无人旋翼飞行器的三维在线航迹规划研究王兴龙().doc

《无人旋翼飞行器的三维在线航迹规划研究王兴龙().doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第二十八届（2012）全国直升机年会论文无人旋翼飞行器的三维在线航迹规划研究王兴龙宋彦国（南京航空航天大学直升机旋翼动力学国家级重点实验室，南京,210016）摘要：无人旋翼飞行器的航迹规划系统包含初始参考航迹的确定和在线航迹规划。初始参考航迹是在执行飞行任务前,根据所经区域内已知的地形、地貌、障碍和威胁等信息以及飞机本身机动能力的限制计算出初始飞行航迹；在线航迹规划是当飞行环境中有预先未知威胁出现时，可根据更新后的信息重新规划来获得新的全局最优航迹。本文利用进化算法规划出初始参考航迹，利用A*算法进行航迹在线重规划。仿真结果表明，进化算法得到了很好的初试参考航迹，

2、A*算法的搜索速度满足了在线航迹规划的实时性要求。关键词：无人旋翼飞行器;在线航迹规划;进化算法;A*算法1引言无人旋翼飞行器的航迹规划是指在给定的规划空间内，在满足众多约束条件的情况下，寻找出一条从起始点到目标点的最优或次优的飞行航迹，该条航迹要尽量减少无人飞行器在飞行过程中被敌方雷达等探测设施捕获和被敌方火力单元摧毁以及撞地或撞山的概率，这对航迹规划系统提出了更高的要求。为了满足这些要求，需要在规划方法，系统结构，甚至交互式界面等方面进行大量研究工作，这正是现在所面临的主要任务。目前针对航迹规划问题提出了很多优化方法,这些方法各有优缺点,很难同时满足实时性、全局

3、最优性的要求。文献[1]讨论了A*算法在二维水平航路的规划应用和基于蚁群算法的航路规划研究，但都仅限于离线航迹规划，对时间没有渴求的场合，未提及在线航迹规划；文献[2]介绍了基于RTRS(一种针对静止目标的UAV在线实时航迹搜索方法)的在线航迹规划的方法，但却没有讨论飞行过程中一旦出现新的威胁，在线重规划能否满足实时性要求；文献[3]考虑了二维平面的实时航迹规划，但这只适用于机器人的二维航路规划，不能满足无人飞行器的三维航迹规划要求。由于进化算法不受空间限制性假设约束，不要求优化函数具有连续、导数存在等假设，对航迹规划这种含有大量模糊信息、多约束的问题，总能搜索到全

4、局最优解或者近似最优解，并且改进的A*算法具有高速的搜索速度和效率，所以本文拟采用进化算法和A*算法相结合的方法作为航迹规划系统的核心算法进行航迹在线重规划研究。2基于进化算法的初始航迹规划进化算法是一种基于生物进化理论的群体搜索技术，是一种迭代算法，它是从某个初始解集出发，遵循一定的操作规则，比如选择、复制、交叉、变异等遗传操作，不断地通过迭代计算以得到新一代解集，并根据个体的适应度，按照“适者生存、优胜劣汰”的法则，引导搜索过程向“最适应环境”的个体(即最优解)逼近，逐代的演化出越来越优的近似解，最终能收敛到最优解或满意解。任何进化计算技术需要首先确定基因编码的

5、方式，用以表达所研究的问题。本文的进化算法采用实值基因编码方式，如图2.1所示，每个染色体代表一条航迹，它由一系列航迹节点构成，航迹节点之间用直线连接。其中每一航迹节点保存为一个结构体，除了记录航迹节点的空间坐标外，还包含状态变量，它包含如下信息：(1)当前节点是否为可用航迹点，即确定该点不在等效威胁和障碍的范围之内，确保无人旋翼飞行器飞行时可以安全到达该点；(2)接该节点和上一节点的航迹段是否为可用航迹段，即确保航迹段没有穿过威胁和障碍。当且仅当一条航迹的所有节点和所有航迹段都是可用时，该航迹才是可行的，因此种群中的染色体(航迹)可能是可行的，也可能是不行的。图2

6、.1因编码染色体结构对于每条航迹的评价函数，确定为：其中，指该条航迹从起始点到目标点的总距离代价值，航迹规划总是寻求短距离的飞行路径，所以越小越好；指该条航迹上各个节点到各个威胁中心的威胁代价值，规划出的航迹应该尽量远离威胁，所以越小越好；指该条航迹上各个节点的高度代价值，令等于当前点的高度值与规定的最小飞行高度的差值，为了利用地形的遮挡打到隐蔽飞行的目的，飞行器飞行高度不宜太高，而过低又会增加飞行器碰地的概率，所以高度的选择应适宜，越小越好。为相应的权系数，通过对参数的大小调节，可以改变各个代价在整体中所占的比重。综上所述，评价函数越小，代表此条航迹就越理想。对于

7、进化算子，本文采用交叉算子和变异算子。其中交叉算子采用单点交叉，只有一个交叉点，在选择出来的个个体中任意挑选两个个体作为交叉对象，随机产生一个交叉点位置，然后形成两个子个体，得到两个交叉后的新航迹；根据本文研究的具体内容，在变异算子中加入转弯角限制问题，即在选择出来的个个体中任意挑选一个个体作为变异对象，随机选择一航迹节点，如果该节点处航迹拐弯角大于给定的最大值，则在于该航迹节点相连的两航迹段上各插入一新的节点，然后删除开始选择的节点，得到变异后的新航迹。进化算法的步骤如下：(1)随机生成大小为的种群；(2)根据评价函数评价每一条航迹，将所有航迹按评价值从小到大