CN104834317B - 一种智能识别威胁类型的无人机飞行路径规划方法 - Google Patents

一种智能识别威胁类型的无人机飞行路径规划方法 Download PDF

Info

Publication number
CN104834317B
CN104834317B CN201510200932.5A CN201510200932A CN104834317B CN 104834317 B CN104834317 B CN 104834317B CN 201510200932 A CN201510200932 A CN 201510200932A CN 104834317 B CN104834317 B CN 104834317B
Authority
CN
China
Prior art keywords
node
unmanned plane
air route
value
presently
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510200932.5A
Other languages
English (en)
Other versions
CN104834317A (zh
Inventor
杜雁双
王磊
刘春生
费林鹤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huabei Computing Technique Inst
Original Assignee
Huabei Computing Technique Inst
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huabei Computing Technique Inst filed Critical Huabei Computing Technique Inst
Priority to CN201510200932.5A priority Critical patent/CN104834317B/zh
Publication of CN104834317A publication Critical patent/CN104834317A/zh
Application granted granted Critical
Publication of CN104834317B publication Critical patent/CN104834317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明公开了一种智能识别威胁类型的无人机飞行路径规划方法,在混合环境下智能识别威胁类型并搜寻最优飞行路径,该方法由探测和运行两个阶段组成;探测阶段由多个探测体共同执行探测任务完成对搜索区域的基本认知,主要包括节点信息素值更新、动态威胁标识和静态威胁躲避,并由此形成基础的优化航路;运行阶段由单个无人机完成实际寻路,利用探测阶段的形成的基本认知,可以很好地保证在实际执行阶段准确躲避静态威胁、尽早识别并躲避动态威胁以及快速规划最优航路,使无人机快速安全地到达目标点。

Description

一种智能识别威胁类型的无人机飞行路径规划方法
技术领域
本发明涉及混合环境威胁识别和飞行路径实时计算领域,尤其涉及一种智能识别威胁类型的无人机飞行路径规划方法。
背景技术
无人机在执行飞行任务时需要穿越一定的物理区域,并对该区域预定的目标进行攻击或侦察。无人机需要寻找最优的飞行路径以保证从出发点安全到达目标点,在此过程中,无人机需要避开区域的敌方防御力量和自然环境的障碍,最终使无人机能安全到达目的地。
预先设定的区域就是无人机进行航路规划的空间,但一般存在自然地形,天气、电磁干扰和敌方防空、高炮等威胁。威胁的来源和形式具有多样性,从航路规划的角度分析威胁,将威胁分为已知威胁和未知威胁,或固定威胁和动态威胁。已知威胁是指在航路规划进行开始就已经获得了威胁的准确信息,如知道在某处存在某型号的雷达。未知威胁则相反,无法预测到无人机在飞行时出现的威胁。无人机在执行飞行任务时往往同时面临以上两种威胁,能否很好地识别并应对静态和动态威胁并实时规划出最优的航路成为影响无人机执行任务能力的关键因素。
发明内容
有鉴于此,本发明提供了一种智能识别威胁类型的无人机飞行路径规划方法,能够识别威胁类型并搜寻最优飞行路径。
本发明的一种智能识别威胁类型的无人飞行路径规划方法,包括如下步骤:
步骤1、对搜索区域进行初始化,具体为:
S01:对搜索区域进行栅格化,将无人机出发的节点定义为源节点,将无人机要到达的节点定义为目标节点;每个节点均存储该节点的信息素值V和特异化信息素值SV;
S02:确定搜索区域内静态威胁区域的中心位置及静态威胁的半径r,对静态威胁区域内的节点信息素值V进行赋值:V=-πr2;将搜索区域内静态威胁区域之外的节点的信息素值赋值为(0.1)n,其中,n为搜索区域内节点总个数;
S03:根据搜索区域内敌方防御力量,设置动态威胁的个数及属性,并将所有动态威胁随机置于搜索区域内,覆盖范围根据动态威胁各自的属性确定;令动态威胁在搜索区域内随机移动,其移动速度与无人飞机的飞行速度一致;
步骤2、采用探测体对搜索区域进行探测,完成对动态威胁的特异化标记,具体为:
S20、在初始时刻t1,采用m个虚拟无人机作为探测体置于源节点上,用flage表示探测体存活状态:当flage为1时表示存活,当flage为0时表示探测体被攻击死亡;实时监测到达目标节点的探测体的数目,并记录当该数目等于1的时刻t2,同时启动计时器,设置倒计时时长为2×(t2-t1);同时,从初始时刻t1开始,针对任意一个探测体,执行步骤S21至步骤S23;当倒计时结束时,停止所有探测体在搜索区域内的探测;
S21、当前探测体准备从当前所处节点转换到下一节点上,具体步骤如下:
S211、首先判断探测体当前所处节点的信息素值V大小是否为-∞:
(1)若V为-∞,将表征探测体存活状态的flage置为0,探测体停止探测,同时将探测体所在动态威胁区域内的动态威胁进行特异化标记;同时,被特异化标记的动态威胁覆盖的区域内节点信息素值V置为-∞,节点的特异化信息素值SV置为1,然后执行S212;当被特异化标记的动态威胁离开覆盖区域的节点后,节点信息素值复原为覆盖前的值,节点特异化信息素值SV置为0,然后执行S212;
(2)若V不为-∞,则执行S212;
S212、判断探测体当前所在节点的前方以及上、下相邻的3个相邻节点中是否有目标节点,若有目标节点,执行步骤S23;若没有目标节点,则执行S213;
S213、判断所述3个相邻节点的信息素值V与0的大小关系:
(1)若3个相邻节点的信息素值都小于或等于0,则这3个节点都为不可用备选节点,即置探测体当前所处节点的信息素值为0,进入步骤S22;
(2)若3个相邻节点中存在至少一个节点的信息素值大于0,则信息素值大于0的节点为可用备选节点,并分别计算出转换概率:转换概率等于当前可用备选节点的信息素值除以所有可用备选节点信息素值之和;选择转换概率最大的可用备选节点作为潜在转换节点;
将探测体当前所处节点的信息素值V更新为:V0为当前所处节点的更新前的信息素值,[V0]表示不大于V0的最大整数;
最后将探测体转换到所述潜在转换节点上,将该潜在转换节点作为下一次转换的当前所处节点,返回步骤S211;
S22、将探测体从当前所处节点转换到上一个所处节点,并将该上一个所处节点的信息素值进行减半处理,然后执行步骤S211;
S23、将探测体转换到该目标节点,当前探测体完成探测;
步骤3、基于步骤1对节点的信息素值的初始化以及步骤2的动态威胁的特异化标记结果,在搜索区域对无人机的飞行路径进行规划,具体为:
在初始时刻,将虚拟无人机置于出发节点上,设置用于存储临时最短航路的第一存储区以及存储无人机实际飞过节点的第二存储区,初始时,第一和第二存储区均为空;
S30、在第二存储区中存储无人机当前所处节点的坐标,再判断与当前所处节点相邻的节点中是否包含目标节点:
(1)若包含目标节点,存储该目标节点,执行步骤S38;
(2)若不包含目标节点,在以当前所处节点为中心,以2个栅格长度为半径的圆形区域内,判断是否存在特异化信息素值SV为1的节点:
如果存在,将特异化信息素值SV为1的节点定义为已识别威胁节点,执行步骤S32;
如果不存在,再判断所述第一存储区是否存有临时最短航路:若没有,则执行步骤S31;若有,则进一步判断临时最短航路的第一个节点是否与3个相邻节点中的任一个相同,若相同,则将该节点的信息素值进行加倍处理,执行步骤S31;若不相同,则将所述第一存储区内的临时最短航路删除,执行步骤S31;
S31、(1)若存在其中1个相邻节点的信息素值为正且大于其他2个相邻节点的信息素值时,将信息素值最大的节点作为下一次转换的当前所处节点,执行步骤S30;
(2)若存在2个相邻可选节点的信息素值相同且为正并大于另外1个相邻节点的信息素值时,进入步骤S33;
(3)若存在3个相邻可选节点的信息素值相同且为正,进入步骤S34;
(4)否则,进入步骤S38;
S32、判断无人机当前所处节点与已识别威胁节点的相对位置,判断方法如下:
若已识别威胁节点与无人机当前所处节点处在同一行或同一列时,进入步骤S35;
若已识别威胁节点与无人机当前所处节点处既不在同一行也不在同一列时,进入步骤S36;
S33、无人机分别以这2个相邻节点作为出发点,以目标节点为终点,在搜索区域内对信息素值大于0的节点应用Dijkstra算法,分别计算出最短航路,比较2条最短航路的长度,若2条航路长度不同,选择其中较短航路;若2条航路长度相同,随机选择其中一条航路,将选择出的航路中的第一个节点作为无人机下一次的当前所处节点,将选择出的航路中的第一个节点删除,并将该航路作为临时最短航路,更新第一存储区,然后执行步骤S30;
S34、无人机分别以这3个相邻节点作为出发点,以目标节点为终点,在搜索区域内对信息素值大于0的节点应用Dijkstra算法,分别计算出最短航路,比较3条最短航路的长度:
(1)若存在其中1条航路的长度小于其他2条,选择较短一条航路;
(2)若存在任2条航路的长度相等且小于等于第3条,则从这2条相等的航路中随机选择一条航路;
将选择出的航路中的第一个节点作为无人机下一次的当前所处节点,将选择出的航路中的第一个节点删除,并将该航路作为临时最短航路,更新第一存储区,然后执行步骤S30;
S35、根据现在节点与已识别威胁节点的位置关系,计算出3个相邻节点中不可以进行转换的节点,从而进一步确定可能的转换节点,具体方法如下:
当已识别威胁节点与无人机当前所处节点处在同一行或同一列时,获得已识别威胁节点与无人机所在行或列的中间位置节点是否为无人机上一次所处节点:若是,进入步骤S30;若不是,进一步判断除该中间位置节点之外的2个相邻节点的信息素值特性,并确定下一转换节点,具体判定方法如下:
(1)当两个节点中存在信息素值大于0的节点,且两个节点信息素值不相同时,选择信息素值较大的节点作为转换节点,将无人机转换到该转换节点,并作为下一次的当前所处节点;将该当前所处节点对搜索区域内的信息素值大于0的节点应用Dijkstra算法,计算出到达目标节点的最短航路,删除临时最短航路的第一个节点,用该临时最短航路更新第一存储区,进入步骤S30;
(2)当所述2个相邻节点信息素值相同且大于0时,则分别从该2个相邻节点出发,利用Dijkstra算法得出到达目标节点的两条最短航路;当两条航路长度不同时,选择较短航路;当两条航路长度相同时,随机选择一条航路;将无人机下一个节点转换到选择出来的航路第一个节点上,作为下一次的当前所处节点,删除临时最短航路的第一个节点,用该临时最短航路更新第一存储区,进入步骤S30;
(3)否则,无人机退回到上一次所处节点,并将该上一次所处节点作为下一次的当前所处节点,进入步骤S30;
S36、根据现处节点与动态威胁节点的位置关系,计算出3个相邻节点中可能进行转换的节点,具体方法如下:
选择与动态威胁节点既不在同一行也不在同一列的节点为可能的转换节点,并进一步判断可能的转换节点的信息素值:
1)若信息素值大于0,则转换到该节点,将该节点作为下一次的当前所处节点,进入步骤S30;
2)若信息素值小于等于0,则回退到上一次所处节点,并将上一次所处节点作为下一次当前所处节点,进入步骤S30;
S37、这3个相邻节点的信息素值是负值或0,将现在所处节点的信息素值置0,回退到上一次所处节点,并把上一次所处节点作为下一次的当前所处节点,进入步骤S30;
S38、无人机到达目标节点,完成任务,在第二存储区中依次读取按时间的先后顺序存储的节点序列,即为本次飞行的路径。
较佳的,所述栅格的单位长度为1500m。
较佳的,所述探测体的数量为搜索区域中节点数目的一半。
本发明具有如下有益效果:
(1)本文提出一种在混合环境下智能识别威胁类型并搜寻最优飞行路径的方法,该方法由探测和运行两个阶段组成。探测阶段由多个探测体共同执行探测任务完成对搜索区域的基本认知,主要包括节点信息素值更新、动态威胁标识和静态威胁躲避,并由此形成基础的优化航路;运行阶段由单个无人机完成实际寻路,利用探测阶段的形成的基本认知,可以很好地保证在实际执行阶段准确躲避静态威胁、尽早识别并躲避动态威胁以及快速规划最优航路,使无人机快速安全地到达目标点。
附图说明
图1为本发明的栅格化后的搜索区域示意图。
图2为本发明中动态威胁位于无人机前方的示意图。
图3为本发明的动态威胁位于无人机同方位的示意图。
图4为本发明的动态威胁位于无人机肩方位的示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
对搜索区域栅格化:对包括高山、电磁和雷达等在内的威胁进行分析可以发现,它们覆盖的区域多是以威胁源为中心、以威胁范围为半径的近似圆形区域。所以,本文在对威胁区域进行建模的过程中,将威胁区域视作圆形。另外,栅格化方法是目前研究最广泛的空间路径计算方法,该方法将无人机执行任务可搜索的飞行空间划分成多个简单的区域,称为栅格。
对整个空间在进行二维描述的基础上,采用栅格化方法对搜索区域进行划分,实际当中,考虑到目前无人机的平均速度为4.3马赫(约1430m/s),所以设置相邻栅格节点的长度为1500m。如图1所示,其具体栅格化方法可描述如下:
(1)设S点到E点的距离为L,无人机允许的最大偏航距离为C,所以无人机的飞行区域是以SE为中线,长为L,宽为2C的长方形区域。
(2)以S点为原点,建立坐标系,方向为x轴,方向为y轴。
(3)将x轴上的线段SE进行p-1等分,在每个等分点处做SE的垂线,就得到线段L0,L2,…,Lp-1
(4)以x轴为中心,将每条线段进行q-1等分,每条线段上就有q个点,即区域内有p*q个节点,表示如下:
L0(0,0),L0(0,1),…,L0(0,q-1)……Lp-1(p-1,0),Lp-1(p-1,1),…,Lp-1(p-1,q-1)
其中,Li(i,j)表示第i条垂线上的第j个点。
对节点信息素值进行初始化:
静态威胁:搜索区域内静止的威胁。主要指高山、建筑物等自然障碍物和敌方固定的侦查区域,其覆盖的区域称为静态威胁区域。
动态威胁:在搜索区域内,具有随机出现和随机移动特点的威胁,主要指地方的侦察机等。实时覆盖的区域称为动态威胁区域。特征:1,动态威胁在随机移动的过程中对覆盖的区域进行扫描,标识为将覆盖的节点信息素置为-∞;2,探测体或无人机一旦处于动态威胁的覆盖区域,动态威胁将发起进攻,并且导致探测体和无人机死亡;3,动态威胁移出其覆盖的区域后失去对区域内无人机的攻击能力,标识为将节点的信息素值复原为覆盖前的值;4,在探测阶段,探测体在被攻击死亡时刻后,对该动态威胁进行特异化标记,即置sflage=1;5,被特异化标记的动态威胁,会自动将其威胁区域覆盖节点的特异化信息素值SV置为1,在离开所覆盖的区域节点时将节点的SV进行复原;
静态威胁的位置、数量和覆盖范围已知,其覆盖范围为半径为r的圆形区域;
动态威胁的随机运动速率与探测体、无人机的大小相同,在搜索区域的前、后、左、右四个方向随机移动,随机出现与运动的步调与探测体、无人机的一致。
每个节点存储两种数据:有符号浮点型值和整型值,有符号浮点型值用于表示节点的信息素值V;整型值用于表示节点的特异化信息素值SV,初始化为0。
(1)静态威胁区域节点信息素值初始化
初始时刻,将静态威胁区域所覆盖的节点进行初始化,以此加速探测体探测和减少无人机的搜索寻路时间,初始化信息素值为负值,V=-πr2;其中,r为该节点所属静态威胁区域的半径大小;
(2)非威胁区域节点信息素值初始化
初始时刻,将所有非威胁区域的节点的信息素值初始化为一个趋于0的正值,为(0.1)n,其中,n为搜索区域内节点总个数;
本方法由探测和运行两个阶段组成。探测阶段由多个探测体共同执行探测任务完成对搜索区域的基本认知,主要包括节点信息素值更新、动态威胁标识和静态威胁躲避,并由此形成基础的优化航路;运行阶段由单个无人机完成实际寻路。该算法的特点是利用探测阶段的形成的基本认知,可以很好地保证在实际执行阶段准确躲避静态威胁、尽早识别并躲避动态威胁以及快速规划最优航路。
探测阶段的定义:
搜索区域G(S,D):无人机从源节点S(xS,yS)出发到达目标节点D(xD,yD)可以飞行的区域;
探测体:在探测阶段,按照算法特点在搜索区域执行任务的探测个体,记为Ak,k表示第k个探测体;为了尽可能多的获取搜索区域威胁信息并形成初步的优化航路,同时考虑计算速度,将探测体的数量设置为搜索区域栅格节点数目的一半。探测体特征:1、可以读取到相邻节点的信息素值,包括正负和大小;2、探测体不转换到信息素值为负值的相邻节点;3、探测体以概率大小转换到可用备选节点;4,特殊情况下,探测体可以回退到上一节点;5,探测体现在所处节点一旦被动态威胁覆盖,标识该探测体死亡,停止转换;6,探测体一旦死亡,对动态威胁进行特异化标志;7,探测体每隔1秒转换到下一节点。
具体的探测方法如下:
S20、在初始时刻t1,采用m个虚拟无人机作为探测体置于源节点上,用flage表示探测体存活状态:当flage为1时表示存活,当flage为0时表示被攻击死亡;实时监测到达目标节点的探测体的数目,并记录当该数目等于1的时刻t2,同时启动计时器,设置倒计时时长为2×(t2-t1);从初始时刻t1开始,针对任意一个探测体,执行步骤S21至步骤S23;当倒计时结束时,停止所有探测体在搜索区域内的探测;
S21、当前探测体准备从当前所处节点转换到下一节点上,具体步骤如下:
S211、首先判断探测体当前所处节点的信息素值V大小是否为-∞:
若V为-∞,说明被动态威胁入侵,将表征探测体存活状态的flage置为0,探测体停止移动,同时将探测体所在动态威胁区域内的动态威胁进行特异化标记;同时,被被特异化标记的动态威胁覆盖的区域内节点信息素置为-∞,节点特异化信息素值SV置为1;当被特异化标记的动态威胁离开覆盖区域的节点后,节点信息素值复原为覆盖前的值,节点特异化信息素值SV置为0;
若V不为-∞,说明没有被动态威胁入侵,则执行下一步;
S212、判断探测体当前所在节点的前方以及上、下相邻的3个节点中是否有目标节点,若有目标节点,执行步骤S23;若没有目标,则执行下一步;
S213、判断所述3个相邻节点的信息素值V与0的大小关系:
若3个相邻节点的信息素值都小于或等于0,则这3个节点都为不可用备选节点,则标记当前节点为穴点,如图2中C点所示,即置探测体当前所处节点的信息素值为0,进入步骤S22;
若3个相邻节点中存在至少一个节点的信息素值大于0,则信息素值大于0的节点为可用备选节点,并分别计算出转换概率:转换概率等于当前可用备选节点的信息素值除以所有可用备选节点信息素值之和;选择转换概率最大的可用备选节点作为潜在转换节点;
将探测体当前所处节点的信息素值V更新为:V0为当前所处节点的更新前的信息素值;
最后该探测体转换到潜在转换节点上,将该潜在转换节点作为下一次转换的当前所处节点,返回步骤S21;
S22、将探测体从当前所处节点转换到上一个所处节点,并将该上一个所处节点的信息素值进行减半处理,然后执行步骤S21;
S23、将探测体转换到该目标节点,当前探测体完成探测;
运行阶段:
无人机:在运行阶段执行任务的个体。特征:1,没有遇到动态威胁的情况下,无人机100%转换到信息素值较大的节点上;2,可以识别以自身所在位置为中心,以1单位长度为半径的圆形区域内的节点的信息素值V;可以识别以自身所在位置为中心,以2单位长度为半径的圆形区域内的节点的特异化信息素值SV;3,无人机可存储被成功转换的节点,用于统计飞行路径;4,无人机可临时存储由Dijkstra计算出的最小航路,称为临时最短航路。每删除该最短航路的第一个节点,后面的第二个节点自动成为第一个节点;5,无人机每隔1秒转换到下一节点。
位置关系:指静态威胁、动态威胁相对于无人机的位置,有两种:正方位和肩方位;正方位由前、后、左、右四种,肩方位由左前、右前、左后、右后四种。
为便于描述,下文中如未特别定义,则现处节点为O(x0,y0),前一节点为P(xp,yp),已识别威胁节点为T(xt,yt),下一转换节点为N(xn,yn);
为便于描述,下面基本步骤中,每完成一个节点转换,无人机将该节点存入其维持的节点位置信息队列。设置用于存储临时最短航路的第一存储区以及存储无人机经过的节点的第二存储区,初始时,第一和第二存储区均为空。
开始时刻,将无人机置于出发节点S(xs,ys),无人机根据搜索区域内现有的节点信息素值进行状态转换。
运行阶段基于节点的信息素值的初始化以及探测阶段动态威胁的特异化标记结果,在搜索区域对无人机的飞行路径进行规划,具体为:
S30、在第二存储区中存储无人机当前所处节点的坐标,再判断与当前所处节点相邻的节点中是否包含目标节点:
若包含目标节点,存储该目标节点,执行步骤S38;
若不包含目标节点,进一步判断是否遇到动态威胁:在以当前所处节点为中心,以2个栅格长度为半径的圆形区域内,判断是否存在特异化信息素值SV为1的节点:如果有,将特异化信息素值SV为1的节点定义为已识别威胁节点,执行步骤S32;如果没有,再判断所述第一存储区是否存有临时最短航路:若没有,则执行步骤S31;若有,则进一步判断临时最短航路的第一个节点是否与3个相邻节点中的任一个相同,若相同,则将该节点的信息素值执行加倍操作,执行步骤S31;若不相同,则将所述第一存储区内的临时最短航路删除,执行步骤S31;
S31、(1)若存在其中1个相邻节点的信息素值为正且大于其他2个相邻节点的信息素值时,无人机直接转换到信息素值最大的节点,作为下一次当前所处节点,执行步骤S30;
(2)若存在2个相邻可选节点的信息素值相同且为正并大于另外1个相邻节点的信息素值时,进入步骤S33;
(3)若存在3个相邻可选节点的信息素值相同且为正,进入步骤S34;
(4)否则,进入步骤S38;
S32、判断现在节点O(x0,y0)与已识别威胁节点T(xt,yt)的相对位置,判断方法如下:
若T(xt,yt)与无人机当前所处节点处在同一行或同一列,即x0=xt或y0=yt时,表示现在节点O(x0,y0)与T(xt,yt)在同方位上,在区域上可表示为下图3所示,进入步骤S35;
若T(xt,yt)与无人机当前所处节点处既不在同一行也不在同一列时,即x0≠xt且y0≠yt,表示已识别威胁节点T(xt,yt)位于现在节点O(x0,y0)的肩方位,在区域上可表示为图4所示,进入步骤S36;
S33、无人机分别以这2个相邻节点作为出发点,以目标节点为终点,在搜索区域内对信息素值大于0的节点应用Dijkstra算法,分别计算出最短航路,比较2条最短航路的长度,若2条航路长度不同,选择其中较短航路;若2条航路长度相同,随机选择其中一条航路,将选择出的航路中的第一个节点作为无人机下一次的当前所处节点,将选择出的航路中的第一个节点删除,并将该航路作为临时最短航路,更新第一存储区,然后执行步骤S30;
S34、无人机分别以这3个相邻节点作为出发点,以目标节点为终点,在搜索区域内对信息素值大于0的节点应用Dijkstra算法,分别计算出最短航路,比较3条最短航路的长度:
(1)若存在其中1条航路的长度小于其他2条,选择较短一条航路;
(2)若存在任2条航路的长度相等且小于等于第3条,则从这2条相等的航路中随机选择一条航路;
将选择出的航路中的第一个节点作为无人机下一次的当前所处节点,将选择出的航路中的第一个节点删除,并将该航路作为临时最短航路,更新第一存储区,然后执行步骤S30;
S35、根据现在节点与已识别威胁节点的位置关系,计算出3个相邻节点中不可以进行转换的节点,从而进一步确定可能的转换节点,具体方法如下:
当已识别威胁节点与无人机当前所处节点处在同一行或同一列时,获得已识别威胁节点与无人机所在行或列的中间位置节点是否为无人机上一次所处节点:若是,则说明威胁处于无人机的后方,则不必处理并进行正常转换,进入步骤S30;若不是,说明该中间节点为危险节点,即为不可进行转换的节点,将该点排除,进一步判断除该中间位置节点之外的2个相邻节点的信息素值特性,并确定下一转换节点,具体判定方法如下:
(1)当两个节点中存在信息素值大于0的节点,且两个节点信息素值不相同时,选择信息素值较大的节点作为转换节点,将无人机转换到该转换节点,并作为下一次的当前所处节点;将该当前所处节点对搜索区域内的信息素值大于0的节点应用Dijkstra算法,计算出到达目标节点的最短航路,删除临时最短航路的第一个节点,用该临时最短航路更新第一存储区,进入步骤S30;
(2)当所述2个相邻节点信息素值相同且大于0时,则分别从该2个相邻节点出发,利用Dijkstra算法得出到达目标节点的两条最短航路;当两条航路长度不同时,选择较短航路;当两条航路长度相同时,随机选择一条航路;将无人机下一个节点转换到选择出来的航路第一个节点上,作为下一次的当前所处节点,删除临时最短航路的第一个节点,用该临时最短航路更新第一存储区,进入步骤S30;
(3)否则,无人机退回到上一次所处节点,并将该上一次所处节点作为下一次的当前所处节点,进入步骤S30;
S36、根据现处节点与动态威胁节点的位置关系,计算出3个相邻节点中可能进行转换的节点,具体方法如下:
选择与动态威胁节点既不在同一行也不在同一列的节点为可能的转换节点,并进一步判断可能的转换节点的信息素值:
1)若信息素值大于0,则转换到该节点,将该节点作为当前所处节点,进入步骤S30;
2)若信息素值小于等于0,则回退到前一节点,并将前一节点作为下一次当前所处节点,进入步骤S30;
S37、这3个相邻节点的信息素值是负值或0,信息素值为负值表示节点为威胁覆盖的几点;信息素值为0说明是探测阶段发现的穴点,无人机不转换到这两种类型的节点,将现在所处节点的信息素值置0,即标志该节点为穴点,回退到上一节点,并把上一节点作为下一次当前所处节点,进入步骤S30;
S38、无人机到达目标节点,完成任务,在第二存储区中依次读取按时间的先后顺序存储的节点序列,即为本次飞行的路径。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (3)

1.一种无人机路径规划方法,其特征在于,包括如下步骤:
步骤1、对搜索区域进行初始化,具体为:
S01:对搜索区域进行栅格化,将无人机出发的节点定义为源节点,将无人机要到达的节点定义为目标节点;每个节点均存储该节点的信息素值V和特异化信息素值SV;
S02:确定搜索区域内静态威胁区域的中心位置及静态威胁的半径r,对静态威胁区域内的节点信息素值V进行赋值:V=-πr2;将搜索区域内静态威胁区域之外的节点的信息素值赋值为(0.1)n,其中,n为搜索区域内节点总个数;
S03:根据搜索区域内敌方防御力量,设置动态威胁的个数及属性,并将所有动态威胁随机置于搜索区域内,覆盖范围根据动态威胁各自的属性确定;令动态威胁在搜索区域内随机移动,其移动速度与无人飞机的飞行速度一致;动态威胁在随机移动的过程中对覆盖的区域进行扫描,标识为将覆盖的节点信息素置为-∞;
步骤2、采用探测体对搜索区域进行探测,完成对动态威胁的特异化标记,具体为:
S20、在初始时刻t1,采用m个虚拟无人机作为探测体置于源节点上,用flage表示探测体存活状态:当flage为1时表示存活,当flage为0时表示探测体被攻击死亡;实时监测到达目标节点的探测体的数目,并记录当该数目等于1的时刻t2,同时启动计时器,设置倒计时时长为2×(t2-t1);同时,从初始时刻t1开始,针对任意一个探测体,执行步骤S21至步骤S23;当倒计时结束时,停止所有探测体在搜索区域内的探测;
S21、当前探测体准备从当前所处节点转换到下一节点上,具体步骤如下:
S211、首先判断探测体当前所处节点的信息素值V大小是否为-∞:
(1)若V为-∞,将表征探测体存活状态的flage置为0,探测体停止探测,同时将探测体所在动态威胁区域内的动态威胁进行特异化标记;同时,被特异化标记的动态威胁覆盖的区域内节点信息素值V置为-∞,节点的特异化信息素值SV置为1,然后执行S212;当被特异化标记的动态威胁离开覆盖区域的节点后,节点信息素值复原为覆盖前的值,节点特异化信息素值SV置为0,然后执行S212;
(2)若V不为-∞,则执行S212;
S212、判断探测体当前所在节点的前方以及上、下相邻的3个相邻节点中是否有目标节点,若有目标节点,执行步骤S23;若没有目标节点,则执行S213;
S213、判断所述3个相邻节点的信息素值V与0的大小关系:
(1)若3个相邻节点的信息素值都小于或等于0,则这3个节点都为不可用备选节点,即置探测体当前所处节点的信息素值为0,进入步骤S22;
(2)若3个相邻节点中存在至少一个节点的信息素值大于0,则信息素值大于0的节点为可用备选节点,并分别计算出转换概率:转换概率等于当前可用备选节点的信息素值除以所有可用备选节点信息素值之和;选择转换概率最大的可用备选节点作为潜在转换节点;
将探测体当前所处节点的信息素值V更新为:V0为当前所处节点的更新前的信息素值,[V0]表示不大于V0的最大整数;
最后将探测体转换到所述潜在转换节点上,将该潜在转换节点作为下一次转换的当前所处节点,返回步骤S211;
S22、将探测体从当前所处节点转换到上一个所处节点,并将该上一个所处节点的信息素值进行减半处理,然后执行步骤S211;
S23、将探测体转换到该目标节点,当前探测体完成探测;
步骤3、基于步骤1对节点的信息素值的初始化以及步骤2的动态威胁的特异化标记结果,在搜索区域对无人机的飞行路径进行规划,具体为:
在初始时刻,将虚拟无人机置于出发节点上,设置用于存储临时最短航路的第一存储区以及存储无人机实际飞过节点的第二存储区,初始时,第一和第二存储区均为空;
S30、在第二存储区中存储无人机当前所处节点的坐标,再判断与当前所处节点相邻的节点中是否包含目标节点:
(1)若包含目标节点,存储该目标节点,执行步骤S38;
(2)若不包含目标节点,在以当前所处节点为中心,以2个栅格长度为半径的圆形区域内,判断是否存在特异化信息素值SV为1的节点:
如果存在,将特异化信息素值SV为1的节点定义为已识别威胁节点,执行步骤S32;
如果不存在,再判断所述第一存储区是否存有临时最短航路:若没有,则执行步骤S31;若有,则进一步判断临时最短航路的第一个节点是否与3个相邻节点中的任一个相同,若相同,则将该节点的信息素值进行加倍处理,执行步骤S31;若不相同,则将所述第一存储区内的临时最短航路删除,执行步骤S31;
S31、(1)若存在其中1个相邻节点的信息素值为正且大于其他2个相邻节点的信息素值时,将信息素值最大的节点作为下一次转换的当前所处节点,执行步骤S30;
(2)若存在2个相邻可选节点的信息素值相同且为正并大于另外1个相邻节点的信息素值时,进入步骤S33;
(3)若存在3个相邻可选节点的信息素值相同且为正,进入步骤S34;
(4)否则,进入步骤S38;
S32、判断无人机当前所处节点与已识别威胁节点的相对位置,判断方法如下:
若已识别威胁节点与无人机当前所处节点处在同一行或同一列时,进入步骤S35;
若已识别威胁节点与无人机当前所处节点处既不在同一行也不在同一列时,进入步骤S36;
S33、无人机分别以这2个相邻节点作为出发点,以目标节点为终点,在搜索区域内对信息素值大于0的节点应用Dijkstra算法,分别计算出最短航路,比较2条最短航路的长度,若2条航路长度不同,选择其中较短航路;若2条航路长度相同,随机选择其中一条航路,将选择出的航路中的第一个节点作为无人机下一次的当前所处节点,将选择出的航路中的第一个节点删除,并将该航路作为临时最短航路,更新第一存储区,然后执行步骤S30;
S34、无人机分别以这3个相邻节点作为出发点,以目标节点为终点,在搜索区域内对信息素值大于0的节点应用Dijkstra算法,分别计算出最短航路,比较3条最短航路的长度:
(1)若存在其中1条航路的长度小于其他2条,选择较短一条航路;
(2)若存在任2条航路的长度相等且小于等于第3条,则从这2条相等的航路中随机选择一条航路;
将选择出的航路中的第一个节点作为无人机下一次的当前所处节点,将选择出的航路中的第一个节点删除,并将该航路作为临时最短航路,更新第一存储区,然后执行步骤S30;
S35、根据现在节点与已识别威胁节点的位置关系,计算出3个相邻节点中不可以进行转换的节点,从而进一步确定可能的转换节点,具体方法如下:
当已识别威胁节点与无人机当前所处节点处在同一行或同一列时,获得已识别威胁节点与无人机所在行或列的中间位置节点是否为无人机上一次所处节点:若是,进入步骤S30;若不是,进一步判断除该中间位置节点之外的2个相邻节点的信息素值特性,并确定下一转换节点,具体判定方法如下:
(1)当两个节点中存在信息素值大于0的节点,且两个节点信息素值不相同时,选择信息素值较大的节点作为转换节点,将无人机转换到该转换节点,并作为下一次的当前所处节点;将该当前所处节点对搜索区域内的信息素值大于0的节点应用Dijkstra算法,计算出到达目标节点的最短航路,删除临时最短航路的第一个节点,用该临时最短航路更新第一存储区,进入步骤S30;
(2)当所述2个相邻节点信息素值相同且大于0时,则分别从该2个相邻节点出发,利用Dijkstra算法得出到达目标节点的两条最短航路;当两条航路长度不同时,选择较短航路;当两条航路长度相同时,随机选择一条航路;将无人机下一个节点转换到选择出来的航路第一个节点上,作为下一次的当前所处节点,删除临时最短航路的第一个节点,用该临时最短航路更新第一存储区,进入步骤S30;
(3)否则,无人机退回到上一次所处节点,并将该上一次所处节点作为下一次的当前所处节点,进入步骤S30;
S36、根据现处节点与动态威胁节点的位置关系,计算出3个相邻节点中可能进行转换的节点,具体方法如下:
选择与动态威胁节点既不在同一行也不在同一列的节点为可能的转换节点,并进一步判断可能的转换节点的信息素值:
1)若信息素值大于0,则转换到该节点,将该节点作为下一次的当前所处节点,进入步骤S30;
2)若信息素值小于等于0,则回退到上一次所处节点,并将上一次所处节点作为下一次当前所处节点,进入步骤S30;
S37、这3个相邻节点的信息素值是负值或0,将现在所处节点的信息素值置0,回退到上一次所处节点,并把上一次所处节点作为下一次的当前所处节点,进入步骤S30;
S38、无人机到达目标节点,完成任务,在第二存储区中依次读取按时间的先后顺序存储的节点序列,即为本次飞行的路径。
2.如权利要求1所述的一种无人机路径规划方法,其特征在于,所述栅格的单位长度为1500m。
3.如权利要求1所述的一种无人机路径规划方法,其特征在于,所述探测体的数量为搜索区域中节点数目的一半。
CN201510200932.5A 2015-04-24 2015-04-24 一种智能识别威胁类型的无人机飞行路径规划方法 Active CN104834317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510200932.5A CN104834317B (zh) 2015-04-24 2015-04-24 一种智能识别威胁类型的无人机飞行路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510200932.5A CN104834317B (zh) 2015-04-24 2015-04-24 一种智能识别威胁类型的无人机飞行路径规划方法

Publications (2)

Publication Number Publication Date
CN104834317A CN104834317A (zh) 2015-08-12
CN104834317B true CN104834317B (zh) 2017-05-24

Family

ID=53812261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510200932.5A Active CN104834317B (zh) 2015-04-24 2015-04-24 一种智能识别威胁类型的无人机飞行路径规划方法

Country Status (1)

Country Link
CN (1) CN104834317B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017115448A1 (ja) * 2015-12-29 2017-07-06 楽天株式会社 無人航空機退避システム、無人航空機退避方法、及びプログラム
US9954599B2 (en) 2016-07-14 2018-04-24 At&T Intellectual Property I, L.P. Method and system to dynamically identify and control a UAV with emitting instruments
CN106679666B (zh) * 2016-12-26 2019-12-17 北京联合大学 无人机大范围巡航路径规划模型及方法
CN106970648B (zh) * 2017-04-19 2019-05-14 北京航空航天大学 城市低空环境下无人机多目标路径规划联合搜索方法
CN107992076B (zh) * 2017-12-13 2020-12-22 王俊梅 一种无人机搜寻隐匿背景躲避视线追踪的方法
CN109871031B (zh) * 2019-02-27 2022-02-22 中科院成都信息技术股份有限公司 一种固定翼无人机的轨迹规划方法
CN111044052B (zh) * 2019-12-31 2021-07-06 西安交通大学 一种基于智能感知的无人机自适应导航系统及方法
CN111612673B (zh) * 2020-05-13 2023-12-15 飒铂智能科技有限责任公司 一种无人驾驶飞行器对多要地威胁程度确认方法及系统
CN111583083B (zh) * 2020-05-13 2023-12-19 飒铂智能科技有限责任公司 低空飞行的非合作目标对要地威胁程度的确定方法及系统
CN116882607B (zh) * 2023-07-11 2024-02-02 中国人民解放军军事科学院系统工程研究院 一种基于路径规划任务的关键节点识别方法
CN117572894B (zh) * 2024-01-16 2024-03-22 中国人民解放军陆军航空兵学院 一种无人机指定区域内按时到达航线规划方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101122974A (zh) * 2007-09-13 2008-02-13 北京航空航天大学 基于Voronoi图和蚁群优化算法的无人机航路规划方法
CN104406593A (zh) * 2014-12-03 2015-03-11 广西民族大学 一种确定无人机航路最优路径的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101122974A (zh) * 2007-09-13 2008-02-13 北京航空航天大学 基于Voronoi图和蚁群优化算法的无人机航路规划方法
CN104406593A (zh) * 2014-12-03 2015-03-11 广西民族大学 一种确定无人机航路最优路径的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
一种无人机路径规划算法研究;符小卫 等;《系统仿真学报》;20040131;第16卷(第1期);20-21、34 *
基于DBN威胁评估的MPC无人机三维动态路径规划;高晓光 等;《系统工程与电子技术》;20141130;第36卷(第11期);2199-2204 *
基于不同威胁体的无人作战飞机初始路径规划;高晓光 等;《航空学报》;20030930;第24卷(第5期);435-438 *
基于动态贝叶斯网络的无人机路径规划研究;肖秦琨 等;《系统工程与电子技术》;20060831;第28卷(第8期);1124-1127 *
基于稀疏A*搜索和改进人工势场的无人机动态航迹规划;姚远 等;《控制理论与应用》;20100731;第27卷(第7期);953-959 *

Also Published As

Publication number Publication date
CN104834317A (zh) 2015-08-12

Similar Documents

Publication Publication Date Title
CN104834317B (zh) 一种智能识别威胁类型的无人机飞行路径规划方法
CN109254588B (zh) 一种基于交叉变异鸽群优化的无人机集群协同侦察方法
CN106371445B (zh) 一种基于拓扑地图的无人车规划控制方法
Kim et al. Response threshold model based UAV search planning and task allocation
US20210333108A1 (en) Path Planning Method And Device And Mobile Device
CN105511457B (zh) 机器人静态路径规划方法
Zhang et al. UAV path planning method based on ant colony optimization
CN104573812B (zh) 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法
CN113485375B (zh) 一种基于启发式偏置采样的室内环境机器人探索方法
CN108897312A (zh) 多无人飞行器对大规模环境的持续监控路径规划方法
CN104548598B (zh) 一种虚拟现实场景中寻路的方法
Basilico et al. Deploying teams of heterogeneous UAVs in cooperative two-level surveillance missions
CN110262563A (zh) 多无人机协同搜索水上目标的方法
CN110109477A (zh) 基于鸽群智能反向学习的无人机集群多目标控制优化方法
Moors et al. A probabilistic approach to coordinated multi-robot indoor surveillance
Kulich et al. Single robot search for a stationary object in an unknown environment
Stodola et al. Model of optimal cooperative reconnaissance and its solution using metaheuristic methods
CN111427341B (zh) 一种基于概率地图的机器人最短预期时间目标搜索方法
US7647232B2 (en) Real-time team coordination system for reconnaissance and surveillance missions
CN109858499A (zh) 一种基于Faster R-CNN的坦克装甲目标检测方法
CN113063419A (zh) 一种无人机路径规划方法及系统
Ji et al. 2-OptACO: An improvement of ant colony optimization for UAV path in disaster rescue
Zhang et al. A symbolic-AI approach for UAV exploration tasks
CN106996789B (zh) 一种多机载雷达协同探测的航路规划方法
Zou et al. A modified ant colony algorithm used for multi-robot odor source localization

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant