一种多飞行器协同队形集结方法技术

本公开的多飞行器协同队形集结方法，基于tau引导策略原理，通过添加速度一次项的方法改进tau

【技术实现步骤摘要】
一种多飞行器协同队形集结方法


[0001]本专利技术属于多飞行器协同集结
，具体涉及一种多飞行器协同队形 集结方法。

技术介绍

[0002]在面对复杂环境下的集群作战任务时，飞行器需要进行协同来将复杂任务 进行分解和分配并协调利用资源，队形集结是飞行器协同的一种重要手段。队形 集结是指通过规划航迹使飞行器在向某一队形集结的过程中能够同时或序贯飞 抵指定地点。
[0003]针对多飞行器队形优化问题，目前一般采用航迹规划方法进行求解，主要有 离散航迹规划和连续航迹规划两种。在连续航迹规划问题中，常用的方法有伪谱 法、粒子群算法、tau引导策略。
[0004]目前，常用的tau引导策略包括：tau导数引导策略、tau
‑
G引导策略、tau
‑
J 引导策略。其中，tau导数引导策略只能解决初始为运动状态且终止为静止状态 的运动中，使用范围比较狭窄，并且仅能用于初始时刻就朝向目标位置运动的情 况。tau
‑
G引导策略只能解决初始加速度不为0，运动系统的初始阶段误差较大 的运动中。tau
‑
G和tau
‑
J引导策略只能处理初始速度和终止速度都是0的航迹 运动规划问题，对于初始时刻存在相对运动的情况无法求解。
[0005]传统的多飞行器协同连续航迹规划过程中的存储空间和时间开销较大，多 飞行器协同连续航迹的表达形式也较为复杂。四维航迹不需要进行多飞行器的 速度或航程的再分配，只要多飞行器的航迹在时间维度上满足避碰要求即可，基 于tau引导策略的多飞行器航迹规划方法表达形式简洁、易于优化求解。
[0006]本公开基于改进的tau
‑
J引导策略可以弥补原始tau引导策略中初速度为0 的缺陷，参数限制条件少，约束关系简单，能够应用在初始速度和终止速度都不 是0的多飞行器协同队形集结问题。

技术实现思路

[0007]本专利技术克服了现有技术的不足之一提供了一种多飞行器协同队形集结方法， 能够弥补原始tau引导策略中初速度为0的缺陷，参数限制条件少，约束关系简 单，能够解决在初始速度和终止速度都不是0的多飞行器协同队形集结问题， 实现多飞行器队形在空间和时间上的协同集结。
[0008]根据本公开的一方面，本专利技术提供一种多飞行器协同队形集结方法，所述 方法包括：基于tau引导策略原理，通过添加速度一次项的方法改进tau
‑
J引导策 略；
[0009]根据多飞行器飞行状态的收敛条件，确定所述改进tau
‑
J引导策略的约束条 件；
[0010]根据所述改进tau
‑
J引导策略的约束条件建立所述多飞行器的约束模型，将 罚函数添加到所述多飞行器的约束模型中，通过采用加权的方法对所述多飞行 器的约束模型进行优化，得到所述多飞行器的优化约束模型；
[0011]利用遗传算法对所述多飞行器的优化约束模型进行求解，当求解结果满足 所述多飞行器的优化约束模型的约束条件时，将所求结果分配给所述多飞行 器，所述多飞行器按照集结轨迹规划结果实现多飞行器协同队形集结。
[0012]在一种可能的实现方式中，所述方法还包括，当求解结果不满足所述多飞 行器的优化约束模型的约束条件时，通过增加所述多飞行器的优化约束模型的 航迹约束威胁代价值再次进行所述多飞行器的协同队形集结轨迹规划。
[0013]在一种可能的实现方式中，所述利用遗传算法对所述多飞行器的优化约束 模型进行求解，包括：
[0014]S41：确定所述多飞行器的优化约束模型的变量参数、输入参数和输出参数， 并根据所述变量参数、输入参数和输出参数设计编码方式；
[0015]S42：根据所述多飞行器的优化约束模型的目标函数和约束条件初始化种群 P0，规模为N，N为正整数；
[0016]S43：若所述多飞行器的优化约束模型的目标函数为J，将种群P0中的所有个 体p带入到所述目标函数为J中，求出对应的目标函数值J(p)，将所述对应的目标 函数值J(p)作为适应度值，并令t＝0；
[0017]S44：根据遗传算法的选择概率、交叉概率和变异概率，对父代种群P
t
中相应 个体执行选择、交叉和变异操作，生成子代种群C
t
；
[0018]S45：合并所述父代种群P
t
和子代种群C
t
得到混合种群H
t
，在所述混合种群H
t
中计算所有个体的适应度值，如果在子代种群的最优个体适应度值大于父代种 群的最优个体适应度值，将所述子代种群中最优个体设置为新的精英个体P
t+1
＝ C
t
；
[0019]S46：对所述新的精英个体P
t+1
进行选择、交叉和变异操作，生成新子代种群 C
t+1
；
[0020]S47：当达到遗传算法的终止条件时，输出最新的子代种群中最优个体和对 应的最优个体适应度值，作为所述多飞行器的优化约束模型的结果。
[0021]本公开的多飞行器协同队形集结方法，通过基于tau引导策略原理，通过 添加速度一次项的方法改进tau
‑
J引导策略；根据多飞行器飞行状态的收敛条 件，确定所述改进tau
‑
J引导策略的约束条件；根据所述改进tau
‑
J引导策略的 约束条件建立所述多飞行器的约束模型，将罚函数添加到所述多飞行器的约束 模型中，通过采用加权的方法对所述多飞行器的约束模型进行优化，得到所述 多飞行器的优化约束模型；利用遗传算法对所述多飞行器的优化约束模型进行 求解，当求解结果满足所述多飞行器的优化约束模型的约束条件时，将所求结 果分配给所述多飞行器，所述多飞行器按照集结轨迹规划结果实现多飞行器协 同队形集结。能够弥补原始tau引导策略中初速度为0的缺陷，参数约束关系简 单，解决了在初始速度和终止速度都不是0的多飞行器协同队形集结问题，实 现多飞行器队形在空间和时间上的协同集结。
附图说明
[0022]附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说 明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解 释本申请的技术方案，但并不构成对本申请技术方案的限制。
[0023]图1示出了根据本公开一实施例的多飞行器协同队形集结方法流程图；
[0024]图2示出了根据本公开另一实施例的多飞行器协同队形集结方法流程图；
[0025]图3示出了根据本公开一实施例的步骤S4的方法流程图。
具体实施方式
[0026]以下将结合附图及实施例来详细说明本专利技术的实施方式，借此对本专利技术如 何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解 并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以 相互结合，所形成的技术方案均在本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多飞行器协同队形集结方法，其特征在于，所述方法包括：基于tau引导策略原理，通过添加速度一次项的方法改进tau
‑
J引导策略；根据多飞行器飞行状态的收敛条件，确定所述改进tau
‑
J引导策略的约束条件；根据所述改进tau
‑
J引导策略的约束条件建立所述多飞行器的约束模型，将罚函数添加到所述多飞行器的约束模型中，通过采用加权的方法对所述多飞行器的约束模型进行优化，得到所述多飞行器的优化约束模型；利用遗传算法对所述多飞行器的优化约束模型进行求解，当求解结果满足所述多飞行器的优化约束模型的约束条件时，将所求结果分配给所述多飞行器，所述多飞行器按照集结轨迹规划结果实现多飞行器协同队形集结。2.根据权利要求1所述的多飞行器协同队形集结方法，其特征在于，所述方法还包括，当求解结果不满足所述多飞行器的优化约束模型的约束条件时，通过增加所述多飞行器的优化约束模型的航迹约束威胁代价值再次进行所述多飞行器的协同队形集结轨迹规划。3.根据权利要求1所述的多飞行器协同队形集结方法，其特征在于，所述利用遗传算法对所述多飞行器的优化约束模型进行求解，包括：S41：确定所述多飞行器的优化约束模型的变量参数、输入参数和输出参数，并根据所述变量参数、输入参数和输出参数设计编...

【专利技术属性】
技术研发人员：王玥，尹昊，侯婷婷，刘劲涛，徐东方，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：