[发明专利]一种仿鸽群多学习智能的无人靶机协同航路动态规划方法

权利要求书

1.一种仿鸽群多学习智能的无人靶机协同航路动态规划方法的实现步骤如下：

步骤一：无人靶机协同航路规划建模，根据航路点的个数、起飞时间、到达时间，建立每架无人靶机的局部坐标系，并确定全局坐标系和局部坐标系的转换关系；

步骤二：威胁联网下的威胁建模，具体包括：

S21、威胁联网通信质量模型

在威胁联网的情况下，首先计算网络中节点的邻居数的平均值；其次，计算网络中节点之间的联接概率的平均值和节点之间的最大跳变次数；从而得到节点之间的网络联通度模型；最后，考虑节点之间通信可靠性和质量因素，最终建立威胁联网通信质量模型；

S22、联网下的威胁模型；

基于威胁联网通信质量模型，建立威胁联网下的威胁模型，该威胁模型又包括：探测概率模型和毁伤概率模型；在探测概率模型中，各威胁单元利用其他威胁单元的探测概率修正本威胁单元的探测概率；在探测概率模型的基础上，针对防空导弹系统，计算其毁伤概率模型；

步骤三：航路代价函数的设计，包括：探测代价、毁伤代价、避撞代价、协同代价、航程代价；

步骤四：无人靶机飞行约束，主要包括无人靶机本体和航路规划时间约束；

步骤五：仿鸽群多学习智能，具体包括：

S51、地图和指南针算子阶段

首先，按照适应度值进行排序，选取代价函数值较优个体构成学习对象集合；其次，为较优个体分配权重，从而得到较优个体的中心位置；最后，利用速度和位置公式进行更新；

S52、地标算子阶段

首先，将所有个体首尾相连构成闭环拓扑结构；其次，将该拓扑结构随机划分成若干子部分，构建学习对象的集合，从而确定每个个体的中心位置；最后，利用位置公式进行更新；

步骤六：航点坐标转换及轨迹平滑，将仿鸽群多学习智能得到的局部坐标系下的速度转化为全局坐标系下的航点，最后进行轨迹平滑处理。

2.根据权利要求1所述的仿鸽群多学习智能的无人靶机协同航路动态规划方法，其特征在于：所述步骤S21威胁联网通信质量模型，具体如下：

假设探测雷达N_r个，防空导弹系统N_a套，为了描述威胁单元的联网特性，建立了威胁联网通信质量模型；

假设网络中的节点i有dⁱ条边与其他节点相连，这dⁱ个邻居节点之间实际存在的边数为lindⁱ，最多可能存在边数为dⁱ(dⁱ-1)/2，则网络中所有节点的邻居数的平均值表示为：

其中，N_n＝N_r+N_a表示网络中节点的数目，dⁱ为第i个节点的邻居数目；

网络中任意节点i与其他节点之间存在联接关系的可能性用cⁱ表示，即：

因此，网络中所有节点之间联接概率的平均值表示为：

节点i和j间最大跳变次数表示为：

其中，l^i,j表示节点i和节点j之间跳变次数；

因此，节点i和节点j网络联通度模型表示为：

考虑节点之间通信不可避免存在延迟因素影响通信可靠性和质量，建立网络通信可靠性模型，记作：

其中，σ∈(0,1).n_c表示当前航点n_c的编号，n_b表示第n_b个航点的编号，n_b≤n_c；

综合网络节点的联通度模型和网络通信可靠性模型，可以得到节点i和节点j之间的通信质量q^i,j，记为：

q^i,j＝p^i,j·ξ。