[发明专利]一种基于改进RRT算法与改进PH曲线相结合的多无人机协同航迹规划方法

权利要求书

1.一种基于改进RRT算法与改进PH曲线相结合的多无人机协同航迹规划方法，其特征是，包括如下步骤：

1)环境建模：假设无人机进行等高飞行，结合无人机飞行中自然威胁分布构建环境模型，自然威胁主要是山川地形威胁；

2)规划单机航迹集：首先根据起始点和终止点，运用改进PH曲线算法，得到6个控制点，分别为b₀,b₁,b₂,b₃,b₄,b₅；然后选取规划得到的6个控制点中的b₂和b₃作为新起始点和新终止点，并在新起始点和新终止点之间多次运用改进RRT算法规划得到单机航迹集，过程为：

2-1)根据任务要求的起始点和终止点，运用改进PH曲线算法，得到6个控制点，分别为b₀,b₁,b₂,b₃,b₄,b₅，具体为：

PH曲线贝塞尔(Bezier)形式的多项式为

路径r(q)的一阶导数为

采用艾米特(Hermite)插值法，确定基准路径的形状，起始点和终止点分别为(x_s,y_s)和(x_f,y_f)，Bezier曲线的6个控制点b₀,b₁,b₂,b₃,b₄,b₅为

其中：φ_s表示起始点方位角，φ_R表示无人机转弯角，φ_f表示终止点方位角，常数m₀∈[1,+∞]，常数m₃∈[1,+∞]，常数m₅∈[1,+∞]；

2-2)选取步骤2-1)得到的6个控制点中的b₂和b₃作为新的起始点和新的终止点，并在新的起始点和新的终止点之间运用改进RRT算法规划得到单无人机的航迹集，由于RRT算法具有随机性，所以三次运用改进RRT算法得到三条航迹集，并将三条单无人机航迹作为一个单无人机航迹集，具体为：

设置随机搜索空间的航路代价值如公式(5)所示：

J_L＝K*[(A+B)/C]² (5)

其中：K为常数，A为起点到路径点的距离，B为目标点到路径点的距离，C为起点到目标点的距离；

设置随机搜索空间威胁代价值如公式(6)所示：

J_T＝K/(D-d)² (6)

其中：K为常数，D为路径上点到障碍物距离，d为绝对杀伤区的距离；

设置随机点的适应度值如公式(7)所示：

P_ij＝1/(λ₁*J_L+λ₂+J_T) (7)

其中：P_ij表示点(i，j)的适应度值，λ₁、λ₂分别表示J_L和J_T的权重系数；

使用轮盘赌算法优先拓展概率大即适应度值高的随机点，个体被选中的概率与其适应度函数值成正比，群体全部个体的适当度值由一张轮盘来代表，设群体大小为n即有n个点，每个点代表群体中的一个群员，个体i的适应度为F_i，则个体i被选中的概率如公式(8)所示：

2-3)航迹平滑处理：采用平滑算法与滑窗滤波相结合的形式对单无人机航迹进行航迹平滑处理，首先运用平滑算法，从起始点开始，每三个航迹点考虑一次最小转弯半径约束，如果不满足约束条件，即单无人机最小转弯半径，则删除三个航迹点的中间节点，插入满足约束的临界节点，接着采用滑动平均法滤波，滤波法是指通过对各航迹节点进行滤波处理，削弱波动性，滑动平均是对一定长度移动窗口的数据进行加权平均，设第k个航迹点为v(k)，对其前后各i个点加权平均得u(k)：

其中，w为常数是窗口宽度，w(j)是窗口加权函数；

3)规划多机协同航迹：根据多无人机协同航迹规划原理以及多无人机协同航迹规划的代价函数，在规划航迹集中选取一条符合多无人机协同规划原理以及航迹代价函数的最小航迹。