一種基于蜂群協(xié)同覓食算法的多無人機航跡規(guī)劃方法
【專利摘要】本發(fā)明屬于無人機【技術領域】，具體涉及一種可用于多無人機目標跟蹤、航跡優(yōu)化、協(xié)同管理、協(xié)同飛行、任務分配的多無人機航跡規(guī)劃方法。本發(fā)明包括：初始化航跡規(guī)劃任務的詳細信息，進行坐標離散變換；初始化蜂群協(xié)同覓食算法參數(shù)；計算每架無人機的航跡路徑的代價；每架無人機根據(jù)當前的位置計算當前路徑代價；跟隨機選擇引領對象，每一個引領機招募一個跟隨機；無人機放棄當前路徑，搜索新路徑；保存最優(yōu)路徑的參數(shù)并且計算最優(yōu)值；檢查是否達到迭代次數(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。
【專利說明】一種基于蜂群協(xié)同覓食算法的多無人機航跡規(guī)劃方法
【技術領域】
[0001]本發(fā)明屬于無人機【技術領域】，具體涉及一種可用于多無人機目標跟蹤、航跡優(yōu)化、協(xié)同管理、協(xié)同飛行、任務分配的多無人機航跡規(guī)劃方法。
【背景技術】
[0002]在未來復雜多變的信息化戰(zhàn)場環(huán)境下，單架無人機將會很難完成任務，很多情況下必須通過協(xié)同控制飛行的多架無人機才能完成；每個無人機都要求一個I到3人的機組人員分配，協(xié)商和協(xié)調許多人類戰(zhàn)士。除了人類操作員的成本，這個方法遇到不能解決的挑戰(zhàn)，如何達到協(xié)同。在當今科技的制約下，想要無人駕駛機到達飛行員那樣強大的信息處理能力與智能還是相當困難，如果通過模仿自然界生物的群聚現(xiàn)象，在數(shù)量上占絕對優(yōu)勢的無人機利用群聚智能就能達到甚至超越在數(shù)量上占劣勢的有人駕駛機。分析生物系統(tǒng)的進化特征與行為規(guī)律，將生物群體智能的某些原理和行為與多無人機協(xié)同控制理論相結合，具有廣闊的工程應用前景。目前無人機群協(xié)同飛行及航跡規(guī)劃方面的研究在國內外雖已取得了一定的研究成果，但還沒有統(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，全面地考慮無人機各方面地限制，避開各種威脅環(huán)境，規(guī)劃出合理的飛行航跡，使UAV安全地完成預定任務。目前國內外關于群體無人機的飛行模式研究主要集中在任務分配問題建模方面，現(xiàn)階段的研究成果主要包括多旅行商問題(Mutiple Traveling Salesman Problem, MTSP)模型、車輛路徑問題(Vehicle Routing roblem, VRP)模型、混合整數(shù)線性規(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:
[0005]1、確定性計算方法。確定性計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)點是收斂性較強與運算快速等，缺點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要求。
[0006]2、隨機搜索優(yōu)化算法，包括有模擬退火算法、遺傳算法和蟻群算法等。這類算法采用的思想是模擬自然界的物質變化過程，還有生物活動和進化的過程，具有許多的優(yōu)點和特點，因此也被廣泛的應用于航跡規(guī)劃問題上。因為搜索空間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)性和導數(shù)的存在等條件，還存在并行性，比較適合包含較多復雜約束和模糊信息的航跡規(guī)劃問題；而蟻群算法由于具有動態(tài)特性，更加適應威脅環(huán)境的多變性。
[0007]具備隨機特點的遺傳算法、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，還能夠生成多個解，一定程度上能夠克服第一類方法的缺點和局限，但是計算量較大，收斂速度較慢，因此往往很難滿足工程的實際需要。
[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，缺點就是只能做二維平面規(guī)劃和不適應戰(zhàn)場環(huán)境的多變性。
[0009]為了克服上述方法的缺點，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)則產生無人機群合作的路徑規(guī)劃方法，參見 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 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)化算法的無人機航跡規(guī)劃優(yōu)化算法，參見 “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行單個無人機航跡規(guī)劃，參見胡中華，趙敏.基于人工蜂群算法的無人機航跡規(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)化在內的新型的智能優(yōu)化算法用于無人機航跡規(guī)劃問題，并已取得了一定的研究成果，但傳統(tǒng)的無人機集群任務分配建模方法是從數(shù)學建模角度出發(fā)研究此類問題的，沒有實現(xiàn)社會昆蟲群體的優(yōu)勢；上述群體智能及進化計算等方法又沒有真正從社會昆蟲群體的自然本質出發(fā)來實現(xiàn)無人機集群的控制，且都沒有用于多無人機航跡規(guī)劃。都沒有從模擬蜂群生物學行為的角度來解決無人機集群飛行中的協(xié)同控制、航跡規(guī)劃、避碰等關鍵問題，僅僅從優(yōu)化的角度出發(fā)，求出抽象的問題解，對實際問題作用有限。
[0012]將蜂群智能應用于無人機集群飛行模式研究比較新穎，具有非常重要的研究價值和意義
【發(fā)明內容】
[0013]本發(fā)明的目的在于提出一種提高多無人機協(xié)同執(zhí)行任務的效率和安全性、可靠性的基于蜂群協(xié)同覓食算法的多無人機航跡規(guī)劃方法。
[0014]本發(fā)明的目的是這樣實現(xiàn)的:
[0015]基于蜂群協(xié)同覓食算法的多無人機航跡規(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)劃任務的詳細信息，進行坐標離散變換；
[0017](2)初始化蜂群協(xié)同覓食算法參數(shù)，包括搜索時間閾值T，迭代次數(shù)為K，初始化算法的搜索時間Bas=O,起始迭代次數(shù)K=I種群總數(shù)N，引領機數(shù)目N1和跟隨機數(shù)目N2,N=NJN2 ；
[0018](3)根據(jù)無人機航跡參數(shù)，計算每架無人機的航跡路徑的代價(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)劃目標中第i項航路
/=I、
規(guī)劃目標罰函數(shù)，Oi為各個懲罰函數(shù)的權系數(shù)，j為無人機航跡序數(shù)，η為航跡總數(shù)，k為在評價函數(shù)中需要評價的總項數(shù)；
[0019](4)每架無人機根據(jù)當前的位置計算當前路徑代價，如果當前路徑代價比原路徑代價低，更新無人機的位置:對于第i個無人機，產生在[1，D]的整數(shù)j，[!,NE]的整數(shù)k，第i個無人機的第j個參數(shù)用xi =xL+rajid(°MxL.?η)更換，計算更新參數(shù)后的新
的代價值并且選擇一個低代價的無人機航跡作為新的航跡，#是無人機位置向量特征值，j e {I, 2，…，Q}，rand (O, I)是(O，I)上均勻分布的隨機數(shù)，xmax, Xmin分別是Xi的上限值和下限值；
[0020](5)根據(jù)每架無人機的代價值，跟隨機選擇引領對象，每一個引領機招募一個跟隨機，在引領機周圍空間繼續(xù)搜索新路徑，重復步驟(4)，如果這個新路徑比原路徑代價低，那隨機轉化為引領機，更新每架無人機的位置，繼續(xù)探測，搜索時間Bas重新置0，如果這個新路徑比原路徑代價高，保持繼續(xù)搜索，Bas加I ;
[0021](6)如果搜索時間Bas大于確定的臨界值，無人機放棄當前路徑，搜索新路徑，重新執(zhí)行(2);
[0022](7)保存最優(yōu)路徑的參數(shù)并且計算最優(yōu)值；
[0023](8)檢查是否達到迭代次數(shù)上限，達到則結束搜索，否則重復步驟(4)到步驟(7)。初始化航跡規(guī)劃任務的詳細信息，進行坐標離散變換，包括第i個導航點用Ni的坐標為:
【權利要求】
1.一種基于蜂群協(xié)同覓食算法的多無人機航跡規(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)劃任務的詳細信息，進行坐標離散變換；(2)初始化蜂群協(xié)同覓食算法參數(shù)，包括搜索時間閾值T，迭代次數(shù)為K，初始化算法的搜索時間Bas=O,起始迭代次數(shù)K=I種群總數(shù)N，引領機數(shù)目N1和跟隨機數(shù)目N2, N=N^N2 ； (3)根據(jù)無人機航跡參數(shù)，計算每架無人機的航跡路徑的代價f"_(j=l, 2，3...，η), / k
2.根據(jù)權利要求1所述的一種基于蜂群協(xié)同覓食算法的多無人機航跡規(guī)劃方法，其特征在于:所述的初始化航跡規(guī)劃任務的詳細信息，進行坐標離散變換，包括第i個導航點用Ni的坐標為:
【文檔編號】G01C21/20GK103471592SQ201310228497
【公開日】2013年12月25日 申請日期:2013年6月8日 優(yōu)先權日: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 申請人:哈爾濱工程大學
專業(yè)數(shù)控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
