logo móvil
Contáctanos

Algoritmo de planificación de trayectorias de cuatro dimensiones para formación de aeronaves de ala fija basado en optimización mejorada de caza-presa

Autores: Wei, Jianli; Fan, Hongjia; Li, Jinghao

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Algoritmo de planificación de trayectorias de cuatro dimensiones para formación de aeronaves de ala fija basado en optimización mejorada de caza-presa


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Aeronave
Planificación de trayectorias
Ala fija
Formación
Algoritmo
Optimización

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 57

Citaciones: Sin citaciones


Descripción
La planificación de trayectorias tridimensionales de aeronaves es una tecnología importante para que múltiples aeronaves logren la cooperación. Sin embargo, la tecnología actual de planificación de trayectorias tridimensionales se utiliza principalmente para la aviación civil y helicópteros y es difícil de cumplir con los requisitos de aeronaves de ala fija. Este artículo propone un algoritmo de planificación de trayectorias tridimensionales para la formación de aeronaves de ala fija, considerando el rango de velocidad, radio de giro y sobrecarga máxima. Se utiliza la estrategia mejorada tau-J (ITJS) para generar la trayectoria tridimensional de las aeronaves. Esta estrategia es un algoritmo de planificación de trayectorias inspirado en la naturaleza que puede generar una trayectoria tridimensional con aceleración continua. Además, se utiliza el algoritmo de optimización mejorado de caza y presa (IHPO) para optimizar la trayectoria y hacer que la trayectoria generada cumpla con las restricciones y acelere la convergencia del algoritmo. Este algoritmo mejora la estrategia de actualización y la estrategia de inicialización basada en el algoritmo de optimización de caza y presa (HPO), lo que evita que el algoritmo caiga en óptimos locales. Los resultados de la función de prueba de referencia muestran que el resultado de optimización del algoritmo se mejora en más del 10% en comparación con el algoritmo HPO original. Los resultados de la simulación muestran que el algoritmo propuesto sale de los óptimos locales y genera una trayectoria que cumple con las restricciones.

Otros recursos que podrían interesarte

Temas Virtualpro