[發明專利]一種無人飛行器三維航跡規劃方法及裝置

有效

• 申請號: 201911343472.6
• 申請日: 2019-12-24
• 公開（公告）號: CN110986957B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 來磊;吳德偉;楊賓峰;李海林;鄒鯤;代傳金
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G06N3/006;G06Q10/047
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明提供一種無人機三維航跡規劃方法，包括構建三維地形環境模型、航跡評價模型和航跡尋優約束模型；構建細胞膜結構；航跡搜索空間離散縮減和參數初始化設置；最優航跡點搜索；航跡平滑處理；本發明方法結合了FA的全局搜索能力和ABC的局部搜索能力，增強了整體搜索性能，使用本發明方法構造的三維航跡其搜索概率和實時性顯著提高；同時本發明還提供一種無人機三維航跡規劃裝置，包括細胞膜單元、電源單元、時鐘單元、EEPROM及SRAM。

技術領域

本發明屬于飛行器航跡規劃技術領域，具體涉及無人機三維航跡規劃方法及航跡規劃裝置。

背景技術

無人機(UAV，Unmanned?Aerial?Vehicle)技術快速發展及其應用優勢，使UAV系統在軍/民領域得到廣泛應用。在UAV系統眾多關鍵技術當中，航跡規劃的作用是在起始點和目標點之間搜尋一條既滿足無人機自身物理性質，同時又避免外界環境威脅的可行航跡。尤其在軍用領域中，高效的優化航跡可以影響UAV的生存和任務執行的效能。

王瓊在文獻《“無人機航跡規劃常用算法綜述”、吉林大學學報、2019、Vol-37(1)、58-67》中指出：UAV的航跡規劃可以分為傳統方法和智能搜索算法，傳統方法包括Dijkstra算法、人工勢場法、模擬退火算法等；另外，科學家因模擬自然界一些生物的覓食等群體行為，相應提出了基于群體行為的搜索算法，統稱為智能優化算法。

智能優化算法在解決非確定性多項式問題時表現出效率高的優勢，因此將航跡規劃轉化為智能優化算法能解決的最優值搜索問題，得到了較好規劃效果。智能優化算法主要有遺傳算法、粒子群算法和蟻群算法等群體智能算法。唐必偉在文獻《“基于改進蟻群算法的無人飛行器二維航跡規劃”、西北工業大學學報、2013、Vol-31(5)、683-688》中將航跡規劃轉化成約束限制下的優化問題，將蟻群算法應用到UAV的二維航跡規劃中；孫小雷在文獻《“無人機任務分配與航跡規劃協同控制方法”、系統工程與電子技術、2015、Vol-37(12)、2772-2776》中將改進的粒子群算法應用到UAV任務分配與航跡規劃中，取得了較好的規劃效果；趙明在文獻《“一種三維多UAV協同航跡規劃的空間模糊文化算法”、哈爾濱工業大學學報、2015、Vol-47(10)、29-34》中提出了一種基于空間模糊表示和差分進化相結合的UAV三維空間航跡規劃方法；劉瓊昕在文獻《“基于引導點的無人機三維航跡規劃方法”、北京理工大學學報、2014、Vol-34(11)、1163-1168》中利用遺傳算法規劃航跡最優或次優點集，再應用SAS算法求出可行航跡，從而生成UAV三維航跡。智能優化算法在解決航跡規劃問題時取得了較好的效果，但粒子群、遺傳、蟻群和蜂群等算法早熟收斂的問題，無法同時兼顧搜索局部最優值和探索全局最優值間的平衡，使航跡規劃容易陷入局部最優解而難于得到全局最優路徑。另外，將智能優化算法應用于三維航跡搜索，因其增加高度信息，搜索維數變大、搜索數據量明顯高于二維航跡搜索，其實時性相應變差。

由此可見，上述智能優化方法針對UAV三維航跡規劃顯然存在不足，不適用于實時性較強UAV航跡規劃，研究新的運算實時性強的三維航跡規劃方法成為發展UAV應用的關鍵技術之一。

膜系統是從細胞結構和功能中，以及從組織器官等高級結構中建立計算模型，分析其計算能力與效率。高洪元在文獻《“膜量子蜂群優化的多目標頻譜分配”、物理學報、2014、Vol-63(12)、128802(1)-128802(10)》中指出：膜系統具有分布式、并行性和不確定性的特點，其模型通常具有圖靈機的通用性和計算有效性，并提出了一種基于膜結構的量子蜂群算法，并將其應用到多目標頻譜分配問題中。

發明內容