基于小生境粒子群算法的多机协同航路规划方法及系统技术方案

本申请属于飞机巡航解算技术领域，涉及一种基于小生境粒子群算法的多机协同航路规划方法及系统。所述方法包括以多机协同航路规划中各飞机的航路作为粒子群算法的个体；将这些个体划分到多个小生境中；计算每个个体的性能代价，以所述性能代价最优为目标更新个体的最优位置；计算个体所在小生境的最优位置lbest；更新种群中个体的速度和位置；进行个体的位置和速度的值域空间边界限定；对每个个体与其他所有小生境中表现最好的个体所代表的航路进行协同策略限定。本申请不仅能够单架飞机的性能约束限制，同时也能够满足编队飞机协作要求，包括时域协同和空域协同，为现有型号及后续型号实现该功能奠定了基础。

【技术实现步骤摘要】
基于小生境粒子群算法的多机协同航路规划方法及系统
本申请属于飞机巡航解算
，特别涉及一种基于小生境粒子群算法的多机协同航路规划方法及系统。
技术介绍
随着飞机应用领域的不断扩展，任务难度的不断增大，经常需要多架飞机合作完成一项任务，比如多架攻击飞机针对多个目标开展打击任务，这要求飞机必须同一时间到达目标。多机协同航路规划的目的是为每架飞机规划出一条航路，能够满足飞机自身的约束限制，同时满足编队飞机编队的协作要求。相对于单机航路规划，多机协同航路规划要更复杂，有时需要降低单架飞机的性能，以达到整个编队的整体性能最优。多机协同航路规划问题需要面临两类约束条件：一类是与单机航路规划相同的航路约束(飞机自身的约束限制)，比如最小转弯半径、最大飞行距离、最大爬升率等，这些单机航路规划约束是保证飞机的基本保障；另外一类是与其他飞机相关联的约束条件(编队飞机编队的协作要求)，按照时间和空间的不同，又可以分为空域协同和时域协同两方面。时域协同是指各飞机在时间序列上，需要满足约定的时间或时序要求。空域协同是指飞机彼此无碰撞。目前已有的多机协同航路规划技术多数是基于A*算法、人工视场等方法，这些技术主要存在以下缺陷及不足：a、传统的航路规划算法大多是基于单元分解或者概略图的方法，因此对于构造的规划空间必须在航路规划前完成。然而规划空间的构造在环境较复杂时显得尤为困难，不仅仅针对于简单的二维航迹，对于三维空间更是如此，其构造难度随着空间的复杂度呈现指数增长。因此目前绝大多数航路规划算法在搜索之前都已经假设环境信息已经通过单元分解或者概略图的方法构造完成。对于构造好的规划空间来说，在其上进行航迹搜索也是非常耗时的。b、绝大多数根据数学规划方法所定义的根据所提供的代价函数来确定最优航迹虽然最终所规划的航迹满足理想条件下的要求，但是在实际条件下，这样所规划的航迹并不一定能真正执行，比如A*算法航迹节点的扩展是以当前节点在所规划空间的所有可到达的相邻节点内进行扩展，待扩展方向时所有当前节点可到达的方向，但有时航迹的方向并不一定满足实际情况。因此航路规划不仅需要考虑航迹的优劣，也需要考虑实际现实情况，这些情况包括飞机的物理条件限制(如最大转弯角度、最大升/降角度、最短飞行距离、最低/高飞行高度、燃油、探测范围、飞行速度等)、飞行任务的需求限制(如飞行时间、飞行距离、匹配区域、到达目标方向、可变任务等)。即最短路径算法下，飞机性能不一定能够与之匹配。c、受规划空间以及规划算法的影响，目前的规划算法考虑最多的因素就是规划的实时性要求。因为在解决此类问题上还没有一种方法在极短的时间内满足所需求的最优航迹。即使是同一种算法在不同的规划空间中也随着环境的复杂程度其规划时间有较大差别，尤其规划时间会随着规划环境的扩大呈现指数增长，在高维空间中，即使是对处理器的内存也是具有相当大的挑战。在预先已知所有威胁的离线航路规划来说规划可提前完成，对于威胁或环境可变的在线航路规划来说，实时要求的程度更高，因为在实际飞行过程中，不可能有过多的时间在空中进行等待来进行针对位置环境的航迹再规划。d、在航路规划上，每个飞机按照起始点到目标点进行航路规划，按照一般方法所规划的航迹大多数只能得到一条。但在多航路规划问题上，往往需要同时规划出多条航迹以应对诸如新威胁或者其他新环境信息的出现所带来的问题，一旦环境信息改变，须在新的备选航迹中进行选取，这一系列航迹需要尽可能的保证代价最小。但在目前大部分解决办法都不能提供多条较优备选航迹。e、多机航行空间的建模方法必须在对场景的描述有效性和问题求解的复杂性之间求得平衡。多机航路规划问题的本质属于组合优化问题，对该类问题的求解难度和时间复杂度会随着问题规模的扩大而快速增加。因此在选择解决方法时必须考虑时间复杂度的因素，通过合理的问题映射避免求解空间状态爆炸情况的出现。现有针对多机航路时空协同问题研究，对于各机到达目标距离相近的情况可以做到较好的时间协同；而当各机距离目标差异较大时，难以保证编队的时间协同。同时对于各飞机航路上存在路径相交的情况，不能够很好的解决航路碰撞问题，难以保证编队的空间协同。
技术实现思路
为了解决上述技术问题，本申请提供了一种基于小生境粒子群算法的多机协同航路规划方法及系统，满足多机协同航路规划时空协同要求，满足实时性需求，完成协同作战任务。本申请第一方面提供了一种基于小生境粒子群算法的多机协同航路规划方法，包括：步骤S1、以多机协同航路规划中各飞机的航路作为粒子群算法的个体；步骤S2、将个体进行分组至多个小生境中，所述小生境数量不低于飞机数量；步骤S3、计算每个个体的性能代价，以所述性能代价最优为目标更新个体的最优位置pbest，如果个体的当前位置所代表的航路代价值小于之前的或初始pbest的值，则用个体位置替代pbest；步骤S4、计算个体所在小生境的最优位置lbest：从每个小生境中选出目前具有最小代价的个体所代表的航路；步骤S5、更新种群中个体的速度和位置；步骤S6、判断个体的位置和速度是否超过其相应的值域空间，如果是则将其限定在相应的值域空间边界上；步骤S7、判断每个个体与其他所有小生境中表现最好的个体所代表的航路之间是否满足协同策略，如果不满足则该个体将被重新初始化；步骤S8、至最大迭代次数后输出协同航路。优选的是，步骤S2中，将多个个体均分到不同的小生境中。优选的是，步骤S4中，所述个体的性能代价包括但不限于：最小燃油代价、最小飞行距离代价。优选的是，步骤S8中，所述协同策略包括时域协同需求和空域协同需求。本申请第二方面提供了一种基于小生境粒子群算法的多机协同航路规划系统，包括：个体模型生成模块，以多机协同航路规划中各飞机的航路作为粒子群算法的个体；小生境划分模块，用于将个体进行分组至多个小生境中，所述小生境数量不低于飞机数量；个体最优位置更新模块，用于计算每个个体的性能代价，以所述性能代价最优为目标更新个体的最优位置pbest，如果个体的当前位置所代表的航路代价值小于之前的或初始pbest的值，则用个体位置替代pbest；小生境最优位置更新模块，用于计算个体所在小生境的最优位置lbest：从每个小生境中选出目前具有最小代价的个体所代表的航路；个体速度及位置更新模块，用于更新种群中个体的速度和位置；值域空间限定模块，用于判断个体的位置和速度是否超过其相应的值域空间，如果是则将其限定在相应的值域空间边界上；协同策略限定模块，用于判断每个个体与其他所有小生境中表现最好的个体所代表的航路之间是否满足协同策略，如果不满足则该个体将被重新初始化；输出模块，用于至最大迭代次数后输出协同航路。优选的是，小生境划分模块中，包括将多个个体均分到不同的小生境中。优选的是，所述个体的性能代价包括但不限于：最小燃油代价、最小飞行距离代价。优选的是，所述协同策略本文档来自技高网...

【技术保护点】
1.一种基于小生境粒子群算法的多机协同航路规划方法，其特征在于，包括：/n步骤S1、以多机协同航路规划中各飞机的航路作为粒子群算法的个体；/n步骤S2、将个体进行分组至多个小生境中，所述小生境数量不低于飞机数量；/n步骤S3、计算每个个体的性能代价，以所述性能代价最优为目标更新个体的最优位置pbest，如果个体的当前位置所代表的航路代价值小于之前的或初始pbest的值，则用个体位置替代pbest；/n步骤S4、计算个体所在小生境的最优位置lbest：从每个小生境中选出目前具有最小代价的个体所代表的航路；/n步骤S5、更新种群中个体的速度和位置；/n步骤S6、判断个体的位置和速度是否超过其相应的值域空间，如果是则将其限定在相应的值域空间边界上；/n步骤S7、判断每个个体与其他所有小生境中表现最好的个体所代表的航路之间是否满足协同策略，如果不满足则该个体将被重新初始化；/n步骤S8、至最大迭代次数后输出协同航路。/n

【技术特征摘要】
1.一种基于小生境粒子群算法的多机协同航路规划方法，其特征在于，包括：
步骤S1、以多机协同航路规划中各飞机的航路作为粒子群算法的个体；
步骤S2、将个体进行分组至多个小生境中，所述小生境数量不低于飞机数量；
步骤S3、计算每个个体的性能代价，以所述性能代价最优为目标更新个体的最优位置pbest，如果个体的当前位置所代表的航路代价值小于之前的或初始pbest的值，则用个体位置替代pbest；
步骤S4、计算个体所在小生境的最优位置lbest：从每个小生境中选出目前具有最小代价的个体所代表的航路；
步骤S5、更新种群中个体的速度和位置；
步骤S6、判断个体的位置和速度是否超过其相应的值域空间，如果是则将其限定在相应的值域空间边界上；
步骤S7、判断每个个体与其他所有小生境中表现最好的个体所代表的航路之间是否满足协同策略，如果不满足则该个体将被重新初始化；
步骤S8、至最大迭代次数后输出协同航路。


2.如权利要求1所述的基于小生境粒子群算法的多机协同航路规划方法，其特征在于，步骤S2中，将多个个体均分到不同的小生境中。


3.如权利要求1所述的基于小生境粒子群算法的多机协同航路规划方法，其特征在于，步骤S3中，所述个体的性能代价包括但不限于：
最小燃油代价、最小飞行距离代价。


4.如权利要求1所述的基于小生境粒子群算法的多机协同航路规划方法，其特征在于，步骤S7中，所述协同策略包括时域协同需求和空域协同需求。


5.一种基于小生境粒子群算...

【专利技术属性】
技术研发人员：吕明伟，张少卿，王言伟，刘伟，王文哲，
申请(专利权)人：中国航空工业集团公司沈阳飞机设计研究所，
类型：发明
国别省市：辽宁;21