索公式如下所示:
其中,μ'i,j(t)=exp(Ftcosθ)μi,j(t)
式中,τi,j(t)为第t次循环搜索时网格i到网格j路径的信息素函数,μ'i,j(t)为该路径上通过人工势场法改进后的蚁群算法启发信息因子函数,α为信息素启发式因子,β为期望启发式因子,allowedm表示网格i接下来可到达的网格集合;μi,j(t)为该路径上的传统蚁群算法启发信息因子函数,其值为可选网格与目标网格间距离的倒数,即μi,j(t)=1/d(j,GOAL),Ft为障碍物对航空器的斥力与目标点对航空器的引力相加之后的合力,θ为可选路径与合力Ft方向的夹角。
本发明的有益效果在于:
本发明采用基于人工势场法的改进蚁群算法搜索最优改航路径,在规划多航空器绕飞雷暴航路的同时,实现了多航空器之间的冲突避让,满足大飞行流量、复杂雷暴分布条件下管制员的工作需求;更具体优点如下:
1、针对多航空器改航目标函数进行建模,为多航空器同时改航时进行航路规划;
2、在模型的约束条件中包含了民航规章中对航空器之间间隔的规定,能够避免多架航空器在绕飞雷暴时在它们之间产生的飞行冲突;
3、在搜索求解算法中使用基于人工势场改进的蚁群算法,能够更快地规划出高质量的改航航路,从而满足大飞行流量、复杂雷暴分布条件下管制员的工作需求。
附图说明
图1是本发明所述基于改进蚁群算法的多航空器绕飞雷暴航路规划方法的具体方法流程图。
具体实施方式
下面结合附图对本发明作进一步说明:
如图1所示,本发明所述基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,包括以下步骤:
步骤1:用栅格化的方式描述空域中雷暴区所覆盖区域及其他区域,得到格栅化空域;
本步骤中,所述格栅化空域用如下矩阵表示:
其中,i,j=1,2,…,n;在栅格图中,如果雷暴区域不满一个栅格时,则扩充为一个栅格,一个栅格的边长为20km。
步骤2:基于所述格栅化空域建立单航空器的绕飞雷暴航路规划模型;
本步骤中,单航空器的绕飞雷暴航路规划模型用下式描述:
minΔSk=Lk-Ck
式中,Lk为单航空器k改航后的航路长度,Ck为单航空器k不改航情况下的航路长度;
单航空器k在改航时,应受到以下约束:
第一,单航空器改航航路距离雷暴区不得少于10千米,在栅格化网格表示为单航空器距雷暴区栅格中心点的距离不得少于10千米,即:
式中,为单航空器k改航后在航路上的各个雷达点的二维坐标,m=1,2,…,n,cij为雷暴区栅格的中心点坐标,即i,j为Airspace(i,j)=1时所对应的i,j;
第二,单航空器改航时受性能限制,其在航路上的转弯角度不得大于90度,即:
式中,为单航空器k在二维坐标上的航向,m=1,2,…,n,在0度到360度之间。
步骤3:采用基于人工势场法的改进蚁群算法搜索最优改航路径;
本步骤中,其搜索公式如下所示:
其中,μ'i,j(t)=exp(Ftcosθ)μi,j(t)
式中,τi,j(t)为第t次循环搜索时网格i到网格j路径的信息素函数,μ'i,j(t)为该路径上通过人工势场法改进后的蚁群算法启发信息因子函数,α为信息素启发式因子,β为期望启发式因子,allowedm表示网格i接下来可到达的网格集合;μi,j(t)为该路径上的传统蚁群算法启发信息因子函数,其值为可选网格与目标网格间距离的倒数,即μi,j(t)=1/d(j,GOAL),Ft为障碍物对航空器的斥力与目标点对航空器的引力相加之后的合力,θ为可选路径与合力Ft方向的夹角;
上述蚁群算法中,蚂蚁在选择路径时,以前面蚂蚁在走过的路径留下的信息素浓度作为依据,最终由蚁群协同搜索路径,得到最优结果;蚂蚁从初始位置点开始搜索,根据位置点转移概率不停地从一个位置点向另一个位置点进行选择,直到搜索到目标点,本轮路径搜索结束。本轮路径搜索结束后,对路径上的信息素进行更新,为下一轮搜索做准备;蚂蚁在寻找最优路径的过程中需要考虑航空器与目标点以及航空器与雷暴区(即障碍物)之间的距离,从而选择最优路径;因此,可以将航空器与障碍物或目标点之间的距离关系转化为航空器与引力和斥力的合力间的关系,即用引力与斥力的合力大小反映航空器所在位置点与障碍物或目标点之间的距离;如果合力较大,则表示应在势场力的启发下远离障碍物或接近目标点;障碍物对航空器的斥力与航空器离障碍物的距离成反比,即航空器离障碍物的距离越近则斥力越大,反之则斥力越小;引力的特点与斥力相同,即航空器离目标点越近引力越大,距离越远引力越小;Ft较大的网格被选中的可能较大,或者与Ft方向夹角较小的网格被选为路径的可能较大;基于人工势场改进的蚁群算法中航空器的移动方向与势场力的方向相同,能实现航空器避开雷暴区并向目标点移动。
步骤4:用栅格化的方式描述该航空器改航路径所占用的空域,并将其与栅格化的雷暴区相叠加,叠加后的区域对于其它航空器为需要避开的区域;
步骤5:对于其它单航空器,重复步骤2-步骤4,直到搜索完所有单航空器的最优改航路径,完成多航空器绕飞雷暴航路规划。
图1中示出了本发明所述基于改进蚁群算法的多航空器绕飞雷暴航路规划方法的具体方法流程,该流程包含本发明创新的部分,也包含常规的蚁群算法流程,其内容与上述各步骤总体对应但没有一一对应,给出该视图利于了解本方法的所有流程,其常规方法流程不在本说明书具体说明。
上述实施例只是本发明的较佳实施例,并不是对本发明技术方案的限制,只要是不经过创造性劳动即可在上述实施例的基础上实现的技术方案,均应视为落入本发明专利的权利保护范围内。
Claims (5)
1.一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,其特征在于:包括以下步骤:
步骤1:用栅格化的方式描述空域中雷暴区所覆盖区域及其他区域,得到格栅化空域;
步骤2:基于所述格栅化空域建立单航空器的绕飞雷暴航路规划模型;
步骤3:采用基于人工势场法的改进蚁群算法搜索最优改航路径;
步骤4:用栅格化的方式描述该航空器改航路径所占用的空域,并将其与栅格化的雷暴区相叠加,叠加后的区域对于其它航空器为需要避开的区域;
步骤5:对于其它单航空器,重复步骤2-步骤4,直到搜索完所有单航空器的最优改航路径,完成多航空器绕飞雷暴航路规划。
2.根据权利要求1所述的基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,其特征在于:所述步骤1中,所述格栅化空域用如下矩阵表示:
其中,i,j=1,2,…,n;在栅格图中,如果雷暴区域不满一个栅格时,则扩充为一个栅格。
3.根据权利要求2所述的基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,其特征在于:所述步骤1中,一个栅格的边长为20km。
4.根据权利要求2所述的基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,其特征在于:所述步骤2中,单航空器的绕飞雷暴航路规划模型用下式描述:
minΔSk=Lk-Ck
式中,Lk为单航空器k改航后的航路长度,Ck为单航空器k不改航情况下的航路长度;
单航空器k在改航时,应受到以下约束:
第一,单航空器改航航路距离雷暴区不得少于10千米,在栅格化网格表示为单航空器距雷暴区栅格中心点的距离不得少于10千米,即:
式中,为单航空器k改航后在航路上的各个雷达点的二维坐标,m=1,2,…,n,cij为雷暴区栅格的中心点坐标,即i,j为Airspace(i,j)=1时所对应的i,j;
第二,单航空器改航时受性能限制,其在航路上的转弯角度不得大于90度,即:
式中,为单航空器k在二维坐标上的航向,m=1,2,…,n,在0度到360度之间。
5.根据权利要求2、3或4所述的基于改进蚁群算法的多航空器绕飞雷暴航路规划方法,其特征在于:所述步骤3中,采用基于人工势场法的改进蚁群算法搜索最优改航路径的搜索公式如下所示:
其中,μ'i,j(t)=exp(Ftcosθ)μi,j(t)
式中,τi,j(t)为第t次循环搜索时网格i到网格j路径的信息素函数,μ'i,j(t)为该路径上通过人工势场法改进后的蚁群算法启发信息因子函数,α为信息素启发式因子,β为期望启发式因子,allowedm表示网格i接下来可到达的网格集合;μi,j(t)为该路径上的传统蚁群算法启发信息因子函数,其值为可选网格与目标网格间距离的倒数,即μi,j(t)=1/d(j,GOAL),Ft为障碍物对航空器的斥力与目标点对航空器的引力相加之后的合力,θ为可选路径与合力Ft方向的夹角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910375465.8A CN109978286A (zh) | 2019-05-07 | 2019-05-07 | 一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910375465.8A CN109978286A (zh) | 2019-05-07 | 2019-05-07 | 一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109978286A true CN109978286A (zh) | 2019-07-05 |
Family
ID=67073038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910375465.8A Pending CN109978286A (zh) | 2019-05-07 | 2019-05-07 | 一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978286A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108803660A (zh) * | 2018-06-22 | 2018-11-13 | 苏州得尔达国际物流有限公司 | 货运无人机群路径规划方法 |
CN110319829A (zh) * | 2019-07-08 | 2019-10-11 | 河北科技大学 | 基于自适应多态融合蚁群算法的无人机航迹规划方法 |
CN110530384A (zh) * | 2019-07-17 | 2019-12-03 | 江苏大学 | 一种采用混合势场蚁群算法的车辆路径规划方法 |
CN110647162A (zh) * | 2019-10-16 | 2020-01-03 | 厦门理工学院 | 一种导游无人机路径规划方法、终端设备及存储介质 |
CN113012478A (zh) * | 2021-02-23 | 2021-06-22 | 中国民用航空华东地区空中交通管理局 | 一种快速简捷的雷暴危险天气下改航方法 |
CN113593306A (zh) * | 2021-08-13 | 2021-11-02 | 中国民航大学 | 基于安全性的散点状雷暴危险天气下改航方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
CN101136081A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于蚁群智能的无人作战飞机多机协同任务分配方法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN106595663A (zh) * | 2016-11-28 | 2017-04-26 | 四川航天***工程研究所 | 结合搜索与优化的飞行器自主航迹规划方法 |
CN107544553A (zh) * | 2017-10-11 | 2018-01-05 | 湖北工业大学 | 一种基于混合蚁群算法的无人机航路规划方法 |
CN108413959A (zh) * | 2017-12-13 | 2018-08-17 | 南京航空航天大学 | 基于改进混沌蚁群算法的无人机航路规划方法 |
-
2019
- 2019-05-07 CN CN201910375465.8A patent/CN109978286A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
CN101136081A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于蚁群智能的无人作战飞机多机协同任务分配方法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN106595663A (zh) * | 2016-11-28 | 2017-04-26 | 四川航天***工程研究所 | 结合搜索与优化的飞行器自主航迹规划方法 |
CN107544553A (zh) * | 2017-10-11 | 2018-01-05 | 湖北工业大学 | 一种基于混合蚁群算法的无人机航路规划方法 |
CN108413959A (zh) * | 2017-12-13 | 2018-08-17 | 南京航空航天大学 | 基于改进混沌蚁群算法的无人机航路规划方法 |
Non-Patent Citations (1)
Title |
---|
张文军: ""基于复杂天气下冲突避让的航路改航研究"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, 15 November 2018 (2018-11-15), pages 031 - 156 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108803660A (zh) * | 2018-06-22 | 2018-11-13 | 苏州得尔达国际物流有限公司 | 货运无人机群路径规划方法 |
CN108803660B (zh) * | 2018-06-22 | 2021-06-18 | 苏州得尔达国际物流有限公司 | 货运无人机群路径规划方法 |
CN110319829A (zh) * | 2019-07-08 | 2019-10-11 | 河北科技大学 | 基于自适应多态融合蚁群算法的无人机航迹规划方法 |
CN110319829B (zh) * | 2019-07-08 | 2022-11-18 | 河北科技大学 | 基于自适应多态融合蚁群算法的无人机航迹规划方法 |
CN110530384A (zh) * | 2019-07-17 | 2019-12-03 | 江苏大学 | 一种采用混合势场蚁群算法的车辆路径规划方法 |
CN110647162A (zh) * | 2019-10-16 | 2020-01-03 | 厦门理工学院 | 一种导游无人机路径规划方法、终端设备及存储介质 |
CN110647162B (zh) * | 2019-10-16 | 2022-10-14 | 厦门理工学院 | 一种导游无人机路径规划方法、终端设备及存储介质 |
CN113012478A (zh) * | 2021-02-23 | 2021-06-22 | 中国民用航空华东地区空中交通管理局 | 一种快速简捷的雷暴危险天气下改航方法 |
CN113012478B (zh) * | 2021-02-23 | 2022-02-11 | 中国民用航空华东地区空中交通管理局 | 一种快速简捷的雷暴危险天气下改航方法 |
CN113593306A (zh) * | 2021-08-13 | 2021-11-02 | 中国民航大学 | 基于安全性的散点状雷暴危险天气下改航方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978286A (zh) | 一种基于改进蚁群算法的多航空器绕飞雷暴航路规划方法 | |
CN108594853B (zh) | 无人机队形控制方法 | |
CN112489498B (zh) | 一种航路交通精细改航规划方法 | |
Liang et al. | Integrated sequencing and merging aircraft to parallel runways with automated conflict resolution and advanced avionics capabilities | |
CN104991895A (zh) | 一种基于三维空域网格的低空救援航空器航迹规划方法 | |
JP6033549B2 (ja) | 航空機の飛行経路を予測するためのデータの供給 | |
CN108153328B (zh) | 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法 | |
CN107562072A (zh) | 一种基于自适应蚁群算法的无人机最优路径规划方法 | |
CN108803656A (zh) | 一种基于复杂低空的飞行控制方法及*** | |
WO2017056038A1 (en) | Fast flight trajectory optimisation for in-flight computation and flight management systems | |
CN112102650B (zh) | 改航航路生成方法、装置及存储介质 | |
CN103578299B (zh) | 一种模拟航空器飞行过程的方法 | |
CN111221349A (zh) | 多无人机目标定位的航路规划方法 | |
CN108428004A (zh) | 基于蚁群算法的飞行物冲突解脱路径规划方法 | |
CN113268087A (zh) | 多约束复杂环境下基于改进蚁群算法的多无人机协同工作的航迹规划方法 | |
CN109558934A (zh) | 一种无人机插值飞蛾扑焰低空突防方法 | |
CN109870906A (zh) | 一种基于bbo优化人工势场的高速旋翼飞行器路径规划方法 | |
Robinso et al. | A concurrent sequencing and deconfliction algorithm for terminal area air traffic control | |
Wang et al. | UAV online path planning based on improved genetic algorithm | |
Bing et al. | Scheduling arrival aircrafts on multi-runway based on an improved artificial fish swarm algorithm | |
Huan et al. | UAV path planning based on an improved ant colony algorithm | |
Duan et al. | Meteorology-aware path planning for the UAV based on the improved intelligent water drops algorithm | |
Ma et al. | Volcanic Ash Region Path Planning Based on Improved A‐Star Algorithm | |
Liang et al. | Potential operational benefits of multi-layer point merge system on dense TMA operation hybrid arrival trajectory optimization applied to Beijing capital international airport | |
Lee et al. | Predictive control for soaring of unpowered autonomous UAVs |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190705 |