【技术实现步骤摘要】
基于MMEA的多无人机协同航迹规划方法
本专利技术属于无人机航迹规划方法
,涉及一种基于MMEA的多无人机协同航迹规划方法。
技术介绍
已有的多模多目标演化算法(MMEA)在解决多模多目标问题(MMOP)上已取得了不错的效果。然而,这些算法通常将不同空间的距离指标集成为新的距离指标,以此来维持种群的多样性。这种集成技术通常需要构造一个复杂的函数,不利于应用与推广。此外,在多模多目标优化算法中,提高目标空间中的多样性使获得的Pareto解集在Pareto最优前沿上分布均匀,提高决策空间的多样性可获得尽可能多的Pareto最优解集。而如何高效且有效地平衡决策空间和目标空间中的距离指标在目前已有的MMEA中尚未得到充分的重视和有效的解决。
技术实现思路
本专利技术的目的是提供一种基于MMEA的多无人机协同航迹规划方法,能为每个无人机寻找到所有符合约束条件的最优航迹。本专利技术所采用的技术方案是,基于MMEA的多无人机协同航迹规划方法,具体按照如下步骤实施:步骤1,建立航迹代价模型;步骤2,建立航迹协同时空约束模型;步骤3,根据步骤1建立的航迹代价模型和步骤2建立的航迹协同时空约束模型,建立多无人机协同航迹规划多目标优化模型;步骤4,求解步骤3建立的多无人机协同航迹规划多目标优化模型,得到多无人机协同的航迹规划。本专利技术的特征还在于,步骤1中的航迹代价模型包括航迹距离代价模型和航迹安全性代价模型;航迹距离代价模型采用公式(1)表示:< ...
【技术保护点】
1.基于MMEA的多无人机协同航迹规划方法,其特征在于,具体按照如下步骤实施:/n步骤1,建立航迹代价模型;/n步骤2,建立航迹协同时空约束模型;/n步骤3,根据步骤1建立的航迹代价模型和步骤2建立的航迹协同时空约束模型,建立多无人机协同航迹规划多目标优化模型;/n步骤4,求解步骤3建立的多无人机协同航迹规划多目标优化模型,得到多无人机协同的航迹规划。/n
【技术特征摘要】
1.基于MMEA的多无人机协同航迹规划方法,其特征在于,具体按照如下步骤实施:
步骤1,建立航迹代价模型;
步骤2,建立航迹协同时空约束模型;
步骤3,根据步骤1建立的航迹代价模型和步骤2建立的航迹协同时空约束模型,建立多无人机协同航迹规划多目标优化模型;
步骤4,求解步骤3建立的多无人机协同航迹规划多目标优化模型,得到多无人机协同的航迹规划。
2.根据权利要求1所述的基于MMEA的多无人机协同航迹规划方法,其特征在于,所述步骤1中的航迹代价模型包括航迹距离代价模型和航迹安全性代价模型;
所述航迹距离代价模型采用公式(1)表示:
其中,fK为航迹路线K的航迹距离,li表示第i个航迹段的长度,n是无人机数量;
已知一条航迹路线为K,无人机沿其航行时,若存在威胁点到该边的距离小于威胁点所对应的威胁半径,则将该边的威胁代价设为无穷大,否则,路径K总威胁代价为所有威胁点到路径K的威胁代价之和,即就是航迹安全性代价模型表示为:
其中,fS表示航迹路线K的航迹安全性,wk为第k个威胁点对路径K威胁代价,m是威胁点个数。
3.根据权利要求2所述的基于MMEA的多无人机协同航迹规划方法,其特征在于,所述第k个威胁点对路径K威胁代价wk的计算方法为:
将每条路径均分为10段,两端的点分别为无人机的起始点和目标点,取中间的5个点来计算这条路径所受到的威胁代价,通过式(3)计算各威胁点的威胁代价:
式中,Kij为路径K的长度;d0.1,k表示第k个威胁区域中心距离在Kij边上的1/10分点的距离,d0.3,k表示第k个威胁区域中心距离在Kij边上的3/10分点的距离,d0.5,k表示第k个威胁区域中心距离在Kij边上的5/10分点的距离,d0.7,k表示第k个威胁区域中心距离在Kij边上的7/10分点的距离,d0.9,k表示第k个威胁区域中心距离在Kij边上的9/10分点的距离,tk为第k个威胁源的威胁等级。
4.根据权利要求2所述的基于MMEA的多无人机协同航迹规划方法,其特征在于,所述步骤2具体为:
步骤2.1,建立空间协同约束模型,具体按照公式(4)表示:
||Pu(t)-Pj(t)||≥dSafe,u≠j(4)
其中,Pu(t)为第u架无人机在时刻t的位置,Pj(t)为第j架无人机在时刻t的位置,dSafe为各无人机之间的安全间隔;
步骤2.2,建立时间协同约束模型,具体为:
若各无人机的航行时间区间含有交集,则认为多无人机拥有同时到达的可能性,假设无人机i的速度区间为vi=[vimin,vimax],vimin、v...
【专利技术属性】
技术研发人员:王彬,任露,江巧永,梁怡萍,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:陕西;61
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。