無人機航跡規劃方法、裝置、設備及可讀存儲介質制造方法及圖紙

本發明專利技術提供一種無人機航跡規劃方法、裝置、設備及可讀存儲介質，該方法包括：S1、基于無人機航跡總長度、威脅代價、高程代價和平滑度代價，確定目標函數；S2、對粒子進行初始化；S3、每一輪迭代中，根據粒子的位置信息和目標函數計算得到當前適應度值，確定每個粒子的歷史最優位置、停滯次數和所有粒子的全局最優位置；S4、基于停滯信息的學習對象調整策略更新粒子信息；S5、基于精英粒子的差分進化策略確定全局最優位置；S6、重復執行步驟S3至步驟S5，直到完成的迭代次數達到最大迭代次數，將全局最優位置作為最終航跡。本發明專利技術能夠有效提升算法的求解精度，提高了無人機航跡的規劃質量，從而提高了無人機的整體任務效能。從而提高了無人機的整體任務效能。從而提高了無人機的整體任務效能。

【技術實現步驟摘要】
無人機航跡規劃方法、裝置、設備及可讀存儲介質


[0001]本專利技術涉及無人機任務規劃
，尤其涉及一種無人機航跡規劃方法、裝置、設備及可讀存儲介質。

技術介紹

[0002]無人機航跡規劃是指在給定的規劃空間中，為無人機從起始點至目標任務點找出一條安全可飛的最優路徑，確保無人機安全、順利和高效的完成任務。在無人機航跡規劃過程中，需要考慮任務區域環境、無人機安全以及飛行路徑的成本等重要因素。一般來說，任務區環境主要包括地形條件、飛行距離和對空威脅等，目標函數應充分考慮必要的環境因素并能夠合理的評估它們對航跡性能的影響。
[0003]目前無人機航跡規劃方法主要有經典算法與智能優化算法兩類。經典的算法有A*算法、D*算法、圖搜索法和人工勢場法等。其中圖搜索法將環境分割為相互連接的離散區域，每個區域形成搜索路徑的圖的一個頂點，盡管基于圖的算法能夠有效生成可行的飛行路徑，但是它們不適合處理與無人機機動相關的約束，生成路徑的最優性無法保證，同時由于需要存儲生成成本圖，計算開銷大，非常耗時。A*算法通過單元分解的方式將搜索空間進行柵格化處理，然后采用啟發式的搜索方法來尋找可行路徑，然而這種方法適用規模較小，單元的數量隨搜索空間維度呈指數級增長。人工勢場法是一種直接在連續空間中搜索解的方法，通過目標的吸引力和障礙物的排斥力形成合力引導無人機尋找可行的飛行路徑，規避障礙，然而人工勢場法沒有考慮解的最優性，當障礙物與目標接近時容易陷入局部最優，有時無法獲得可行路徑。
[0004]智能優化算法有蟻群算法、遺傳算法、粒子群算法等。與經典算法相比，智能優化算法能夠有效處理復雜條件下的優化問題，在求解無人機航跡規劃問題中表現中較好的性能，近年來得到了大量的研究和應用。粒子群算法作為群智能算法中的經典算法，具有操作簡單，收斂能力強等特點，在解決無人機航跡規劃問題上具有很強的應用前景。然而，目前基于粒子群算法的無人機航跡規劃方法精度不高。

技術實現思路

[0005]本專利技術的主要目的在于提供一種無人機航跡規劃方法、裝置、設備及可讀存儲介質，旨在解決現有技術中基于粒子群算法的無人機航跡規劃方法精度不高的技術問題。
[0006]第一方面，本專利技術提供一種無人機航跡規劃方法，所述無人機航跡規劃方法包括：
[0007]S1、基于無人機航跡總長度、威脅代價、高程代價和平滑度代價，確定目標函數f；
[0008]S2、對粒子進行初始化，生成用于第一輪迭代的每個粒子P
i
的位置信息和速度信息
[0009]S3、在第t輪迭代中，根據每個粒子的位置信息和目標函數f計算得到每個粒子的當前適應度值確定每個粒子的歷史最優位置pBest
it
、停滯次數和所有粒子的全局
最優位置gBest
t
，其中，t為當前迭代次數，初始值為1，每完成一輪迭代后t加一，若粒子的歷史最優位置pBest
it
相比上一輪迭代未更新，則停滯次數加一，若粒子的歷史最優位置pBest
it
更新，則停滯次數清零；
[0010]S4、若粒子P
i
的停滯次數小于或等于預設閾值，則根據粒子P
i
的歷史最優位置pBest
it
和全局最優位置gBest
t
更新粒子信息，否則根據第一預設粒子P
k
的歷史最優位置pBest
kt
更新粒子信息，得到新的位置信息和速度信息其中，第一預設粒子P
k
為歷史最優適應度值f(pBest
t
)較優的粒子群中隨機選擇的一個粒子；
[0011]S5、在所有粒子均完成步驟S4后，從歷史最優適應度值f(pBest
t
)較優的粒子群中隨機選擇若干個粒子通過差分變異操作生成第二預設粒子Q，將第二預設粒子Q的適應度值與全局最優位置gBest
t
的適應度值進行比較，將適應度值較優的粒子的位置信息作為全局最優位置gBest
t
，完成一輪迭代；
[0012]S6、重復執行步驟S3至步驟S5，直到完成的迭代次數達到最大迭代次數T，將全局最優位置gBest
T
作為最終航跡。
[0013]進一步地，一實施例中，目標函數f為：
[0014][0015][0016][0017][0018][0019][0020][0021]其中，無人機航跡具有n個航跡點、n
?
1個航跡段，f1為無人機航跡總長度，dis(X
j
,
X
j+1
)為第j個航跡段的長度；f2為無人機航跡的威脅代價，為威脅K對無人機第j個航跡段的威脅代價，根據航跡段與威脅中心的距離計算，d
k
為航跡段與威脅中心的距離，R
k
為威脅半徑，S為安全距離；f3為無人機航跡的高程代價，H
j
為第j個航跡點的高程代價，h
j
為第j個航跡點的高度，h
max
和h
min
分別為預設的最大飛行高度和最小飛行高度；f4為無人機航跡的平滑度代價，和θ
j
分別為第j個航跡段的俯仰角和轉彎角，w
i
為f
i
的權重系數。
[0022]進一步地，一實施例中，粒子P
i
的位置信息S
i
表示一條具有N個航跡段的飛行航跡，包括N個球面向量每個球面向量表示一個航跡段，r
ij
、和θ
ij
分別為粒子P
i
第j個航跡段的長度、俯仰角和轉彎角；
[0023]粒子P
i
的速度信息ΔS
i
包括N個速度向量
[0024]進一步地，一實施例中，所述根據粒子P
i
的歷史最優位置pBest
it
和全局最優位置gBest
t
更新粒子信息的步驟包括：
[0025]根據第一更新公式更新粒子信息，所述第一更新公式為：
[0026][0027][0028]其中，pBest
ijt
為粒子P
i
的歷史最優位置pBest
it
的球面向量，gBest
jt
為全局最優位置gBest
t
的球面向量，w為慣性權重，c1和c2為加速因子，r1和r2為(0，1)之間的隨機數。
[0029]進一步地，一實施例中，在所述根據粒子P
i
的歷史最優位置pBest
it
和全局最優位置gBest
t
更新粒子信息的步驟之后還包括：
[0030]更新慣性權重w以及加速因子c1和c2，公式如下：
[0031]w＝w
min
+(w
max
?...

【技術保護點】

【技術特征摘要】
1.一種無人機航跡規劃方法，其特征在于，所述無人機航跡規劃方法包括：S1、基于無人機航跡總長度、威脅代價、高程代價和平滑度代價，確定目標函數f；S2、對粒子進行初始化，生成用于第一輪迭代的每個粒子P
i
的位置信息和速度信息S3、在第t輪迭代中，根據每個粒子的位置信息和目標函數f計算得到每個粒子的當前適應度值確定每個粒子的歷史最優位置pBest
it
、停滯次數和所有粒子的全局最優位置gBest
t
，其中，t為當前迭代次數，初始值為1，每完成一輪迭代后t加一，若粒子的歷史最優位置pBest
it
相比上一輪迭代未更新，則停滯次數加一，若粒子的歷史最優位置pBest
it
更新，則停滯次數清零；S4、若粒子P
i
的停滯次數小于或等于預設閾值，則根據粒子P
i
的歷史最優位置pBest
it
和全局最優位置gBest
t
更新粒子信息，否則根據第一預設粒子P
k
的歷史最優位置pBest
kt
更新粒子信息，得到新的位置信息和速度信息其中，第一預設粒子P
k
為歷史最優適應度值f(pBest
t
)較優的粒子群中隨機選擇的一個粒子；S5、在所有粒子均完成步驟S4后，從歷史最優適應度值f(pBest
t
)較優的粒子群中隨機選擇若干個粒子通過差分變異操作生成第二預設粒子Q，將第二預設粒子Q的適應度值與全局最優位置gBest
t
的適應度值進行比較，將適應度值較優的粒子的位置信息作為全局最優位置gBest
t
，完成一輪迭代；S6、重復執行步驟S3至步驟S5，直到完成的迭代次數達到最大迭代次數T，將全局最優位置gBest
T
作為最終航跡。2.如權利要求1所述的無人機航跡規劃方法，其特征在于，目標函數f為：2.如權利要求1所述的無人機航跡規劃方法，其特征在于，目標函數f為：2.如權利要求1所述的無人機航跡規劃方法，其特征在于，目標函數f為：2.如權利要求1所述的無人機航跡規劃方法，其特征在于，目標函數f為：2.如權利要求1所述的無人機航跡規劃方法，其特征在于，目標函數f為：
其中，無人機航跡具有n個航跡點、n
?
1個航跡段，f1為無人機航跡總長度，dis(X
j
,X
j+1
)為第j個航跡段的長度；f2為無人機航跡的威脅代價，為威脅K對無人機第j個航跡段的威脅代價，根據航跡段與威脅中心的距離計算，d
k
為航跡段與威脅中心的距離，R
k
為威脅半徑，S為安全距離；f3為無人機航跡的高程代價，H
j
為第j個航跡點的高程代價，h
j
為第j個航跡點的高度，h
max
和h
min
分別為預設的最大飛行高度和最小飛行高度；f4為無人機航跡的平滑度代價，和θ
j
分別為第j個航跡段的俯仰角和轉彎角，w
i
為f
i
的權重系數。3.如權利要求1所述的無人機航跡規劃方法，其特征在于，粒子P
i
的位置信息S
i
表示一條具有N個航跡段的飛行航跡，包括N個球面向量條具有N個航跡段的飛行航跡，包括N個球面向量每個球面向量表示一個航跡段，r
ij
、和θ
ij
分別為粒子P
i
第j個航跡段的長度、俯仰角和轉彎角；粒子P
i
的速度信息ΔS
i
包括N個速度向量4.如權利要求3所述的無人機航跡規劃方法，其特征在于，所述根據粒子P
i
的歷史最優位置pBest
it
和全局最優位置gBest
t
更新粒子信息的步驟包括：根據第一更新公式更新粒子信息，所述第一更新公式為：根據第一更新公式更新粒子信息，所述第一更新公式為：其中，pBest
ijt
為粒子P
i
的歷史最優位置pBest
it
的球面向量，gBest
jt
為全局最優位置gBest
t
的球面向量，w為慣性權重，c1和c2為加速因子，r1和r2為(0,1)之間的隨機數。5.如權利要求4所述的無人機航跡規劃方法，其特征在于，在所述根據粒子P
i
的歷史最優位置pBest
it
和全局最優位置gBest
t
更新粒子信息的步驟之后還包括：更新慣性權重w以及加速因子c1和c2，公式如下：w＝w
min
+(w
max
?
w
min
)(T
?
t)/Tc1＝c
min
+(c
max
?
c
min
)(T
?<...

【專利技術屬性】
技術研發人員：王峰，付青坡，和琦，
申請(專利權)人：武漢大學，
類型：發明
國別省市：