【技术实现步骤摘要】
本专利技术属于无人机航路规划，具体涉及一种滚动优化策略的无人机编队在线航路规划方法及装置。
技术介绍
1、无人机编队在线航路规划作为无人机领域的关键技术之一，主要包括离线规划和在线规划两部分。
2、离线规划不需要考虑未知的突发威胁，主要是基于预先设定的任务和事先己知的环境信息，综合考虑无人机编队飞行时在安全性与协同性约束进行全局航路规划，并实现指定性能指标最优或较优，其重点在于所求航路的最优化。在线规划则是基于实时的传感器信息，在无人机按照离线规划航路的飞行过程中实时进行，目的是响应不断传入的障碍物信息，进行航路的局部重规划并做出相应合理的避障行为，其重点在于迅速可靠的产生可行航路。
3、在无人机编队作战和执行任务的过程中往往存在较多不确定因素，具体表现为威胁/障碍的突发性、位置与数量的不确定性、任务临时变更等。实现复杂环境下的无人机编队在线航路规划，不仅需要考虑得到较优解，还需要考虑规划的速度，需要在躲避突发威胁过程平衡航路代价和航路规划时间两个指标，才能最大程度上保障飞行安全。
4、但是，现有技术中的无人机编队在线航路规划，存在实时性难以保障、求解效率低、灵活能力差的问题。因此，必须采用滚动优化策略的无人机编队在线航路规划方法，根据战场态势和任务目标的变化快速调整航路计划，以真正适应复杂的作战任务需要。
技术实现思路
1、本专利技术的目的：提供一种滚动优化策略的无人机编队在线航路规划方法及装置，能够解决现有无人机编队在线航路规划技术中实时性难
2、第一专利技术，本申请提供一种滚动优化策略的无人机编队在线航路规划方法，所述方法包括；
3、步骤1：建立并初始化环境模型和无人机性能模型，所述环境模型的参数信息包括：环境边界信息、威胁区、障碍区和禁飞区；无人机性能模型的编队相关参数包括：无人机速度、无人机编队队形和无人机编队队形宽度；
4、步骤2：根据环境模型的参数信息和无人机性能模型的编队相关参数，构建航路性能指标优劣的局部航路规划寻优的代价函数f；
5、步骤3：确定全局规划起点，最终目标点和全局优化航路；
6、步骤4：根据全局规划起点确定局部规划起点；
7、步骤5：根据环境模型、局部规划起点和单步规划窗口周期内的态势量测值，对环境威胁态势进行更新；
8、步骤6：运用局部目标点选取策略确定局部规划目标点；
9、步骤7：基于局部规划起点和局部规划目标点，将代价函数f作为优化的目标函数，运用变异粒子群优化算法进行局部航路规划，获得局部航路；
10、步骤8：根据飞行器沿局部航路只飞行一个步长距离ds到达的点作为局部规划步长到达点(x3,y3)；
11、步骤9：根据预设判断条件，判断局部规划步长到达点(x3,y3)是否到达规划的最终目标点，若到达规划的最终目标点，则无人机编队在线航路规划结束，否则返回步骤4。
12、进一步的，步骤2中的代价函数为：f＝l(1+β1fobs+β2fθ)，
13、其中，l为航路的总长度，扩充航路点由粒子群中第i个粒子生成，含m个扩充航路点，
14、为环境中所有威胁区、障碍区、禁飞区给航路造成的威胁总和；其中，κ为环境中存在的威胁区、障碍区、禁飞区数量之和，为第个障碍物的外接圆圆心到第i条航路的第j个航路段di(j)的距离，为外接圆半径，rs为避障安全距离，rd为编队队形宽度；
15、为航路上所有相邻航段夹角约束代价值的总和，θj为航路上第j个子航段di(j)和第j+1个子航段di(j)的夹角，θref为无人机编队飞行的相邻航段最小夹角参考值；
16、β1为避障约束权重，β2为相邻航段夹角约束权重。
17、进一步的，步骤4包括：
18、根据飞行器的全局规划起点(x1,y1)确定首次的局部规划起点，后续的局部规划起点依次为上一轮规划的步长到达点。
19、进一步的，步骤6的局部目标点选取策略包括启发式目标点选取策略和最优航路目标点选取策略。
20、进一步的，启发式目标点选取策略为：
21、在每次滚动窗口信息更新完毕后，利用启发式函数f(p)＝g(p)+h(p)来选取局部目标点，其中，p为滚动窗口上的点，g(p)为无人机从当前位置飞行到目标位置的代价，h(p)为从p飞行到终点的代价。
22、进一步的，
23、进一步的，最优航路目标点选取策略为，将每步滚动窗口半径与全局优化航路的交点作为局部目标点。
24、进一步的，步骤7包括以下步骤：
25、701，设置一个由n个粒子组成的粒子群，初始化粒子群中每一个粒子的位置和速度，以第i个粒子为例(1≤i≤n)，其位置可表达为xi，其速度可表达为vi，初始化粒子群中每一个粒子的个体最优代价函数值，以第i个粒子为例(1≤i≤n)其个体最优代价函数值表达为初始化整个粒子群的全局最优代价函数值fg＝inf，预先设置避障约束权重β1和相邻航段夹角约束权重β2；
26、702，根据第i个粒子的位置，利用三次样条插值方法得到由第i个粒子生成的m个扩充航路点坐标
27、703，根据扩充航路点，计算相邻两个航路点的欧氏距离并求和，得到航路的总长度l；
28、704，根据扩充航路点，利用公式计算得到航路上每相邻两个航路点与每个威胁的代价并求和，得到威胁总和fobs；
29、705，根据扩充航路点，利用公式计算得到航路上所有相邻航段夹角约束代价值的总和fθ；
30、706，根据航路的总长度l，fobs，fθ，避障约束权重β1和相邻航段夹角约束权重β2，利用代价函数f＝l(1+β1fobs+β2fθ)计算第i个粒子的代价函数值fi；
31、707，对第i个粒子，比较本轮计算的代价函数值fi和个体最优代价函数值如果则更新个体最优代价信息和位置信息
32、708，比较粒子群中每一个粒子的个体最优代价函数值与全局最优代价函数值fg，如果则更新全局最优代价信息和位置信息
33、709，根据粒子群算法，分别更新每个粒子的位置和速度，以第i个粒子为例(1≤i≤n)，位置和速度的更新过程可表达如下；
34、
35、w＝wmax-t((wmax-wmin)/tmax)
36、其中，c1是个体学习因子，c2是社会学习因子，t是当前迭代次数，tmax是最大迭代次数，vit表示在第t次迭代时第i个粒子的速度，表示在第t次迭代时第i个粒子的位置，w是惯性权重，wmax表示惯性权重的取值上界，wmin表示惯性权重的取值下界。
37、710，每次更新每个粒子的位置和速度后，进行早熟判断，具体过程为：对粒子群算法得到的全局最优代价fg进行监测，若在连续k次迭代过程中均相同，但尚未满足所有约束条件时，便认为有陷入局部极值点的早熟本文档来自技高网...
【技术保护点】
1.一种滚动优化策略的无人机编队在线航路规划方法，其特征在于，所述方法包括；
2.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤2中的代价函数为：f＝L(1+β1fobs+β2fθ)，
3.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤4包括：
4.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤6的局部目标点选取策略包括启发式目标点选取策略和最优航路目标点选取策略。
5.根据权利要求4所述的无人机编队在线航路规划方法，其特征在于，启发式目标点选取策略为：
6.根据权利要求5所述的无人机编队在线航路规划方法，其特征在于，
7.根据权利要求4所述的无人机编队在线航路规划方法，其特征在于，最优航路目标点选取策略为，将每步滚动窗口半径与全局优化航路的交点作为局部目标点。
8.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤7包括以下步骤：
9.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤9中的预设判断条件
10.一种滚动优化策略的无人机编队在线航路规划装置，其特征在于，建模单元，代价函数构建单元，确定单元，更新单元，局部航路获得单元，判断单元，其中：
...【技术特征摘要】
1.一种滚动优化策略的无人机编队在线航路规划方法，其特征在于，所述方法包括；
2.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤2中的代价函数为：f＝l(1+β1fobs+β2fθ)，
3.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤4包括：
4.根据权利要求1所述的无人机编队在线航路规划方法，其特征在于，步骤6的局部目标点选取策略包括启发式目标点选取策略和最优航路目标点选取策略。
5.根据权利要求4所述的无人机编队在线航路规划方法，其特征在于，启发式目标点选取策略为：
6.根...
【专利技术属性】
技术研发人员：马士超，杨钰琨，李浩，张闻乾，张翔伦，唐强，李志宇，温甲赟，
申请(专利权)人：中国航空工业集团公司西安飞行自动控制研究所，
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。