一种基于威胁场景动态识别的高速飞行器飞行管道规划方法与流程

1.本发明属于飞行航迹领域，具体涉及一种基于威胁场景动态识别的高速飞行器飞行管道规划方法。


背景技术：

2.随着科学技术的迅猛发展，高速飞行器面临的威胁日益增多，包括高速飞行器飞行本身安全性考虑和飞行场景外界威胁考虑等威胁信息。为充分有效的化解高速飞行器飞行过程中的威胁场景，需对高速飞行器的飞行管道进行优化规划，解决飞行过程中的安全威胁问题。


技术实现要素：

3.本发明的目的在于针对高速飞行器在不同场景量化威胁下飞行管道规避绕飞的需求，提出了一种基于威胁场景动态识别的高速飞行器飞行管道规划方法，所述方法通过在高速飞行器的飞行管道规划过程中，构建基于区域量化威胁评判的飞行管道优化函数，解决高速飞行器飞行过程的中量化威胁评估和优化目标函数建立问题；通过建立基于高速飞行器多约束下的飞行管道模型，实现对高速飞行器飞行过程中对飞行管道约束影响分析；最后建立基于粒子群优化的高速飞行器飞行管道优化模型，实现针对量化威胁区域的最优飞行管道规划，实现高速飞行器对威胁的有效规避绕飞。
4.为了实现上述目的，本发明采取如下技术方案：一种基于威胁场景动态识别的高速飞行器飞行管道规划方法，包括如下步骤：s1、构建区域目标量化威胁等级及目标威胁等级评判函数；s2、构建高速飞行器飞行管道优化函数，采用如下的代价方程来描述飞行管道优化函数性能指标：其中，为高速飞行器威胁规避代价指数，为发射点至目标点的飞行时间，为当前时刻偏离距离，为当前时刻飞行高度，为当前时刻的威胁指标，为偏离距离控制系数，为飞行高度控制系数，为威胁指标控制系数；s3、依据发射初态误差向量及状态偏差计算高速飞行器途径点偏差；s4、求出飞行管道参数，并根据途径点偏差进行修正消除横向偏差，根据修正后的飞行航迹生成修正点后航迹的飞行管道参数；并重新开始飞行管道的偏差计算过程；s5、运用粒子群算法优化飞行管道，具体包括：s51、初始化粒子群，在系数解空间中随机地产生初始化的粒子种群，且种群中粒子的位置坐标为潜在解；
s52、选取飞行管道规划的适应度函数，并计算每个粒子的适应度函数；s53、比较不同粒子的适应度函数，确定每个粒子搜索到的最佳位置以及整个粒子群当前搜索到的最佳位置；s54、根据s53获得的每个粒子搜索到的最佳位置以及整个粒子群当前搜索到的最佳位置调整粒子的速度和位置；s55、判断适应度函数是否达到最优或满足终止迭代条件，若达到或满足，则结束本方法，否则跳至s52；s6、计算高速飞行器威胁规避代价指数，当为最小值时可得到综合量化威胁场景下的最优威胁飞行管道。
5.所述s1，具体为：s11、确定进行目标威胁等级评判所需的特征集；s12、建立特征集中任意特征参量针对不同类型目标威胁的等级评判函数；s13、确定不同类型目标在威胁等级评判的加权因子，并组成目标威胁等级加权向量；s14、根据目标威胁的等级评判函数和目标威胁等级加权向量确定不同目标最终的威胁等级。
6.所述特征集中包括评判目标威胁等级的特征参量；所述等级评判函数用于组成目标威胁等级评判矩阵。
7.所述不同类型目标威胁等级的加权因子通过层次分析法来确定。
8.所述s3具体为：s31、根据标称发射坐标系和实际发射坐标系获得高速飞行器发射初态误差向量；s32、计算高速飞行器发射初态误差在关机点的状态偏差；s33、计算高速飞行器途径点偏差；根据关机点的发射坐标系的状态量和状态偏差计算得到途径点偏差。
9.所述s32，具体为：发射初态误差造成的旋转项偏差传播矩阵、初值项偏差传播矩阵和平移项偏差传播矩阵三项之和与s31所得发射初态误差向量相乘得到发射初态误差在关机点的状态偏差。
10.所述s33中，途径点偏差包括途径点纵向偏差和横向偏差。
11.所述s4中，管道参数计算方式为：其中，、和分别是单位向量的三个分量，、和分别是单位向量的三个分量，和位于与单位法向量n对应的圆平面上，n是将２个相邻航迹
点和的三维直角坐标相减得到向量，单位化后近似作为每一个航迹点在理论轨迹走向上的单位法向量；为假定航迹点c的单位坐标；为圆的半径，也是途经点的横向偏差，为圆的极坐标角度，以向量n为法向量。
12.所述s52中，选取航程作为适应度函数。
13.进一步，考虑避开威胁的要求，当航迹点落于威胁区域内，作为惩罚，将适应度函数设置为无穷大；考虑最小转弯半径的约束，如果飞行器机动性能中最小转弯半径大于航迹曲线的曲率半径，则将适应度函数设置为无穷大。
14.基于区域量化威胁评判的飞行管道优化根据飞行环境中各个威胁目标的状态参量和身份识别参数，对目标的威胁程度进行评估，定量给出敌军的威胁能力，以便对目标性能以及有效遏制高速飞行器飞行的风险程度进行估计。考虑了高速飞行器的大范围飞行管道的优化过程，探讨了威胁规避性能优化指标的描述方法、威胁指标的计算方法，建立基于区域量化威胁的飞行管道优化目标函数。
15.基于高速飞行器多约束下的飞行管道模型，综合考虑飞行初始状态误差、理论飞行航迹、修正点等约束条件，生成高速飞行器飞行管道的交点边界值并求出飞行管道参数，并根据修正后的飞行航迹生成修正点后航迹的飞行管道。
16.基于粒子群优化的高速飞行器飞行管道优化模型，根据高速飞行器的飞行管道特点和量化威胁结果，规划高速飞行器的飞行管道。根据计算高速飞行器的最小转弯半径，结合建立量化威胁模型，利用粒子群算法优化得到有效规避威胁的飞行管道，生成的飞行管道可有效避开威胁，能够实现高速飞行器对量化威胁的规避绕飞。
17.有益效果本发明一种基于威胁场景动态识别的高速飞行器飞行管道规划方法，与现有飞行管道规划方法相比，具有如下有益效果：1.所述方法实现了对不同目标区域威胁的量化评估和飞行管道优化函数建立；形成了多约束下的飞行管道模型；并通过粒子群优化方法实现了高速飞行器飞行管道优化规划，解决了复杂威胁态势下的高速飞行器飞行管道规划问题，有效支撑高速飞行器在复杂、多威胁场景下的高效运用；2.所述方法面向高速飞行器的目标区域威胁，提出了一种基于区域量化威胁评判的飞行管道优化函数方法，解决了目标区域威胁量化、飞行管道优化等难题，实现了复杂威胁的量化及对飞行管道影响优化分析的过程，形成量化指标分析对飞行管道的威胁程度；3.所述方法考虑高速飞行器的飞行性能，提出了一种基于高速飞行器多约束下的飞行管道模型，形成对高速飞行器的飞行管道计算能力，实现对高速飞行器集群的飞行管道规划；4.所述方法根据高速飞行器对威胁规避绕飞需求，同步量化威胁结果和高速飞行器的飞行性能，提出了一种基于粒子群优化的高速飞行器飞行管道优化模型，通过对多约束条件下的寻优分析，生成复杂威胁环境下威胁规避绕飞的飞行管道；通过仿真分析对比，
在相同的威胁想定场景下，进行500条飞行管道的绕飞分析，绕飞后飞行管道较绕飞前穿越威胁区的平均距离缩减38.16%。
附图说明
18.图1为本发明一种基于威胁场景动态识别的高速飞行器飞行管道规划方法中发射坐标系中发射初态误差示意图；图2为本发明一种基于威胁场景动态识别的高速飞行器飞行管道规划方法示意图。
具体实施方式
19.下面结合附图及实施例对本发明一种基于威胁场景动态识别的高速飞行器飞行管道规划方法进行详细说明。
20.本实施针对高速飞行器在不同场景量化威胁下飞行管道规避绕飞的需求，提出了一种基于威胁场景动态识别的高速飞行器飞行管道规划方法，通过基于区域量化威胁评判的方法、基于高速飞行器多约束下的飞行管道模型和基于粒子群优化的高速飞行器飞行管道优化模型等技术途径，实现高速飞行器对威胁的有效规避绕飞。
21.本实施例在具体实施时，结合图2，包括如下步骤：基于区域量化威胁评判的飞行管道优化，根据飞行环境中各个威胁目标的状态参量和身份识别参数，对目标的威胁程度进行评估，定量给出敌军的威胁能力，以便对目标性能以及有效遏制高速飞行器飞行的风险程度进行估计。考虑高速飞行器的大范围飞行管道的优化过程，探讨了威胁规避性能优化指标的描述方法、威胁指标的计算方法，建立基于区域量化威胁的飞行管道优化目标函数；s1、构建区域目标量化威胁等级及目标威胁等级评判函数；区域目标量化威胁等级评估函数的建立过程如下：假设目标威胁域为，代表目标威胁数量，任意目标威胁的特征集合为，其中，随着的不同而不同，则目标威胁等级的评判可按以下几个步骤来进行：s11、确定进行目标威胁等级评判所需的特征集，其中，，为进行目标威胁等级评判所选的特征参量数目；s12、建立任意特征参量针对不同类型目标的威胁等级的评判函数；s13、确定不同类型目标在威胁等级评判中的加权因子，并由此组成加权向量；具体实施时，利用层次分析法来确定不同类型目标的加权因子；
s14、最后利用目标威胁等级评判矩阵和目标威胁等级加权向量确定不同目标最终的威胁等级：
ꢀꢀ
（1）针对高速飞行器的目标区域威胁的特征参数仅考虑飞行器距离目标的距离，即；目标威胁等级与目标距离呈减函数关系，即目标距离越大，目标威胁等级越小；随着目标距离的减小，目标威胁等级将逐渐增大：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中，为第i个目标威胁的威胁等级系数，为第i个目标的最大威胁下距高速飞行器的距离。
22.考虑第i个目标威胁在距离下不再影响高速飞行器，影响度在之外，即影响概率为0.3%，的取值如式（3）：
ꢀꢀ
（3）考虑量化威胁评判函数的独立性和最大值归一性，在具备目标种类或目标特征量的扩展同时，导致了目标威胁等级评判之间存在的客观差别；弥补这些差别的方法是规定不同目标威胁等级的加权因子，以这个因子体现不同类型目标威胁等级的差别；s2、构建高速飞行器飞行管道优化函数，飞行管道优化以参考飞行航迹为基准，根据目标威胁规避的局部态势和多个目标的动态威胁，不断修正参考飞行管道，动态计算飞行航迹，并跟踪该航迹完成飞行任务，实现威胁的有效规避；在确定高速飞行器威胁规避优化问题前，须确定优化问题的性能指标；采用如下的代价方程来描述飞行管道优化函数性能指标：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）其中，为高速飞行器威胁规避代价指数，为发射点至目标点的飞行时间，为当前时刻偏离距离，为当前时刻飞行高度，为当前时刻的威胁指标，为偏离距离控制系数，为飞行高度控制系数，为威胁指标控制系数；其中，，为当前时刻距离第个目标威胁的威胁等级；第一项偏离飞行管道规避起始点与目标点连线太大的间距，使高速飞行器不会偏离特定航路点太远，降低其飞行能量消耗和飞行时间；第二项若定高的飞行高度太小，这将驱使优化算法寻找较高高度的飞行管道，增加高速飞行器与目标之间的距离；第三项为与目标威胁点太近的飞行管道，该指标综合了该位置处所有可能的威胁信息，使得高速飞行器可以有效规避威胁；比率和控制飞行器选择是飞越目标威胁还是绕过目标威胁的飞行管道。上述代价方程通过寻找较高高度的飞越目标威胁，同时努力避开已知
威胁，提高任务生存率；s3、依据发射初态误差向量及状态偏差计算高速飞行器途径点偏差；基于高速飞行器多约束下的飞行管道模型包括发射初态偏差影响分析和飞行管道生成模型的建立；s31、根据标称发射坐标系和实际发射坐标系获得高速飞行器发射初态误差向量；发射初态偏差影响分析过程如下：假设标称发射坐标系为，实际发射坐标系为，如图1所示；这两个坐标系的差别反映了初始定位误差(发射点大地经纬度偏差、高程偏差)、初始定向误差(垂线偏差、发射方位角偏差)；s32、计算高速飞行器发射初态误差在关机点的状态偏差；高速飞行器发射初态误差在关机点的状态偏差表达式为：（5）其中，发射初态误差造成的旋转项偏差传播矩阵，初值项偏差传播矩阵，为平移项偏差传播矩阵，发射初态误差向量；s33、计算高速飞行器途径点偏差；根据关机点的发射坐标系的状态量和状态偏差计算得到途径点偏差。
23.假设高速飞行器耗尽关机，关机点为k，关机点在发射惯性系的状态量为，状态偏差量为途经点纵向和横向偏差为、与的关系为：（6）因此高速飞行器在途经点偏差与发射初态误差参数的关系为：（7）s4、求出飞行管道参数，并根据途径点偏差进行修正消除横向偏差，根据修正后的飞行航迹生成修正点后航迹的飞行管道参数；并重新开始飞行管道的偏差计算过程。
24.基于高速飞行器多约束下的飞行管道模型，综合考虑飞行初始状态误差、理论飞行航迹、修正点等约束条件，生成高速飞行器飞行管道的交点边界值并求出飞行管道参数，并根据修正后的飞行航迹生成修正点后航迹的飞行管道。
25.飞行管道生成模型的建立过程如下：将２个相邻航迹点和的三维直角坐标相减得到向量，单位化后近似作为每一个航迹点在理论轨迹走向上的单位法向量n，利用向
量叉乘的原理，求取与n对应的圆平面上的２个单位向量和；假定航迹点c的单位坐标为，为圆的半径，为圆的极坐标角度，以向量n为法向量。
26.该航迹点在三维空间中的管道参数方程为：（8）进行修正后，该航迹点的横向偏差消除，随飞行过程中，重新开始飞行管道的偏差计算过程；基于粒子群优化的高速飞行器飞行管道优化模型，根据高速飞行器的飞行管道特点和量化威胁结果，规划高速飞行器的飞行管道。根据计算高速飞行器的最小转弯半径，结合建立量化威胁模型，利用粒子群算法优化得到有效规避威胁的飞行管道，生成的飞行管道可有效地避开了威胁，能够实现高速飞行器对量化威胁的规避绕飞；s5、运用粒子群算法优化飞行管道。
27.基于粒子群优化的高速飞行器飞行管道优化模型建立过程如下：选择适合的适应度函数。例如，可将航程作为适应度函数，其中，航程表达式如下：（9）高速飞行器的航迹受威胁、飞行管道、最小转弯半径的约束。下面对约束进行处理。威胁在平面内的投影为椭圆，由投影及坐标变换关系可知投影得到的椭圆的方程如下：（10）其中，为目标威胁的作用半径，为椭圆中心的坐标，为威胁中心的经纬度，小于是代表受到第i个目标威胁因素最大，大于时表示第i个目标威胁不再影响高速飞行器；要满足避开威胁的要求，则航迹点不能落于威胁区域的范围内。设航迹点的坐标为，将其代入上式左边，若结果大于等于1，那么航迹点避开了威胁，否则落在了威胁区域内，作为惩罚，此时将适应度函数变成无穷大；要满足避开威胁的要求，若航迹点无法避开威胁区域，则应控制高速飞行器的飞行高度高于威胁区域，若低于威胁区域高度，此时适应度函数变为无穷大；考虑最小转弯半
径的约束。航迹曲线的曲率半径可用下式表示：
ꢀꢀꢀ
（11）根据飞行器机动性能要求，要满足，如果不满足，作为惩罚，将适应度函数变成无穷大。
28.运用粒子群算法优化飞行管道的步骤如下；s51、在前面确定的系数解空间中随机地产生初始化的粒子种群，并假设其大小为。种群中的粒子记为为一个n
−
1维的向量，表示为，其中，上述向量为每个粒子v在解空间中的位置坐标，被称为潜在解；相应的对每个粒子随机初始定义了其飞行的速度，也是一个n
−
1维的向量；s52、为了评价粒子位置的优劣，引入根据飞行管道规划的适应度函数，并计算每个粒子的适应度函数；s53、比较适应度函数的大小，根据每个粒子的适应度函数，将粒子个体当前搜索到的最佳位置记为 (personal best)，整个粒子群当前搜索到的最佳位置记为 (global best)；s54、根据下面的两个式子调整粒子的速度和位置：（12）
ꢀꢀꢀꢀ
（13）其中，，为迭代次数，和是非负的常数，称为加速度常数，和是[0,1]之间的随机数；是惯性权值，反映了算法在全局搜索和局部搜索之间的折衷，大的倾向于全局搜索，小的则倾向于进行局部搜索。
[0029]
s55、重复上述s52-s54的过程，直到适应度函数达到最优或满足终止的迭代代数条件。
[0030]
s6、考虑飞行全程多个威胁目标的威胁指标、适应度函数共同作用的高速飞行器威胁规避代价指数为最小值，可得到综合量化威胁场景下的最优威胁飞行管道。
[0031]
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。