【技術實現步驟摘要】
本專利技術涉及一種基于改進灰狼優化算法的多無人機協同航跡規劃方法，屬于無人機航跡規劃領域。
技術介紹
1、無人裝備的應用拓展了有人載具的視野和業務范圍，尤其在危險環境中執行任務時提供了更高的安全性和容錯性。隨著材料、能源及電信等領域的技術進步和業務需求的不斷升級，高效的多無人機任務協同正逐漸成為一種趨勢，其中就需要進行合理的航跡規劃以實現各機之間高度的時空協同。航跡規劃一般針對最短路徑問題，即找到無人機從起始地到目的地的一條最短飛行路徑，該路徑使無人機可以避開障礙物并且能夠始終與其他無人機保持安全距離。
2、求解路徑規劃問題首先需要對無人機自身及環境狀態進行約束。環境約束一般包含地形地貌限制，無線信道衰落，氣象設備障礙，以及雷達、炮火等禁飛區的設置，建模過程會將此類信息編譯成有效和適當的配置空間。無人機的自身狀態約束一般包含飛行高度、瞬時速率、俯仰角、偏航角、最大載荷、最大航程、剩余電量、可懸停性、機身間隔等動態約束。其次，由于求解航跡規劃問題實際上可以歸結為解決一類非線性優化問題。現有求解方法主要包括a*搜索、高階b樣條搜索等傳統搜索算法以及啟發式算法、多層神經網絡等智能優化算法。由于無人機在三維空間的航跡規劃問題涉及參數的維數較多，且面臨多種約束條件限制，傳統方法往往無法得到精確的解析解。這種情況下，智能優化算法卻能夠在可接受的計算成本范圍內給出次優解。
3、灰狼優化算法(gray?wolf?optimization,gwo)是一種基于仿生學思想的群體智能優化算法，通過模擬灰狼種群的獵食行為實現在多維
技術實現思路
1、(一)專利技術目的
2、本專利技術的目的在于提供一種基于改進灰狼優化算法的多無人機協同航跡規劃方法。針對現有多無人機路徑規劃相關算法收斂速度較慢的特點，從收斂因子的計算方法，種群的迭代更新條件和初始點的選取三個方面對傳統算法進行了改進。
3、(二)技術方案
4、問題描述：建立三維空間和障礙物空間無人機三維航跡規劃問題可描述為在c\co中找到一條從起點到終點的滿足約束條件的最優連續路徑，作為無人機在三維空間中規劃的航跡。
5、適應度函數及約束條件：無人機路徑規劃的適應度曲線量化了優化算法在每步迭代后的所產生的代價，代價越低，則適應度函數值越低，所得路徑越接近于全局最優路徑；優化問題的約束條件包括空間約束和代價約束。其中，代價約束包括油耗代價l1、威脅代價l2和航向變更代價l3。
6、假設無人機以一定速度勻速運動，油耗代價的計算公式與航行里程相關，其計算公式可寫成
7、
8、式中，k1表示油耗系數，lt表示第t個航跡點與第t+1個航跡點之間的距離，整條航路上規劃的最大航跡點數量為tmax。
9、假設無人機在航行過程中需要避開最大數量為m的雷達或炮火覆蓋區域，將這些區域建模為半徑為rm的球體，不同區域對無人機的威脅程度不同，第t個航跡點受到m區域威脅的代價函數為
10、
11、式中，k2,m表示區域m對航跡點t的威脅系數，st,m表示第t個航跡點與區域m的球心之間的距離，威脅代價的計算公式為
12、
13、考慮到無人機的性能限制，為了防止其過大幅度地爬升、下降和突然轉彎，需要對無人機的俯仰角和偏航角θ加以約束。無人機路徑規劃的航向變更代價主要包括偏航角代價lθ和俯仰角代價兩部分。
14、
15、式(5)中，lθ,t為第t個航跡點的偏航角代價，θt為第t個航跡點的偏航角，θthr為無人機允許的最大偏航角。θt的計算公式為
16、
17、其中，la,t表示航跡點t與航跡點t+1在水平方向的投影長度，lb,t表示航跡點t與航跡點t-1在水平方向的投影長度，lc,t表示航跡點t-1與航跡點t+1在水平方向的投影長度，而
18、
19、式(8)中，為第t個航跡點的俯仰角代價，為第t個航跡點的俯仰角，為無人機允許的最大俯仰角。的計算公式為
20、
21、其中，lz,t表示航跡點t與航跡點t+1在垂直方向的投影長度。因此，總的航向變更代價為
22、
23、其中，k3表示航向變更系數。
24、無人機航路規劃的優劣評價標準與路徑總代價有關，總代價越低則路徑規劃越優，無人機航路規劃總代價的加權計算公式為
25、l總＝μ1l1+μ2l2+(1-μ1-μ2)l3????(11)
26、其中，μ1和μ2分別為油耗代價和威脅代價的權重系數。
27、所述路徑規劃問題的空間約束包括環境約束和協同約束。其中，環境約束主要規定無人機飛行的最大高度為hmax，最低高度為hmin；協同約束則規定了任意兩架無人機之間的最小距離為dmin。
28、在眾多解決多約束優化問題的算法中，gwo算法是一種原理簡單且易收斂的群體智能搜索算法。灰狼種群服從于金字塔型的社會等級，α狼即是頭狼，位于最高等級，負責最終決策等總體事務；β狼位于第二等級，作為輔助角色協助α狼決策，并負責指揮其他低等級狼；δ狼位于第三等級，服從α狼、β狼的命令，并負責偵察、放哨等事務；大多數狼位于ω的最低等級，以平衡狼群內部的狩獵行為。在gwo算法中，每頭灰狼都將給出捕獵決策中的一個候選解，按照種群等級制度，α為最優解，β為次優解，δ為第三優解，其余解均稱為ω。
29、在狼群狩獵的過程中，搜索及包圍獵物的行為可定義為
30、
31、式(12)是狼群個體與目標(獵物)之間的距離算式，式(13)計算狼群在下一時刻的更新位置。其中：和分別為目標與灰狼的位置向量；t為迭代次數，也可視為當前時刻；與為系數向量，其計算方法為
32、
33、其中：參數為收斂因子，隨著迭代次數的增加從2線性減少至0；與是[0,1]之間的隨機向量；tmax為預設的最大迭代次數。
34、在灰狼種群的一次狩獵中，屬于前三個等級的α狼、β狼、δ狼是最接近目標和最能感知獵物信息的群體，ω灰狼的位置則由頭3種狼的決策確定。在實際問題中，α狼，β狼，δ狼可能代表當前獲得的3個最優的路徑規劃方案，程序可利用這三者的位置來判斷未來的行動向量，接著確定ω灰狼的行動方案，從而對整個狼群進行位置更新，數學模型為
35、
36、
37、式(17)通過求解向量的模，獲得α狼，β狼，δ狼本文檔來自技高網...
【技術保護點】
1.一種基于改進灰狼優化算法的多無人機協同航跡規劃方法，其特征在于，包括如下步驟：
【技術特征摘要】
1.一種基于改進灰狼優化算法的多無人機協同...
【專利技術屬性】
技術研發人員：王鏡普，宗康，張周，朱得糠，孟志鵬，
申請(專利權)人：中國人民解放軍軍事科學院國防科技創新研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。