一种混合空域异质飞行器路径规划方法及装置制造方法及图纸

本发明专利技术提出一种混合空域异质飞行器路径规划方法及装置，属于飞行器技术领域。路径规划装置，包括信息获取模块、冲突探测模块、冲突风险评估模块和路径规划模块。信息获取模块用于获取所有飞行器的信息，冲突探测模块用于确定两飞行器是否发生冲突以及飞行器是否经过危险区域，冲突风险评估模块用于评价在一定不确定性下飞行器的安全性，路径规划模块采用粒子群优化算法优化各飞行器的路径。路径规划方法为：首先为混合空域的飞行器建立路径规划模型；然后采用蒙特卡罗方法衡量不确定性对飞行安全的影响，所得结果更加贴近实际飞行，所规划的路径更合理；最后采用粒子群优化算法优化各飞行器的路径，此算法时间复杂度较小，路径规划更快捷。

A method and device for path planning of hybrid airspace heterogeneous aircraft

【技术实现步骤摘要】
一种混合空域异质飞行器路径规划方法及装置
本专利技术属于飞行器
，涉及一种混合空域异质飞行器路径规划方法及装置。
技术介绍
在空中交通管理系统中，多飞行器路径规划问题一直是研究热点。有限空域多飞行器路径规划方法一般有两个目标：一方面为所有飞行器确定安全飞行路线，飞行器之间安全包络无重叠，飞行器安全包络于危险区域无重叠，并且能够到达预定目的地；另一方面需要在保证飞行器安全的条件下，尽量缩小飞行距离，减少飞行成本，提高飞行效率。随着航空产业的迅猛发展，各种飞行器的数量激增，而传统的多飞行器路径规划方法大多没有考虑飞行器的异质化。飞行器的异质化是指飞行器的种类不同，包括无人机和有人机，若为不同的飞行器统一建模相同的飞行器模型，没有考虑自身特质，那获得的路径规划在实际使用时会存在不适应的问题。考虑到实际飞行过程中，由于导航精度、风力、操作误差等因素的影响，实际飞行轨迹具有一定的不确定性。现有多飞行器路径规划方法大多没有考虑到这些不确定性的影响，本专利技术通过蒙特卡罗方法来衡量这些不确定性对飞行器飞行轨迹的影响。蒙特卡罗方法，也称统计模拟方法，是一种以概率统计理论为指导的一类重要的数值计算方法。本专利技术将通过蒙特卡罗方法来衡量不确定性对实际飞行带来的风险。粒子群优化算法作为一种典型的智能优化算法，是Kennedy等人受到鸟群觅食行为的启发而提出的。粒子群优化算法是一种基于群体协作的随机搜索算法，具有易实现，收敛速度快的特性。综上，现有的多飞行器路径规划没有考虑到实际空域中异质飞行器并存的实际情况，并且大多没有考虑飞行中一些误差造成的飞行轨迹不确定性的影响。专利
技术实现思路
针对现有存在的问题，本专利技术考虑了其中存在的不确定性，基于改进的粒子群优化算法，来解决混合空域异质飞行器的路径规划问题，具体提供了一种混合空域异质飞行器路径规划方法及装置。本专利技术提供的混合空域异质飞行器路径规划方法，包括：(1)为混合空域的飞行器建立路径规划模型；将飞行器分为无人机和有人机，设置飞行器的初始路径为直接从出发点沿直线飞向目的地点，并且每条路径用该路径上的m等分点来表示；设置有人机的等分点个数少于无人机的等分点个数；m为正整数；通过将每架飞行器的各等分点在垂直于初始路径的截面上移动，来优化路径；飞行器路径规划的总代价模型为：fcost(x)＝flength(x)+qfdanger(x)其中，x代表所有飞行器的飞行路径上的等分点坐标，fcost(x)为总成本函数，flength(x)为所有飞行器的路径总长度，fdanger(x)为所有飞行器的总体冲突代价，q为权重系数。(2)采用蒙特卡罗方法衡量不确定性对飞行安全的影响，设置飞行器的路径上的所有等分点的位置均服从联合高斯分布，通过重复抽样获得各飞行器的路径，检测各飞行器路径，若飞行器间有路径冲突或飞行器经过危险区域，若认为路径危险，产生冲突代价，否则认为路径安全。(3)采用粒子群优化算法优化各飞行器的路径；所述的粒子群优化算法中，使用两个种群分别代表有人机与无人机的路径，两个种群分别在各自的搜索空间中初始化一群随机粒子，通过不断迭代使得两个种群都找到最优解，粒子的适应值根据函数fcost(x)计算得到；在计算一个种群粒子适应值时，通过如下选择机制来选择另一个种群信息来进行计算；选择机制：以概率r选择另一个种群的历史最优位置，以1-r概率选择另一个种群中的一个随机粒子；其中C为总迭代次数，t表示当前迭代次数。本专利技术提供的混合空域异质飞行器路径规划装置，包括信息获取模块、冲突探测模块、冲突风险评估模块和路径规划模块。信息获取模块获取所有飞行器的信息以及空域中的危险区域位置；飞行器的信息包括飞行器是无人机还是有人机，飞行器的出发点和目的地点，以及飞行器的初始路径和当前位置；冲突探测模块，引入安全包络建立飞行器模型，进行飞行器间的冲突检测，以及检测飞行器是否经过危险区域；冲突风险评估模块，采用蒙特卡罗方法衡量不确定性对飞行安全的影响，将不确定性考虑为高斯噪声，表现为：在每条路径上，所有的等分点的位置均服从联合高斯分布，通过重复抽样获得各飞行器的路径；将获得的飞行器的路径通过冲突探测模块进行检测，若检测到飞行器间有冲突或飞行器经过危险区域，则认为路径危险，产生冲突代价，否则认为路径安全；路径规划模块采用粒子群优化算法优化各飞行器的路径。本专利技术的路径规划装置及方法，其优点与积极效果在于：(1)考虑到混合空域中异质化飞行器的影响，本专利技术所建立的飞行器模型更加符合实际；(2)本专利技术通过蒙特卡罗方法来衡量实际飞行中的不确定性，更加贴近实际飞行，所规划的路径更合理；(3)本专利技术采用改进粒子群优化算法进行路径规划，算法时间复杂度较小，路径规划更快捷。附图说明图1是本专利技术的混合空域异质飞行器路径规划装置的组成模块示意图；图2是本专利技术建立的飞行器安全包络的示意图；图3是本专利技术的路径规划中采用的粒子群算法求解的流程示意图；图4是一个飞行器从起点到终点的路径示意图；图5是本专利技术实施例的多飞行器路径规划二维示意图。具体实施方式下面将结合附图和实施例对本专利技术作进一步的详细说明。首先，说明本专利技术对混合空域与其中的异质飞行器、危险区域建立的模型。为描述方便，本专利技术假定空域为正方体，边长为2L，中心坐标为(0,0,0)。随机为每架飞行器i从空域边界面上分配一个出发点xo＝(xi,o,yi,o,zi,o)，再在对面上随机选择一个目的地点xd＝(xi,d,yi,d,zi,d)。飞行器i的位置记为(xi,yi,zi)，为了方便计算，每架飞行器的初始路径均为直接从出发点xo沿直线飞向目的地点xd，用该路径上m等分点来表示这条路径。考虑到实际中有人机自由度较低，无人机自由度较高，设定有人机的m取值比无人机的小，设有人机的m＝m1，无人机的m＝m2，m1、m2均为正整数且m1＜m2。在对路径进行优化时，通过对所有m等分点进行优化得到，每架飞行器的m等分点均可在垂直于初始路径的截面上移动，最终路径为按序从出发点逐次连接m等分点，最终连接到目的地点得到。设危险区域总共n个，每个均建模成长方体，长宽均为l，高度为2L。高度为h的水平面上，每个危险区域中心坐标为j从1到n。l，L，n，h的数值均根据实际情况设置。本专利技术的混合空域异质飞行器路径规划方法中，在建立了混合空域的飞行器建立路径规划模型后，还采用蒙特卡罗方法衡量不确定性对飞行安全的影响。设置飞行器的路径上的所有等分点的位置均服从联合高斯分布，通过重复抽样获得各飞行器的路径。检测各飞行器路径，若飞行器间有路径冲突或飞行器经过危险区域，若认为路径危险，产生冲突代价，否则认为路径安全。考虑到有人机与无人机本身成本以及人员安全因素，本专利技术优先保障有人机的安全。为此，进行以下规定：(1)设置飞行器间的冲突代价，包括：有人机与有人机间的冲突代价p1；有人机与无人机间的冲突代价p2；无人机与无人机间的冲突代价p3；(2)设置有人机经过危险区域的代价d1；设置无人机经过危险区域的代价d2。p1、p2、p3、d1、d2均是根据经验或者试验结果来设置的常数。设抽样N次，对每次抽样统计各路径上各种冲突的数量，设分别为n1,n2,n3,n4,n5，则计算每次抽样所有飞行器的总体冲突代价时，可以将冲突数量作为本文档来自技高网...

【技术保护点】
一种混合空域异质飞行器路径规划方法，其特征在于，包括：(1)为混合空域的飞行器建立路径规划模型；将飞行器分为无人机和有人机，设置飞行器的初始路径为直接从出发点沿直线飞向目的地点，并且每条路径用该路径上的m等分点来表示；设置有人机的等分点个数少于无人机的等分点个数；m为正整数；通过将每架飞行器的各等分点在垂直于初始路径的截面上移动，来优化路径；飞行器路径规划的总代价模型为：fcost(x)＝flength(x)+qfdanger(x)其中，x代表所有飞行器的飞行路径上的等分点坐标，fcost(x)为总成本函数，flength(x)为所有飞行器的路径总长度，fdanger(x)为所有飞行器的总体冲突代价，q为权重系数；(2)采用蒙特卡罗方法衡量不确定性对飞行安全的影响，设置飞行器的路径上的所有等分点的位置均服从联合高斯分布，通过重复抽样获得各飞行器的路径；检测各飞行器路径，若飞行器间有冲突或飞行器经过危险区域，则认为路径危险，产生冲突代价，否则认为路径安全；(3)采用粒子群优化算法优化各飞行器的路径；所述的粒子群优化算法中，使用两个种群分别代表有人机与无人机的路径，两个种群分别在各自的搜索空间中初始化一群随机粒子，通过不断迭代使得两个种群都找到最优解，粒子的适应值根据函数fcost(x)计算得到；在计算一个种群粒子适应值时，通过如下选择机制来选择另一个种群信息来进行计算；选择机制：以概率r选择另一个种群的历史最优位置，以1‑r概率选择另一个种群中的一个随机粒子；其中...

【技术特征摘要】
1.一种混合空域异质飞行器路径规划方法，其特征在于，包括：(1)为混合空域的飞行器建立路径规划模型；将飞行器分为无人机和有人机，设置飞行器的初始路径为直接从出发点沿直线飞向目的地点，并且每条路径用该路径上的m等分点来表示；设置有人机的等分点个数少于无人机的等分点个数；m为正整数；通过将每架飞行器的各等分点在垂直于初始路径的截面上移动，来优化路径；飞行器路径规划的总代价模型为：fcost(x)＝flength(x)+qfdanger(x)其中，x代表所有飞行器的飞行路径上的等分点坐标，fcost(x)为总成本函数，flength(x)为所有飞行器的路径总长度，fdanger(x)为所有飞行器的总体冲突代价，q为权重系数；(2)采用蒙特卡罗方法衡量不确定性对飞行安全的影响，设置飞行器的路径上的所有等分点的位置均服从联合高斯分布，通过重复抽样获得各飞行器的路径；检测各飞行器路径，若飞行器间有冲突或飞行器经过危险区域，则认为路径危险，产生冲突代价，否则认为路径安全；(3)采用粒子群优化算法优化各飞行器的路径；所述的粒子群优化算法中，使用两个种群分别代表有人机与无人机的路径，两个种群分别在各自的搜索空间中初始化一群随机粒子，通过不断迭代使得两个种群都找到最优解，粒子的适应值根据函数fcost(x)计算得到；在计算一个种群粒子适应值时，通过如下选择机制来选择另一个种群信息来进行计算；选择机制：以概率r选择另一个种群的历史最优位置，以1-r概率选择另一个种群中的一个随机粒子；其中C为总迭代次数，t表示当前迭代次数。2.如权利要求1所述的一种混合空域异质飞行器路径规划方法，其特征在于，所述的flength(x)由两部分组成：flength(x)＝w1f1length(x)+w2f2length(x)，其中f1length(x)代表有人机飞行距离，f2length(x)代表无人机飞行距离，w1和w2为对应的权重，w1比w2大，且和为1。3.如权利要求1所述的一种混合空域异质飞行器路径规划方法，其特征在于，所述的所有飞行器的总体冲突代价fdanger(x)根据下面方法获得：设置飞行器间的冲突代价，包括：有人机与有人机间的冲突代价p1；有人机与无人机间的冲突代价p2；无人机与无人机间的冲突代价p3；设置有人机经过危险区域的代价d1；设置无人机经过危险区域的代价d2；统计所有飞行器路径上有人机与有人机间的冲突数量n1、有人机与无人机间的冲突数量n2、无人机与无人机间的冲突数量n3、有人机经过危险区域的数量n4、无人机经过危险区域的数量n5；将n1,n2,n3,n4,n5分别作为p1、p2、p3、d1、d2的权重进行加权求和获得fdanger(x)。4.一种混合空域异质飞行器路径规划装置，其特征在于，包括信息获取模块、冲突探测模块、冲突风险评估模块和路径规划模块；信息获取模块获取所有飞行器的信息以及空域中的危险区域位置；飞行器的信息包括飞行器是无人机还是有人机，飞行器的出发点和目的地点，以及飞行器的初始路径和...

【专利技术属性】
技术研发人员：曹先彬，杜文博，张林，李宇萌，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11