【技术实现步骤摘要】
基于飞行状态划分的非合作无人机轨迹分布预测方法
[0001]本专利技术属于无人机交通管理
，具体涉及一种基于飞行状态划分的非合作无人机轨迹分布预测方法。
技术介绍
[0002]随着无人机在各行业的迅速普及，低空无人机发展迅速且飞行需求与日俱增，空中交通活动日趋频繁。对无人机轨迹预测技术的研究，可以推动无人机在有限的低空空域安全、有序、高效地运行，计算无人机在空域中某一时刻的轨迹分布是构建危险行为识别模型的基础。
[0003]现有轨迹预测方法大多得到无人机未来的位置估计点，而非无人机所在的位置区间，在进行无人机运行安全风险分析时(入侵固定区域或冲突风险判断)，有可能会因为该位置预测结果存在的误差而忽略原本的危险行为，或产生虚警。此外，现有无人机的轨迹分布预测大多依据轨迹可达最大范围或部分已知条件约束下的轨迹可达范围，而在实际需要实时轨迹预测的任务场景中，可能面向的是首次出现的非合作类目标，其身份信息在实施监控管理时往往是未知的，对该类无人机操纵者的意图进行建模预估十分困难。
技术实现思路
[0004]针对于上述现有技术的不足，本专利技术的目的在于提供一种基于飞行状态划分的非合作无人机轨迹分布预测方法，以解决现有技术中的轨迹预测方法在面向非合作类目标时无人机操纵者的意图难以预估、未来轨迹点预测精度不高导致漏警或虚警的问题；本专利技术方法通过无人机初始飞行状态划分，结合概率分布预测替代未来轨迹点位预测，生成轨迹分布空间，减少漏警、虚警的发生，同时缩小了非零概率的轨迹空间范围，实现更加精准的轨迹...
【技术保护点】
【技术特征摘要】
1.一种基于飞行状态划分的非合作无人机轨迹分布预测方法，其特征在于，步骤如下：(1)针对所选监控空域的范围，构建栅格化空域；(2)划分无人机飞行状态：依据无人机在初始时刻的飞行状态，将无人机的飞行状态划分为悬停状态和运动状态，设定无人机轨迹分布预测参数；(3)筛选相似轨迹数据集，构建基于数据迁移的轨迹预测模型；(4)生成轨迹可达空间：根据步骤(2)中划分的无人机飞行状态，求解无人机在预测时刻所有可能的轨迹位置的集合，作为具有闭合边界的区域，生成无人机在预测时刻的轨迹可达空间；(5)索引轨迹覆盖栅格坐标：将步骤(4)生成的轨迹可达空间在栅格化空域中近似表达为其覆盖的栅格集合，求解所覆盖的栅格在空域笛卡尔坐标系中的坐标；(6)生成轨迹概率分布：求解监测时刻无人机位于空域笛卡尔坐标系中各栅格的概率，得到栅格集合相对应的概率分布。2.根据权利要求1所述的基于飞行状态划分的非合作无人机轨迹分布预测方法，其特征在于，所述步骤(1)中的监控空域范围以左下角为原点建立空域笛卡尔坐标系LL，通过设定x轴和y轴的栅格数量，将空域划分为带有唯一坐标的栅格集合，栅格坐标为(i,j)表示该栅格是空域x轴方向第i个，y轴方向第j个栅格，每个栅格保存的信息包括：栅格中心点和四个顶点在空域笛卡尔坐标系LL中的坐标。3.根据权利要求2所述的基于飞行状态划分的非合作无人机轨迹分布预测方法，其特征在于，所述步骤(2)的具体过程如下：(21)划分无人机飞行状态；依据无人机在初始时刻的飞行状态，将无人机的飞行状态划分为悬停状态和运动状态；(22)设定无人机轨迹分布预测参数；(221)设定无人机飞行初始速度；针对无人机在轨迹预测过程中的初始速度，设定悬停状态初始速度绝对值为零，运动状态初始速度绝对值大于零；(222)设定无人机最大飞行地速及最大水平加速度；根据无人机的出厂性能参数，预估无人机的静风下最大允许飞行速度均小于30m/s，设定最大飞行地速为30m/s，最大水平加速度为6m/s2；(223)设定无人机轨迹预测时长；根据步骤(222)中设定的无人机的最大飞行地速、最大水平加速度、最大静风速度和无人机危险行为识别的预先时间需求，设定预测时长大于无人机从悬停状态以最大水平加速度加速到最大飞行地速需要的时间。4.根据权利要求1所述的基于飞行状态划分的非合作无人机轨迹分布预测方法，其特征在于，所述步骤(3)的具体过程如下：(31)筛选相似轨迹数据集；采集非合作类无人机的轨迹片段，根据已有的合作类无人机轨迹数据集，通过飞行速度方差和累积航向改变量来表达无人机轨迹的潜在特征，进而描述每段轨迹飞行状态的稳定性，基于飞行速度方差和累积航向改变量数值的相似，衡量轨迹之间的距离，筛选出与非
合作无人机轨迹相似的轨迹数据集；(32)构建基于数据迁移的轨迹预测模型；利用步骤(31)中筛选出的相似轨迹数据集作为D
‑
GRU轨迹预测模型的训练样本，将训练后的D
‑
GRU轨迹预测模型视为基于数据迁移的轨迹预测模型。5.根据权利要求4所述的基于飞行状态划分的非合作无人机轨迹分布预测方法，其特征在于，所述步骤(4)的具体过程如下：(41)时空约束布朗桥；针对步骤(21)中划分的不同飞行状态下无人机的运动特点，依据截断布朗桥表示出t时刻无人机的位置为(x(t)，y(t))时，x(t)服从截断概率密度函数：t时刻无人机在轨迹可达空间内到达坐标对任意的y(t)服从截断概率密度函数：此外，无人机在轨迹可达空间内到达坐标的概率为：式中，(x(t)，y(t))为t时刻无人机的位置，对于正态分布X～N(μ，σ2)，为概率密度函数，Φ(x)为分布函数，U
x
(t)、U
y
(t)为x，y方向的上边界，L
x
(t)、L
y
(t)是x，y方向的下边界；(42)初始悬停状态下无人机轨迹可达空间；对于初始时刻处于悬停状态的无人机，在预测时刻的轨迹可达空间为一个圆，圆心为初始时刻的位置，半径为到预测时刻的最大飞行距离，最大飞行距离包含加速飞行距离和以最大飞行速度匀速飞行距离两部分；(43)初始运动状态下无人机轨迹可达空间；(431)确定最小转弯半径；依据无人机在设计时允许的最大过载系数得到其最小转弯半径：式中，R
min
为无人机的最小转弯半径，g表示重力加速度，|v0|表示开始转弯时无人机的飞行速度大小，n
max
为最大过载系数，设定具有初始速度的无人机在初始时刻开始转弯，转弯时初始速度保持大小不变，只改变方向；(432)设定转弯角度的方向；将转弯前后无人机速度方向之差定义为转弯角度，右转弯时，转弯角度为正；左转弯时，转弯角度为负；保持初始速度方向不变时，转弯角度为0；
(433)建立无人机笛卡尔坐标系；以初始时刻无人机位置为坐标原点，无人机的初始速度的方向为纵轴Y的正向，机身右侧为横轴X的正向，建立无人机笛卡尔坐标系OXY；(434)按照不同运动阶段分析轨迹可达空间；基于步骤(433)中建立的坐标系，对无人机转弯阶段按照步骤(432)中转弯角度的方向求解无人机转弯结束后的坐标；对于无人机加速阶段，设定由初始速度以最大水平加速度加速到最大飞行速度；对于无人机匀速飞行阶段，则以最大飞行速度匀速飞行；求解无人机在预测时刻即匀速飞行阶段最后的位置；(435)离散化轨迹可达空间的边界；预测时刻无人机的轨迹可达空间边界由转弯角度在区间(
‑
360,360)下无人机在该时刻的边界坐标集合生成，离散化转弯角度，将转弯角度以等间隔度数进行采样，前一飞行阶段的终点为后一阶段的起点生成轨迹可达空间；(436)清除轨迹可达空间重叠区域；求解无人机在转弯和加速运行的时间长度内，其飞行轨迹首次出现交点时加速轨迹的转弯角度大小：式中，s
a
为无人机加速阶段的飞行距离，R
min
为无人机的最小转弯半径；清除过大角度转弯时出现重叠的轨迹可达空间；(437)重新生成不同运动阶段的轨迹可达空间；将步骤(436)中得到的转弯角度区间以等间隔度数进行采样，生成初始运动在不同阶段覆盖的轨迹可达空间。6.根据权利要求5所述的基于飞行状态划分的非合作无人机轨迹分布预测方法，其特征在于，所述步骤(5)的具体过程如下：(51)初始悬停状态轨迹覆盖栅格坐标索引；(511)生成初始覆盖空间；依据步骤(42)中圆的外接正方形生成初始覆盖空间，保存外接正方形左上，左下，右上，右下四个顶点坐标集合；(512)扩展初始覆盖空间；基于步骤(511)中初始覆盖空间边界可能出现栅格覆盖不完整的情况，对于x，y方向下边界的栅格坐标向下求整，对于上边界的栅格坐标向上求整得到扩展后的覆盖空间；(513)求解栅格集合在栅格化空域笛卡尔坐标系LL中的坐标集合；遍历步骤(512)中覆盖空间包含的栅格，保留栅格中心到无人机初始位置的距离小于或等于最大飞行距离的栅格，得到栅格集合在栅格化空域笛卡尔坐标系LL中的坐标集合；(52)初始运动状态轨迹覆盖栅格坐标索引；(521)构建离散边界坐标集合；基于无人机初始时刻运动状态，得到预测时刻其轨迹可达空间基于步骤(433)中无人机笛卡尔坐标系OXY中的离散边界坐标集合；
(522)坐标系转换；针对步骤(521)无人机笛卡尔坐标系OXY中的每一个离散边界坐标(x
c，β
，y
c，β
)，转换到步骤(1)中栅格所在的空域笛卡尔坐标系LL中的坐标(x
Lc，β
，y
Lc，β
)：式中，α
L，o
表示由空域笛卡尔坐标系LL逆时针旋转到无人机笛卡尔坐标系OXY的角度，初始时刻无人机位置坐标为(x
o
，y
o
)，得到空域笛卡尔坐标系LL上的边界坐标集合；(523)求得覆盖空间；按照步骤(511)生成初始覆盖空间，然后根据步骤(512)扩展初始覆盖空间，即得到轨迹可达空间最小整数化栅格包含的覆盖空间；(524)曲线拟合圆方程；基于步骤(43)得到的轨迹可达空间，将栅格中心坐标(x
Lck
,y
Lck
)转移到无人机笛卡尔坐标系OXY中的(x
ck
,y
ck
)：式中，α
L,O
表示由空域笛卡尔坐标系LL逆时针旋转到无人机笛卡尔坐标系OXY的角度，初始时刻无人机位置坐标为(x
o
,y
o
)，进而计算无人机笛卡尔坐标系OXY中(x
ck
,y
ck
)与无人机初始位置O(0,0)点的连线与Y正轴的夹角β
r,o
：式中，(x
ck
,y
ck
)为任意栅格ck的中心在无人机笛卡尔坐标系OXY中的坐标，β
r,o
∈[
‑
180,180]，进而通过最小二乘法构建圆弧拟合模型fit：(x
ck,c
,y
ck,c
)＝fit({x
c,β
,y
c,β
}),β∈[β
r,o
‑
ε,β
r,o
+ε]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)模型输入为无...
【专利技术属性】
技术研发人员：羊钊，李娜，唐荣，朱仁伟，曾维理，包杰，丛玮，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。