基于ALCE-SSA优化的三维无人机低空突防方法技术

本发明专利技术公开基于ALCE

【技术实现步骤摘要】
基于ALCE
‑
SSA优化的三维无人机低空突防方法


[0001]本专利技术涉及无人机路径规划
，特别涉及一种自适应领头雀引导和中心变异
‑
进化因子的麻雀搜索算法优化的无人机低空突防三维路径规划方法。

技术介绍

[0002]低空突防是无人机作战中的重要环节，也是目前的研究热点。为了找出一条从起点到终点的可以避开威胁源的安全路径，突防目标以有效的规划路线方法为基础，在约束问题下找出最优解，其关键取决于寻优算法的优劣。近年来学者们展开深入研究，提出了多种低空突防路径规划算法，主要可以分为两大类：(1)常规算法，如：人工势场法、A*算法等；(2)智能算法，如：遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)、灰狼算法(Grey Wolf Optimization,GWO)、飞蛾扑焰算法(Moth
‑
Flame Optimization,MFO)等。相比于常规算法，智能算法收敛速度快，鲁棒性强，尤其采用群体智能优化算法求解无人机突防路径的问题是目前的研究热点。张宏宏等为解决无人机低空突防的问题，利用改进蚁群算法生成一条风险较低的路径，提升了寻优效率，但路径精确度不高。宋宇等提出了一种基于三维规划的改进粒子群优化方法，提升了搜索性能，但威胁场考虑得比较简单，并未考虑地形等因素，实际应用效果并不理想。许江波等通过自适应策略改进鱼群算法，利用其全局寻优能力解决路径规划问题，但搜索时间过长。以上研究虽然实现了无人机的航迹规划，但路径规划效果和迭代收敛速度仍有进一步改进空间。麻雀搜索算法(Sparrow Search Algorithm,SSA)是2020年由XUE提出的一种新的群智能优化算法，模拟了麻雀觅食的过程，具有收敛速度快，适应性强，模型易修改等特点，适合用于无人机路径规划。汤安迪等提出了一种基于混沌麻雀搜索算法的航迹规划法，能够快速地得到一条安全的可行航迹。但是该算法是针对二维场景的应用，存在一定的局限性。SSA本身还存在易陷入局部最优，种群多样性快速减少等问题，仍需进一步改进。

技术实现思路

[0003]本专利技术的目的在于提供一种基于ALCE
‑
SSA优化的三维无人机低空突防方法，以解决现有技术中无人机在三维低空突防时存在环境复杂，路径规划计算量大等问题，以及现有麻雀搜索算法路径搜索能力不足，易陷入局部最优等缺陷，本专利技术在面对不同环境时具有更好的路径规划效果，即提高改进麻雀搜索算法的寻优精度，寻得最优路径。
[0004]为达到上述目的，本专利技术采用如下技术方案：
[0005]基于ALCE
‑
SSA优化的三维无人机低空突防方法，包括以下步骤：
[0006]步骤1：对无人机低空突防三维环境建模，获得模型；
[0007]步骤2：对步骤1中获得的模型确定突防代价函数；
[0008]步骤3：获取麻雀搜索算法；
[0009]步骤4：根据无人机低空突防对步骤3中获得的麻雀搜索算法进行改进，得到改进麻雀搜索算法；
[0010]步骤5：利用步骤4中获得的改进麻雀搜索算法对无人机低空突防三维路径进行规划。
[0011]进一步地，步骤1中对无人机低空突防三维环境建模包括地形约束和威胁源模型约束：
[0012]地形约束中三维环境下的山峰建模，如下所示：
[0013][0014]式中，(x,y)为地形的坐标，(x0,y0)为山峰地形的中心点坐标，h为高度参数，λ1和λ2反应山峰的陡峭程度；
[0015]威胁源模型约束包括雷达探测、防空火炮、地空导弹；
[0016]将威胁源等效为地形模型，假设距离威胁源中心越近，威胁代价越大，地形越高，反之则越低，因此，将威胁源等效为：
[0017][0018]式中，K
thr
为威胁源修正系数，第p个威胁源中心的水平坐标为(x
p
,y
p
)，第p个威胁源的最大半径R
max,p
，R为三维环境坐标点(x,y)到威胁源中心的距离。
[0019]进一步地，步骤2的突防代价函数包括：
[0020]1)在飞行中，离地面0.05
‑
2.5km高度处适于飞行，航迹点的地形威胁代价如下：
[0021][0022]式中，K
Z
,K
′
z
为地形威胁系数，h
j
为第j个航迹点的海拔高度，Z
j
为第j个航迹点的地形高度，f
Z,j
为第j个航迹点对应的威胁代价；
[0023]2)低空突防需考虑高程代价，航迹点j的高程代价如下所示：
[0024]f
H,j
＝h
j
[0025]式中，f
H,j
为第j个航迹点对应的高程代价；
[0026]3)地形约束还需要考虑飞行边界范围和最大飞行高度，保证无人机的可控性，设定飞行水平范围为(x
min
,y
min
)＝(0,0)和(x
max
,y
max
)＝(100,100)，最大飞行高度为z
max
＝5；
[0027]在雷达区内，简化的雷达探测概率模型如下：
[0028]P0＝1/r4[0029]式中，r为航迹点到威胁源中心的距离；
[0030]在防空火炮区内，毁伤概率表示为：
[0031]P
G
＝1/r
[0032]在导弹区半径内下被击中的可能性为：
[0033][0034]式中，R
max
为威胁源的最大半径；
[0035]在禁飞区的约束为：
[0036]P
J
＝K
J
[0037]式中，K
J
为禁飞区威胁代价，P
J
为在禁飞区的约束代价；
[0038]定义每个航迹点在各个威胁区域的计算代价如下：
[0039][0040]式中，r
j,p
为第j个航迹点到威胁源p中心的直线距离，P0、P
G
、P
M
和P
J
分别为雷达，火炮，导弹，禁飞区的代价函数，f
T,jp
为航迹点j到威胁源p中心的代价；
[0041]4)无人机约束是无人机在飞行过程中受自身的物理约束，包括转弯角α、下滑及爬升角β，以及燃油代价，各物理约束分别为：
[0042][0043][0044][0045]式中，K
α
和K
β
分别为转弯角和俯仰角威胁系数，和为第j个航迹点对应α和β的代价函数，J
L,j
为第j个航迹点对应的航程，综合各代价函数，得出第j个航迹点的无人机自身约束代价函数为：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于ALCE
‑
SSA优化的三维无人机低空突防方法，其特征在于，包括以下步骤：步骤1：对无人机低空突防三维环境建模，获得模型；步骤2：对步骤1中获得的模型确定突防代价函数；步骤3：获取麻雀搜索算法；步骤4：根据无人机低空突防对步骤3中获得的麻雀搜索算法进行改进，得到改进麻雀搜索算法；步骤5：利用步骤4中获得的改进麻雀搜索算法对无人机低空突防三维路径进行规划。2.根据权利要求1所述的基于ALCE
‑
SSA优化的三维无人机低空突防方法，其特征在于，步骤1中对无人机低空突防三维环境建模包括地形约束和威胁源模型约束：地形约束中三维环境下的山峰建模，如下所示：式中，(x,y)为地形的坐标，(x0,y0)为山峰地形的中心点坐标，h为高度参数，λ1和λ2反应山峰的陡峭程度；威胁源模型约束包括雷达探测、防空火炮、地空导弹；将威胁源等效为地形模型，假设距离威胁源中心越近，威胁代价越大，地形越高，反之则越低，因此，将威胁源等效为：式中，K
thr
为威胁源修正系数，第p个威胁源中心的水平坐标为(x
p
,y
p
)，第p个威胁源的最大半径R
max,p
，R为三维环境坐标点(x,y)到威胁源中心的距离。3.根据权利要求1所述的基于ALCE
‑
SSA优化的三维无人机低空突防方法，其特征在于，步骤2的突防代价函数包括：1)在飞行中，离地面0.05
‑
2.5km高度处适于飞行，航迹点的地形威胁代价如下：式中，K
Z
,K
′
z
为地形威胁系数，h
j
为第j个航迹点的海拔高度，Z
j
为第j个航迹点的地形高度，f
Z,j
为第j个航迹点对应的威胁代价；2)低空突防需考虑高程代价，航迹点j的高程代价如下所示：f
H,j
＝h
j
式中，f
H,j
为第j个航迹点对应的高程代价；3)地形约束还需要考虑飞行边界范围和最大飞行高度，保证无人机的可控性，设定飞行水平范围为(x
min
,y
min
)＝(0,0)和(x
max
,y
max
)＝(100,100)，最大飞行高度为z
max
＝5；在雷达区内，简化的雷达探测概率模型如下：P0＝1/r4式中，r为航迹点到威胁源中心的距离；
在防空火炮区内，毁伤概率表示为：P
G
＝1/r在导弹区半径内下被击中的可能性为：式中，R
max
为威胁源的最大半径；在禁飞区的约束为：P
J
＝K
J
式中，K
J
为禁飞区威胁代价，P
J
为在禁飞区的约束代价；定义每个航迹点在各个威胁区域的计算代价如下：式中，r
j,p
为第j个航迹点到威胁源p中心的直线距离，P0、P
G
、P
M
和P
J
分别为雷达，火炮，导弹，禁飞区的代价函数，f
T,jp
为航迹点j到威胁源p中心的代价；4)无人机约束是无人机在飞行过程中受自身的物理约束，包括转弯角α、下滑及爬升角β，以及燃油代价，各物理约束分别为：β，以及燃油代价，各物理约束分别为：β，以及燃油代价，各物理约束分别为：式中，K
α
和K
β
分别为转弯角和俯仰角威胁系数，和为第j个航迹点对应α和β的代价函数，J
L,j
为第j个航迹点对应的航程，综合各代价函数，得出第j个航迹点的无人机自身约束代价函数为：f
J,j
＝J
α_angle,j
+J
β_angle,j
+J
L,j
5)航迹代价函数是将地形约束、高程代价、威胁源模型约束及无人机自身物理约束的代价加权综合起来，构成最终的无人机代价函数，公式如下：式中，F为整条航迹的代价，σ1，σ2，σ3和σ4为各代价的权重，d为航迹点的总数，w为威胁源的总数。4.根据权利要求1所述的基于ALCE
‑
SSA优化的三维无人机低空突防方法，其特征在于，步骤3中麻雀搜索算法包括以下步骤：步骤3.1：随机初始化麻雀种群；步骤3.2：发现者位置更新；步骤3.3：加入者位置更新；步骤3.4：警戒者位置更新。5.根据权利要求4所述的基于ALCE
‑
SSA优化的三维无人机低空突防方法，其特征在于，
步骤3.2中麻雀种群中的发现者负责觅食和指导整个种群移动，发现者位置更新如下：式中，表示种群中第t代中第i个个体的第j维位置，ζ为(0,1]中的均匀随机数，Q为一个标准正态分布随机数，L是一行多维的全一矩阵，R2为[0,1]中的均匀随机数，ST为警戒阈值；步骤3.3中加入者为除去发现者外的种...

【专利技术属性】
技术研发人员：惠晓滨，黄莺，黄鹤，李文龙，张向阳，杨莎，马海洋，
申请(专利权)人：西安汇智信息科技有限公司，
类型：发明
国别省市：