[发明专利]结合搜索与优化的飞行器自主航迹规划方法

说明书

技术领域

本发明涉及智能化无人飞行器航迹规划领域，具体涉及一种结合搜索与优化的飞行器自主航迹规划方法。

背景技术

随着智能算法的深化，将智能算法应用于飞行器的航迹轨迹规划技术的研究也得到了很大的发展。在现有的飞行器智能航迹规划技术中，根据采用的智能算法不同，其规划技术的性能也存在差异，其主要原因是不同的智能算法在搜索与优化这两点上的侧重不同：1)A*算法及其改进算法、蚁群算法等智能算法侧重于搜索，可以快速的搜索得到一条可行路径，其优势在于算法的快速性和鲁棒性，但是一旦搜索得到一条可行路径，规划就结束了，而这条可行路径往往不会是最优路径；2)粒子群算法、量子遗传算法等智能算法则是侧重于优化，同时有一定的搜索能力。但由于算法本身更侧重于优化，虽然可以得到最优路径，但其大部分算法执行时间往往都用在了搜索过程上，影响了算法效率，甚至有可能在规定时间内无法得到符合要求航迹。分别采用这两类智能算法的航迹规划技术也因此存在性能上的不足。

发明内容

本发明克服了现有技术的不足，提供一种结合改进A*算法的搜索能力和粒子群算法的优化能力，兼顾搜索及优化两者优势的飞行器智能航迹规划方法，以解决上述规划技术存在的不足。

为解决上述的技术问题，本发明采用以下技术方案：

一种结合搜索与优化的飞行器自主航迹规划方法，所述的方法包括以下步骤：

步骤一、改进A*算法搜索可行航迹

根据飞行器的性能约束改进A*算法的搜索方式，得到一条符合约束条件的航迹；

步骤二、可行航迹的优化预处理

将得到的航迹进行处理，使该航迹便于粒子群进化算法优化；

步骤三、粒子群进化算法最优化可行航迹

将处理后的航迹输入给粒子群进化算法进行优化；

步骤四、最优航迹的后处理

处在同一直线上的所有航迹点归纳为一条直线段包含首尾两个端点。

更进一步的技术方案是所述步骤一包括：设定飞行器在飞行过程中以定高度方式飞行，并以该高度对三维地形做一个截面，同时将截面栅格化，并区分禁飞区域栅格点和可通行栅格点；根据飞行器的起飞性能约束确定在该平面内的起始点，根据打击任务约束确定在该平面内的终止点。

更进一步的技术方案是所述步骤一还包括：寻路时，按照栅格点组成的路径进行搜索，点与点之间可直接通行，那么在进行搜索时，对于当前点周围的八个点，或者再加上外围的16个点进行评价，寻找满足约束条件下花费代价最小的点作为下一步。

更进一步的技术方案是所述步骤一还包括：将启发函数描述为F＝G+H,其中，G取为从当前点到下一点的欧式距离，H取为某一点到目标点的欧式距离，F表示从当前点到目标点的总距离。

更进一步的技术方案是所述步骤一中所述约束条件包括：最大航迹长度，从起始点到终止点的总航迹长度不能超过设定值；

禁飞区约束，栅格点处于地形障碍或者威胁区域内，不可经过；

转弯半径，在寻找下一步可扩展点时，只有符合转弯半径的一部分点可扩展。

更进一步的技术方案是所述步骤二包括：

将处在同一直线上的所有航迹点归纳为一条直线段包含首尾两个端点；

或者，将处在同一弧线上的所有航迹点则归纳为两条切线段，包含首尾两个端点和非别过首尾两点的两条切线的交点。

更进一步的技术方案是所述步骤三包括：

步骤1，确定DE控制参数和所采用的具体策略；

步骤2，随机产生初始种群，进化代数t＝1；

步骤3，对初始航迹线进行评价，即计算初始种群中每个个体的适应度值；

步骤4，判断是否达到终止条件或进化代数达到最大，若是，则进化终止，将此时的最佳个体作为输出，若否，继续；

步骤5，进行变异和交叉操作，对边界条件进行处理，得到临时航迹线；

步骤6，对临时航迹线进行评估，计算临时航迹线中每个航迹点的适应度值；

步骤7，进行选择操作，得到新航迹线；

步骤8，进化代数t＝t+1，转步骤4。

更进一步的技术方案是所述步骤1中DE控制参数包括：种群数量、变异算子、交叉算子、最大进化代数、终止条件。