一种多UCAV协同实时航迹规划方法

控制;调节装置的制造及其应用技术一种多ucav协同实时航迹规划方法技术领域1.本发明涉及航迹规划技术，特别是涉及一种多ucav协同实时航迹规划方法。背景技术：2.近年来，军用无人机因其具有零伤亡、隐蔽性好等优势，故其在现代战争中越来越受到欢迎。世界各国根据各自水平与需求，对各种作战用途的无人机展开了深入的研究与开发，使军用无人机的发展达到了前所未有的水平，在高危区域作战将是无人作战飞机的主要发展方向，同时这也奠定了无人机在未来作战体系的主导地位。随着互操作、自组网等技术的发展，多个ucav(无人驾驶的战斗飞行器，unmanned combat aerial vehicle)协同作战将成为现实。在无人机协同作战中，无人机战队如何迅速突破敌方防控部署并完成作战任务，无人机战队飞行轨迹的实时规划就显得极其重要。3.目前，多ucav协同航迹规划已经成为了无人机作战飞行的热点核心内容，比如，多ucav攻击多目标任务与航迹实时规划、基于生物地理学优化的多ucav协同航迹规划、多ucav协同航路规划算法、基于遗传算法优化的压制干扰协同ucav航迹规划等等。这些航迹规划从各种不同的角度对多ucav协同航迹进行了规划，但是，都存在着响应较慢、精确度较低、稳定性较差等问题。4.现有技术中，多ucav协同航迹规划存在着响应慢、精度低、稳定性差等问题。技术实现要素：5.有鉴于此，本发明的主要目的在于提供一种稳定性好、响应快、精度高、生存率也高的多ucav协同实时航迹规划方法。6.为了达到上述目的，本发明提出的技术方案为：7.一种多ucav协同实时航迹规划方法，包括如下步骤：8.步骤1、构建战场环境，包括：三维地形、威胁范围。9.步骤2、建立飞行高度约束条件、飞行速度约束条件、飞行威胁约束条件、飞行防碰撞约束条件下的各ucav动力学模型，获取各ucav的控制量。10.步骤3、建立多ucav协同实时航迹规划目标函数。11.步骤4、基于i-mrfo算法确定多ucav协同实时航迹。12.综上所述，本发明所述多ucav协同实时航迹规划方法首先根据战场环境、必要约束条件建立ucav动力学模型，并根据该动力学模型获得各ucav的飞行控制量；其次，为了能够迅速顺利地达到目标点，建立了多ucav协同实时航迹规划目标函数，并在该目标函数下，基于i-mrfo算法确定出ucav当前飞行位置以及下一时刻ucav的预估飞行位置。本发明所述多ucav协同实时航迹规划方法采用了改进的蝠鲼觅食优化(i-mrfo)算法，并由ucav动力学模型确定的控制量作为输入量、中间量、输出量，使得各ucav之间的协同性与实时性非常好，自适应性很强，响应快，精度高，符合战场各种情况与自身特点的限制。附图说明13.图1为本发明所述多ucav协同实时航迹规划方法的总体流程示意图。14.图2为本发明所述飞行威胁约束条件下ucav第一种避险方式示意图。15.图3为本发明所述飞行威胁约束条件下ucav第二种避险方式示意图。16.图4为本发明所述飞行威胁约束条件下ucav第三种避险方式示意图。17.图5为本发明实施例中各ucav在飞行过程中的相对距离示意图。18.图6为本发明实施例中各ucav与地面高度差变化情况示意图。19.图7为本发明实施例中各ucav在飞行过程中随地高度变化示意图。20.图8为本发明实施例中各ucav飞行速度变化情况示意图。21.图9为本发明实施例中实时航迹规划耗时情况示意图。具体实施方式22.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。23.图1为本发明所述多ucav协同实时航迹规划方法的总体流程示意图。如图1所示，本发明所述一种多ucav(无人驾驶的战斗飞行器，unmanned combat aerial vehicle)协同实时航迹规划方法，包括如下步骤：24.步骤1、构建战场环境，包括：三维地形、威胁范围。25.步骤2、建立飞行高度约束条件、飞行速度约束条件、飞行威胁约束条件、飞行防碰撞约束条件下的各ucav动力学模型，获取各ucav的控制量。26.步骤3、建立多ucav协同实时航迹规划目标函数。27.步骤4、基于i-mrfo(改进的蝠鲼觅食优化，improve manta ray foraging optimization)算法确定多ucav协同实时航迹。28.总之，本发明所述多ucav协同实时航迹规划方法首先根据战场环境、必要约束条件建立ucav动力学模型，并根据该动力学模型获得各ucav的飞行控制量；其次，为了能够迅速顺利地达到目标点，建立了各ucav协同实时航迹规划目标函数，并在该目标函数下，基于i-mrfo算法确定出ucav当前飞行位置以及下一时刻ucav的预估飞行位置。本发明所述多ucav协同实时航迹规划方法采用了改进的蝠鲼觅食优化(i-mrfo)算法，并由ucav动力学模型确定的控制量作为输入量、中间量、输出量，使得各ucav之间的协同性与实时性非常好，自适应性很强，响应快，精度高，符合战场各种情况与自身特点的限制。29.本发明中，所述三维地形是通过数字高程地图、基于航天飞机雷达地形的测绘任务数据、二维三次卷积插值建立的。实际应用中，在ucav执行作战任务时，会遭遇复杂的起伏地貌，尤其是对于需要低空突防的ucav来说，地形环境尤为重要。因此，本发明采用数字高程地图、基于航天飞机雷达地形的测绘任务数据模拟战场的三维地形；但由于该三维地形仅包括采样点处的高度信息，并不包含三维地形范围内任一位置处的高度信息，故采用二维三次卷积插值建立三维地形范围内各处的高度信息。这里，二维三次卷积插值法为现有技术，此处不再赘述。30.本发明步骤1中，所述威胁范围的确定，包括如下步骤：31.步骤11、预先获取敌方防空系统的部署方位与各武器性能。32.步骤12、根据部署方位与各武器性能，确定威胁源的位置以及平面威胁半径。33.步骤13、所述威胁范围为：以威胁源的位置为圆心、以平面威胁半径为半径、高度为无穷大的圆柱体所包络的空间范围。34.实际应用中，各ucav在执行作战任务时，除自然地形环境影响外，还会遭遇敌方雷达探测、防空高炮与地空导弹等威胁源的威胁。另外，相比较于弹道导弹，ucav主要依靠低空突防实施打击任务：在遭遇威胁源火力攻击时，ucav通常采用贴近地面转弯进行规避，而非爬升高度摆脱。35.本发明中，所述飞行高度约束条件为：con1＝max{h-hmax,hmin-h}《0；其中，h为ucav的实时飞行高度，hmax为ucav的设定最高飞行高度，hmin为ucav的设定最低飞行高度。实际应用中，ucav在执行任务过程中可以通过低空飞行来有效利用山地地形的遮挡效应，这有助于减少被敌方雷达探测发现的几率。此外，由于ucav本身性能限制，存在最高飞行高度hmax；另一方面，ucav在复杂山地地形中执行任务时，过低的飞行高度增加了与山地碰撞导致坠机的几率，为了减小ucav飞行安全隐患，还需要设定最低飞行高度hmin。36.本发明中，所述飞行速度约束条件为：con2＝max{v-vmax,vmin-v}《0；其中，v为ucav的实时飞行速度，vmax为ucav的设定最大飞行速度，vmin为ucav的设定最小飞行速度。实际应用中，由于ucav自身机动性能约束，存在最大飞行速度vmax；同时，固定翼无人机无法进行空中悬停，需要在执行任务过程中不断飞行，故还存在一个最小飞行速度vmin。37.所述飞行威胁约束条件的确定，包括如下步骤：38.步骤21、判断各ucav飞行过程中是否遭遇敌方威胁：如果有，则确定每一个ucav的当前位置o、威胁源位置o1、威胁源所辐射的威胁半径r0为的圆心威胁范围、实时速度方向和该ucav当前位置与威胁源位置之间连线夹角α0，该ucav当前位置与威胁源位置之间连线和该ucav当前位置与威胁源所辐射的圆心威胁范围之间靠近该ucav当前位置侧的切线之间的夹角α1；39.步骤22、将夹角α0作为速度夹角，将夹角α1作为切向夹角；根据速度夹角与切向夹角的大小关系，确定该ucav躲避威胁源的方式：当速度夹角》切向夹角时，该ucav直飞躲避威胁源；当速度夹角《切向夹角时，该ucav转弯飞行躲避威胁源，且转弯半径满足其中，o2表示该ucav转弯时转弯弧度对应的圆心，|oo2|表示最大转弯半径，|oo1|表示该ucav当前位置与威胁源位置之间的距离。40.图2为本发明所述飞行威胁约束条件下ucav第一种避险方式示意图。图3为本发明所述飞行威胁约束条件下ucav第二种避险方式示意图。图4为本发明所述飞行威胁约束条件下ucav第三种避险方式示意图。如图2所示，当α0》α1时，ucav沿着实时飞行速度v的方向飞行，就可避开威胁源的打击。如图3所示，α0《α1时，ucav需要转弯飞行，以可避开威胁源的打击；同时，当转弯半径满足时，ucav须沿着虚线圆弧线转弯。此时，转弯半径|oo2|最大，虚线所示的转弯圆弧线与实线所示的圆心威胁范围的包络线相切，转弯圆弧线为ucav避开打击的最大转弯。如图4所示，当α0《α1时，ucav需要转弯飞行，且当转弯半径满足|oo1|》时，虚线所示的转弯圆弧线与实线所示的圆心威胁范围的包络线相离。41.本发明中，所述飞行防碰撞约束条件为：con4＝max{d-dmax,dmin-d}《0；其中，d为各ucav间的实时距离，dmax为各ucav间的最大通讯距离，dmin为各ucav间的最小安全距离。实际应用中，为了避免各ucav在飞行过程中发生碰撞，故需要设定ucav之间的最小安全距离dmin；另一方面，各ucav协同飞行时需要保持信息共享与交流，各ucav之间存在最大通讯距离dmax。42.本发明中，所述各ucav动力学模型是基于惯性坐标系和航迹坐标系的，如下：[0043][0044]其中，为第j架ucav在惯性坐标系中的坐标，为第j架ucav在航迹坐标系中的坐标，n表示多ucav的总架数，j＝1,2，…，n，且j、n均为自然数；vj表示第j架ucav的实时速度，mj表示第j架ucav的质量，g表示重力加速度，γj表示第j架ucav的航迹倾角，θj表示第j架ucav的偏航角，αj表示第j架ucav的迎角，μj表示第j架ucav的滚转角，tj表示第j架ucav的发动机推力，dj表示第j架ucav的气动阻力，lj表示第j架ucav的气动升力；而且，第j架ucav的发动机推力tj、第j架ucav的气动阻力dj、第j架ucav的气动升力lj分别满足如下关系：[0045]tj＝εjtjmax[0046][0047][0048]其中，tjmax表示第j架ucav在某一时刻以1000lb为单位时的最大推力，εj表示第j架ucav在某一时刻的油门位置，空气密度ρ＝1.225e-z/9300，s表示ucav的横截面面积，cjd表示第j架ucav在某一时刻气动阻力系数，cjl表示第j架ucav在某一时刻气动升力系数；cjd、cjl的取值分别如下：[0049]cjd＝(-0.043+0.1369·αj)sinαj+(0.131+3.0825·αj)cosαj[0050]cjl＝(0.043-0.1369·αj)cosαj+(0.131+3.0825·αj)sinαj[0051]根据上述第j架ucav动力学模型，得到第j架ucav在某一时刻的控制量control＝[εj,μj,αj]。[0052]本发明中，所述多ucav协同实时航迹规划目标函数minj如下：[0053]minj＝δ1cong+δ2conh+δ3conc+ηgpen[0054]其中，飞行航迹代价飞行高度代价飞行协同代价δ1表示飞行航迹代价权重系数，δ2表示飞行高度代价权重系数，δ3表示飞行协同代价权重系数；惩罚函数表示飞行协同代价权重系数；惩罚函数τ1表示是否满足飞行航迹代价条件的取值，τ2表示是否满足飞行协同代价条件的取值，τ3表示是否满足飞行航迹代价条件的取值；η表示惩罚因子；表示第j架ucav在t时刻的实时位置，bj表示第j架ucav的目标位置，表示第j架ucav在t时刻的实时飞行高度，表示第j架ucav在t时刻距其自身目标点的距离，表示第k架ucav在t时刻距其自身目标点的距离；飞行航迹代价权重系数δ1、飞行高度代价权重系数δ2、飞行协同代价权重系数δ3的取值如下：[0055][0056][0057][0058]其中，为自然数，且1≤k≤n，k≠j。[0059]实际应用中，飞行航迹代价cong由各ucav的航迹点到各自目标点的距离组成，用于引导ucav尽快靠近目标点飞行；飞行高度代价conh为各ucav航迹点距所处地型的高度差，用于引导ucav在保证不撞地坠机的前提下尽可能贴地飞行，降低被雷达发现的几率；飞行协同代价conc为用于确保各ucav之间能够在较短的时间间隔内抵达目标点执行任务。[0060]本发明中，所述步骤4具体包括如下步骤：[0061]步骤41、初始化生成np个控制n架ucav个体；令p＝1，并设置最大迭代次数pmax；其中，每个个体包括3n个元素，p表示当前迭代次数，p、np、pmax均为自然数。[0062]步骤42、随机生成第一随机数rand1、第二随机数rand2。[0063]步骤43、获取自适应控制参数[0064]步骤44、对当前迭代次数p与最大迭代次数pmax进行比较：当p≤pmax时，执行步骤45。[0065]步骤45、判定rand1《0.5是否成立：如果成立，则执行步骤46；如果不成立则执行步骤47。[0066]步骤46、对coef与第一随机数rand1进行比较：如果coef》rand1，则[0067][0068]其中，第一随机向量r1、第二随机向量r2中各元素均为取值0～1的均匀分布；第p代np个个体中第e个个体第(p+1)代np个个体中第e个个体第p代np个个体中表现最优的个体e、q均为自然数，且e＝1,2，…，np、q∈{1,2，…，np}；第一权重系数β1取值为：取值为：这里，第三随机数rand3为均匀分布的随机数，且rand3∈[0,1]；[0069]如果coef≤rand1，则[0070][0071]其中，表示第p代np个个体的参考点位，且这里，分别表示第p代np个个体中表现最好的3个个体，附加待选参考点位其中，第三随机向量r3、第四随机向量r4、第五随机向量r5、第六随机向量r6、第七随机向量r7中各元素均为取值0～1的均匀分布。[0072]步骤47、判断第二随机数rand2《0.5是否成立：如果成立，则[0073][0074]其中，第二权重系数第八随机向量r8、第九随机向量r9、第十随机向量r10、第十一随机向量r11中各元素均为取值0～1的均匀分布；[0075]如果不成立，则[0076][0077]其中，mean表示均值向量,偏置向量w服从正态分布，w～n(0，cov)；cov表示优势ucav种群的加权协方差矩阵；均值向量mean、加权协方差矩阵cov的取值分别如下：[0078][0079][0080]这里，第三权重系数[0081]步骤48、计算第(p+1)代np个个体中第e个个体的多ucav协同实时航迹规划目标函数，并更新第e个个体的迭代次数；[0082][0083][0084]其中，s表示个体翻滚范围影响系数，优选地，s＝2；第四随机数rand4∈[0,1]，第五随机数rand5∈[0,1]。[0085]步骤49、计算第(p+2)代第e个个体的多ucav协同实时航迹规划目标函数：[0086][0087]步骤410、当qs》qmax时，结束运行，停止航迹规划；否则，令p＝p+1、p+1＝p+2，返回步骤42。[0088]实际应用中，所述第p代为上述算法的第p次迭代。本发明中，每个个体中包括n架飞机的控制向量，而每架飞机都有三个控制量，故每个个体包含3n个元素。np个个体是指把n架飞机作为一个整体看待的np个不同的3n维控制向量。[0089]本发明中，步骤4采用的上述i-mrfo算法使得ucav在搜索空间的上边界与下边界之间扩大目标或威胁源搜索范围，随机参考点从当前最好的三个个体组成的精英池集合中选取，使得i-mrfo算法能快速收敛；并且创造性地将链式觅食、螺旋觅食与筋斗式觅食三种蝠鲼觅食优化策略进行了巧妙融合，建立了基于分布式估计算法的改进蝠鲼觅食优化算法。这就使得ucav协同实时航迹中下一时刻的航迹点估计对地形的跟随、目标的追踪具有了很高的自适应性，同时，还具有响应快、实时性强、精度高等优势，提高了该i-mrfo算法的应用开发性能。[0090]实施例[0091]本实施例中，三架ucav的起飞点、目标位置、威胁源均已获取，且各项具体信息见表1、表2。[0092]表1各ucav起飞点与目标位置信息[0093][0094]表2威胁源信息[0095][0096][0097]本实施例中，各ucav实时航迹规划的时间窗口为1秒，即，在1秒时间内规划出各ucav下一步位置状态。各ucav的任务设定在(100×100)km的战场空间中，各ucav最大飞行高度为5km，最低飞行高度0.2km；各ucav的最大飞行速度为0.8ma(马赫)，最低飞行速度为0.3ma；各ucav攻角范围为[-15°，15°]，滚转角范围为的范围分别是[-60°，60°]；各ucav之间的最小防碰撞距离为0.2km，最大通讯距离为30km；取δ1＝0.3、δ2＝0.6、δ3＝0.1，最大迭代次数qmax＝3000，搜索种群np＝30，问题维度dim＝3ucav×3控制量＝9。当所有ucav均到达目标点后停止仿真。[0098]图5为本发明实施例中各ucav在飞行过程中的相对距离示意图。如图5所示，各ucav在飞行过程中的相对距离为[0.84,18.82]km，该相对距离远远大于ucav安全飞行间距，同时满足各ucav之间的最大通讯距离。这保证了各ucav之间既能够安全飞行，又能实现信息交流与共享。[0099]图6为本发明实施例中各ucav与地面高度差变化情况示意图。图7为本发明实施例中各ucav在飞行过程中随地高度变化示意图。如图6、图7所示，本实施例中，各ucav在飞行过程中最大离地高度为0.31km，最小离地高度为0.2km，满足了飞行高度约束。同时，整个飞行过程中，各ucav与对应地形的高度变化不大，说明各ucav能够较好跟随地形，能实现贴地突防。[0100]图8为本发明实施例中各ucav飞行速度变化情况示意图。图9为本发明实施例中实时航迹规划耗时情况示意图。如图8所示，本发明实施例中，各ucav起飞后迅速增加飞行速度，有利于减少飞行时间，同时3架ucav的飞行速度均在[0.35,0.8]ma之间，满足飞行速度约束条件。三架ucav到达时间分别为435s、435s和442s，也就是说，在飞行协同代价引导作用下，各ucav调节自身速度，实现了各ucav在较短时间间隔内抵达任务目标位置。如图9所示，采用i-mrfo方法，每个步长的时间窗口都满足1秒的时间约束，满足实时航迹规划的需要。[0101]综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!