[發明專利]一種基于序列小生境粒子群算法的無人機多航跡規劃方法

有效

• 申請號: 201610041416.7
• 申請日: 2016-01-21
• 公開（公告）號: CN105700549B
• 公開（公告）日: 2018-09-25
• 發明（設計）人: 龍騰;蔡祺生;王祝;寇家勛;溫永祿
• 申請（專利權）人: 北京理工大學
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 北京理工正陽知識產權代理事務所(普通合伙) 11639
• 代理人: 毛燕

1.一種基于序列小生境粒子群算法的無人機多航跡規劃方法，其特征在于包括步驟如下：

步驟1獲取無人機飛行環境設定以及無人機飛行性能參數；

步驟2構建航跡規劃求解模型，包含以下兩個步驟；

步驟2.1確定粒子的編碼方式

基于序列小生境粒子群算法求解無人機多航跡規劃問題過程中，種群中的每個粒子表示一條備選航跡，每條航跡又包括一定數量的航跡點，故而每一個粒子x表征一組航跡點坐標；

步驟2.2構造的代價函數包括航跡長度、平均飛行高度；約束條件包括轉彎角約束、爬升角約束、最短航跡段約束、威脅約束與地形約束；

步驟3航跡規劃問題的環境初始化設置，包括規劃區域邊界，起始點和目標位置，威脅位置及其大小，以及所需規劃的航跡數目K，并令已規劃航跡數量i＝0；

步驟4粒子群算法初始設置，包括最大迭代次數與種群規模；并通過設計，計算得到所需使用的小生境半徑r；

步驟5使用拉丁超方試驗設計方法生成初始粒子種群，拉丁超方是一種試驗設計中的樣本生成方法；

步驟6判斷i是否等于0，若是轉步驟7；否則轉步驟10；

步驟7計算每個粒子的代價函數值，保存pBest和gBest，及其相應位置；粒子根據記憶追蹤兩個極值在解空間內進行搜索：一個是粒子本身找到的最優解pBest，另一個是整個種群找到的最優解gBest；

步驟8根據pBest和gBest更新粒子的速度矢量，并根據速度矢量更新粒子位置；

步驟9判斷粒子是否收斂，若是，輸出最優航跡解x，且令i＝i+1，并記錄此解航跡為s_i；否則轉步驟7；

步驟10判斷i是否等于K；若是，算法終止并輸出多航跡結果；否則修改更新解航跡s_i附近小生境半徑區域r內的代價函數值，并返回步驟7；

至此，就實現了基于序列小生境粒子群算法的無人機多航跡規劃過程。

2.根據權利要求1所述的一種基于序列小生境粒子群算法的無人機多航跡規劃方法，其特征在于：所述步驟4中，針對無人機的多航跡規劃問題設計了一種小生境半徑r的確定方法，確定半徑的公式如下：

式中，D為設計變量的維度；P為每條航跡的航點個數；S為規劃區域的面積大小。

3.根據權利要求1所述的一種基于序列小生境粒子群算法的無人機多航跡規劃方法，其特征在于，所述步驟10中代價函數的更新公式如下：

Π_n+1(x)＝Π_n(x)×G(x，s_n，)

式中，Π_n+1(x)為搜索第n+1個航跡時使用的代價函數；Π_n(x)為搜索第n個最優航跡時使用的代價函數；G(x，s_n)為指數縮減函數，其表達式如下：

式中m為縮減系數，應取大值，才能保證代價函數值在小生境范圍內改變而在下一次迭代中不再吸引粒子，根據經驗m取值為100；式中距離d(x,s_n)表示當前航跡和之前找到的較優航跡s_n之間的歐式距離。

4.根據權利要求3所述的一種基于序列小生境粒子群算法的無人機多航跡規劃方法，其特征在于，所述步驟10中的d(x,s_n)的計算步驟如下：

步驟10.1對起始點到目標點的x坐標區間進行P+1等分；

步驟10.2在步驟10.1的等分線上，分別對之前局部最優解航跡s_n和當前最優航跡x進行插值計算，得到兩組航跡特征點；

步驟10.3根據上述兩組航跡特征點，計算兩組點間對應的歐式距離，并求和得到d(x,s_n)。