一种基于混合群智能算法的无人机协同航迹控制方法技术

本发明专利技术公开了一种基于混合群智能算法的无人机协同航迹控制方法，属于定位导航与控制技术领域。本发明专利技术首先根据所需的约束项设计无人机协同航迹评价函数；其次设置混合群智能算法相关参数，初始化粒子种群和禁忌表，设置算法最大迭代次数；然后根据航迹评价函数判断粒子解空间位置，比较产生个体最优解并判断是否更新全局最优解，重复迭代直至达到最大迭代次数，得到粒子个体极值与全局极值，更新粒子位置与速度公式；最终各无人机按照粒子位置与速度公式更新状态并运动至下一航迹点，产生新的粒子种群；直至各无人机到达最终目标点。该方法可有效应用于无人机等平台的航迹规划等导航问题，对于相关的产业的发展建设具有重要意义。义。义。

【技术实现步骤摘要】
一种基于混合群智能算法的无人机协同航迹控制方法


[0001]本专利技术属于定位导航与控制
，特别是指一种基于混合群智能算法的无人机协同航迹控制方法。

技术介绍

[0002]随着近年来无人机越来越广泛的应用，实现无人机协同编队飞行执行任务已经成为了当前研究的热点。在无人机协同涉及到的众多技术中，协同航迹规划控制是最为关键的技术之一，具有跨学科覆盖面广、算法创新难度高等特点。
[0003]协同航迹规划控制本质上是一类优化问题，国内外相关学者对其进行了一系列的研究，研究表明启发式的群智能算法是解决无人机协同航迹规划的有效途径，最为典型的是利用蚁群算法、粒子群算法等，相比传统的凸优化算法，具有对目标函数和约束条件的表达要求更宽松、计算时效性高、鲁棒性较强等优点。
[0004]采用粒子群算法应用于各类优化问题具有较好的优势，但其固有以全局最优值为搜索目标时局部搜索能力较差、容易早熟陷入局部最优等问题，因此需要算法其进行一些改进。除优化算法参数外，与禁忌搜索等其他启发式智能算法相结合，可以弥补单一算法的固有缺陷，在无人机协同航迹规划问题上可以取得良好的应用效果。

技术实现思路

[0005]本专利技术的目的在于提供一种基于混合群智能算法的无人机协同航迹控制方法，本方法可面向多架无人机编队飞行场景，实现多无人机协同航迹规划与控制。
[0006]为实现上述目的，本专利技术采用的技术方案为：
[0007]一种基于混合群智能算法的无人机协同航迹控制方法，包括以下步骤：
[0008](1)根据约束项设计无人机协同航迹评价函数；
[0009](2)设置混合群智能算法相关参数，初始化粒子种群和禁忌表，设置算法最大迭代次数；
[0010](3)开始迭代，根据航迹评价函数判断粒子解空间位置，比较产生个体最优解并判断是否更新全局最优解，重复迭代直至达到最大迭代次数，得到粒子个体极值与全局极值，更新粒子位置与速度公式；
[0011](4)各无人机按照粒子位置与速度公式更新状态并运动至下一航迹点，产生新的粒子种群；
[0012](5)重复步骤(3)(4)，直至各无人机到达最终目标点。
[0013]进一步的，步骤(1)所述的约束项包括：航程、飞行高度、无人机与障碍区域间距离、转弯半径、爬升角度、机间距离六个要素。
[0014]进一步的，步骤(3)的具体方式为：
[0015](301)开始迭代后，计算种群拓扑结构中每个粒子的评价函数值，比较得出当前个体与全局最优解；在下一次迭代后继续计算得出最优解并与上一次迭代做比较，判断是否
更新个体与全局最优解；
[0016](302)设置参数k，算法每迭代k次进行一次额外判断，若粒子全局最优解在这k次迭代中有过至少一次更新，则继续进行迭代；
[0017](303)若粒子全局最优解在这k次迭代中都未更新，则判断当前粒子全局最优解已陷入局部最优；为使算法跳出局部最优循环，将当前的全局最优解加入禁忌表，使其无法参与下一次迭代搜索，即无法出现在下一次迭代的解空间里，然后继续进行迭代；
[0018](304)被禁忌的解在满足特赦准则时移出禁忌表，并参与下一次迭代；特赦准则出现在以下两种情况：
[0019]1)禁忌表规模达到上限；禁忌表采用先入先出的原则，若在某次迭代并禁忌了当前最优解后禁忌表规模达到上限，则将目前禁忌表中最早加入的解移出禁忌表；
[0020]2)禁忌长度为0；被禁忌的解在加入禁忌表时具有不同的禁忌长度λ，其值由下式确定：
[0021][0022]式中，F为k次迭代均未更新的全局最优解所对应的评价函数值，G为k次迭代之前的上一个全局最优解所对应的评价函数值；
[0023]之后每迭代一次，禁忌表中解的禁忌长度就减少1，禁忌长度为0的解将被移出禁忌表，并参与下一次迭代搜索；
[0024](305)最终达到最大迭代次数时产生的个体历史最优解和全局历史最优解即为个体极值与全局极值代入粒子群算法的速度和位置更新公式，获得无人机下一航迹点的位置和速度。
[0025]本专利技术与现有技术相比的有益效果为：
[0026](1)本专利技术面向无人机实际飞行中的航迹控制问题，通过启发式混合群智能算法弥补了传统凸优化算法固有的机载算力难以支撑，实时性不强等缺点。
[0027](2)本专利技术通过结合禁忌搜索算法，有效解决了粒子群算法在实际应用中容易陷入局部最优的缺点，使得算法求解范围更广，效率更高。
[0028](3)本专利技术充分考虑多无人机协同飞行过程中的实际要素约束条件，建立综合评价函数判断算法求解的可信性。
附图说明
[0029]图1是本专利技术实施例方法的流程图。
具体实施方式
[0030]以下结合附图和实施例对本专利技术做进一步的说明。
[0031]一种基于混合群智能算法的无人机协同航迹控制方法，包括以下步骤：
[0032](1)以航程、飞行高度、无人机与障碍区域间距离、转弯半径、爬升角度、机间距离六个要素作为约束项，组成无人机协同航迹评价函数；
[0033](2)设置混合群智能算法相关参数：学习因子c1和c2、惯性权重因子ω、粒子种群规
模N
s
、粒子最大飞行速度v
max
和禁忌表规模M，给定无人机初始位置和速度，初始化粒子种群和禁忌表，设置算法最大迭代次数；
[0034](3)开始迭代，根据航迹评价函数判断粒子解空间位置，比较产生个体最优解并判断是否更新全局最优解，重复迭代直至达到最大迭代次数，得到粒子个体极值与全局极值，更新粒子位置与速度公式。具体步骤如下：
[0035](301)开始迭代后，计算种群拓扑结构中每个粒子的评价函数值，比较得出当前个体与全局最优解；在下一次迭代后继续计算得出最优解并与上一次迭代做比较，判断是否更新个体与全局最优解；
[0036](302)设置参数k，算法每迭代k次进行一次额外判断，若粒子全局最优解在这k次迭代中有过至少一次更新，则继续进行迭代；
[0037](303)若粒子全局最优解在这k次迭代中都未更新，则判断当前粒子全局最优解已陷入局部最优。为使算法跳出局部最优循环，将当前的全局最优解加入禁忌表，继续进行迭代(禁忌表中的解无法参与下一次迭代搜索，即无法出现在下一次迭代的解空间里)；
[0038](304)被禁忌的解在满足特赦准则时移出禁忌表，并参与下一次迭代。特赦准则出现在以下两种情况：1)禁忌表规模达到上限。禁忌表采用先入先出的原则，若在某次迭代并禁忌了当前最优解后禁忌表规模达到上限，则将目前禁忌表中最早加入的解移出禁忌表；2)禁忌长度为0。被禁忌的解在加入禁忌表时具有不同的禁忌长度λ，其值由下式确定
[0039][0040]式中，F为k次迭代都未更新的全局最优解所对应的评价函数值，G为k次迭代之前的上一个全局最优解所对应的评价函数值。之后每迭代一次，禁忌表中解的禁忌长度就减少1，禁忌长本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合群智能算法的无人机协同航迹控制方法，其特征在于，包括以下步骤：(1)根据约束项设计无人机协同航迹评价函数；(2)设置混合群智能算法相关参数，初始化粒子种群和禁忌表，设置算法最大迭代次数；(3)开始迭代，根据航迹评价函数判断粒子解空间位置，比较产生个体最优解并判断是否更新全局最优解，重复迭代直至达到最大迭代次数，得到粒子个体极值与全局极值，更新粒子位置与速度公式；(4)各无人机按照粒子位置与速度公式更新状态并运动至下一航迹点，产生新的粒子种群；(5)重复步骤(3)(4)，直至各无人机到达最终目标点。2.根据权利要求1所述的一种基于混合群智能算法的无人机协同航迹控制方法，其特征在于，步骤(1)所述的约束项包括：航程、飞行高度、无人机与障碍区域间距离、转弯半径、爬升角度、机间距离六个要素。3.根据权利要求1所述的一种基于混合群智能算法的无人机协同航迹控制方法，其特征在于，步骤(3)的具体方式为：(301)开始迭代后，计算种群拓扑结构中每个粒子的评价函数值，比较得出当前个体与全局最优解；在下一次迭代后继续计算得出最优解并与上一次迭代做比较，判断是否更新个体与全局最优解；(302)设置参数k，算法...

【专利技术属性】
技术研发人员：熊华捷，蔚保国，易卿武，何成龙，郝菁，刘天豪，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：