【技术实现步骤摘要】
一种多无人机航路规划及动态避障方法
本专利技术属于多无人机航路规划及动态避障
，特别是一种Voronoi蚁群算法与人工势场法结合的多无人机航路规划及动态避障方法。技术背景无人机路径规划问题是编队控制的一个重点和难点，同时也是任务规划的一个研究的重点。无人机路径规划问题需要考虑许多制约因素，包括静态环境因素，雷达及静态障碍物因素，飞行的航路长度(航路燃油代价)以及飞行总时间等。在考虑到外界各类环境因素以及无人机本身各项飞行指标和性能等问题后，规划出一条从起始点到目标点的最优或较优路径。在静态环境及静态威胁源已知的情况下，根据静态航路规划所研究的内容，已经可以通过多机协同航路规划层为各无人机规划出各自的从起始点到目标点的最优或次优路径。然而在实际编队飞行中，当无人机在离线规划好的路径上飞行时，有时会出现未知的移动障碍物如移动雷达或其他无人机等，如果各无人机依然沿着规划好的路径飞行，则会发生事故，因此无人机编队在离线规划好路径并按路径飞行时，还应沿应实时监测动态障碍物信息并动态调整整体航路。近年来，国内外的学者对于路径规划问题做了许多研究，提出的方法主要有Vo...
【技术保护点】
1.一种Voronoi蚁群算法与人工势场法结合的多无人机航路规划及动态避障方法，其特征在于，包括以下步骤：第一步，利用机载摄像头和激光雷达检测目标和障碍物位置。第二步，根据Voronoi图划分战场并通过改进后的蚁群算法静态规划出各无人机的最优航路。第三步，无人机沿静态规划航路时通过超声波模块实时监测动态障碍物并建立其膨胀后的模型。第三步，构建膨胀后的动态障碍物斥力势场，并计算其与无人机的斥力。第四步，根据无人机当前所受的引力与斥力，求出所受到的合力。第五步，求出无人机下一时刻的飞行角度，并计算出无人机下一个航点的位置。第六步，判断无人机是否到达动态障碍物影响斥力范围之外的静...
【技术特征摘要】
1.一种Voronoi蚁群算法与人工势场法结合的多无人机航路规划及动态避障方法，其特征在于，包括以下步骤：第一步，利用机载摄像头和激光雷达检测目标和障碍物位置。第二步，根据Voronoi图划分战场并通过改进后的蚁群算法静态规划出各无人机的最优航路。第三步，无人机沿静态规划航路时通过超声波模块实时监测动态障碍物并建立其膨胀后的模型。第三步，构建膨胀后的动态障碍物斥力势场，并计算其与无人机的斥力。第四步，根据无人机当前所受的引力与斥力，求出所受到的合力。第五步，求出无人机下一时刻的飞行角度，并计算出无人机下一个航点的位置。第六步，判断无人机是否到达动态障碍物影响斥力范围之外的静态规划航路下一航点，若没有则跳转至第四步直至下一航点为静态规划航路的航点。第七步，沿静态规划航路继续飞行，若传感器监测到动态障碍物则跳转至第三步。第八步，判断每架无人机的位置是否为目标所在位置，如果是，则表示所有无人机均到达目标航点，停止航路规划，若未到达则沿静态航路继续飞行直至到达目标点。2.如权利要求1所述的一种Voronoi蚁群算法与人工势场法结合的多无人机航路规划及动态避障方法，其特征在于，所述第二步中根据Voronoi图划分战场并通过改进后的蚁群算法静态规划出各无人机的最优航路，具体为：式中，Jthreat，i代表了第i条路径上的威胁代价，Li代表了该条路径的总长度，分别为该条路径上处到障碍物的距离。Jfuel，i＝Li(2)式中，Jfuel，i代表了无人机飞行燃油代价，只与飞行长度有关，因此用路径长度表示。式中，表示的是蚁群算法中，无人机k从节点i转移到另一可以选择的节点k的概率，α代表了信息素的重要程度，与信息素浓度在整体航路规划过程中所发挥的作用成正比。β代表了启发函数重要程度，同理，与启发函数在路径规划过程中发挥作用成正比。ρ表示的是信息素挥发因子其中ηij(t)为启发函数，表示为：式中，JE代表了为下一可选节点到目标终点的距离代价，式(3)中式中τij(t)代表着在某一时刻t从节点i转移至节点j的信息素，其数值大小对于转移概率函数影响较大，表示为...
【专利技术属性】
技术研发人员：杨天开，李佳欢，王新华，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32
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。