基于多域网格的电磁环境中运动对象路径规划方法技术

本发明专利技术提出一种基于多域网格的电磁环境中运动对象路径规划方法，包括，获取目标飞行器的路径规划任务，根据路径规划任务选取合适网格粒度的多域网格；在路径规划任务为静态路径规划时，根据多域网格的电磁信息计算各个网格的被探测概率；根据路径规划任务确定调节因子α；根据调节因子α以及各个网格的被探测概率利用改进的A*算法进行目标飞行器的航路规划。通过本发明专利技术提出的方法，在多域网格的基础上，对电磁场数据进行时空框架建模，同时考量距离因素和安全性因素，对电磁环境中的飞行器进行静态航路规划、动态航路规划和多飞行器协同航路规划。同航路规划。同航路规划。

【技术实现步骤摘要】
基于多域网格的电磁环境中运动对象路径规划方法


[0001]本专利技术属于路径规划领域，具体涉及在电磁空间中的单飞行器静态航路规划、单飞行器动态航路规划以及多飞行器协同航路规划方法。

技术介绍

[0002]路径规划一直是军事领域的热点问题，尤其是在现代战争中，无人机得到广泛应用，单机和多机(集群)的路径规划变得更加重要。无人机(集群)的路径规划需要在三维空间中满足战场上各种复杂的环境和协同性约束，并做到根据外界信息对规划路线进行实时更新，一直以来都是各国科学家着重研究的领域之一。
[0003]求解路径规划的方法可分为数学规划方法、人工势场法、基于图形学的方法和智能优化算法四种。数学规划方法主要包括线性规划和非线性规划方法；人工势场法是在无人机任务规划空间中虚拟出指向目标的引力和远离障碍物的斥力，从而组成人工力场；基于图形学的方法有拓扑法、Dijkstra路径搜索算法、模拟退火算法、栅格法、A*算法、Voronoi图法和随机路标图(PRM)法等；智能优化算法包括遗传算法、粒子群算法、蚁群算法及强化学习等。
[0004]目前，已经发展了许多基于A*算法的无人机三维路径规划算法：2015年占伟伟等人提出了一种利用改进A*算法的无人机航迹规划，综合考虑了航线高度、被探测概率、航线长度等因素，对代价函数进行了改进；2022年卞强等人提出一种新的改进A*算法无人机三维路径规划，将路径危险程度以概率形式加入代价函数，并采用贪婪搜索优化路径，删除冗余节点。
[0005]现有的方法在进行航路规划的时候主要考虑地形遮挡和障碍物遮挡对飞行器航路规划的影响，主要目的是缩短路径，提高计算效率。虽然一些方法在设计算法时考虑到了安全性的问题，但是没有考虑距离因素和安全性因素之间的权衡，缺少与实际战场需求的联系。另外，现有的方法也没有考虑到当电磁环境发生变化时的动态航路规划以及多飞行器同时存在时的协同航路规划问题。
[0006]现有技术在进行路径规划时对于电磁威胁的考虑不足，没有根据实际需求对距离因素和安全性因素的重要性进行权衡，同时，现有的技术主要是静态航路规划问题，对于动态航路规划和多飞行器协同航路规划的研究存在不足。本申请提案要解决的技术问题是在多域网格的基础上，对电磁场数据进行时空框架建模，同时考量距离因素和安全性因素，对电磁环境中的飞行器进行静态航路规划、动态航路规划和多飞行器协同航路规划。

技术实现思路

[0007]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0008]为此，本专利技术的目的在于提出一种基于多域网格的电磁环境中运动对象路径规划方法，用于对单飞行器静态航路规划、单飞行器动态航路规划和多飞行器协同分别进行航路规划。
[0009]为达上述目的，本专利技术第一方面实施例提出了一种基于多域网格的电磁环境中运动对象路径规划方法，包括：
[0010]获取目标飞行器的路径规划任务，根据所述路径规划任务选取合适网格粒度的多域网格；
[0011]在所述路径规划任务为静态路径规划时，根据所述多域网格的电磁信息计算各个网格的被探测概率；
[0012]根据所述路径规划任务确定调节因子α；
[0013]根据所述调节因子α以及所述各个网格的被探测概率利用改进的A*算法进行所述目标飞行器的航路规划。
[0014]另外，根据本专利技术上述实施例的一种基于多域网格的电磁环境中运动对象路径规划方法还可以具有以下附加的技术特征：
[0015]进一步地，在本专利技术的一个实施例中，在根据所述路径规划任务选取合适网格粒度的多域网格之后，还包括：
[0016]在所述路径规划任务不为静态路径规划时，实时模拟所述多域网格的被探测概率；
[0017]在判断为多飞行器时，将其他飞行器出现的网格被探测概率值设置为1；
[0018]利用改进的D*算法进行所述目标飞行器的航路规划。
[0019]进一步地，在本专利技术的一个实施例中，在实时模拟所述多域网格的被探测概率之后，还包括：
[0020]在判断不为多飞行器时，利用改进的D*算法进行所述目标飞行器的航路规划。
[0021]进一步地，在本专利技术的一个实施例中，所述改进的A*算法，包括：
[0022]将A*算法的代价函数改进为：
[0023]f
improved
(n)＝g
improved
(n)+h
improved
(n)
[0024]g
improved
(n)＝(1
‑
ln(1
‑
P(n)))1‑
α
g
α
(n)
[0025]h
improved
(n)＝(1
‑
ln(1
‑
p(n)))1‑
α
h(n)，
[0026]其中，p(n)＝p
i
，是无人机在结点i的被雷达探测到的概率；是沿当前路径从起始点到当前结点无人机至少被发现一次的概率；α∈[0，1]，是距离和安全性间的调节因子。
[0027]进一步地，在本专利技术的一个实施例中，所述改进的D*算法，包括：
[0028]改进D*算法的代价函数为：
[0029]h
improved
(n)＝(1
‑
ln(1
‑
p(n)))h(n)。
[0030]为达上述目的，本专利技术第二方面实施例提出了一种基于多域网格的电磁环境中运动对象路径规划装置，包括以下模块：
[0031]获取模块，用于获取目标飞行器的路径规划任务，根据所述路径规划任务选取合适网格粒度的多域网格；
[0032]第一判断模块，用于在所述路径规划任务为静态路径规划时，根据所述多域网格的电磁信息计算各个网格的被探测概率；
[0033]调节模块，用于根据所述路径规划任务确定调节因子α；
[0034]规划模块，用于根据所述调节因子α以及所述各个网格的被探测概率利用改进的
A*算法进行所述目标飞行器的航路规划。
[0035]进一步地，在本专利技术的一个实施例中，所述第一判断模块，还包括第二判断模块，用于：
[0036]在所述路径规划任务不为静态路径规划时，实时模拟所述多域网格的被探测概率；
[0037]在判断为多飞行器时，将其他飞行器出现的网格被探测概率值设置为1；
[0038]利用改进的D*算法进行所述目标飞行器的航路规划。
[0039]进一步地，在本专利技术的一个实施例中，所述第二判断模块，还包括第三判断模块，用于：
[0040]在判断不为多飞行器时，利用改进的D*算法进行所述目标飞行器的航路规划。
[0041]为达上述目的，本专利技术第三方面实施例提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多域网格的电磁环境中运动对象路径规划方法，其特征在于，包括以下步骤：获取目标飞行器的路径规划任务，根据所述路径规划任务选取合适网格粒度的多域网格；在所述路径规划任务为静态路径规划时，根据所述多域网格的电磁信息计算各个网格的被探测概率；根据所述路径规划任务确定调节因子α；根据所述调节因子α以及所述各个网格的被探测概率利用改进的A*算法进行所述目标飞行器的航路规划。2.根据权利要求1所述的方法，其特征在于，在根据所述路径规划任务选取合适网格粒度的多域网格之后，还包括：在所述路径规划任务不为静态路径规划时，实时模拟所述多域网格的被探测概率；在判断为多飞行器时，将其他飞行器出现的网格被探测概率值设置为1；利用改进的D*算法进行所述目标飞行器的航路规划。3.根据权利要求2所述的方法，其特征在于，在实时模拟所述多域网格的被探测概率之后，还包括：在判断不为多飞行器时，利用改进的D*算法进行所述目标飞行器的航路规划。4.根据权利要求1所述的方法，其特征在于，所述改进的A*算法，包括：将A*算法的代价函数改进为：f
improved
(n)＝g
improved
(n)+h
improved
(n)g
improved
(n)＝(1
‑
ln(1
‑
P(n)))1‑
α
g
α
(n)h
improved
(n)＝(1
‑
ln(1
‑
p(n)))1‑
α
h(n)，其中，p(n)＝p
i
，是无人机在结点i的被雷达探测到的概率；是沿当前路径从起始点到当前结点无人机至少被发现一次的概率；...

【专利技术属性】
技术研发人员：陈波，魏小峰，张亚民，聂开宇，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：