一种二进制灰狼优化算法的飞行器三维航迹规划方法

1.本发明属于飞行器航迹自主规划技术领域，具体涉及一种二进制灰狼优化算法的飞行器三维航迹规划方法。


背景技术：

2.无人飞行器(unmanned aerial vehicles)是指在大气层内或大气层外空间(太空)飞行的无人机、无人飞艇、导弹等飞行物。与有人驾驶或者遥控飞行器不同，无人飞行器具有自动起降(发射)、自动驾驶、自动导航、自动快速准确定位、自动信息采集与传送等多项功能，特别适合代替人在危险、恶劣和极限的环境下完成特定的工作和任务，因此在军事、测绘、航空航天、商业等领域有着广泛应用。
3.无人飞行器在完成任务过程中，需要对如何有效、安全地完成自己的任务过程进行规划，这就是所谓的任务规划(mission planning)。在任务规划过程中，最重要、也是最复杂的就是为无人飞行器规划出一条完成飞行任务所需要的飞行航迹，即无人飞行器航迹规划(route planning for unmanned aerial vehicles)。在无人飞行器，特别是导弹，如巡航导弹的航迹规划过程中，不仅需要考虑发射区、目标区的各种信息，对于飞行器途中飞过的区域也要满足一定的条件限制。这些限制不仅包括威胁区、禁飞区、障碍区等地理与作战信息，还必须包括飞行器自身的各种飞行限制性条件，比如匹配区、导航点、最小转弯半径和最低飞行高度等。对于导弹而言，在实际使用过程中，为了达到特定的目的，如为了达到突防和饱和攻击的目的，还必须考虑多航迹规划、协调航迹规划等问题，以最大限度地发挥无人飞行器的功效。
4.飞行器航迹规划是实现飞行器自动导航的一项关键技术，是人工智能及导航与制导领域中的重要研究方向之一。
5.航迹规划问题作为一个复杂的优化问题，需要高效的算法来进行求解。但随着问题复杂度的增加，传统算法往往存在过快陷入局部最优解、迭代过慢等问题。传统的a*算法虽然是基于静态图最有效的直接搜索算法，但节点扩展时有局限，使得规划出的路径存在无效转折以及路径长度不是最短，因而实际规划出的是次优路径。
6.而灰狼算法作为一种新兴的群智能元启发式算法，借鉴了灰狼的社会组织与狩猎时的行为模式，具有很强的探索能力，还有控制参数少和一定程度上避免陷入局部最优等优点。
7.因此，基于上述问题，本文提出一种二进制灰狼优化算法的飞行器三维航迹规划方法。


技术实现要素：

8.为了解决上述技术问题，本发明设计了一种二进制灰狼优化算法的飞行器三维航迹规划方法，本方法规划出的航迹点更少，且转弯次数更少，同时能有效的避开威胁区域；流程中各部分均符合飞行器的力学特性和性能约束限制，对飞行器的适用性较强，可信度
高、可靠性强。
9.为了达到上述技术效果，本发明是通过以下技术方案实现的：一种二进制灰狼优化算法的飞行器三维航迹规划方法，其特征在于，包括以下步骤：
10.step1：确定待规划飞行器起始点和目标点、巡航安全高度、转弯半径、燃料代价比例因子及威胁数量和分布位置信息，建立在巡航高度下的飞行器二维规划环境，并对地图进行预处理；
11.step2：根据规划的性能要求建立飞行器航迹规划模型，确定航迹评价函数；
12.step3：执行theta*算法，得到初始避障飞行航迹点集合；
13.step4：将theta*算法求取的结果作为二进制灰狼算法的输入，随机初始化灰狼种群并将每个灰狼个体二值化，然后评估每只狼对应的航迹点位置向量的适应度，适应度最高的被定义为alpha狼；
14.step5：将搜索得到的多个航迹点从起点依次连接到目标点，形成航迹；
15.进一步的，所述step1中具体方法为，根据飞行器的巡航高度对数字高程地图进行截取，得到二维地图，并将二维地图中的威胁区用一系列的圆进行近似替代；并将半径小于飞行器转弯半径的圆放大，直到半径不小于飞行器转弯半径，以此解决二维平面内飞行器的运动学限制。
16.进一步的，所述step2中航迹评价函数包括：燃油消耗、飞行高度、威胁代价及转弯角度，通过加权得到综合航路代价函数。
17.进一步的，所述step4中，通过将位置转换为二进制向量来更新狼的位置；再次评估每只狼的适应度，迭代地更新alpha狼的位置；重复算法，直到满足终止准则；选择α解对应的航迹点位置向量作为最优特征子集，即飞行器的最优航迹点集合。
18.进一步的，所述航迹是连接飞行任务的起始点和目标点的航迹的航迹点集合。
19.进一步的，所述step5中，检测到威胁区域圆后，产生绕过威胁区的两条dubins路径时，采用作几何切线的方法，使得两条dubins路径分别沿着表示所述威胁区域圆两侧的几何切线，顺时针和逆时针地绕过所述障碍。
20.本发明的有益效果是：
21.本发明对航迹规划问题进行了工程可实现的简化，兼顾了航迹质量与规划速度，工程实用性强；考虑了固定翼无人机的运动学约束，更符合无人机的飞行特性；航迹点和转弯次数更少，能有效的避开威胁区域；流程中各部分均符合飞行器的力学特性和性能约束限制，对飞行器的适用性较强，可信度高、可靠性强。
附图说明
22.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1为本发明的总体流程图；
24.图2为本发明的二维避障规划平面示意图；
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
26.实施例1
27.参阅图1至图2所示，一种二进制灰狼优化算法的飞行器三维航迹规划方法，包括以下步骤：
28.step1：确定待规划飞行器起始点和目标点、巡航安全高度、转弯半径、燃料代价比例因子及威胁数量和分布位置信息，建立在巡航高度下的飞行器二维规划环境，并对地图进行预处理，具体方法为：根据飞行器的巡航高度对数字高程地图进行截取，得到二维地图，并将二维地图中的威胁区用一系列的圆进行近似替代；并将半径小于飞行器转弯半径的圆放大，直到半径不小于飞行器转弯半径，以此解决二维平面内飞行器的运动学限制；
29.step2：根据规划的性能要求建立飞行器航迹规划模型，确定航迹评价函数，具体包括：燃油消耗、飞行高度、威胁代价及转弯角度，通过加权得到综合航路代价函数；
30.step3：执行theta*算法，得到初始避障飞行航迹点集合；
31.step4：将theta*算法求取的结果作为二进制灰狼算法的输入，随机初始化灰狼种群并将每个灰狼个体二值化，然后评估每只狼对应的航迹点位置向量的适应度，适应度最高的被定义为alpha狼。然后，通过将位置转换为二进制向量来更新狼的位置。再次评估每只狼的适应度，迭代地更新alpha狼的位置。重复算法，直到满足终止准则。最后，选择α解对应的航迹点位置向量作为最优特征子集，即飞行器的最优航迹点集合；
32.其中，所述航迹是连接飞行任务的起始点和目标点的航迹的航迹点集合；
33.step5：将搜索得到的多个航迹点从起点依次连接到目标点，形成航迹；
34.其中，检测到威胁区域圆后，产生绕过威胁区的两条dubins路径时，采用作几何切线的方法，使得两条dubins路径分别沿着表示所述威胁区域圆两侧的几何切线，顺时针和逆时针地绕过所述障碍。
35.实施例2
36.本发明所采用的技术方案是：将theta*算法与二进制灰狼算法结合，用于求解平面内飞行器避开所有障碍的最优航迹。本发明使用theta*算法从起点出发，将以起点为中心的相邻节点中的无障碍节点组成open表，取估价函数值最小的节点放入close表中，再以此节点为中心，选估价函数值最小的节点放入clos表中，从而迅速搜索到一条从起点到目标点估价函数相对最小的路径，即close表中节点所连接的路径。但此阶段theta*算法得到的是可行解而不是最优解，故需要结合二进制灰狼算法进行特征选择。对二进制灰狼选择出的避障航迹点集合，再使用dubins路径进行二次压缩达到路径平滑的目的，最后将相邻航路点用dubins路径连接起来构成最终的避障航迹。
37.实施例3
38.一种二进制灰狼优化算法的飞行器三维航迹规划方法，包括如下步骤：
39.step1：建立飞行器二维规划平面
40.无人机在飞行过程中受到本体性能约束和外界威胁的约束。在二维平面内，对于
本体性能约束我们只考虑由于侧向加速度限制造成的最小转弯半径约束，这个约束在航迹上表现为航迹曲率半径必须不小于最小转弯半径。外界威胁约束主要考虑地威胁约束主要包括探测型威胁和攻击型威胁。探测型威胁主要考虑雷达，攻击型威胁主要有高速动能武器、激光武器和电磁脉冲等概念武器。本发明在处理这些约束时，统一在三维空间里把它们表现为不可飞越的半球体禁飞区，在二维平面上均近似表现为单个的圆或者一系列相互连接的圆。
41.step2：确定航迹评价函数
42.燃油消耗成本与飞行路径长度和飞行速度有关。假设无人机始终以一定的速度飞行，路径的长度可以替代燃料成本
[0043][0044]
其中，p1为比例因子；(x
i 1
,y
i 1
,z
i 1
)和(xi,yi,zi)对应于相邻航点的坐标。
[0045]
为满足飞行安全和隐蔽性的需要，飞行高度不能过低或过高。高度代价可以表示为
[0046][0047]
其中zi指路径点i在某路径上的高度，safth为每架飞行器的最小安全高度。
[0048]
为简化问题复杂度，威胁代价可通过路径线段与威胁源的距离来确定，设(x
oj
,y
oj
,z
oj
)为第j个禁飞区的坐标，在巡航高度下，r
oj
为二维水平面上第j个禁飞区的半径，则威胁代价函数为：
[0049][0050]
其中因为飞行器存在机动过载限制，转弯半径不易过小，设飞行器在某飞行速度下的最小转弯半径为r
v,min
，其转向时满足r≥r
v,min
。当经过第j个禁飞区时，安全转弯半径saftr≥max{r
0j
,r
v,min
}，且安全转弯半径已考虑飞行器与实际威胁区域之间的安全距离。
[0051]
无人机机动性能也影响着转弯角度，转弯角度代价为：
[0052][0053]
其中(x
i 1
,y
i 1
)、(x
i 2
,y
i 2
)和(xi,yi)为对在巡航高度下二维水平面上相邻航点的坐标，(x
i 2
,y
i 2
)和(xi,yi)连线越短，转弯角度越小。
[0054]
最后通过加权得到综合评价函数
[0055]
j＝ω1k1j
fuel
ω2k2j
height
ω3k3j
threat
ω4k4j
angle (5)
[0056]
其中ω1、ω2、ω3、ω4和ω5为不同成本指标的权重，权重之和为1。通过调整权重，可以得到满足不同需求的路径。
[0057]
step3：theta*初始化
[0058]
在本发明中，theta*算法指是在a*算法的基础上采用可视性检查机制，要求在扩
展节点时对当前节点的父节点与其后继节点做可视性检查，若父节点与后继节点的直接连线不经过威胁区并且代价更低则视为可见，此时将后继节点的父节点设置为当前节点的父节点；否则，视为两点不可见，将后继节点的父节点设置为当前节点。
[0059]
theta*的评价函数可表示为
[0060]
f(n)＝j h(n) (6)
[0061]
其中f(n)为当前节点n的评价函数；g(n)为起始点到当前节点n的实际代价。
[0062]
具体包括以下步骤：
[0063]
a.初始化起始点和目标点，新建open表和close表，将起始点加入open表。
[0064]
b.判断open表是否为空，若为空则表示寻路失败，搜索终止；否则，将open表中评估代价最小的节点作为当前待扩展节点，并设为n，转至下一步。
[0065]
c.判断节点n是否为目标点，若是，表示寻路成功，回溯n的父节点直至起始点即为路径，搜索终止；否则，转至下一步。
[0066]
d.扩展节点n。
[0067]
e.将节点n从open表中移除，然后加入close表，最后返回stepb。
[0068]
step4：二进制灰狼算法进行航迹规划
[0069]
灰狼优化算法是通过模拟狼群的等级制度和捕猎过程而开发的优化搜索方法，而bgwo通过将位置转换为二进制向量来更新狼的位置。
[0070]
在狼群的搜索过程中，狼群个体与猎物的距离公式为
[0071]
a＝2a
·r1-a
[0072]
c＝2
·
r2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0073]dα
＝|c
·yα
(t)-y(t)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0074]
为了使灰狼位置二值化，需要将灰狼的位置转换为二进制矢量来进行位置更新，其公式如下：
[0075][0076][0077]
其中r1，r2，r0是[0,1]中的随机数；t为迭代数；n是搜索空间的维数；y1，y2，y3分别定义为受α、β、δ狼影响的二进制步长；yn(t 1)是迭代t时维数n中更新的二进制位置。s(a)定义为：
[0078][0079]
算法流程为：
[0080]
首先，随机初始化狼群(置0或1)。其次，将综合代价函数作为适应度值来评估航迹点集合的优劣，代价函数越小适应度越高。根据计算得到适应度值，选择适应度值最大的三头狼作为领导者。对于每一只狼，分别使用(9)组公式计算y1，y2，y3。通过公式(10)来更新
灰狼位置。再对灰狼的适应度值进行计算，并更新α、β、δ三头灰狼的位置。重复该算法，直到满足终止条件。
[0081]
实施例4
[0082]
本发明对航迹规划问题进行了工程可实现的简化，兼顾了航迹质量与规划速度，工程实用性强；考虑了固定翼无人机的运动学约束，更符合无人机的飞行特性；航迹点和转弯次数更少，能有效的避开威胁区域；流程中各部分均符合飞行器的力学特性和性能约束限制，对飞行器的适用性较强，可信度高、可靠性强。
[0083]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0084]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。