一種基于蜂群協(xié)同覓食算法的多無(wú)人機(jī)航跡規(guī)劃方法
【專(zhuān)利摘要】本發(fā)明屬于無(wú)人機(jī)【技術(shù)領(lǐng)域】，具體涉及一種可用于多無(wú)人機(jī)目標(biāo)跟蹤、航跡優(yōu)化、協(xié)同管理、協(xié)同飛行、任務(wù)分配的多無(wú)人機(jī)航跡規(guī)劃方法。本發(fā)明包括：初始化航跡規(guī)劃任務(wù)的詳細(xì)信息，進(jìn)行坐標(biāo)離散變換；初始化蜂群協(xié)同覓食算法參數(shù)；計(jì)算每架無(wú)人機(jī)的航跡路徑的代價(jià)；每架無(wú)人機(jī)根據(jù)當(dāng)前的位置計(jì)算當(dāng)前路徑代價(jià)；跟隨機(jī)選擇引領(lǐng)對(duì)象，每一個(gè)引領(lǐng)機(jī)招募一個(gè)跟隨機(jī)；無(wú)人機(jī)放棄當(dāng)前路徑，搜索新路徑；保存最優(yōu)路徑的參數(shù)并且計(jì)算最優(yōu)值；檢查是否達(dá)到迭代次數(shù)上限。本發(fā)明克服了傳統(tǒng)智能優(yōu)化航跡規(guī)劃方法的初始化敏感問(wèn)題；本發(fā)明可以改善算法的精度，以便得到最優(yōu)解，或者是與最優(yōu)解十分接近的次優(yōu)解，提升了航跡規(guī)劃的穩(wěn)定性，提高了搜索效率。
【專(zhuān)利說(shuō)明】一種基于蜂群協(xié)同覓食算法的多無(wú)人機(jī)航跡規(guī)劃方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于無(wú)人機(jī)【技術(shù)領(lǐng)域】，具體涉及一種可用于多無(wú)人機(jī)目標(biāo)跟蹤、航跡優(yōu)化、協(xié)同管理、協(xié)同飛行、任務(wù)分配的多無(wú)人機(jī)航跡規(guī)劃方法。
【背景技術(shù)】
[0002]在未來(lái)復(fù)雜多變的信息化戰(zhàn)場(chǎng)環(huán)境下，單架無(wú)人機(jī)將會(huì)很難完成任務(wù)，很多情況下必須通過(guò)協(xié)同控制飛行的多架無(wú)人機(jī)才能完成；每個(gè)無(wú)人機(jī)都要求一個(gè)I到3人的機(jī)組人員分配，協(xié)商和協(xié)調(diào)許多人類(lèi)戰(zhàn)士。除了人類(lèi)操作員的成本，這個(gè)方法遇到不能解決的挑戰(zhàn)，如何達(dá)到協(xié)同。在當(dāng)今科技的制約下，想要無(wú)人駕駛機(jī)到達(dá)飛行員那樣強(qiáng)大的信息處理能力與智能還是相當(dāng)困難，如果通過(guò)模仿自然界生物的群聚現(xiàn)象，在數(shù)量上占絕對(duì)優(yōu)勢(shì)的無(wú)人機(jī)利用群聚智能就能達(dá)到甚至超越在數(shù)量上占劣勢(shì)的有人駕駛機(jī)。分析生物系統(tǒng)的進(jìn)化特征與行為規(guī)律，將生物群體智能的某些原理和行為與多無(wú)人機(jī)協(xié)同控制理論相結(jié)合，具有廣闊的工程應(yīng)用前景。目前無(wú)人機(jī)群協(xié)同飛行及航跡規(guī)劃方面的研究在國(guó)內(nèi)外雖已取得了一定的研究成果，但還沒(méi)有統(tǒng)一的理論和行之有效的方法。
[0003]航跡規(guī)劃是根據(jù)已知的各種環(huán)境信息，包括地形信息和敵情信息，全面地考慮無(wú)人機(jī)各方面地限制，避開(kāi)各種威脅環(huán)境，規(guī)劃出合理的飛行航跡，使UAV安全地完成預(yù)定任務(wù)。目前國(guó)內(nèi)外關(guān)于群體無(wú)人機(jī)的飛行模式研究主要集中在任務(wù)分配問(wèn)題建模方面，現(xiàn)階段的研究成果主要包括多旅行商問(wèn)題(Mutiple Traveling Salesman Problem, MTSP)模型、車(chē)輛路徑問(wèn)題(Vehicle Routing roblem, VRP)模型、混合整數(shù)線(xiàn)性規(guī)劃(MixedInteger Linear Programming, MILP)模型等。
[0004]航跡規(guī)劃算法大致可分為以下兩大類(lèi):
[0005]1、確定性計(jì)算方法。確定性計(jì)算方法有基于極小值原理的和k*算法；啟發(fā)式搜索A*算法優(yōu)點(diǎn)是收斂性較強(qiáng)與運(yùn)算快速等，缺點(diǎn)是它只能生成一條航跡，不適合那些需要多條參考航跡的任務(wù)要求。
[0006]2、隨機(jī)搜索優(yōu)化算法，包括有模擬退火算法、遺傳算法和蟻群算法等。這類(lèi)算法采用的思想是模擬自然界的物質(zhì)變化過(guò)程，還有生物活動(dòng)和進(jìn)化的過(guò)程，具有許多的優(yōu)點(diǎn)和特點(diǎn)，因此也被廣泛的應(yīng)用于航跡規(guī)劃問(wèn)題上。因?yàn)樗阉骺臻g的約束性并不能夠限制遺傳算法，也不需要優(yōu)化函數(shù)的連續(xù)性和導(dǎo)數(shù)的存在等條件，還存在并行性，比較適合包含較多復(fù)雜約束和模糊信息的航跡規(guī)劃問(wèn)題；而蟻群算法由于具有動(dòng)態(tài)特性，更加適應(yīng)威脅環(huán)境的多變性。
[0007]具備隨機(jī)特點(diǎn)的遺傳算法、粒子群算法和蟻群算法等智能算法雖然全局性和局部性都很好，還能夠生成多個(gè)解，一定程度上能夠克服第一類(lèi)方法的缺點(diǎn)和局限，但是計(jì)算量較大，收斂速度較慢，因此往往很難滿(mǎn)足工程的實(shí)際需要。
[0008]Voronoi圖法是以幾何方法為依據(jù)的，全局規(guī)劃特性較好，并不適合局部航跡的規(guī)劃，缺點(diǎn)就是只能做二維平面規(guī)劃和不適應(yīng)戰(zhàn)場(chǎng)環(huán)境的多變性。
[0009]為了克服上述方法的缺點(diǎn)，不斷有一些新的自然啟發(fā)的方法提出。[0010]比如Madhavan等人描述了利用幾何規(guī)則產(chǎn)生無(wú)人機(jī)群合作的路徑規(guī)劃方法，參見(jiàn) Madhavan S., Antonios T., Brian ff.Co-operative path planning ofmultiple UAVs using Dubins paths with clothoid arcs.Control EngineeringPracticel8 (2010) 1084 - 1092。Marinakis等人提出了基于蜜蜂交配優(yōu)化算法的大規(guī)模路徑規(guī)劃方法，參見(jiàn) Marinakis Y, Marinaki M, Dounias G.Honey bees matingoptimization algorithm for large scale vehicle routing problems[J].NaturalComputing, 2010,9(1):5-27.段海濱等人提出了基于混沌蜂群優(yōu)化算法的無(wú)人機(jī)航跡規(guī)劃優(yōu)化算法，參見(jiàn) “Xu, Chunfang, Duan, Haibin; Liu, Fang.Chaotic artificial bee colonyapproach to Uninhabited Combat Air Vehicle (UCAV) path planning.Aerospace Scienceand Technology, 14(8), p535_541, 2010”。胡中華等利用蜂群算法進(jìn)行單個(gè)無(wú)人機(jī)航跡規(guī)劃，參見(jiàn)胡中華，趙敏.基于人工蜂群算法的無(wú)人機(jī)航跡規(guī)劃，研究傳感器與微系統(tǒng)，2010年第3期:1_5。
[0011]目前，雖然有一些上述傳統(tǒng)方法及包括蜂群優(yōu)化在內(nèi)的新型的智能優(yōu)化算法用于無(wú)人機(jī)航跡規(guī)劃問(wèn)題，并已取得了一定的研究成果，但傳統(tǒng)的無(wú)人機(jī)集群任務(wù)分配建模方法是從數(shù)學(xué)建模角度出發(fā)研究此類(lèi)問(wèn)題的，沒(méi)有實(shí)現(xiàn)社會(huì)昆蟲(chóng)群體的優(yōu)勢(shì)；上述群體智能及進(jìn)化計(jì)算等方法又沒(méi)有真正從社會(huì)昆蟲(chóng)群體的自然本質(zhì)出發(fā)來(lái)實(shí)現(xiàn)無(wú)人機(jī)集群的控制，且都沒(méi)有用于多無(wú)人機(jī)航跡規(guī)劃。都沒(méi)有從模擬蜂群生物學(xué)行為的角度來(lái)解決無(wú)人機(jī)集群飛行中的協(xié)同控制、航跡規(guī)劃、避碰等關(guān)鍵問(wèn)題，僅僅從優(yōu)化的角度出發(fā)，求出抽象的問(wèn)題解，對(duì)實(shí)際問(wèn)題作用有限。
[0012]將蜂群智能應(yīng)用于無(wú)人機(jī)集群飛行模式研究比較新穎，具有非常重要的研究?jī)r(jià)值和意義

【發(fā)明內(nèi)容】

[0013]本發(fā)明的目的在于提出一種提高多無(wú)人機(jī)協(xié)同執(zhí)行任務(wù)的效率和安全性、可靠性的基于蜂群協(xié)同覓食算法的多無(wú)人機(jī)航跡規(guī)劃方法。
[0014]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0015]基于蜂群協(xié)同覓食算法的多無(wú)人機(jī)航跡規(guī)劃方法，包括如下步驟:
[0016](I)根據(jù)環(huán)境模型，初始化航跡規(guī)劃任務(wù)的詳細(xì)信息，進(jìn)行坐標(biāo)離散變換；
[0017](2)初始化蜂群協(xié)同覓食算法參數(shù)，包括搜索時(shí)間閾值T，迭代次數(shù)為K，初始化算法的搜索時(shí)間Bas=O,起始迭代次數(shù)K=I種群總數(shù)N，引領(lǐng)機(jī)數(shù)目N1和跟隨機(jī)數(shù)目N2,N=NJN2 ；
[0018](3)根據(jù)無(wú)人機(jī)航跡參數(shù)，計(jì)算每架無(wú)人機(jī)的航跡路徑的代價(jià)(j=l，2，3...，η), j k
fJ{w,x(j))= Σ JjiX(J)) ? x(j)為第」條航路，1(1(」))為航路規(guī)劃目標(biāo)中第i項(xiàng)航路
/=I、
規(guī)劃目標(biāo)罰函數(shù)，Oi為各個(gè)懲罰函數(shù)的權(quán)系數(shù)，j為無(wú)人機(jī)航跡序數(shù)，η為航跡總數(shù)，k為在評(píng)價(jià)函數(shù)中需要評(píng)價(jià)的總項(xiàng)數(shù)；
[0019](4)每架無(wú)人機(jī)根據(jù)當(dāng)前的位置計(jì)算當(dāng)前路徑代價(jià)，如果當(dāng)前路徑代價(jià)比原路徑代價(jià)低，更新無(wú)人機(jī)的位置:對(duì)于第i個(gè)無(wú)人機(jī)，產(chǎn)生在[1，D]的整數(shù)j，[!,NE]的整數(shù)k，第i個(gè)無(wú)人機(jī)的第j個(gè)參數(shù)用xi =xL+rajid(°MxL.?η)更換，計(jì)算更新參數(shù)后的新
的代價(jià)值并且選擇一個(gè)低代價(jià)的無(wú)人機(jī)航跡作為新的航跡，#是無(wú)人機(jī)位置向量特征值，j e {I, 2，…，Q}，rand (O, I)是(O，I)上均勻分布的隨機(jī)數(shù)，xmax, Xmin分別是Xi的上限值和下限值；
[0020](5)根據(jù)每架無(wú)人機(jī)的代價(jià)值，跟隨機(jī)選擇引領(lǐng)對(duì)象，每一個(gè)引領(lǐng)機(jī)招募一個(gè)跟隨機(jī)，在引領(lǐng)機(jī)周?chē)臻g繼續(xù)搜索新路徑，重復(fù)步驟(4)，如果這個(gè)新路徑比原路徑代價(jià)低，那隨機(jī)轉(zhuǎn)化為引領(lǐng)機(jī)，更新每架無(wú)人機(jī)的位置，繼續(xù)探測(cè)，搜索時(shí)間Bas重新置0，如果這個(gè)新路徑比原路徑代價(jià)高，保持繼續(xù)搜索，Bas加I ;
[0021](6)如果搜索時(shí)間Bas大于確定的臨界值，無(wú)人機(jī)放棄當(dāng)前路徑，搜索新路徑，重新執(zhí)行(2);
[0022](7)保存最優(yōu)路徑的參數(shù)并且計(jì)算最優(yōu)值；
[0023](8)檢查是否達(dá)到迭代次數(shù)上限，達(dá)到則結(jié)束搜索，否則重復(fù)步驟(4)到步驟(7)。初始化航跡規(guī)劃任務(wù)的詳細(xì)信息，進(jìn)行坐標(biāo)離散變換，包括第i個(gè)導(dǎo)航點(diǎn)用Ni的坐標(biāo)為:
【權(quán)利要求】
1.一種基于蜂群協(xié)同覓食算法的多無(wú)人機(jī)航跡規(guī)劃方法，其特征在于，包括如下步驟: (1)根據(jù)環(huán)境模型，初始化航跡規(guī)劃任務(wù)的詳細(xì)信息，進(jìn)行坐標(biāo)離散變換；(2)初始化蜂群協(xié)同覓食算法參數(shù)，包括搜索時(shí)間閾值T，迭代次數(shù)為K，初始化算法的搜索時(shí)間Bas=O,起始迭代次數(shù)K=I種群總數(shù)N，引領(lǐng)機(jī)數(shù)目N1和跟隨機(jī)數(shù)目N2, N=N^N2 ； (3)根據(jù)無(wú)人機(jī)航跡參數(shù)，計(jì)算每架無(wú)人機(jī)的航跡路徑的代價(jià)f"_(j=l, 2，3...，η), / k
2.根據(jù)權(quán)利要求1所述的一種基于蜂群協(xié)同覓食算法的多無(wú)人機(jī)航跡規(guī)劃方法，其特征在于:所述的初始化航跡規(guī)劃任務(wù)的詳細(xì)信息，進(jìn)行坐標(biāo)離散變換，包括第i個(gè)導(dǎo)航點(diǎn)用Ni的坐標(biāo)為:
【文檔編號(hào)】G01C21/20GK103471592SQ201310228497
【公開(kāi)日】2013年12月25日 申請(qǐng)日期:2013年6月8日 優(yōu)先權(quán)日:2013年6月8日
【發(fā)明者】徐立芳, 莫宏偉, 雍升, 孫澤波, 胡嘉祺, 孟龍龍 申請(qǐng)人:哈爾濱工程大學(xué)