The present invention relates to an ant colony algorithm based flight object collision resolution path planning method, which includes the following steps: (1) the number of initialization iterations, the number of ants m, the cumulative information importance factor alpha, the heuristic function importance factor beta, a plurality of flight path points between the origin and destination, and between each flight path point. Initial pheromone concentration; x2: Each ant travels through different routes from the starting point to the destination many times, completes many iterations, and then selects the best route, in which the disturbance factor decreases with the number of iterations during the state transition; in the pheromone update, only the global update is used. Moreover, only the pheromone evaporation and release on the global optimal path, and increase the pheromone, the pheromone evaporation and release on the global worst path, do not deal with the intermediate path. The invention has the ability to jump out of premature and to speed up convergence when planning the flying path.
【技术实现步骤摘要】
基于蚁群算法的飞行物冲突解脱路径规划方法
本专利技术涉及无人机低空域避险
,具体涉及一种基于蚁群算法的飞行物冲突解脱路径规划方法。
技术介绍
近年来,在ICAO新航行系统发展规划的指导下,全球的航空组织对ADS-B(广播式自动相关监视)作为新一代通信导航监视技术之一进行了卓有成效的研究、实验、推广、应用,并取得飞速发展。ADS-B是一种为空-空监视和地-空监视提供自主监视信息的技术手段,无人机通过数据链自动广播其自身的位置和其他飞行状态信息,并实时获取空中ADS-B信息和地面服务信息,达到无人机之间的相互感知,ADS-B功能全面,安装简单方便,费用是雷达系统的十分之一左右,发达国家目前正逐步用ADS-B取代一次、二次雷达,应用在军事领域,能够提高战场空间感知能力,ADS-B的自动性使它非常适用于无人机。多无人机共空域执行任务已成为无人机发展的重要趋势。伴随着无人机的广泛应用,低空飞行空域日益拥堵,自由飞行的实施可以提高空域资源的利用率,解决空域拥挤问题,但自由飞行频频面临无人机撞损、坠毁等安全事故,无人机与无人机、无人机与有人机共空域飞行所面临的碰撞冲突已成为影响无人机自主自由飞行的突出问题,因此,无人机对于避险系统的需求变得非常急切。无人机避险系统对确保无人机安全自主的飞行,提高空域流量,高效完成任务都有着重要的现实意义,无人机自主飞行避险算法是无人机避险系统的核心,避险算法是当探测到无人机将要与其他飞行器发生冲突时,快速有效的规划出解脱航迹避免冲突的发生,目前国内外对无人机避险模型与算法的研究还并不完善,如何在最短时间,消耗最小的情况下实现无人机 ...
【技术保护点】
1.一种基于蚁群算法的飞行物冲突解脱路径规划方法,其特征在于,包括如下步骤:步骤S1:初始化迭代次数、蚂蚁数m、累计信息重要程度因子α、启发函数重要程度因子β、介于出发地和目的地之间的多个航迹点以及各航迹点之间的初始信息素浓度;步骤S2:每只蚂蚁多次从出发地到目的地之间经不同的航迹点走完全程,完成多次迭代,进而选择出最佳航线;其中,蚂蚁在选择航迹点时,遵循下述规则:
【技术特征摘要】
1.一种基于蚁群算法的飞行物冲突解脱路径规划方法,其特征在于,包括如下步骤:步骤S1:初始化迭代次数、蚂蚁数m、累计信息重要程度因子α、启发函数重要程度因子β、介于出发地和目的地之间的多个航迹点以及各航迹点之间的初始信息素浓度;步骤S2:每只蚂蚁多次从出发地到目的地之间经不同的航迹点走完全程,完成多次迭代,进而选择出最佳航线;其中,蚂蚁在选择航迹点时,遵循下述规则:其中,pp代表蚂蚁选择路径的方式,q为在[0,1]区间均匀分布的随机数,蚂蚁在每个i点,均会随机产生一个q值;并且,不同蚂蚁在不同的航迹点i处,有不同的q值;i表示蚂蚁当前所处的航迹点,j表示蚂蚁下一时刻可能走向的航迹点;τij表示在当前迭代周期中,路径(i,j)上的信息素浓度,ηij表示在当前迭代周期中,蚂蚁从航迹点i走到航迹点j的期望程度,且ηij=1/dij;dij表示ij两点间的距离;allowedk表示蚂蚁k下一步允许访问航迹点的集合;q0=1/et/b;t为当前的迭代次数,b为常数;pijk表示当q大于q0时,蚂蚁从可能的路径(i,j)群中随机选择一条路径。2.如权利要求1所述的基于蚁群算法的飞行物冲突解脱路径规划方法,其特征在于:在不同的迭代周期中,各航迹点之间的初始信息素浓度更新规则仅采用全局更新规则。3.如权利要求2所述的基于蚁群算法的飞行物冲突解脱路径规划方法,其特征在于:在不同的迭代周期中,路径(i,j)上的信息素浓度的全局更新规则为:τij(t=1)=(1-ρ)τij(t)+ρ﹒...
【专利技术属性】
技术研发人员:吴学礼,甄然,贾云聪,李素康,
申请(专利权)人:河北科技大学,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。