本发明专利技术涉及一种无人直升机多目标贴近测量的航线规划方法，其步骤为：构建单个、多个监测目标的地形威胁模型，计算单目标地形威胁模型的压缩平行航线集和微地形特征集，解缠压缩平行航线集，构建单目标三维飞行航线集，结合微地形特征集优化单目标飞行航线，计算单目标最优飞行航线，采用旅行商方法改进单目标最优飞行航线，实现多目标航线综合优化。本发明专利技术是考虑到多层次地形威胁特征、多目标检测的飞行安全性等的航线选优问题。其算例结果表明，利用加入多层次地形特征的航线优化算法在复杂地形环境下能实现多监测目标的最优航线规划，该方法能够给无人直升机提供有效航线规划服务同时提高了无人机飞行的效率。务同时提高了无人机飞行的效率。
【技术实现步骤摘要】
一种无人直升机多目标贴近测量的航线规划方法
[0001]本专利技术属于无人直升机航线规划领域，涉及到使用无人直升机性能和多目标监测等信息规划出最优飞行航线方法，具体是一种无人直升机航线规划方法。
技术介绍
[0002]到目前为止，国内外在复杂地形环境下多目标贴近监测的航线规划方面的研究还比较初步，尚没有形成完整而系统的无人直升机贴近监测的飞行航线规划方法。复杂地形环境的无人直升机多目标快速航线规划目前还没有得到很好的解决，如何能应用多层地形特征来规划多目标快捷、高效的三维飞行航线，实现多监测目标单次监测是亟待解决的问题，此问题的解决无论对军用无人直升机还是民用无人直升机都具有极其重要的应用价值。
技术实现思路
[0003](1)构建单个、多个观测目标的地形威胁模型，数学描述如下：
[0004]首先利用公式(1)～(3)构建第i个监测目标的地形威胁模型值zs(i)和：
[0005][0006][x，y]＝meshgrid(xl，yl)
ꢀꢀꢀꢀ
(2)
[0007]xl，yl＝1：1：CA
ꢀꢀꢀꢀꢀꢀ
(3)
[0008]上述公式中，zs(i)、n分别表示第i个监测目标的地形威胁模型值和监测目标总数，e是指数函数，Cx、Cy、Ch和CA分别表示单监测目标地形威胁的三维坐标x、y、z的调整系数和规划空域平面范围；x、y分别表示横、纵向坐标的空域离散矩阵，meshgrid表示向量创建离散矩阵函数；
[0009]其次利用公式(4)～(7)构建综合多个观测目标的地形威胁模型值z：
[0010]x0＝fix(rand(1，n)*CA)+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0011]y0＝fix(rand(1，n)*CA)+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0012]z0＝fix(rand(1，n)*CA)+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0013]z＝sum([zs(1)，zs(2)，...zs(n)])
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0014]公式(4)～(7)中，x0、y0、z0分别表示第i个监测目标的地形威胁模型的中心点三维坐标，平面坐标单位为公里，高程坐标单位为米，fix、rand、sum分别表示取整、生成随机数和求和的函数，z是综合多个观测目标的地形威胁模型值，符号“:”为生成等差序列的运算符号，符号“[]”为矩阵的标识符；
[0015](2)计算单目标地形威胁模型的压缩平行航线集和微地形特征集：
[0016]利用公式(8)～(10)得到第i个监测目标的地形威胁模型的压缩平行航线集c(i)和微地形特征集pg(i)：
[0017][c(i)，h(i)]＝contour(zs(i))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0018][px(i)，py(i)]＝gradient(zs(i)，1，1)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0019]pg(i)＝[px(i)，py(i)]ꢀꢀꢀꢀꢀꢀꢀ
(10)
[0020]公式((8)～(10)中，c(i)、h(i)分别为第i个监测目标的地形威胁模型的压缩平行航线集和平面航线集对应的高程集，contour，gradient分别为求压缩平行航线集和求压缩平行航线集的函数，pg(i)、px(i)、py(i)分别为第i个监测目标地形威胁模型的微地形特征集及其在x和、y坐标矩阵的分量；
[0021](3)解缠压缩平行航线集，构建单目标三维飞行航线集：
[0022]利用公式(11)～(14)得到第i个监测目标的地形威胁模型平面飞行航迹及其三维飞行航迹：
[0023]tempxy＝c([1，2]，i+1：i+c(2，i))
ꢀꢀꢀꢀꢀꢀ
(11)
[0024]temp＝[tempxy；c(1，i)*ones(1，size(tempxy，2))]ꢀꢀꢀꢀꢀꢀ
(12)
[0025]s3d＝[s3d{1}，s3d{2}，...，s3d{i}，...s3d{n}]ꢀꢀꢀꢀꢀꢀ
(13)
[0026]s3d{i}＝temp
ꢀꢀꢀꢀꢀꢀ
(14)
[0027]公式(11)～(14)中，tempxy、temp、s3d分别为单目标平面航线点集及其对应的三维航线点集、多目标三维航线点集，ones、size分别为生成单元矩阵和求矩阵大小的函数，{}为单元矩阵的表示符号；
[0028](4)结合微地形特征集优化单目标飞行航线，计算单目标最优飞行航线pl：
[0029]利用公式(15)～(18)得到单目标的地形威胁模型平面飞行航迹xi、yi及其优化后的三维飞行航迹pl：
[0030]xi＝fix(temp(1，：))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0031]yi＝fix(temp(2，：))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0032]zi＝temp(3，：)+1/sqrt(px(xi，yi)2+py(xi，yi)2)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0033]pl＝[xi，yi，zi]ꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0034]公式(15)～(18)中，fix，sqrt分别为取整和开方的函数，xi、yi、zi分别表示经过结合微地形特征集优化单目标飞行航线在x轴、y轴和z轴的坐标分量，其单位分别为千米、千米和米，pl为计算出的单目标最优飞行航线；
[0035](5)采用旅行商方法改进单目标最优飞行航线，实现多目标航线综合优化：
[0036]最后利用公式(19)～(20)对计算单目标最优飞行航线pl采用基于遗传算法的旅行商方法计算得到多目标最优三维飞行航线pls：
[0037]bp＝GATSP(pl)
ꢀꢀꢀꢀꢀꢀ
(19)
[0038]pls＝pl(bp）
ꢀꢀꢀꢀꢀꢀ
(20)
[0039]公式(19)～(20)中，GATSP为遗传算法规划旅行商问题的函数，bp、pls分别为GATSP函数选择的航程最短多监测目标的序号优化序列和优化后的多目标飞行航线集。
[0040]本专利技术与现有技术相比，其优点在于：
[0041]a.实现复杂地形环境下多目标贴近监测的无人直升机快速航线规划。采用构建包含单目标地形威胁模型的压缩平行航线集和微地形特征集的双重地形威胁航线规划方法，为提高无人直升机效率的问题提供了一种有效的方法。
[0042]b.利用基于遗传算法的旅行商方法进行的复杂环境下多目标监测飞行航线优化。利用遗传算法的旅行商通过设置航程最短的惩罚函数得到较短多目标航线的特点，在复杂地形环境下实现飞行航线的快速生成，及精细威胁回避方面具有重要的作用。
具体实施方式
[0043]下面结合本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种无人直升机多目标贴近测量的航线规划方法，其特征采用以下实现步骤：(1)构建单个、多个观测目标的地形威胁模型，数学描述如下：首先利用公式(1)～(3)构建第i个监测目标的地形威胁模型值zs(i)和：[x，y]＝meshgrid(xl，yl)
ꢀꢀꢀꢀ
(2)xl，yl＝1：1：CA
ꢀꢀꢀꢀ
(3)上述公式中，zs(i)、n分别表示第i个监测目标的地形威胁模型值和监测目标总数，e是指数函数，Cx、Cy、Ch和CA分别表示单监测目标地形威胁的三维坐标x、y、z的调整系数和规划空域平面范围；x、y分别表示横、纵向坐标的空域离散矩阵，meshgrid表示向量创建离散矩阵函数；其次利用公式(4)～(7)构建综合多个观测目标的地形威胁模型值z：x0＝fix(rand(1，n)*CA)+1
ꢀꢀꢀꢀ
(4)y0＝fix(rand(1，n)*CA)+1
ꢀꢀꢀꢀ
(5)z0＝fix(rand(1，n)*CA)+1
ꢀꢀꢀꢀ
(6)z＝sum([zs(1)，zs(2)，...zs(n)])
ꢀꢀꢀꢀ
(7)公式(4)～(7)中，x0、y0、z0分别表示第i个监测目标的地形威胁模型的中心点三维坐标，平面坐标单位为公里，高程坐标单位为米，fix、rand、sum分别表示取整、生成随机数和求和的函数，z是综合多个观测目标的地形威胁模型值，符号“：”为生成等差序列的运算符号，符号“[]”为矩阵的标识符；(2)计算单目标地形威胁模型的压缩平行航线集和微地形特征集：利用公式(8)～(10)得到第i个监测目标的地形威胁模型的压缩平行航线集c(i)和微地形特征集pg(i)：[c(i)，h(i)]＝contour(zs(i))
ꢀꢀꢀꢀ
(8)[px(i)，py(i)]＝gradient(zs(i)，1，1)
ꢀꢀꢀꢀ
(9)pg(i)＝[px(i)，py(i)]
ꢀꢀꢀꢀ
(10)公式((8)～(10)中，c(i)、h(i)分别为第i个监测目标的地形威胁模型的压缩平行航线集和平面航线集对应的高程集，contour，gradient分别为求压缩平行航线集和求压缩平行航线集的函数，pg(i)、px(i)、py(i)分别为第i个监测目标地形威胁模型的微...
【专利技术属性】
技术研发人员：刘丽峰，胡占有，韩保民，邹恩宇，张强，
申请(专利权)人：山东理工大学，
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。