System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于轨迹规划领域,具体涉及一种动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法及系统。
技术介绍
1、平流层飞艇作为临近空间飞行器(高空伪卫星平台)的一种,被设计用于在远高于急流的高空和盛行风相对较低的区域运行(通常在18.3至22.9公里高度)。近年来,随着新材料的出现、太阳能电池续航能力的提高和天气预报精度的显著改善,平流层飞艇的优势受到了越来越多的关注。相比在同一高度运行的其他临近空间飞行器(如太阳能飞机和气球),平流层飞艇提供了更大的有效载荷能力和成本效益。它们可以通过利用浮力以更小的能量消耗来保持更长时间的区域驻留,同时具有一定的机动能力进行巡航或到达指定区域。通过利用在日间获取足够太阳能为夜间用电存储能量的策略,也为平流层飞艇跨昼夜任务的持续能源供给提供了保证。这些特性使其在长航时、长距离(广域)的平流层观测任务中具有显著优势,已被用于遥感、航空摄影和通信中继等场景。
2、然而由于平流层环境的复杂性,平流层飞艇在跨昼夜任务中的任务完成能力与可持续性仍面临重大挑战。平流层风场的风速和风向在时空尺度下变化显著,平均风速经常超过飞艇的最大飞行速度。加之平流层飞艇本身的大体积、高风阻和低动力特性,使它们非常容易受到风场影响,在任务执行过程中需要消耗大量能量。然而,现有的能源系统仍不能确保飞艇在夜间获得足够的能量供应,导致其可能出现因推力不足而在大风中失去机动能力的风险。为提高平流层飞艇长航时抵达与驻留能力,平流层飞艇的任务航迹必须综合考虑任务时间内的动态风场,尽可能减少任务过程中的能量消耗,满足昼夜能源约束
3、目前,在各种领域和任务中采用了各种各样的路径规划方法。一些算法,如a*、人工势场(apf)、概率路线图(prm)和快速探索随机树(rrt)算法,被认为是实时路径规划算法。然而,它们考虑问题的尺度有限,全局优化能力不足。对于平流层飞艇来说,需要对较大尺度区域和时间跨度下的外部环境变化进行全局考虑。强化学习算法也常被用于平流层飞艇的轨迹规划中,liu等人提出一种基于ppo算法的轨迹规划方法,使飞艇能够在时间变化的风场中实现长时间区域驻留。zheng等人开发了一种基于双深度q网络(ddqn)的路径规划模型,考虑了动态风场和能源循环特性。但学习方法的不可解释性和不确定性问题无法解决,可能会给飞行任务带来灾难性后果。相比之下,其他算法,如粒子群优化(pso)、蚁群优化(aco)、遗传算法(ga)、灰狼优化(gwo)和蝙蝠群优化(bso),在静态场景下容易得到全局最优路径,然而动态环境下该算法的效率仍会受到复杂性的阻碍,特别是风场数据发生变化的环境。在这种情况下,高维状态可能会阻碍算法的有效性、可行性。
技术实现思路
1、本申请的目的是为动态风场下平流层飞行器的跨昼夜区域抵达和区域驻留任务提供一种综合考虑平流层动态风场影响、夜间能量约束和任务完成进度的航迹规划方法。
2、本申请针对平流层飞行器在动态风场下的跨昼夜长航时的多约束复杂轨迹规划任务,提出了水平集-粒子群轨迹规划算法,粒子群算法用于优化飞行器的速度序列,满足任务的速度、能耗和可行性等约束,而水平集算法通过演化过程模拟风场对飞行器轨迹的影响,感知任务时间内的全局风场分布,实现动态环境下的轨迹推算。在抵达和驻留任务中,可分别设计不同的粒子群适应度函数以及水平集的演化终点,以得到符合任务目标的轨迹。
3、本申请提供一种动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,包括:
4、获取平流层飞行器跨昼夜抵达任务或驻留任务的任务约束;获取外部风场信息;
5、构建动态风场下平流层飞行器的运动模型与成本函数;
6、使用水平集方法结合粒子群优化输出动态风场条件下跨昼夜任务的最优轨迹。
7、作为上述方法的一种改进,所述方法具体包括:
8、步骤a0:获取任务目标与任务约束;
9、步骤a1:初始化飞行器运动空间及风场环境数据;
10、步骤a2:使用飞行器最大速度进行任务可行性分析;
11、步骤a3:最大速度下任务不可行时进行最小可行能力分析;
12、步骤a4:初始化粒子群;
13、步骤a5:使用粒子群算法得到的速度序列,通过水平集算法进行前向演化;
14、步骤a6:根据水平集前向演化结果,计算每个粒子的适应度值,评估其速度序列在能量消耗、时间成本和任务约束方面的性能;
15、步骤a7:更新粒子群的个体最优和群体最优值;
16、步骤a8:更新粒子群的速度和位置及边界检查;
17、步骤a9:粒子群算法迭代终止判定;
18、步骤a10:对粒子群最优结果对应的速度序列进行水平集后向演化并输出最终的最优轨迹。
19、作为上述方法的一种改进,所述步骤a2包括:
20、对飞行器的最大速度进行任务可行性分析:首先构建水平集符号距离函数,令初始时刻,水平集函数以起点为圆心、网格离散间距r为半径的圆为边界对空间g进行初始化;在风场速度矢量的影响下,水平集函数以飞行器最大速度,沿梯度方向进行前向演化;
21、通过水平集前向演化分析任务的可行性:在抵达任务中,当水平集函数演化至终点时满足且,则表明飞行器在规定时间内的抵达任务可行;在驻留任务中,若在任意时,水平集函数均满足,则表明飞行器能够驻留在以为中心、r为半径的区域内,驻留任务可行。
22、作为上述方法的一种改进,所述步骤a3包括:
23、当以当前最大速度进行水平集前向演化,在时间内无法完成任务时,设置为当前平均风速的两倍,并进行后续步骤;由最终结果得出飞行器在风场下能完成任务的最优速度。
24、作为上述方法的一种改进,所述步骤a4包括:
25、初始化粒子群的活动范围和粒子群运动速度;
26、并在粒子群活动范围内对粒子群位置和速度进行初始化。
27、作为上述方法的一种改进,所述步骤a5包括:
28、对粒子位置所表示的速度序列进行水平集前向演化;首先构建水平集符号距离函数,令初始时刻,水平集函数以起点为圆心、网格离散间距r为半径的圆为边界对空间g进行初始化;在风场速度矢量的影响下,水平集函数以飞行器的速度,沿梯度方向进行前向演化;
29、将水平集前向演化结果作为粒子群适应度函数计算的判断指标,分为以下两种情况:
30、情况1:对于抵达任务:若在内,抵达任务终点处的水平集函数从>0变为,则表明水平集函数在最大时间内以粒子i的位置表示的速度序列可以演化至,即飞行器在任务时间内可以抵达终点,终止时间为;若,即水平集函数已经演化到抵达任务中飞行器的最大飞行时间时,则以处的水平集函数值作为下一步骤中粒子群适应度函数所表示的终端约束项的判断指标,终止时间;
31、情况2:对于驻留任务:对于任意,均有,则表明在选定风本文档来自技高网...
【技术保护点】
1.一种动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,包括:
2.根据权利要求1所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述方法具体包括:
3.根据权利要求2所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A2包括:
4.根据权利要求3所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A3包括:
5.根据权利要求4所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A4包括:
6.根据权利要求5所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A5包括:
7.根据权利要求6所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A6包括:
8.根据权利要求7所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A7包括:
9.根据权利要求8所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述
10.根据权利要求9所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A9包括:
11.根据权利要求10所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤A10包括:
12.一种动态风场环境下平流层飞行器跨昼夜任务轨迹规划系统,基于权利要求1-11任一所述方法实现,其特征在于,所述系统包括:
...【技术特征摘要】
1.一种动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,包括:
2.根据权利要求1所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述方法具体包括:
3.根据权利要求2所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤a2包括:
4.根据权利要求3所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤a3包括:
5.根据权利要求4所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤a4包括:
6.根据权利要求5所述的动态风场环境下平流层飞行器跨昼夜任务轨迹规划方法,其特征在于,所述步骤a5包括:
7.根据权利要求6所述的动态...
【专利技术属性】
技术研发人员:刘成,李翔,卞春江,高东,
申请(专利权)人:中国科学院国家空间科学中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。