CN113701762A - 一种无人机搜索航路建立方法及装置 - Google Patents

一种无人机搜索航路建立方法及装置 Download PDF

Info

Publication number
CN113701762A
CN113701762A CN202111267271.XA CN202111267271A CN113701762A CN 113701762 A CN113701762 A CN 113701762A CN 202111267271 A CN202111267271 A CN 202111267271A CN 113701762 A CN113701762 A CN 113701762A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
search
route
area
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.)
Granted
Application number
CN202111267271.XA
Other languages
English (en)
Other versions
CN113701762B (zh
Inventor
王冰切
王资
冷毅
祁承超
时满红
赵宏涛
王海杰
黎静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202111267271.XA priority Critical patent/CN113701762B/zh
Publication of CN113701762A publication Critical patent/CN113701762A/zh
Application granted granted Critical
Publication of CN113701762B publication Critical patent/CN113701762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种无人机搜索航路建立方法及装置。该方法包括:获取无人机被动雷达导引头搜索视场在地面上的投影范围的最长边H max和最短边H min;获取不确定位置目标的区域范围,计算区域范围等效成外接矩形的长边S y和短边S x;根据投影范围的最长边H max、最短边H min与外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路;其中,分类判据以区域覆盖能力最优为目标、结合无人机典型搜索航路模式设定;区域覆盖能力的计算公式为A=S /L A为区域覆盖能力,S 为单周期累积覆盖面积,L 为单周期航路长度;无人机典型搜索航路模式包括跑道形、8字形和光栅形。本发明在目标位置不确定情形下能进行优选搜索航路规划。

Description

一种无人机搜索航路建立方法及装置
技术领域
本发明属于无人机技术领域,更具体地,涉及一种无人机搜索航路建立方法及装置。
背景技术
反辐射无人机是装有被动雷达导引头和战斗部的小型无人驾驶飞机,主要用于压制和摧毁敌方地面雷达,削弱敌方防空***的作战能力。其中,被动雷达导引头可以实现对作战区域内隐蔽的辐射源信号进行目标搜索、信号截获、识别跟踪的过程,同时被动雷达导引头也对无人机搜索目标加入了视场约束条件。另外反辐射无人机具有“发射后不管”的特点,在搜索阶段只能按预定航迹飞行,因此对无人机的预先搜索航迹规划提出了较高的要求。
文献1(攻击型无人机巡弋搜索航路优化设计与仿真,火力与指挥控制,2006,31(7))以区域覆盖率、搜索耗时为指标,对比了四种搜索路线模式,并得出了不同模式优劣的结论。但待搜索区域大小固定,没考虑搜索区域大小变化会导致搜索路线策略的变化,并且,航路进入待搜索区域的方向单一,没考虑不同的进入方向对评价的影响。
文献2(不确定环境下的多无人机协同搜索航路规划,兵工学报,2011,(11):1337-1342)在考虑多无人机通信数据延迟的情况下,针对3种区域设计了不同的搜索策略。但是该搜索策略不能避免无人机飞出搜索区域,在飞出搜索区域后需要多次执行转弯程序造成了搜索资源的浪费。
另一方面,文献1和2并未考虑反辐射无人机被动雷达导引头搜索视场的特点,难以适用于反辐射无人机。
文献3(防空火力压制任务中反辐射无人机搜索航路优选,空军工程大学学报,2020,(1):87-91)剖析了无人机被动雷达导引头搜索视场的特点,以视场覆盖率为指标,详细对比了不同搜索路线的优劣。文献4(一种基于视场约束的反辐射无人机搜索航迹规划方法,CN112066992A)在此基础上,结合遗传算法,生成出了优选的搜索航迹。但这两篇文献均针对的是目标位置已知的情形,只考虑对已知位置点目标的搜索覆盖,未考虑目标位置不确定的情形。
因此,如何对不确定位置目标进行优选搜索航路规划是亟需解决的问题。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种无人机搜索航路建立方法及装置,能对不确定位置目标进行优选搜索航路规划。
为实现上述目的,第一方面,本发明提供了一种无人机搜索航路建立方法,包括如下步骤:
(1)获取反辐射无人机被动雷达导引头搜索视场在地面上的投影范围的最长边H max和最短边H min
(2)获取不确定位置目标的区域范围,计算所述区域范围等效成外接矩形的长边S y和短边S x
(3)根据所述投影范围的最长边H max、最短边H min与所述外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路;
其中,所述分类判据以区域覆盖能力最优为目标、结合无人机典型搜索航路模式设定;
所述区域覆盖能力的计算公式为A=S /L ,其中,A为区域覆盖能力,S 为单周期累积覆盖面积,L 为单周期航路长度;所述无人机典型搜索航路模式包括跑道形、8字形和光栅形。
在一个实施例中,所述单周期累积覆盖面积S 的计算公式为:
Figure 280529DEST_PATH_IMAGE001
其中,x=g(y)为导引头搜索视场在地面上投影范围的解析函数;x=f(y)为不确定位置等效成外接矩形的解析函数;v y为无人机飞行速度在y轴方向上的分量;T为一条完整的搜索航路周期。
在一个实施例中,执行步骤(1)遵循的前提条件为无人机飞行转弯时导引头不探测,且H maxrr为无人机在搜索巡航时的转弯半径。
在一个实施例中,步骤(3)具体包括:
根据所述投影范围的最长边H max、最短边H min计算所述导引头搜索视场参数指标
Figure 666511DEST_PATH_IMAGE002
,根据所述导引头搜索视场参数指标
Figure 711828DEST_PATH_IMAGE003
与所述外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路;
其中,所述导引头搜索视场参数指标
Figure 310299DEST_PATH_IMAGE003
的计算公式为:
Figure 593513DEST_PATH_IMAGE004
在一个实施例中,分类判据为:
判断S x 2+S y 2
Figure 681555DEST_PATH_IMAGE005
的关系,若
Figure 417430DEST_PATH_IMAGE006
,则继续判断S x
Figure 819592DEST_PATH_IMAGE007
的关系;若
Figure 455847DEST_PATH_IMAGE008
,则规划跑道形搜索航路;若
Figure 714790DEST_PATH_IMAGE009
,则规划光栅形搜索航路;若
Figure 937961DEST_PATH_IMAGE010
,则继续进行如下判断:
判断S x与max(H min-2r,2r)的关系,若S x<max(H min-2r,2r),则规划跑道形航路;若S x>max(H min-2r,2r),则分别计算比较跑道形和8字形航路的区域覆盖能力A 1A 2,若A 1A 2,则规划8字形搜索航路,若A 1A 2,则规划跑道形搜索航路。
第二方面,本发明提供了一种无人机搜索航路建立***,包括:
投影范围获取模块,获取反辐射无人机被动雷达导引头搜索视场在地面上的投影范围的最长边H max和最短边H min
不确定位置等效计算模块,获取不确定位置目标的区域范围,计算所述区域范围等效成外接矩形的长边S y和短边S x
搜索航路规划模块,根据所述投影范围的最长边H max、最短边H min与所述外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路;
其中,所述分类判据以区域覆盖能力最优为目标、结合无人机典型搜索航路模式设定;
所述区域覆盖能力的计算公式为A=S /L ,其中,A为区域覆盖能力,S 为单周期累积覆盖面积,L 为单周期航路长度;所述无人机典型搜索航路模式包括跑道形、8字形和光栅形。
第三方面,本发明提供了一种无人机搜索航路建立装置,包括:
存储器,其上存储有计算机程序;以及
处理器,用于执行所述存储器中的所述计算机程序,以实现上述所述无人机搜索航路建立方法的步骤。
第四方面,本发明提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述所述无人机搜索航路建立方法的步骤。
本发明提供的无人机搜索航路建立方法及装置,充分考虑无人机被动雷达导引头搜索视场的特点,明确区域覆盖能力作为搜索航路优劣的评价标准;构建导引头搜索视场相关参数与不确定位置区域大小的关系,计算出不同大小的不确定位置区域的分类判据;基于分类判据,制定出不同大小的不确定位置区域对应的优选搜索航路规划策略。通过采用本发明提供的无人机搜索航路建立方法及装置,可以科学、高效规划出不同大小的不确定位置区域采用的不同搜索航路方法,可操作性强。
附图说明
图1为一实施例提供的无人机搜索航路建立方法的流程示意图;
图2为一实施例提供的无人机搜索航路建立方法的技术流程图;
图3为一实施例中无人机被动雷达导引头搜索视场在地面上投影的示意图;
图4为一实施例中
Figure 878236DEST_PATH_IMAGE010
S x<max(H min-2r,2r)时规划的搜索航路示意图,其中,加粗线为无人机搜索航路,网格线区域为不确定位置区域,阴影区域为无人机刚进入不确定位置区域时导引头搜索视场的覆盖范围;
图5为一实施例中
Figure 870462DEST_PATH_IMAGE010
S x>max(H min-2r,2r)且A 1A 2时规划的搜索航路示意图;
图6为本发明实施例中
Figure 565886DEST_PATH_IMAGE010
S x>max(H min-2r,2r)且A 1A 2时规划的搜索航路示意图;
图7为一实施例中
Figure 10774DEST_PATH_IMAGE006
Figure 551476DEST_PATH_IMAGE011
时规划的搜索航路示意图;
图8为一实施例中
Figure 663789DEST_PATH_IMAGE006
Figure 202218DEST_PATH_IMAGE009
时规划的搜索航路示意图;
图9为一实施例中无人机搜索航路建立***的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请先查阅图1,图1为本发明一实施例提供的针对不确定目标位置情形的无人机搜索航路建立方法,如图1所示,该无人机搜索航路建立方法包括步骤S10~S30,详述如下:
S10,获取反辐射无人机被动雷达导引头搜索视场在地面上的投影范围的最长边H max和最短边H min
S20,获取不确定位置目标的区域范围,将该区域范围等效成外接矩形,即不确定位置区域,计算该不确定位置区域的长边S y和短边S x
S30,根据上述投影范围的最长边H max、最短边H min与外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路,也即是说,完成无人机搜索航路的建立。
其中,分类判据以区域覆盖能力A最优为目标,即A最大,A的值越大,表明区域覆盖能力越强;并结合无人机典型搜索航路,如跑道形、8字形、光栅形,形成了若干判据,进而制定搜索航路规划策略。
具体地,区域覆盖能力的计算公式为A=S /L ,其中,A为区域覆盖能力,S 为单周期累积覆盖面积,L 为单周期航路长度;无人机典型搜索航路模式包括跑道形、8字形和光栅形。
进一步地,S 为各时刻导引头搜索视场在地面上投影范围与不确定位置区域交集的累加,即
Figure 399981DEST_PATH_IMAGE001
,其中,x=g(y)、x=f(y)分别为导引头搜索视场在地面上投影范围的解析函数和不确定位置区域的解析函数,v y为无人机飞行速度在y轴方向上的分量,T为一条完整的搜索航路周期。
本实施例提供的无人机搜索航路建立方法,充分考虑无人机被动雷达导引头搜索视场的特点,明确区域覆盖能力作为搜索航路优劣的评价标准;构建导引头搜索视场相关参数与不确定位置区域大小的关系,计算出不同大小的不确定位置区域的分类判据;基于分类判据,制定出不同大小的不确定位置区域对应的优选搜索航路规划策略。通过采用本实施例提供的无人机搜索航路建立方法,可以科学、高效规划出不同大小的不确定位置区域采用的不同搜索航路方法,可操作性强。
具体地,为了达到上述目的,本发明为此提供的技术方案流程如图2所示,具体步骤如下:
步骤一:计算导引头搜索视场在地面上的投影覆盖区,近似为梯形,如图3所示。其中,导引头随动机构俯仰转动至机身正下方时形成的覆盖区域最短边为H min,转动至最大俯仰角时形成的覆盖区域最长边为H max,最短边与最长边之间的距离为h,导引头搜索视场参数指标
Figure 744375DEST_PATH_IMAGE004
。并遵循前提条件:①无人机飞行转弯时导引头不探测;②H maxrr为无人机在搜索巡航时的转弯半径。
步骤二:获取不确定位置目标大概所在区域范围,将大概的区域范围等效成外接矩形区域,令矩形区域长边为S y、短边为S x,即S yS x
接下来进行判据设定。由于无人机进入不确定位置区域的方向有无数种选择,即导引头视场在地面上投影范围的解析函数x=g(y)各异,因此单周期累积覆盖面积S 的解析计算过于复杂,本发明中采用图解法近似,形成的判据如下。
步骤三:判断S x 2+S y 2
Figure 209729DEST_PATH_IMAGE005
的关系,若
Figure 184638DEST_PATH_IMAGE006
,表明8字形搜索航路无论从哪一方向进入不确定位置区域,都会有区域覆盖盲区,故不能采用8字形搜索航路。继续判断S x
Figure 604118DEST_PATH_IMAGE007
的关系,若
Figure 752203DEST_PATH_IMAGE012
,则规划跑道形搜索航路,见附图7;若
Figure 307949DEST_PATH_IMAGE009
,则规划光栅形搜索航路,见附图8。若
Figure 719339DEST_PATH_IMAGE010
,则进行下面的步骤。
步骤四:判断S x与max(H min-2r,2r)的关系,若S x<max(H min-2r,2r),表明跑道形航路和8字形航路的S 近似相等,但跑道形的L 明显短于8字形,故规划跑道形航路,见附图4;若S x>max(H min-2r,2r),则进行下面的步骤。
步骤五:计算比较8字形和跑道形航路的区域覆盖能力A。由于8字形航路单周期内两次进入不确定位置区域,将矩形的不确定位置区域扩展成外接圆形状,若沿径向飞入,则两次进入不确定位置区域对称。以8字形航路的单周期累积覆盖面积S 为基准,设值为2,则跑道形S 的相对值近似为
Figure 422852DEST_PATH_IMAGE013
。因此,跑道形航路的区域覆盖能力A 1和8字形航路的区域覆盖能力A 2分别为:
Figure 312311DEST_PATH_IMAGE014
Figure 988143DEST_PATH_IMAGE015
,其中飞行转弯角
Figure 570434DEST_PATH_IMAGE016
步骤六:若A 1A 2,则规划8字形搜索航路,见附图5;若A 1A 2,则规划跑道形搜索航路,见附图6。
为更清楚地说明本发明,以下举例说明:
步骤一:对应图3,设定无人机被动雷达导引头及飞行平台相关参数:H max=20km,H min=3km,h=15km,r=1km。
步骤二:设定不确定位置区域的边长:S x=3km,S y=5km。
步骤三:判断出
Figure 761244DEST_PATH_IMAGE010
,则进行下面的步骤。
步骤四:判断出S x>max(H min-2r,2r),则进行下面的步骤。
步骤五:分别计算
Figure 952929DEST_PATH_IMAGE017
Figure 217688DEST_PATH_IMAGE018
步骤六:比较出A 1A 2,则规划8字形搜索航路,见附图4。8字形航路从不确定位置区域的对角线方向进入,航路直线段长度为
Figure 767618DEST_PATH_IMAGE019
,约5.83km,飞行转弯角α约为19°。
图9是本发明一实施例提供的无人机搜索航路建立***的架构图,如图9所示,该***包括:
投影范围获取模块100,获取反辐射无人机被动雷达导引头搜索视场在地面上的投影范围的最长边H max和最短边H min
不确定位置等效计算模块200,获取不确定位置目标的区域范围,计算该区域范围等效成外接矩形的长边S y和短边S x
搜索航路规划模块300,根据投影范围的最长边H max、最短边H min与外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路,也即是说,完成无人机搜索航路的建立。
其中,分类判据以区域覆盖能力最优为目标、结合无人机典型搜索航路模式设定;
区域覆盖能力的计算公式为A=S /L ,其中,A为区域覆盖能力,S 为单周期累积覆盖面积,L 为单周期航路长度;所述无人机典型搜索航路模式包括跑道形、8字形和光栅形。
具体地,本实施例提供的无人机搜索航路建立***中的各模块功能可参见前述方法实施例中的详细介绍,本实施例不再赘述。
本实施例提供的无人机搜索航路建立***,充分考虑无人机被动雷达导引头搜索视场的特点,明确区域覆盖能力作为搜索航路优劣的评价标准;构建导引头搜索视场相关参数与不确定位置区域大小的关系,计算出不同大小的不确定位置区域的分类判据;基于分类判据,制定出不同大小的不确定位置区域对应的优选搜索航路规划策略。通过采用本实施例提供的无人机搜索航路建立***,可以科学、高效规划出不同大小的不确定位置区域采用的不同搜索航路方法,可操作性强。
本发明提供了一种无人机搜索航路建立装置,包括:存储器,其上存储有计算机程序;以及处理器,用于执行存储器中的计算机程序,以实现上述无人机搜索航路建立方法的步骤。
另外,本发明提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述无人机搜索航路建立方法的步骤。
需要说明的是,本发明提供的无人机搜索航路建立装置及存储介质与前述实施例中的方法是基于同一个发明构思下的两个方面,在前面已经对方法实施过程做了详细的描述,所以本领域技术人员可根据前述描述清楚地了解本实施例中的装置的结构及实施过程,为了说明书的简洁,本实施例不再赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种无人机搜索航路建立方法,其特征在于,包括如下步骤:
(1)获取反辐射无人机被动雷达导引头搜索视场在地面上的投影范围的最长边H max和最短边H min
(2)获取不确定位置目标的区域范围,计算所述区域范围等效成外接矩形的长边S y和短边S x
(3)根据所述投影范围的最长边H max、最短边H min与所述外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路;
其中,所述分类判据以区域覆盖能力最优为目标、结合无人机典型搜索航路模式设定;
所述区域覆盖能力的计算公式为A=S /L ,其中,A为区域覆盖能力,S 为单周期累积覆盖面积,L 为单周期航路长度;所述无人机典型搜索航路模式包括跑道形、8字形和光栅形。
2.根据权利要求1所述的无人机搜索航路建立方法,其特征在于,所述单周期累积覆盖面积S 的计算公式为:
Figure 757107DEST_PATH_IMAGE001
其中,x=g(y)为导引头搜索视场在地面上投影范围的解析函数;x=f(y)为不确定位置等效成外接矩形的解析函数;v y为无人机飞行速度在y轴方向上的分量;T为一条完整的搜索航路周期。
3.根据权利要求1或2所述的无人机搜索航路建立方法,其特征在于,执行步骤(1)遵循的前提条件为无人机飞行转弯时导引头不探测,且H maxrr为无人机在搜索巡航时的转弯半径。
4.根据权利要求1或2所述的无人机搜索航路建立方法,其特征在于,步骤(3)具体包括:
根据所述投影范围的最长边H max、最短边H min计算所述导引头搜索视场参数指标
Figure 143089DEST_PATH_IMAGE002
,根据所述导引头搜索视场参数指标
Figure 657247DEST_PATH_IMAGE002
与所述外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路;
其中,所述导引头搜索视场参数指标
Figure 786877DEST_PATH_IMAGE002
的计算公式为:
Figure 70091DEST_PATH_IMAGE003
5.根据权利要求4所述的无人机搜索航路建立方法,其特征在于,所述分类判据为:
判断S x 2+S y 2
Figure 626974DEST_PATH_IMAGE004
的关系,若
Figure 628428DEST_PATH_IMAGE005
,则继续判断S x
Figure 561749DEST_PATH_IMAGE006
的关系;若
Figure 965048DEST_PATH_IMAGE007
,则规划跑道形搜索航路;若
Figure 427254DEST_PATH_IMAGE008
,则规划光栅形搜索航路;若
Figure 916004DEST_PATH_IMAGE009
,则继续进行如下判断:
判断S x与max(H min-2r,2r)的关系,若S x<max(H min-2r,2r),则规划跑道形航路;若S x>max(H min-2r,2r),则分别计算比较跑道形和8字形航路的区域覆盖能力A 1A 2,若A 1A 2,则规划8字形搜索航路,若A 1A 2,则规划跑道形搜索航路。
6.一种无人机搜索航路建立***,其特征在于,包括:
投影范围获取模块,获取反辐射无人机被动雷达导引头搜索视场在地面上的投影范围的最长边H max和最短边H min
不确定位置等效计算模块,获取不确定位置目标的区域范围,计算所述区域范围等效成外接矩形的长边S y和短边S x
搜索航路规划模块,根据所述投影范围的最长边H max、最短边H min与所述外接矩形长边S y、短边S x的关系,通过预先设定的分类判据,规划无人机的搜索航路;
其中,所述分类判据以区域覆盖能力最优为目标、结合无人机典型搜索航路模式设定;
所述区域覆盖能力的计算公式为A=S /L ,其中,A为区域覆盖能力,S 为单周期累积覆盖面积,L 为单周期航路长度;所述无人机典型搜索航路模式包括跑道形、8字形和光栅形。
7.一种无人机搜索航路建立装置,其特征在于,包括:
存储器,其上存储有计算机程序;以及
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1~5中任一项所述无人机搜索航路建立方法的步骤。
8.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~5中任一项所述无人机搜索航路建立方法的步骤。
CN202111267271.XA 2021-10-29 2021-10-29 一种无人机搜索航路建立方法及装置 Active CN113701762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111267271.XA CN113701762B (zh) 2021-10-29 2021-10-29 一种无人机搜索航路建立方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111267271.XA CN113701762B (zh) 2021-10-29 2021-10-29 一种无人机搜索航路建立方法及装置

Publications (2)

Publication Number Publication Date
CN113701762A true CN113701762A (zh) 2021-11-26
CN113701762B CN113701762B (zh) 2022-01-18

Family

ID=78647484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111267271.XA Active CN113701762B (zh) 2021-10-29 2021-10-29 一种无人机搜索航路建立方法及装置

Country Status (1)

Country Link
CN (1) CN113701762B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113959449A (zh) * 2021-12-22 2022-01-21 中国人民解放军空军预警学院 一种多无人机搜索航路规划方法及装置
CN115565093A (zh) * 2022-12-07 2023-01-03 交通运输部水运科学研究所 一种海事飞机空中巡航可达域的量化评估方法与***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102901498A (zh) * 2012-09-21 2013-01-30 北京航空航天大学 一种不确定环境下的无人飞行器编队协同搜索和动态任务分配方法
CN104596516A (zh) * 2014-11-24 2015-05-06 中国海洋大学 基于动态新增毗邻区域的无人机覆盖航迹规划
CN106908066A (zh) * 2017-04-25 2017-06-30 西安电子科技大学 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法
CN109655063A (zh) * 2018-11-12 2019-04-19 中航通飞研究院有限公司 大型水陆两栖飞机海上搜索航路规划方法
KR20190050575A (ko) * 2017-11-03 2019-05-13 주식회사 베이리스 무인 항공기의 비행경로 탐색 방법
US20190244530A1 (en) * 2018-02-08 2019-08-08 Hyundai Motor Company Unmanned aerial vehicle and system having the same and method for searching for route of unmanned aerial vehicle
CN112066992A (zh) * 2020-09-09 2020-12-11 中国人民解放军国防科技大学 一种基于视场约束的反辐射无人机搜索航迹规划方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102901498A (zh) * 2012-09-21 2013-01-30 北京航空航天大学 一种不确定环境下的无人飞行器编队协同搜索和动态任务分配方法
CN104596516A (zh) * 2014-11-24 2015-05-06 中国海洋大学 基于动态新增毗邻区域的无人机覆盖航迹规划
CN106908066A (zh) * 2017-04-25 2017-06-30 西安电子科技大学 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法
KR20190050575A (ko) * 2017-11-03 2019-05-13 주식회사 베이리스 무인 항공기의 비행경로 탐색 방법
US20190244530A1 (en) * 2018-02-08 2019-08-08 Hyundai Motor Company Unmanned aerial vehicle and system having the same and method for searching for route of unmanned aerial vehicle
CN109655063A (zh) * 2018-11-12 2019-04-19 中航通飞研究院有限公司 大型水陆两栖飞机海上搜索航路规划方法
CN112066992A (zh) * 2020-09-09 2020-12-11 中国人民解放军国防科技大学 一种基于视场约束的反辐射无人机搜索航迹规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PO YU KUO,ET.AL: "A Novel Optimal Route Planning Based on Ramp Lowest Point Search Method for Unmanned Aerial Vehicle", 《2018 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS》 *
刘培宾等: "基于改进人工势场法的反辐射无人机搜索航路规划", 《弹箭与制导学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113959449A (zh) * 2021-12-22 2022-01-21 中国人民解放军空军预警学院 一种多无人机搜索航路规划方法及装置
CN113959449B (zh) * 2021-12-22 2022-03-11 中国人民解放军空军预警学院 一种多无人机搜索航路规划方法及装置
CN115565093A (zh) * 2022-12-07 2023-01-03 交通运输部水运科学研究所 一种海事飞机空中巡航可达域的量化评估方法与***

Also Published As

Publication number Publication date
CN113701762B (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
Liu et al. Self-adaptive dynamic obstacle avoidance and path planning for USV under complex maritime environment
CN113701762B (zh) 一种无人机搜索航路建立方法及装置
CN110031004B (zh) 基于数字地图的无人机静态和动态路径规划方法
CN108563243B (zh) 一种基于改进rrt算法的无人机航迹规划方法
CN107037828B (zh) 基于粒子群算法的无人机区域覆盖的单步寻优方法
CN110109477B (zh) 基于鸽群智能反向学习的无人机集群多目标控制优化方法
US7765062B2 (en) Method and system for autonomous tracking of a mobile target by an unmanned aerial vehicle
CN101286071B (zh) 基于微粒群优化和遗传算法的多无人机三维编队重构方法
CN104714556B (zh) 无人机智能航向控制方法
US9030347B2 (en) Preemptive signature control for vehicle survivability planning
CN109190852B (zh) 一种飞行器目标打击航迹规划方法
CN112947594B (zh) 一种面向无人机的航迹规划方法
CN107577241A (zh) 一种基于避障***的消防无人机航迹规划方法
CN113096446B (zh) 混合航行场景下的多船避碰决策方法、存储介质及处理器
CN112241178B (zh) 一种无人机自主安全控制方法
CN109871031A (zh) 一种固定翼无人机的轨迹规划方法
CN107014384B (zh) 基于角度搜索的多机载雷达协同探测航路规划方法
US8831793B2 (en) Evaluation tool for vehicle survivability planning
CN112578793B (zh) 一种快速运动水面艇的避障方法
CN114485665A (zh) 一种基于麻雀搜索算法的无人机航迹规划方法
CN111045445A (zh) 一种基于强化学习的飞行器智能避撞方法、设备、介质
Enns et al. Guidance and control for cooperative search
CN114740883B (zh) 一种协同点侦察任务规划跨层联合优化方法
CN116929356A (zh) 一种城市低空无人机航线规划方法、装置和存储介质
CN105066998A (zh) 一种基于量子鸽群优化的无人机自主空中加油目标检测方法

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
GR01 Patent grant
GR01 Patent grant