一种基于蚁群算法的航迹规划方法技术

本发明专利技术属于无人机技术领域，具体涉及一种基于蚁群算法的航迹规划方法，本发明专利技术方法将无人机群飞行位置偏转角度作为自变量，将无人机群在指定时刻侦察累积覆盖面积作为算法适应度函数，通过远视躲避障碍物，加入直行允许误差尽量保持直行节省燃料。通过将航迹规划问题与蚁群算法有机结合，能够解决与传统区域覆盖寻优航迹规划情况不同的一种全新的航迹规划问题，即不规定航迹的起点与终点，且要求无人机群以该航迹飞行时实现对指定区域的持续监视覆盖范围最大的航迹规划问题。

A path planning method based on ant colony algorithm

【技术实现步骤摘要】
一种基于蚁群算法的航迹规划方法
本专利技术属于无人机
，具体涉及一种基于蚁群算法的航迹规划方法。
技术介绍
无人机(UAV，UnmannedAerialVehicle)是无人驾驶飞机的简称，具备风险低、成本低、隐蔽性好的特点，在军用以及民用领用均占据了重要的应用地位。无人机航迹规划就是在综合考虑无人机到达时间、油耗、威胁以及飞行区域等因素的前提下，为无人机规划出最优或次优的飞行航迹，以保证圆满地完成飞行任务。在无人机侦查的实际应用中，某些特定任务需要对指定区域进行最大覆盖范围的监视。为了追求高效率的应用，需要由地面指挥中心预先规划出无人机的参考航迹，使得无人机能够根据侦查要求按照参考航迹飞行。因此，无人机覆盖寻优航迹规划技术是无人机飞行任务的重要内容。目前国内外对无人机区域覆盖问题的研究总体较少，其中以对多无人机区域覆盖问题的研究更具有代表性；2006年，Agarwal的研究也采用区域划分的思想，将飞行区域划分成许多矩形子区域，按照每架无人机执行覆盖任务的能力来分配区域，将无人机简化为只允许90度和180度的转弯，但这种覆盖方案的缺点并没有考虑转弯半径；2010年，陈海等人提出了一种凸多边形区域的航迹规划算法，将凸多边形区域的覆盖航迹规划问题转换为求凸多边形宽度的问题，无人机只需沿着宽度出现时的支撑平行线方向进行“Z”字型路线飞行，但是其没有考虑到飞行过程中最小转弯半径对“Z”字形路线的影响。对于躲避障碍物的研究；2012年DongS等人在Voronoi图的基础上使用Dijkstra算法寻找最优航迹，将威胁看作一个点，选取各威胁点之间连线的中垂线的交点为航迹点。这种方法能保证航迹最大化避开各个威胁，安全性高，但航迹较长。并且没有考虑无人机最大转弯角约束，航迹不一定可飞。2016年MainiP等人在可视图的基础上使用Dijkstra算法寻找最短航迹，将多边形障碍的各个顶点看作航迹点，并建立转弯角约束机制。这种方法得到的航迹短，满足无人机最大转弯角约束，但由于航迹贴近障碍物，安全性较低。以上这些区域覆盖航迹规划的方法，大多是针对所要求航迹起始点与终点固定的情况，且是通过切割区域、通过规避障碍、约束油耗以及转弯次数形成最优航迹，使得特定无人机通过“牛耕式”飞行路线实现切割后各个区域的覆盖，以避开防空导弹等障碍物到达飞行目标点为目的，通过相关的航路规划算法计算得到并选择最优或次优的航路轨迹，使得最后飞行的航路不仅满足无人机的飞行约束以及任务时间上的约束，还要满足能够有效避开敌方威胁等障碍物。现有的航迹规划方法所规划的航迹不能起到降低油耗；且在规划航迹的时候对航迹的起始点有要求，操作过程复杂。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于蚁群算法的航迹规划方法。本专利技术要解决的技术问题通过以下技术方案实现：一种基于蚁群算法的航迹规划方法，包括：步骤1，设定可飞区域A，指定可飞区域A内的指定任务监视区域为S，在最大转弯角约束范围内划分L只蚂蚁中LxN架无人机下一时刻预测目标节点，L＞0，N＞0；步骤2，初始化所述LxN架无人机的初始位置和初始偏转角，并根据所述计初始位置和初始偏转角算初始时刻覆盖率；步骤3，根据所述预测目标节点和所述初始偏转角得到全局最优蚂蚁及所述全局最优蚂蚁的信息素；步骤4，根据所述全局最优蚂蚁及所述全局最优蚂蚁的信息素对全局最优蚂蚁中的N架无人机分别进行执行允许误差判断和躲避障碍物判断，得到判断结果，并根据所述判断结果更新全局最优蚂蚁中无人机对应的最优位置偏转角；步骤5，根据所述全局最优蚂蚁中的N架无人机对应的最优位置偏转角得到下一时刻所述全局最优蚂蚁中的N架无人机的航迹位置变化角度；步骤6，判断所述全局最优蚂蚁中的N架无人机是否完成航程，当完成航程，则结束；当未完成航程，则跳转至步骤3。在本专利技术的一个实施例中，所述步骤1包括：1.1，设定可飞区域A，在可飞区域A内指定任务监视区域S；1.2，确定单步规划的时间间隔；1.3，根据无人机当前位置与最大转弯角几何关系，计算出一定时间间隔后无人机达到的预测目标节点。在本专利技术的一个实施例中，所述步骤3包括：3.1，设置蚁群算法蚂蚁数为L，每只蚂蚁的维数为N，得到LxN维初始蚂蚁群；3.2，根据所述初始偏转角计算所述LxN维初始蚂蚁群的初始位置信息和初始适应度值；3.3，存储所述初始位置信息和所述初始适应度值；3.4，根据所述初始偏转角、所述初始位置信息和所述初始适应度值进行蚁群算法的迭代，得到初始信息素；3.5，根据所述初始信息素得到全局最优蚂蚁；3.6，根据所述全局最优蚂蚁得到全局最优蚂蚁的信息素。在本专利技术的一个实施例中，所述步骤3.2包括：3.21，根据初始蚂蚁群中N个无人机的初始偏转角得到第i只蚂蚁初始位置信息，i≤L；3.22，重复3.21得到L只蚂蚁的初始位置信息；3.23，根据第i只蚂蚁可能的位置信息得到对应的初始适应度值；3.24，重复3.23得到L只蚂蚁对应的初始适应度值。在本专利技术的一个实施例中，所述步骤3.4包括：3.41，根据所述初始偏转角、所述初始位置信息和所述初始适应度值更新初始偏转角得到新偏转角，将所述新偏转角带入3.2中得到新位置信息和新适应度值；3.42，判断第i只蚂蚁中是否有无人机的新位置信息相同，当第i只蚂蚁中有若干架无人机的新位置信息不相同时，则根据所述第i只蚂蚁的适应度更新所述初始适应度值；3.43，根据更新后的初始适应度值计算初始信息素。本专利技术的有益效果：本专利技术方法将无人机群飞行位置偏转角度作为自变量，将无人机群在指定时刻侦察累积覆盖面积作为算法适应度函数，通过远视躲避障碍物，加入直行允许误差尽量保持直行节省燃料。通过将航迹规划问题与蚁群算法有机结合，能够解决与传统区域覆盖寻优航迹规划情况不同的一种全新的航迹规划问题，即不规定航迹的起点与终点，且要求无人机群以该航迹飞行时实现对指定区域的持续监视覆盖范围最大的航迹规划问题。附图说明图1是本专利技术实施例提供的一种基于蚁群算法的航迹规划方法的流程框图；图2是本专利技术实施例提供的另一种基于蚁群算法的航迹规划方法的流程框图；图3是本专利技术实施例提供的一种基于蚁群算法的航迹规划方法无人机在固定的时间间隔后能达到位置的示意图；图4是本专利技术实施例提供的一种基于蚁群算法的航迹规划方法的待搜索节点划分示意图；图5是本专利技术实施例提供的一种基于蚁群算法的航迹规划方法初始时刻4架无人机位置图；图6是本专利技术实施例提供的一种基于蚁群算法的航迹规划方法的航迹规划结果图；图7是本专利技术实施例提供的一种基于蚁群算法的航迹规划方法无人机群累积覆盖面积的百分比变化曲线图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。请参见图1，本文档来自技高网...

【技术保护点】
1.一种基于蚁群算法的航迹规划方法，其特征在于，包括：/n步骤1，设定可飞区域A，指定可飞区域A内的指定任务监视区域为S，在最大转弯角约束范围内划分L只蚂蚁中LxN架无人机下一时刻预测目标节点，L＞0，N＞0；/n步骤2，初始化所述LxN架无人机的初始位置和初始偏转角，并根据所述初始位置和初始偏转角算初始时刻覆盖率；/n步骤3，根据所述预测目标节点和所述初始偏转角得到全局最优蚂蚁及所述全局最优蚂蚁的信息素；/n步骤4，根据所述全局最优蚂蚁及所述全局最优蚂蚁的信息素对所述全局最优蚂蚁中的N架无人机分别进行执行允许误差判断和躲避障碍物判断，得到判断结果，并根据所述判断结果更新全局最优蚂蚁中无人机对应的最优位置偏转角；/n步骤5，根据所述全局最优蚂蚁中的N架无人机对应的最优位置偏转角得到下一时刻所述全局最优蚂蚁中的N架无人机的航迹位置变化角度；/n步骤6，判断所述全局最优蚂蚁中的N架无人机是否完成航程，当完成航程，则结束；当未完成航程，则跳转至步骤3。/n

【技术特征摘要】
1.一种基于蚁群算法的航迹规划方法，其特征在于，包括：
步骤1，设定可飞区域A，指定可飞区域A内的指定任务监视区域为S，在最大转弯角约束范围内划分L只蚂蚁中LxN架无人机下一时刻预测目标节点，L＞0，N＞0；
步骤2，初始化所述LxN架无人机的初始位置和初始偏转角，并根据所述初始位置和初始偏转角算初始时刻覆盖率；
步骤3，根据所述预测目标节点和所述初始偏转角得到全局最优蚂蚁及所述全局最优蚂蚁的信息素；
步骤4，根据所述全局最优蚂蚁及所述全局最优蚂蚁的信息素对所述全局最优蚂蚁中的N架无人机分别进行执行允许误差判断和躲避障碍物判断，得到判断结果，并根据所述判断结果更新全局最优蚂蚁中无人机对应的最优位置偏转角；
步骤5，根据所述全局最优蚂蚁中的N架无人机对应的最优位置偏转角得到下一时刻所述全局最优蚂蚁中的N架无人机的航迹位置变化角度；
步骤6，判断所述全局最优蚂蚁中的N架无人机是否完成航程，当完成航程，则结束；当未完成航程，则跳转至步骤3。


2.根据权利要求1所述的基于蚁群算法的航迹规划方法，其特征在于，所述步骤1包括：
1.1，设定可飞区域A，在可飞区域A内指定任务监视区域S；
1.2，确定单步规划的时间间隔；
1.3，根据无人机当前位置与最大转弯角几何关系，计算出一定时间间隔后无人机达到的预测目标节点。


3.根据权利要求1所述的基于蚁群算法的航迹规划方法，其特征在于，所述步骤3包括：
3....

【专利技术属性】
技术研发人员：王彤，王美凤，吴佳丽，王瑛琪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61