【技术实现步骤摘要】
一种面向复杂地形低空突防航迹规划的改进动态规划方法
[0001]本专利技术涉及一种航迹规划方法,特别是一种面向复杂地形低空突防航迹规划的改进动态规划方法。
技术介绍
[0002]低空航迹规划技术用于生成飞行器低空机动飞行的最优航迹,被广泛应用于军用与民用领域,如低空突防、地形勘察、低空搜救、农药喷洒等。在低空突防飞行任务中,需要保证飞行器能有效规避地形障碍与敌方威胁,并以最小代价完成从起点到终点的低空飞行。因此,低空航迹规划技术是低空突防任务的关键。
[0003]低空航迹规划技术需要建立航迹规划模型和规划求解算法,包括读取复杂地形数据、建立多种约束条件与性能指标函数、设计航迹规划求解算法等,其规划航迹需要保证可行性、安全性与最优性等。国内外学者在该领域已展开了大量研究,提出了一些独特的模型与算法。然而,当前研究的航迹规划问题大多以简单山峰地形环境为主,难以满足真实环境需要,且规划考虑的约束条件也被简化忽略。过于理想化的航迹规划,会使规划的航迹难以满足实际飞行可行性,降低飞行器低空突防任务成功率。因此,当前需要一种适用 ...
【技术保护点】
【技术特征摘要】
1.一种面向复杂地形低空突防航迹规划的改进动态规划方法,其特征在于,包括如下步骤:步骤1、建立离散网格模型描述复杂地形空间,记录网格节点地理位置信息、网格点附近的地形高度信息、地形威胁度信息和防空威胁禁区信息;步骤2、设定飞行器规划航迹的机动角约束,建立多方向多尺度路径搜索模型与包含方位信息的航迹点的存储和索引模式;步骤3、针对所述规划航迹的可行性、安全性和最优性,建立航迹和网格节点的性能指标函数,加权组成低空突防航迹的性能指标;步骤4、根据步骤2中所述的多方向多尺度路径搜索模型,搜索可行路径点,采用步骤3所述的低空突防航迹的性能指标评价航迹点的价值;设计从初始航迹点至结束航迹点的双向规划策略,设计双向规划航迹的结束条件约束,规划得到最优突防航迹中的水平航迹点;步骤5、跟据步骤4中获得的最优突防航迹中的水平航迹点,设置飞行器的俯仰机动约束角,以及最优突防航迹距离地面的安全飞行高度,计算最优突防航迹点位置的地形高度,采用回溯迭代方式解算得到最低突防航迹高度。2.根据权利要求1所述的一种面向复杂地形低空突防航迹规划的改进动态规划方法,其特征在于,步骤1包括:步骤1
‑
1,将复杂地形空间待规划区域沿着地理东向和地理北向划分为等距网格,待规划区域的东向和北向的尺度分别为L
e
和L
n
,选取东向和北向网格点数分别为N
e
和N
n
,网格距离为ΔL,每个网格点采用P
ij
进行标记,i为北向网格坐标,j为东向网格坐标;步骤1
‑
2,对每个网格点P
ij
,计算网格点附近宽度为ΔL/2的地形最高值作为该网格点的高度坐标h
ij
;步骤1
‑
3,计算每个网格点区域的地形威胁度值υ
ij
;步骤1
‑
4,根据防空区分布情况设置防空威胁禁区,将处于防空威胁禁区内的网格坐标点的防空威胁度设为1,处于防空威胁禁区外的防空威胁度设为0。3.根据权利要求2所述的一种面向复杂地形低空突防航迹规划的改进动态规划方法,其特征在于,步骤1
‑
3中所述地形威胁度值υ
ij
为地形遮挡提供给飞行器的反雷达突防程度指标值,具体表示方法包括:提取网格点附近半径为R的圆形区域地形,将该区域划分为等面积的内外两个区域,外圈区域的地形高程值减去内圈区域的地形高程值得到地形遮挡值w
ij
,地形威胁度值υ
ij
表示为:式中,a,b,c为设定的系数值,a,c>0,b<0。4.根据权利要求3所述的一种面向复杂地形低空突防航迹规划的改进动态规划方法,其特征在于,步骤2包括:步骤2
‑
1,针对突防飞行器的机动能力约束,设置规划航迹机动最大方位变化角maxΔγ为:
式中,n
y
为飞行器的最大侧向过载,v为飞行器速度;网格点P
ij
的前项航迹的速度方向为后项航迹的速度方向为由航迹上两个相邻网格点位置确定;网格点P
ij
上的航迹机动角Δγ
ij
为:步骤2
‑
2,根据规划航迹的各个网格点上的机动角Δγ满足约束条件|Δγ|≤maxΔγ,建立多尺度路径搜索模型;步骤2
‑
3,根据步骤2
‑
1中航迹机动角约束,规划路径点的速度方向制约下一步规划路径的选择,采用网格点坐标信息P
ij
(k)和速度方位信息γ
ij
(k)标记路径点信息,k为网格点标记序号;根据步骤2
‑
2中建立的多尺度路径搜索模型,采用前一个路径点坐标P
ij
(k
‑
1)表示速度方位信息;每个网格节点上,同时保存不同速度方位路径点信息,所述路径点信息包含:规划航迹指标、前一个节点信息和前一个节点信息存储索引。5.根据权利要求4所述的一种面向复杂地形低空突防航迹规划的改进动态规划方法,其特征在于,步骤2
‑
2中多尺度路径搜索模型如下:3
×
3模型为传统路径搜索模型,以中心网格点P
ij
搜索周围8个位置点,模型最大相邻机动角Δγ为45
°
;5
×
5路径搜索模型:以中心网格点P
ij
为搜索出发点,在5
×
5的网格临域内搜索16个位置点,除3
×
3模型中的8个位置点外,还包括网格点P
i
±
1,j
±2和网格点P
i
±
2,j
±1;模型最大相邻机动角Δγ为26.6
°
;7
×
7路径搜索模型:以中心网格点P
ij
为搜索出发点,在7
×
7的网格临域内搜索32个位置点,除5
×
5模型中的16个位置点外,还包括网格点P
i
±
1,j
±3、网格点P
i
±
2,j
±3、网格点P
i
±
3,j
±1和网格点P
i
±
3,j
±2;模型最大相邻机动角Δγ为18.4
°
;9
×
9路径搜索模型:以中心网格点P
ij
为搜索出发点,在9
×
9的网格临域内搜索48个位置点,除7
×
7模型中的32个位置点外,还包括网格点P
i
±
1,j
±4、网格点P
i
±
3,j
±4、网格点P
i
±
4,j
±3和网格点P
i
±
4,j
±1;模型最大相邻机动角Δγ为14
°
;11
×
11路径搜索模型:以中心网格点P
ij
为搜索出发点,在11
×
11的网格临域内搜索80个位置点,除9
×
9模型中的48个位置点外,还包括网格点P
i
±
1,j
±5、网格点P
i
±
2,j
±5、网格点P
i
±
3,j
±5、网格点P
i
±
4,j
±5、网格点P
i
±
5,j...
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。