[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

本發明涉及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，屬于無人機多航跡規劃技術領域。該方法首先對所需規劃的問題進行建模，構建航跡代價函數以及約束條件；使用PSO算法對模型進行第一次規劃得到第一組航跡；結合序列小生境技術更新當前最優航跡附近的代價函數模型，增大最優航跡小生境內其它方案的代價值；然后再使用PSO算法對更新后的模型進行下一次規劃，獲得次優航跡；重復上述兩個步驟便可將最初構建的代價函數模型的最優航跡及次優航跡依次找出，當找到足夠數量的航跡時，算法終止并輸出滿足任務要求的多航跡結果。本發明可更好地應對由實際環境變化和未知性導致的單條航跡不可行問題，并能為多無人機協同任務提供預先航跡。

技術領域

本發明涉及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，屬于無人機多航跡規劃技術領域。

背景技術

無人機(Unmanned Aerial Vehicle,UAV)航跡規劃問題是在滿足飛行性能以及地形、威脅等約束條件下，為無人機規劃出一條使飛行航程，到達時間，燃料消耗等代價相對較小的飛行航跡，保證其圓滿完成飛行任務。在實際的航跡規劃過程中，由于實際環境的復雜性，無人機很難事先獲得全部的威脅和環境信息，而且這些因素也可能會實時發生變化，這可能導致預先規劃的單條最優航跡在無人機執行任務時無法使用。另一方面，當多機協同執行任務時，往往需要規劃多條不同的航跡，從不同的方向到達目標區域執行任務。要解決上述問題一種有效的途徑就是使用多航跡規劃方法，預先規劃出多條航跡，然后在執行任務時根據不同需要臨時決定適合的航跡或多機協同航跡。

無人機的多航跡規劃方法一般直接采用多峰值函數優化的方法從而生成多條相對較優的航跡。目前對于此類多峰值函數的優化問題多采用小生境技術結合智能進化優化算法進行求解。小生境技術(niche)的基本思想是將生物學中的小生境概念應用于進化計算中，它模擬生態平衡中的一種仿生技術，在大種群中形成若干個相互獨立的小的子種群，即小生境。在進化過程中所有的個體只在自己所在的小生境內部進化，追逐出不同的極值點從而得到各自的最優解。而本發明中采用序列小生境技術結合粒子群優化算法，能夠有效而且相對高效的對無人機多航跡規劃問題進行求解。

粒子群優化算法(Particle Swarm Optimization,PSO)是一種模擬鳥類飛行過程中遷徙和群聚行為的智能優化算法。在PSO算法中，每個優化問題的備選解假設為n維搜索空間中的一個點，稱為“粒子”。粒子的優劣程度通過由代價函數響應得到適應值來度量，同時每個粒子都會有一個速度決定它們飛行的方向和距離。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。第i粒子的第j維位置和速度的更新公式如下

其中，t為粒子群當前代數；r₁和r₂為[0,1]間的隨機數；c₁是粒子跟蹤自身歷史最優值的權重系數；c₂是粒子跟蹤群體最優值的權重系數；ω是慣性權重系數，慣性權重系數越大代表粒子越傾向于執行全局搜索，反之則代表粒子越傾向于局部搜索，故而慣性權重隨迭代次數的增加而減小，其更新公式為

ω^(t+1)＝ω^(t)×ω_decay

其中ω_decay為慣性權重衰減系數。

序列小生境技術(sequential niche technique,SNT)的主要思想是優化算法在搜索空間找到一個最優解后，則認為該最優解的附近區域為一個小生境區域。人為修改小生境區域內的函數模型，使其在之后的迭代優化中不再吸引粒子，迫使優化算法去尋找未被發現的局部最優解。再依次生成這樣的小生境，直到所需的局部最優解依次被找到。

發明內容