【技术实现步骤摘要】
一种基于气象预报信息的直升机航路规划方法
[0001]本专利技术属于计算智能领域,特别涉及一种基于气象预报信息的直升机航路规划方法。
技术介绍
[0002]目前,人们通常采用直升机在低空环境下执行突防、侦查、吊装等任务,恶劣天气对于飞行器飞行的安全威胁是极其严重的,据有关资料显示,每7起飞机或飞行器失事就有一起是由于恶劣天气导致。因此,在直升机的航路规划中,需要将气象因素考虑在内。
[0003]直升机航路规划指的是在特定约束条件下,找到满足其机动性能及环境信息限制的最优飞行轨迹,是在给定数字地图、飞行器参数、飞行任务的情况下,按照某种性能指标,在数字地图上方的某个离地高度上规划出一条最优三维轨迹。
[0004]目前有采用粒子群算法进行直升机的航路规划。粒子群算法是一种群体智能的优化算法。算法中每个粒子都代表问题的一个潜在解,每个粒子对应一个由适应度函数决定的适应度值。粒子的速度决定了粒子移动的方向和距离,速度随自身及其他粒子的移动经验进行动态调整,从而实现个体在解空间中的寻优。粒子群算法首先在解空间中初始化一群粒子,每个粒子都代表极值优化问题的一个潜在最优解,用位置、速度和适应度值三项指标表征该粒子,适应度值由适应度函数计算而来,其值的好坏代表粒子的优劣。粒子在解空间中运动,通过跟踪个体极值和群体极值来更新个体位置。个体极值指的是个体粒子搜索到的适应度值最优位置,群体极值是指种群中的所有粒子搜索到的适应度最优位置。粒子每更新一次位置,就计算一次适应度值,并且通过比较新粒子的适应度值和个体极值、群体极值 ...
【技术保护点】
【技术特征摘要】
1.一种基于气象预报信息的直升机航路规划方法,其特征在于,包括以下步骤:步骤1,根据直升机的起始点、任务点和终止点进行航行空间构造;步骤2,在构造的航行空间内进行环境信息建模,所述环境信息包括气象预报信息和几何信息;步骤3,根据环境信息进行起始点、任务点和终止点的可行性分析;步骤4,在满足可行性条件下,采用粒子群算法进行起始点至任务点以及任务点至终点的航路规划;步骤5,根据规划路径结果进行燃油预估;步骤6,根据燃油预估结果进行任务区域最大作业时长计算;步骤7,输出规划路径、剩余油耗以及任务区域最大作业时长的计算结果。2.根据权利要求1所述的一种基于气象预报信息的直升机航路规划方法,其特征在于,步骤1的方法如下:采用墨卡托投影将起始点、任务点、终止点进行经纬度坐标转换,结合起始点、任务点、终止点坐标信息计算所处区域范围,并将其扩大一定范围作为航行空间范围。3.根据权利要求1所述的一种基于气象预报信息的直升机航路规划方法,其特征在于,步骤2的方法如下:采用栅格法将航行空间内的气象预报信息离散化处理;采用几何建模方式将航行空间内的禁航区、高度障碍物进行几何信息提取。4.根据权利要求1所述的一种基于气象预报信息的直升机航路规划方法,其特征在于,步骤3的方法如下:判断起始点、任务点和终止点的气象预报信息是否满足安全性要求,三点是否在禁航区内,是否离高度障碍物过近,若不满足规划要求,则输出决策原因。5.根据权利要求1所述的一种基于气象预报信息的直升机航路规划方法,其特征在于,步骤4中,起始点至任务点以及任务点至终点的航路规划方法相同,包括如下步骤:(1)粒子群初始化假设粒子群算法的解空间为M=[m1,m2,...,m
N
],其中,m
i
代表一条规划路径,i∈{1,2,..N.,,N表示粒子群种群个数;每条规划路径由若干路径节点构成,每个路径节点信息用经纬高信息表征,因此,粒子群初始化指的是每条路径的路径节点其经纬度初始化;(2)确定惩罚设置方式及适应度函数设置适应度函数S=C
·
D,其中,C为经过禁航区、雷雨区、风速过大区、高度障碍物的惩罚,设置初始值为1,D为规划路径欧式距离,计算时采用墨卡托投影将经纬度坐标转换为笛卡尔坐标系下的坐标,再进行路径欧式距离计算;(3)迭代更新更新粒子的速度:其中,为当前粒子i在第g次迭代的速度;k为收缩因子;w表示惯性因子,非负数,用于调节解空间的搜索范围;为当前粒子i在第g
‑
1次迭代的速度;P
ibest
与G
best
分别表示当前粒子i的最优值和全局最优值;c1,c2表示学习因子,用于调节学习最大步长,c1,c2∈(0,4];r1,r2∈(0,1)表示随机数,用于增加搜索随机性;收缩因子k表达式为:
其中,k0为设置的收缩因子系数,T
max
表示最大迭代次数,t为当前迭代次数;惯性因子w表达式为:其中,w
min
和w
max
为待调测试参数,分别表示惯性因子的最小值和最大值,惯性因子w从w
max
到w
min
随迭代次数递减;学习因子c1随迭代次数增加而减小,c2随迭代次数增加而增大,参数变化公式为:...
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。