[发明专利]一种基于Voronoi图的无人机集群路径规划方法

说明书

本发明提供一种基于Voronoi图的无人机集群路径规划方法，本发明为解决二维栅格环境建模路径规划速率较慢，计算复杂度较大的问题，基于Voronoi图进行战场环境建模，通过减少路径中间节点，降低了算法进行节点遍历时所需的时间，同时设计出一种基于量子松鼠觅食的离散优化算法应用于路径规划，通过量子旋转门对量子松鼠的位置进行更新，更好的平衡了全局寻优能力与局部寻优能力，保证了路径规划结果的有效性。同时本发明为了适应战场环境的变化可能造成的路径失效问题，提供多条备选航迹，保证了路径的可选择性。

技术领域

本发明涉及一种基于Voronoi图的无人机集群路径规划方法，属于无人机路径规划领域。

背景技术

无人机集群路径规划技术是保障无人机正常飞行且完成作战攻击任务的关键技术之一。由于战场环境复杂多变，无法获得稳定的威胁数据，为满足集群飞行任务的要求必须尽可能设计出多条最优飞行轨迹。另一方面，由于针对不同的作战环境作战决策必须做出相应的变化，因此对无人机集群路径规划的实时性要求越来越高，因此设计出复杂度低，计算量小，鲁棒性强的路径规划算法是目前急需解决的问题。

目前应用于无人机路径规划的主要算法包括：人工势场法、A^*算法、蚁群算法等。赵江等在《计算机工程与应用》(2018，54(21)：217-223)上发表的“对AGV路径规划A^*算法的改进与验证”一文中提出了通过将A^*算法规划的多余路径中间点合并，消除了多余拐点与共线节点来减少AGV路径损耗，但此方法是在A^*寻路结束后进行的改进，并没有减少A^*算法的计算复杂度，而且使用的传统二维栅格建模导致寻路过程中遍历节点较多，实时性较差，因此这种思路不适用于大规模无人机集群作战。李宪强等在《航空学报》(2020，41(S2):1-7)上发表的“蚁群算法的改进设计及在航迹规划中的应用”一文中提出将人工势场算法与蚁群算法结合起来，通过人工势场算法规划的初始路径设置蚁群算法的初始信息素，加快了蚁群算法的收敛速度，但是人工势场法寻路结果具有不确定性，适应度较差的初始解容易使蚁群算法陷入局部最优，路径规划成功概率较低，且只能产生一条最优路径，灵活性较差，同样不适用与大规模无人机集群作战。

发明内容

本发明为解决二维栅格环境建模路径规划速率较慢，计算复杂度较大的问题，基于Voronoi图进行战场环境建模，通过减少路径中间节点，降低了算法进行节点遍历时所需的时间，同时设计出一种基于量子松鼠觅食的离散优化算法应用于路径规划，通过量子旋转门对量子松鼠的位置进行更新，更好的平衡了全局寻优能力与局部寻优能力，保证了路径规划结果的有效性。同时本发明为了适应战场环境的变化可能造成的路径失效问题，提供多条备选航迹，保证了路径的可选择性。

本发明的目的是这样实现的：步骤如下：

步骤一：Voronoi图建模；

步骤二：初始化量子松鼠种群，设定种群中松鼠的个数为L₁，随机初始化第m个量子松鼠位置向量其中L₂为每个量子松鼠位置的维数，即路径中间经过的节点数；t为迭代次数，初始时设t＝1；

步骤三：将量子松鼠位置每一维映射为确定范围内的整数，对于第m个松鼠量子位置第n维的映射规则为：

其中：ceil为向上取整函数；u_n,max为第n维变量的上界，u_n,min为第n维变量的下界，得到第m个松鼠位置对其计算适应度值，计算方式为：