[发明专利]基于决策变量与自适应算法的多无人机航迹协同方法

权利要求书

1.基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：包括以下步骤：

步骤一：决策变量设计

设W_k为威胁代价，则再设每个航段须考虑Q个威胁，对航迹上每一点的威胁程度进行积分运算，得到第r个威胁在第i段航迹对第m个分割点产生的威胁强度及第r个威胁在第i段航迹到第m个分割点的距离将航路中两个坐标点之间的直线距离进行规划选点，定义两坐标点之间的威胁代价为：再引入决策变量X_i，r得到威胁代价模型；

步骤二：协同函数设计

设多个无人机的飞行速度范围为：v＝[V_min，V_max]，则定义协同变量t_k，即模型无人机k沿某个航迹段飞行的达到目标坐标点最优时间变化范围为：在协同变量t_k的基础上，定义协同函数模型为：则多无人机代价函数模型为：

步骤三：多无人机航迹遗传染色体取值

设A和B为航迹规划的起点与目标点，(1,2，…，m)为无人机航迹段点，共有m-1个航迹段，通过极坐标编码，航迹分段点的极径为(1σ，2σ，…，mσ)，而遗传染色体的编码基因采用航迹调整角的倍数计算，定义最大航迹调整角为则有且设遗传种群规模为：则多无人机航迹遗传染色体各基因位的取值为：s_i∈[-M，…，-1，0，1，…，M]；

步骤四：航迹染色体适应度函数模型设计

设多无人机航迹集为C，再将航迹代价和威胁代价综合构成航迹遗传染色体自适应度评价函数，则自适应度函数模型为：

步骤五：快速遗传算子模型设计

为了提高航迹计算的实时性，快速遗传算法中遗传算子采用自适应交叉率和染色体变异率，在染色体编码时，染色体实值变异须约束在[-M，M]进行，则遗传算子自适应交叉率模型可以采用染色体进化的平均适应率定义为：

同样，染色体自适应变异率模型也可采用染色体进化的平均适应率定义为：

步骤六：协同航迹规划仿真

通过决策变量与协同函数模型在快速遗传算法中进行仿真验证。

2.根据权利要求1所述的基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：所述步骤一中为了缩短计算时间，将航段分割距离在h_i/5、h_i/2、4h_i/5处的雷达威胁值进行计算，则决策变量X_i，r的威胁代价模型为：

3.根据权利要求1所述的基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：所述步骤一中利用决策变量X_i，r的取值来判断航迹点与探测雷达之间的距离，并定义干扰下决策变量的取值为：

4.根据权利要求1所述的基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：所述步骤六中决策变量分为长距决策变量和短距决策变量。

5.根据权利要求4所述的基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：所述长距决策变量定义为：

6.根据权利要求4所述的基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：所述短距决策变量定义为：

7.根据权利要求1所述的基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：所述步骤六中验证软件环境为matlab平台，其中设无人机目标坐标点为Sink，出发坐标为Source。

8.根据权利要求1所述的基于决策变量与自适应算法的多无人机航迹协同方法，其特征在于：所述步骤六中遗传算法的参数为种群规模100-500，最大进化代数200，自适应交叉率P_z1＝0.95，P_z2＝0.55，自适应变异率P_b1＝0.02，P_b2＝0.002，无人机采用中低空航迹，海拔高度2000-3000m，模拟地形尺度为100km×100km。