一种基于视场约束的反辐射无人机搜索航迹规划方法技术

本发明专利技术提出一种基于视场约束的反辐射无人机搜索航迹规划的方法，解决了反辐射无人机航迹规划中未考虑视场覆盖率的问题。构建三维瞬时视场模型和基于视场覆盖率的动态视场模型，确定视场覆盖率计算方法，基于视场边界栅格化任务区域，计算搜索航迹的视场覆盖率作为搜索航迹评价指标，利用视场覆盖率和航程代价进行加权求和构建适应度函数，最终通过改进的遗传算法生成反辐射无人机的最优搜索航迹，增强了航迹规划的科学性、合理性，可充分发挥反辐射无人机的作战效能。

【技术实现步骤摘要】
一种基于视场约束的反辐射无人机搜索航迹规划方法
本专利技术属于人机
，涉及一种基于视场约束的反辐射无人机搜索航迹规划的方法。
技术介绍
反辐射无人机是一种有效压制和毁伤雷达防空系统、通信中枢等电磁辐射源的新型反辐射武器，无人机头部安装的被动雷达导引头可以实现对作战区域内隐蔽的辐射源信号进行目标搜索、信号截获、识别跟踪的过程，同时被动雷达导引头也对反辐射无人机对目标的搜索加入了视场约束条件。另外反辐射无人机具有“发射后不管”的特点，在搜索阶段只能按预定航迹飞行，因此对反辐射无人机的预先搜索航迹规划提出了较高的要求。目前针对反辐射无人机航迹规划方法没有将视场范围这个特有的约束条件考虑在内，因此这些方法并不能充分的发挥出反辐射无人机的作战效能。目前针对反辐射无人机搜索航迹规划方法主要都是基于路径代价而形成的，所形成的搜索航迹只是实现了航迹距离的优化，但是并没有保证反辐射无人机对目标的覆盖率的优化，从而降低了反辐射无人机的作战效能。附图1给出了一种基于路径代价约束条件下的反辐射无人机搜索航迹规划方法实现流程。该技术是目前最为普遍的反辐射无人机搜索航迹规划的一种实现。其技术实现是先对任务区进行规划建立航迹节点、确定航迹代价，然后基于航迹代价构造适应度函数并代入智能算法，最后利用基于路径代价约束条件下的算法生成搜索航迹。该方法所形成的搜索航迹只是实现了航迹距离的优化，但是并没有保证反辐射无人机对目标的覆盖率的达到最大，降低了反辐射无人机的作战效能。
技术实现思路
为解决上述技术问题，本专利技术提出了一种基于视场约束的反辐射无人机搜索航迹规划方法，其特征在于：所述方法包括如下步骤：步骤一、建立三维瞬时视场模型，确定瞬时视场覆盖范围；其中反辐射无人机搜索航迹上两点间的长度L；步骤二、计算视场覆盖率和计算航线，所述的计算过程还包括以下子步骤：步骤2.1、在搜索航迹上任取n个次级节点作为反辐射无人机的瞬时位置点，每个次级节点对应的子航迹Lf(i)的长度为第i个次级节点的坐标表示为TP(Xi,Yi)，瞬时视场为Si；步骤2.2、根据每个次级节点的瞬时视场Si的约束条件，依次利用射线法判断目标点是否位于次级节点TP(Xi,Yi)的视场Si覆盖范围内，并将每个次级节点TP(Xi,Yi)的瞬时视场规定为对应子航迹Lf(i)的瞬时视场；步骤2.3、若某个辐射源目标的定位点M(x,y)在次级节点TP(Xi,Yi)视场覆盖范围内：则将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数；步骤三、航迹中间节点的选取，以rab作为网格宽度，将任务区域切分为L×M的栅格区，每条边被切分个数分别为n为L长度的边被近边界宽度rab切分的个数，m为P长度的边被近边界宽度rab切分的个数。n,m的结果若有小数点，则向下取整；步骤四、计算无人机搜索航迹中任意相邻两节点之间的距离，该计算由节点的坐标公式求得无人机搜索的航迹总长为，计算该航迹下的视场覆盖率；步骤五、使用遗传算法求出反辐射无人机的最优搜索航迹，其包括以下子步骤：步骤5.1、用排列组合法对航迹节点进行编码，使每个节点只能访问一次；步骤5.2、将视场覆盖率和路径点间的距离作为适应度函数中的适应度因子，并进行加权求和得到适应度函数步骤5.3、定义s行t列的pop矩阵代表种群，随机生成初始种群；其中，pop矩阵的列数t为航迹节点个数加1，；每行最后1个元素表示适应度函数的值，随机生成一个样本的数量为N的初始种群；pop矩阵的前t-1列代表航迹节点的排列；pop矩阵的行数s代表样本中个体的数量；步骤5.4、使用遗传算法生成反辐射无人机的最优搜索航迹。算法中选择算子将种群中适应度最大的个体直接替换适应度最小的个体，交叉算子和变异算子采用有序交叉和倒置变异法，终止条件为循环预定的代数。进一步的，瞬时视场覆盖范围其中，S是反辐射无人机被动雷达导引头瞬时视场覆盖范围；AB、CD是梯形ABCD的上下边；D1D2是梯形ABCD的高；ψ是二分之一反辐射无人机被动雷达导引头水平视场角；Rmax是导引头最远探测距离；Rmin是导引头最近探测距离；H是某瞬时时刻无人机飞行高度；θmin和θmax分别是反辐射无人机被动雷达导引头垂直视场俯仰角最小值和最大值。进一步的，子步骤2.3还包括：辐射源目标的定位点M(x,y)满足约束条件时M(x,y)∈Aeeti,(i＝1,2…n)，将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数：在整条搜索航迹中，目标点在视场约束范围内的线段有N段，线段长度为Lf(i),则视场覆盖率其中，Aeeti为第i个次级节点TP(Xi,Yi)的视场覆盖范围；Lf(i)为第i段的线段长度。进一步的，步骤三还包括：选取每个栅格的几何中心(Xi,Yj)作为无人机搜索的航迹节点，则每个节点的坐标计算公式为：其中，rab为视场的近边界宽度AB的长度；L和H为任务区域的边长；n为L长度的边被rab切分的个数，m为H长度的边被rab切分的个数；X0和Y0为任务区左下角顶点坐标；i为节点的横向编号，j为节点的纵向编号。进一步的，所述的步骤四中的航迹中长和视场覆盖率分别表述为：无人机搜索的航迹距离总长为其中M表示搜索航迹中总的节点数，L(j)表示搜索航迹中第j段航迹长度；反辐射无人机搜索航迹的视场覆盖率将W作为搜索航迹的评价指标。进一步的，子步骤5.2还包括计算适应度函数式中为航迹代价，P0为覆盖率重要度，P1＝1-P0为航迹代价的重要度。本专利技术结合反辐射无人机视场覆盖率，利用改进的遗传算法，增强了航迹规划的科学性、合理性；本专利技术结合了反辐射无人机的特点，可充分发挥反辐射无人机的作战效能。附图说明图1是现有的基于路径代价约束条件下的反辐射无人机搜索航迹规划方法实现流程；图2为本专利技术提出的无人机搜索航迹规划方法实现流程框图；图3是本专利技术的三维瞬时视场模型图；图4是本专利技术的视场覆盖率模型图；图5是本专利技术的任务区域设置效果图；图6是本专利技术的遗传算法流程图；图7是本专利技术的无人机搜索路径的仿真结果图。具体实施方式本申请从实际角度出发，依据反辐射无人机的特点，结合反辐射无人机视场覆盖率，利用改进的遗传算法，增强了航迹规划的科学性、合理性，可充分发挥反辐射无人机的作战效能。以下结合附图2-7对本专利技术的具体实施方式作出详细说明。附图2是本专利技术提出的无人机搜索航迹规划方法实现流程框图。本专利技术的目的是提供一种反辐射无人机搜索航迹规划方法，主要是为了解决反辐射无人机航迹规划中未考虑视场覆盖率的问题。构建三维瞬时视场模型和基于视场覆盖率的动态视场模型，确定视场覆盖率计算方法，基于视场边界栅格化任务区域，计算搜索航迹的视场覆盖率作为搜索航迹评价指标，利用本文档来自技高网...

【技术保护点】
1.一种基于视场约束的反辐射无人机搜索航迹的规划方法，所述方法包括如下步骤：/n步骤一、建立三维瞬时视场模型，确定瞬时视场覆盖范围；其中反辐射无人机搜索航迹上两点间的长度L；/n步骤二、计算视场覆盖率和计算航线，所述的计算过程还包括以下子步骤：/n步骤2.1、在搜索航迹上任取n个次级节点作为反辐射无人机的瞬时位置点，每个次级节点对应的子航迹L

【技术特征摘要】
1.一种基于视场约束的反辐射无人机搜索航迹的规划方法，所述方法包括如下步骤：
步骤一、建立三维瞬时视场模型，确定瞬时视场覆盖范围；其中反辐射无人机搜索航迹上两点间的长度L；
步骤二、计算视场覆盖率和计算航线，所述的计算过程还包括以下子步骤：
步骤2.1、在搜索航迹上任取n个次级节点作为反辐射无人机的瞬时位置点，每个次级节点对应的子航迹Lf(i)的长度为第i个次级节点的坐标表示为TP(Xi，Yi)，瞬时视场为Si；
步骤2.2、根据每个次级节点的瞬时视场Si的约束条件，依次利用射线法判断目标点是否位于次级节点TP(Xi，Yi)的视场Si覆盖范围内，并将每个次级节点TP(Xi，Yi)的瞬时视场规定为对应子航迹Lf(i)的瞬时视场；
步骤2.3、若某个辐射源目标的定位点M(x，y)在次级节点TP(Xi，Yi)视场覆盖范围内：则将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数；
步骤三、航迹中间节点的选取，以rab作为网格宽度，将任务区域切分为L×M的栅格区，每条边被切分个数分别为n为L长度的边被近边界宽度rab切分的个数，m为P长度的边被近边界宽度rab切分的个数。n，m的结果若有小数点，则向下取整；
步骤四、计算无人机搜索航迹中任意相邻两节点之间的距离，该计算由节点的坐标公式求得无人机搜索的航迹总长为，计算该航迹下的视场覆盖率；
步骤五、使用遗传算法求出反辐射无人机的最优搜索航迹，其包括以下子步骤：
步骤5.1、用排列组合法对航迹节点进行编码，使每个节点只能访问一次；
步骤5.2、将视场覆盖率和路径点间的距离作为适应度函数中的适应度因子，并进行加权求和得到适应度函数
步骤5.3、定义s行t列的pop矩阵代表种群，随机生成初始种群；其中，pop矩阵的列数t为航迹节点个数加1，；每行最后1个元素表示适应度函数的值，随机生成一个样本的数量为N的初始种群；pop矩阵的前t-1列代表航迹节点的排列；pop矩阵的行数s代表样本中个体的数量；
步骤5.4、使用遗传算法生成反辐射无人机的最优搜索航迹。算法中选择算子将种群中适应度最大的个体直接替换适应度最小的个体，交叉算子和变异算子采用有序交叉和倒置变异法，终止条件为循环预定的代数。


2.如权利要求1所述的反...

【专利技术属性】
技术研发人员：罗金亮，欧宗伟，任义东，赵铭，杨健，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43