CN110398980A - 一种无人机群协同探测及避障的航迹规划方法 - Google Patents

Abstract

本发明涉及一种无人机群协同探测及避障的航迹规划方法，包括，S1：设定无人机群的可飞区域，以及可飞区域内的指定任务监视区域；S2：定义N架无人机的偏航角自变量，并初始化N架无人机的偏航角、在可飞行区域内的位置坐标信息、当前搜索步数k＝0及当前时刻对任务区域的累积覆盖率percent＝p₁；S3：预测N架无人机(k+1)步在可飞区域内航迹偏航角、位置信息，分别计算覆盖面积及适应度函数值；S4：比较所有可能的适应度值，选择最优的适应度值的偏航角、位置信息作为第k+1步的信息，存入航迹图中；S5：令k＝k+1，判断是否k＝K或percent＝1，若是结束规划，若否则继续S3至S5。本发明的方法能够实现监视覆盖面积最大、躲避障碍物且所要求的航迹没有固定起点与终点。

Description

一种无人机群协同探测及避障的航迹规划方法

技术领域

本发明属于无人机技术领域，具体涉及一种无人机群协同探测及避障的航迹规划方法。

背景技术

无人机作战具有，体积小、重量轻、续航时间长、载荷能力强、生存能力强、费用低廉、自主控制能力强、无人员伤亡以及可在高风险空域飞行等优势。但是，现代战场环境复杂多变，而且具有全方位、大纵深的特点，单架无人机常常无法完成所有的空中警戒任务，尤其在承担边境防空警戒任务时，需要警戒的区域较为广阔，单架无人机所能发挥的作用效能十分有限。因此，多架无人机协同作战可以最大发挥无人机的作用。

多架无人机协同机制主要是使多架无人机协同以完成对警戒区域的探测覆盖同时能躲避危险障碍物，目前国内外对无人机区域覆盖问题的研究总体较少，关于多架无人机区域覆盖问题的研究，例如，2006年，Agarwal的研究采用区域划分的思想，将飞行区域划分成许多矩形子区域，按照每架无人机执行覆盖任务的能力来分配区域，将无人机简化为只允许90°和180°的转弯，但这种覆盖方案的并没有考虑到无人机的转弯半径；2010年，陈海等人提出了一种凸多边形区域的航迹规划算法，将凸多边形区域的覆盖航迹规划问题转换为求凸多边形宽度的问题，无人机只需沿着宽度出现时的支撑平行线方向进行“Z”字型路线飞行，但是其没有考虑到飞行过程中无人机的最小转弯半径对“Z”字形路线的影响。关于无人机对于躲避障碍物的研究，例如，2012年Dong S等人在Voronoi图的基础上使用Dijkstra算法寻找最优航迹，将威胁看作一个点，选取各威胁点之间连线的中垂线的交点为航迹点，这种方法能保证航迹最大化避开各个威胁，安全性高，但航迹较长，并且没有考虑无人机最大转弯角的约束，航迹不一定可飞；2016年Maini P等人在可视图的基础上使用Dijkstra算法寻找最短航迹，将多边形障碍的各个顶点看作航迹点，并建立转弯角约束机制，这种方法得到的航迹短，满足无人机的最大转弯角约束，但是由于航迹贴近障碍物，安全性较低。

以上这些区域覆盖航迹规划的方法，大多是针对所要求航迹起始点与终点固定的情况，且是通过切割区域、规避障碍、约束油耗以及转弯次数形成最优航迹，使得特定无人机通过“牛耕式”飞行路线实现切割后各个区域的覆盖，这些方法自身存在一定的缺陷，当对大范围复杂环境进行航迹规划时，会使得路径搜索出现计算量过大、效率不高、寻优能量差等问题，因此不能保证航迹规划的效率和可靠性。此外，在实际情况中，会需要无人机对指定区域进行持续、不间断地监视，同时能躲避障碍物，而且实现最大覆盖面积，这种飞行任务要求的航迹规划往往没有固定的起始点与终点，上述的这些航迹规划方法无法解决此类问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种无人机群协同探测及避障的航迹规划方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供了一种无人机群协同探测及避障的航迹规划方法，包括：

S1：设定无人机群的可飞区域A，在所述可飞区域A内的指定任务监视区域S，同时分析所述无人机的受力情况，在最大转弯角约束范围内划分所述无人机的下一时刻的预测目标节点，并计算其节点增益权重，其中，所述无人机群包含N架无人机，每架所述无人机上设置一个机载雷达，每架所述无人机匀速飞行；

S2：设置所述N架无人机的初始时刻的偏航角向量v⁰，以及所述N架无人机初始时刻在所述可飞区域A内的位置坐标矩阵P⁰，进行初始化，设置所述航迹规划的总步数K，K＝{0,1,2,...,k,...,K}其中，k表示第k步航迹规划，k∈K，k的初始值为0，并将第k步航迹规划到第k+1步航迹规划记为1个单步航迹规划，设置覆盖率percent为在所述任务监视区域S内所有历史航迹的累积覆盖面积占总面积S_total的比例，percent的初始值为p₁，最大值为1，设置单步航迹规划算法的适应度函数的终止准则；

S3：假设第kt时刻所述N架无人机在所述可飞区域A内的航迹位置为其中，i＝{1,2,…,N}，表示所述无人机个数，T表示转置，t表示所述单步航迹规划的时间间隔，选取N个可以实现所述单步航迹规划算法且适应度值最小同时可以避障的预测目标节点作为最优节点，并将所述N个最优节点对应的位置偏转角作为从kt到(k+1)t时刻，所述N架无人机的最优位置偏转角；

S4：根据所述N个最优节点对应的位置偏转角，得到在第(k+1)t时刻所述N架无人机在所述可飞区域A内的位置坐标矩阵以及速度方向，实现第k+1步航路规划，同时计算所述N架无人机第(k+1)t时刻在所述任务监视区域S的所述覆盖率percent；

S5：令k＝k+1，根据判断条件判断是否结束迭代，所述判断条件如下：

若k＝K或percent＝1，则结束迭代，否则依次重复执行S3-S5。

与现有技术相比，本发明的有益效果在于：

本发明的航迹规划方法将无人机群在指定时刻航迹累积总覆盖面积、节点增益权重与探测代价构成算法的适应度函数，通过将航迹规划问题与A^*算法有机结合，使得无人机群以本发明的航迹规划方法得到航迹飞行时，可以不规定航迹的起点与终点，而且可以实现对指定区域的持续监视，同时能躲避障碍物，实现最大覆盖面积。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1是本发明实施例提供的一种无人机群协同探测及避障的航迹规划方法的流程图；

图2是本发明实施例提供的一种无人机在单步航迹规划的时间间隔后可以到达的位置的示意图；

图3是本发明实施例提供的一种预测目标节点的示意图；

图4是本发明实施例提供的一种仿真实验中初始时刻无人机群的位置示意图；

图5是本发明实施例提供的一种仿真实验得到航迹规划结果图；

图6是图5中障碍区域的放大图；

图7是本发明实施例提供的一种仿真实验中无人机群覆盖率的变化曲线图。

具体实施方式

为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种无人机群协同探测及避障的航迹规划方法进行详细说明。

有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。

实施例一

请参见图1，图1是本发明实施例提供的一种无人机群协同探测及避障的航迹规划方法的流程图，如图所示，本实施例的航迹规划方法，包括：

S1：设定无人机群的可飞区域A，在所述可飞区域A内的指定任务监视区域S，同时分析所述无人机的受力情况，在最大转弯角约束范围内划分所述无人机的下一时刻的预测目标节点，并计算其节点增益权重，所述无人机群包含N架无人机，每架所述无人机上设置一个机载雷达，每架所述无人机匀速飞行；

具体地，包括：

S11：设定所述无人机群的可飞区域A和所述任务监视区域S，其中，所述无人机群执行飞行任务时，允许所述无人机群飞行的安全区域为所述可飞区域A，所述任务监视区域S为所述可飞区域A内指定的一定区域，所述任务监视区域S内存在障碍区域O，所述障碍区域O为包含在所述可飞区域A内部，且所述无人机群需要在飞行过程中规避的区域；

若飞离该无人机可飞区域A，则很有可能被敌对势力的防空炮火、地对空导弹势力、定向辐射装置等威胁命中，导致飞行任务失败，航迹规划的飞行任务要求对所述任务监视区域S实现累积最大监视覆盖及避障，使雷达能够可持续地获取所述任务指定监视区域S的地面潜在威胁目标。

S12：设定所述无人机的运动参数，所述运动参数包括：所述无人机的偏航角v、所述无人机的滚转角γ、所述无人机最小转弯半径R_min、所述最小转弯半径转弯时所转过的角度θ，以及所述无人机的探测半径；

具体地，所述无人机的飞行性能参数用来表示无人机在地面运动或在空中飞行时的状态参数，通过所述状态参数可以确定无人机的运动。在本实施例中，所述无人机上安装有一个机载雷达，所述机载雷达既是发射机也是接收机；所述偏航角v，用于表示所述无人机的飞行速度方向与水平坐标系x轴正方向的夹角；所述滚转角γ，用于表示所述无人机对称平面与包含水平坐标系x轴的铅直平面之间的夹角。

当所述无人机在转弯时，机身必须倾斜，然后利用左右主翼升力的不同产生一个向心分量令其转弯，假设所述无人机在某一高度以匀速进行转弯，那么此时垂直于所述无人机轴向平面内的受力方程为：

L cosγ＝mg

式中，L表示升力；γ表示横滚角，即机身倾斜角；m表示机身自重；g表示重力加速度；R表示转弯半径；V_p表示所述无人机的飞行速度。

根据上述公式可以得到：

式中，tanγ表示过载，由上式可知转弯半径R随着横滚角γ的增大而减小，也就是说无人机具有最大的过载限制，当过载tanγ达到最大，即横滚角γ最大时，此时无人机的转弯半径为最小转弯半径R_min，因此，飞机在转弯时只能以大于或等于R_min的转弯半径进行转弯。

根据最小转弯半径R_min可以计算出所述无人机以最小转弯半径转一圈所需要的时间为：

在本实施例中，所述机载雷达最大作用距离R_s作为所述探测半径，根据雷达距离方程可得：

式中，P_t表示机载雷达的峰值功率，G表示机载雷达的天线增益，λ表示机载雷达发射的电磁波波长，σ表示机载雷达检测范围内的地面潜在威胁目标散射截面积，k'表示波尔兹曼常数，T₀表示标准室温，B表示机载雷达带宽，F表示机载雷达输入端信噪比与输出端信噪比的比值，L_s表示机载雷达自身损耗，S_x表示机载雷达输出端信号功率，N_z为机载雷达输出的噪声功率，(S_x/N_z)_omin表示机载雷达所需要的最小输出信噪比，下标omin表示求最小输出操作。

S13：划分所述无人机下一时刻的所述预测目标节点，获取所述单步航迹规划的时间间隔t后所述无人机可以到达的位置，并将所述位置连接成的弧线均分为M段，得到M+1个节点，所述M+1个节点作为所述无人机下一时刻的所述预测目标节点，同时获取每个所述预测目标节点的位置偏转角

其中，位置偏转角度α表示所述预测目标节点的位置相对于所述无人机上一时刻位置的偏转角度，j＝1,2,…,M+1，表示节点，M为偶数，Δα表示相邻两个节点的所述位置偏转角度之间的差值，θ表示所述无人机以所述最小转弯半径转弯时所转过的角度；

具体地，请参见图2，图2是本发明实施例提供的一种无人机在单步航迹规划的时间间隔后可以到达的位置的示意图，如图所示，假设一架无人机当前位于E点，v₁表示该无人机的速度矢量。由于其在空中飞行时一般只有两种飞行方式，即直线飞行和转弯(假设无人机一直在同一高度飞行)，因此该无人机在固定的时间间隔后所能到达的位置由无人机的飞行速度和最小转弯半径这两个参数所决定。无人机最小转弯半径为R_min，则在单步航迹规划的时间间隔t后，也就是无人机经过以最小转弯半径转弯所需的时间后，若该无人机一直保持直线飞行，则无人机所到达的位置为F点；若该无人机以最小转弯半径向左转弯，则无人机所到达的位置为G点；若该无人机以最小转弯半径向右转弯，则无人机所到达的位置为H点；若无人机以更大的转弯半径向左或向右转弯，那么无人机所到达的位置一定在G点与H点之间的圆弧上。这里为了简化模型，令EG＝EF＝EH，即认为无人机转弯飞行单步航迹规划的时间间隔t后相对于E点的欧几里得距离近似相等，因此无人机飞行单步航迹规划的时间间隔t后能到达的所有位置均位于圆弧GH上。

无人机从E点到达G点后，无人机的速度由v₁变为v₂，与E点相比无人机速度方向改变的角度为α表示无人机由E点飞到G点的位置偏转角，θ表示无人机以最小转弯半径转弯所转过的角度，根据相似三角形的几何关系，可以得到：

θ＝2α

值得说明的是，θ、α、是在无人机以最小转弯半径向左转弯情况下的参数，但是这只是为了举例说明它们之间的关系，同理，无人机以最小转弯半径向右转弯至H点，以及以其它半径向左或向右转弯时θ、α、之间依然满足上式所给出的关系。

请结合参见图3，图3是本发明实施例提供的一种预测目标节点的示意图。如图所示，对圆弧GH均分为M段，即可得到M+1个节点，因为向左转弯与向右转弯的情况完全对称，所以M必须为偶数，根据图3和θ、α、之间的关系可以得到每个所述预测目标节点的位置偏转角α，其中α_j＝0表示所述无人机为直线行驶。

S14：根据每个所述预测目标节点的位置偏转角α，得到每个所述预测目标节点的直线增益值d，根据每个所述直线增益值d，得到每个所述预测目标节点的节点增益权重g_d，

g_d＝βd

其中，V_p表示所述无人机在x轴方向的飞行速度值，g表示重力加速度，β表示直线增益权重系数，小于1；

具体地，根据步骤S12中的公式可以得到那么每个所述预测目标节点的过载从而得到每个所述预测目标节点的直线增益值d。

S2：设置所述N架无人机的初始时刻的偏航角向量v⁰，以及所述N架无人机初始时刻在所述可飞区域A内的位置坐标矩阵P⁰，进行初始化，设置所述航迹规划的总步数K，K＝{0,1,2,...,k,...,K}其中，k表示第k步航迹规划，k∈K，k的初始值为0，并将第k步航迹规划到第k+1步航迹规划记为1个单步航迹规划，设置覆盖率percent为在所述任务监视区域S内所有历史航迹的累积覆盖面积占总面积S_total的比例，percent的初始值为p₁，最大值为1，设置单步航迹规划算法的适应度函数的终止准则；

具体地，包括：

S21：设定航迹规划问题的初始条件，设置所述N架无人机的初始时刻的偏航角向量v⁰，以及所述N架无人机初始时刻在所述可飞区域A内的位置坐标矩阵P⁰，设置探测代价初始值为g_t＝0，计算初始时刻所述覆盖率percent＝p₁。

其中，i表示所述无人机个数，表示初始时刻第i架无人机的偏航角，P_i ⁰表示初始时刻第i架无人机在所述可飞区域A内的位置坐标，表示初始时刻时第i架无人机在所述可飞区域A内所述位置坐标的x轴坐标，表示初始时刻时第i架无人机在所述可飞区域A内所述位置坐标的y轴坐标，T表示转置。

在本实施例中，将单架无人机的探测范围简化为以该架无人机为圆心、以所述探测半径为半径的圆，无人机的覆盖面积采用统计的方法来计算，具体方法为：将任务监视区域S平均划分成二维网格，其中可以被探测到的网格标记为1，其余的网格标记为0，统计任务监视区域S内所有被标记为1的网格个数，与所有网格数的百分比即为覆盖率percent。其中若有无人机的覆盖面积超出任务监视区域S，应以任务监视区域S为边界，超出任务监视区域S的面积不做计算。

S22：设置所述航迹规划算法的适应度函数的终止准则，当迭代完设置的所述航迹规划的总步数K或者所述任务监视区域S的覆盖率percent为100％时，终止所述航迹规划任务。

S3：假设第kt时刻所述N架无人机在所述可飞区域A内的航迹位置为其中，i＝{1,2,…,N}，表示所述无人机个数，T表示转置，t表示所述单步航迹规划的时间间隔，选取N个可以实现所述单步航迹规划算法且适应度值最小同时可以避障的预测目标节点作为最优节点，并将所述N个最优节点对应的位置偏转角作为从kt到(k+1)t时刻，所述N架无人机的最优位置偏转角；

具体地，包括：

S31：将所述N架无人机的偏航角v_i作为所述单步航迹规划算法的自变量，根据所述预测目标节点对应的节点增益权重，构建所述适应度函数f_ij，同时设置所述适应度函数的初始值为f_min，最优位置偏转角度α_{opt_i}初始值为0，所述探测代价g_t的初始值为0，

其中，C_{possible_ij}表示第i架无人机第j个所述预测目标节点的可行覆盖率，g_{d_ij}表示第i架无人机第j个所述预测目标节点的节点增益权重，g_t表示探测代价；

在本实施例中，C_{possible_ij}计算公式如下：

S_sum＝S_ijS_old

其中，S_ij表示在所述任务监视区域S内第i架无人机第j个所述预测目标节点的覆盖区域面积，且满足，为第i架无人机在第(k+1)步的x轴的坐标，为第i架无人机在第(k+1)步的y轴的坐标，x'表示所述任务监视区域S中x轴的自变量，y'表示所述任务监视区域S中y轴的自变量，R_s表示所述机载雷达最大作用距离，S_old表示在所述任务监视区域S内所述无人机群历史航迹的累积覆盖面积，∪表示求并集操作，S_total表示所述任务监视区域S的总面积。

对于需要规划下一步节点的无人机，其覆盖范围是以目前正在计算的预测目标节点的坐标为圆心，以所述探测半径为半径的圆，而其他无人机的的覆盖范围是以其他无人机目前所在的位置为圆心，以所述探测半径为半径的圆。

S32：判断第i架无人机的第j个所述预测目标节点的第一远视位置，是否超出所述可飞区域A，或者与其他无人机发生碰撞，若是则进行强制转弯，并执行步骤S36，同时获得第i架无人机的所述最优位置偏转角α_{opt_i}的值为α₁或α_M+1，若否则执行步骤S33，所述第i架无人机的第j个所述预测目标节点的第一远视位置坐标为，

其中，表示第kt时刻第i架无人机在所述可飞行区域A内位置坐标的x轴坐标，表示第kt时刻第i架无人机在所述可飞行区域A内位置坐标的y轴坐标，v_p表示所述无人机平均飞行速度值，表示第kt时刻第i架无人机的偏航角，μ₁表示第一远视系数，μ₁＝3；

S33：判断第i架无人机的第j个所述预测目标节点的第二远视位置，是否位于所述障碍区域O内，若是则所述探测代价g_t的值设置为10000，若否则所述探测代价g_t的值仍为初始值0，并计算得到其对应的所述适应度函数f_ij的值，所述第i架无人机的第j个所述预测目标节点的第二远视位置坐标为，

其中，α_j表示第i架无人机第j个所述预测目标节点的位置偏转角度，μ₂表示第二远视系数，μ₂＝5；

S34：根据得到的第i架无人机的第j个所述预测目标节点的所述适应度函数f_ij的值，判断是否f_ij＜f_min，若是，则更新f_min＝f_ij，所述最优位置偏转角度α_{opt_i}＝α_j，α_j为第j个所述预测目标节点对应的位置偏转角度，若否，则不更新；

S35：令j分别取1至M+1，重复步骤S33和S34，得到第i架无人机的最优位置偏转角度α_{opt_i}，即选出第i架无人机的最优节点；

S36：令i分别取1至N，重复步骤S32、S33、S34和S35，得到所述N架无人机的最优位置偏转角为α_opt＝[α_{opt_1},…,α_{opt_i},…,α_{opt_N}],i＝1,2,…,N。

S4：根据所述N个最优节点对应的位置偏转角，得到在第(k+1)t时刻所述N架无人机在所述可飞区域A内的位置坐标矩阵以及速度方向，实现第k+1步航路规划，同时计算所述N架无人机第(k+1)t时刻在所述任务监视区域S的所述覆盖率percent；

具体地，包括：

S41：根据所述N架无人机的最优位置偏转角α_opt，得到在第(k+1)t时刻所述N架无人机在所述可飞区域A内的位置坐标矩阵P^k+1以及速度方向v^k+1，

其中，表示第(k+1)t时刻第i架无人机在所述可飞区域A内的位置坐标，表示第(k+1)t时刻第i架无人机在所述可飞区域A内的位置坐标的x轴坐标，表示第(k+1)t时刻第i架无人机在所述可飞区域A内的位置坐标的y轴坐标，表示第kt时刻第i架无人机在所述可飞区域A内的位置坐标的x轴坐标，表示第kt时刻第i架无人机在所述可飞区域A内的位置坐标的y轴坐标，v_p表示所述无人机平均飞行速度值，表示第kt时刻第i架无人机的偏航角，

S42：根据第(k+1)t时刻所述无人机群在所述可飞行区域A内的位置坐标矩阵P^k+1，速度方向v^k+1以及所述无人机的探测半径，计算得到第(k+1)t时刻在所述任务监视区域S的覆盖率percent＝p₂。

S5：令k＝k+1，根据判断条件判断是否结束迭代，所述判断条件如下：

若k＝K或percent＝1，则结束迭代，否则依次重复执行S3-S5。

具体地，在重复步骤S3-S5时，使用第上一时刻N架无人机的最优坐标位置以及速度方向作为下一步的航迹规划的初始条件，使用时间上的串行处理，连续地得到多个单步规划后的最优航迹信息，实现N架无人机在指定任务监视区域S进行最大的覆盖及避障。

本实施例的，航迹规划方法将无人机群在指定时刻航迹累积总覆盖面积、节点增益权重与探测代价构成算法的适应度函数，通过将航迹规划问题与A^*算法有机结合，使得无人机群以本发明的航迹规划方法得到航迹飞行时，可以不规定航迹的起点与终点，而且可以实现对指定区域的持续监视，同时能躲避障碍物，实现最大覆盖面积。

实施例二

本实施例提供了关于实施例一中的航迹规划方法的仿真实验，在本实施例中，仿真实验条件请参见表1，

表1仿真实验条件

请参见图4，图4是本发明实施例提供的一种仿真实验中初始时刻无人机群的位置示意图，如图所示，图中四种符号分别表示无人机。请结合参见图5和图6，图5是本发明实施例提供的一种仿真实验得到航迹规划结果图；图6是图5中障碍区域的放大图，图中可飞区域A内的不同曲线分别表示4架无人机的航迹规划轨迹，从图中够可以看出通过本发明实施例的航迹规划方法规划所得的无人机的航迹规划轨迹均分布在可飞区域A内，且能避开障碍物区域O，由此说明本方法得出的航迹点都是有效可行的。请参见图7，图7是本发明实施例提供的一种仿真实验中无人机群覆盖率的变化曲线图，其中纵坐标表示无人机群对任务监视区域S的覆盖率，横坐标表示航迹规划的步数，单位为步，从图中可以看出，使用本发明实施例的航迹规划方法在135步时可以使得无人机群对任务监视区域S的覆盖率达到100％，运算时间为3.223617秒，证明本发明提的无人机群协同探测及避障的航迹规划方法可以实现无人机群对指定区域进行最大覆盖及避障。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种无人机群协同探测及避障的航迹规划方法，其特征在于，包括：

S1：设定无人机群的可飞区域A，在所述可飞区域A内的指定任务监视区域S，同时分析所述无人机的受力情况，在最大转弯角约束范围内划分所述无人机的下一时刻的预测目标节点，并计算其节点增益权重，其中，所述无人机群包含N架无人机，每架所述无人机上设置一个机载雷达，每架所述无人机匀速飞行；

S2：设置所述N架无人机的初始时刻的偏航角向量v⁰，以及所述N架无人机初始时刻在所述可飞区域A内的位置坐标矩阵P⁰，进行初始化，设置所述航迹规划的总步数K，K＝{0,1,2,...,k,...,K}其中，k表示第k步航迹规划，k∈K，k的初始值为0，并将第k步航迹规划到第k+1步航迹规划记为1个单步航迹规划，设置覆盖率percent为在所述任务监视区域S内所有历史航迹的累积覆盖面积占总面积S_total的比例，percent的初始值为p₁，最大值为1，设置单步航迹规划算法的适应度函数的终止准则；

S3：假设第kt时刻所述N架无人机在所述可飞区域A内的航迹位置为其中，i＝{1,2,...,N}，表示所述无人机个数，T表示转置，t表示所述单步航迹规划的时间间隔，选取N个可以实现所述单步航迹规划算法且适应度值最小同时可以避障的预测目标节点作为最优节点，并将所述N个最优节点对应的位置偏转角作为从kt到(k+1)t时刻，所述N架无人机的最优位置偏转角；

S4：根据所述N个最优节点对应的位置偏转角，得到在第(k+1)t时刻所述N架无人机在所述可飞区域A内的位置坐标矩阵以及速度方向，实现第k+1步航路规划，同时计算所述N架无人机第(k+1)t时刻在所述任务监视区域S的所述覆盖率percent；

S5：令k＝k+1，根据判断条件判断是否结束迭代，所述判断条件如下：

若k＝K或percent＝1，则结束迭代，否则依次重复执行S3-S5。

2.根据权利要求1所述的航迹规划方法，其特征在于，所述S1包括：

S11：设定所述无人机群的可飞区域A和所述任务监视区域S，其中，所述无人机群执行飞行任务时，允许所述无人机群飞行的安全区域为所述可飞区域A，所述任务监视区域S为所述可飞区域A内指定的一定区域，所述任务监视区域S内存在障碍区域O，所述障碍区域O为包含在所述可飞区域A内部，且所述无人机群需要在飞行过程中规避的区域；

S12：设定所述无人机的运动参数，所述运动参数包括：所述无人机的偏航角v、所述无人机的滚转角γ、所述无人机最小转弯半径R_min、以所述最小转弯半径转弯时所转过的角度θ，以及所述无人机的探测半径；

S13：划分所述无人机下一时刻的所述预测目标节点，获取所述单步航迹规划的时间间隔t后所述无人机可以到达的位置，并将所述位置连接成的弧线均分为M段，得到M+1个节点，所述M+1个节点作为所述无人机下一时刻的所述预测目标节点，同时获取每个所述预测目标节点的位置偏转角

其中，位置偏转角度α表示所述预测目标节点的位置相对于所述无人机上一时刻位置的偏转角度，j＝1,2,...,M+1，表示节点，M为偶数，Δα表示相邻两个节点的所述位置偏转角度之间的差值，θ表示所述无人机以所述最小转弯半径转弯时所转过的角度；

S14：根据每个所述预测目标节点的位置偏转角α，得到每个所述预测目标节点的直线增益值d，根据每个所述直线增益值d，得到每个所述预测目标节点的节点增益权重g_d，

g_d＝βd

其中，V_p表示所述无人机在x轴方向的飞行速度值，g表示重力加速度，β表示直线增益权重系数，小于1。

3.根据权利要求2所述的航迹规划方法，其特征在于，所述S2包括：

S21：设定航迹规划问题的初始条件，设置所述N架无人机的初始时刻的偏航角向量v⁰，以及所述N架无人机初始时刻在所述可飞区域A内的位置坐标矩阵P⁰，设置探测代价初始值为g_t＝0，计算初始时刻所述覆盖率percent＝p₁，

其中，i表示所述无人机个数，表示初始时刻第i架无人机的偏航角，P_i ⁰表示初始时刻第i架无人机在所述可飞区域A内的位置坐标，表示初始时刻时第i架无人机在所述可飞区域A内所述位置坐标的x轴坐标，表示初始时刻时第i架无人机在所述可飞区域A内所述位置坐标的y轴坐标，T表示转置；

S22：设置所述航迹规划算法的适应度函数的终止准则，当迭代完设置的所述航迹规划的总步数K或者所述任务监视区域S的覆盖率percent为100％时，终止所述航迹规划任务。

4.根据权利要求3所述的航迹规划方法，其特征在于，所述S3包括：

S31：将所述N架无人机的偏航角v_i作为所述单步航迹规划算法的自变量，根据所述预测目标节点对应的节点增益权重，构建所述适应度函数f_ij，同时设置所述适应度函数的初始值为f_min，最优位置偏转角度α_{opt_i}初始值为0，所述探测代价g_t的初始值为0，

其中，C_{possible_ij}表示第i架无人机第j个所述预测目标节点的可行覆盖率，g_{d_ij}表示第i架无人机第j个所述预测目标节点的节点增益权重，g_t表示探测代价；

S32：判断第i架无人机的第j个所述预测目标节点的第一远视位置，是否超出所述可飞区域A，或者与其他无人机发生碰撞，若是则进行强制转弯，并执行步骤S36，同时获得第i架无人机的所述最优位置偏转角α_{opt_i}的值为α₁或α_M+1，若否则执行步骤S33，所述第i架无人机的第j个所述预测目标节点的第一远视位置坐标为，

其中，表示第kt时刻第i架无人机在所述可飞行区域A内位置坐标的x轴坐标，表示第kt时刻第i架无人机在所述可飞行区域A内位置坐标的y轴坐标，v_p表示所述无人机平均飞行速度值，表示第kt时刻第i架无人机的偏航角，μ₁表示第一远视系数，μ₁＝3；

S33：判断第i架无人机的第j个所述预测目标节点的第二远视位置，是否位于所述障碍区域O内，若是则所述探测代价g_t的值设置为10000，若否则所述探测代价g_t的值仍为初始值0，并计算得到其对应的所述适应度函数f_ij的值，所述第i架无人机的第j个所述预测目标节点的第二远视位置坐标为，

其中，α_j表示第i架无人机第j个所述预测目标节点的位置偏转角度，μ₂表示第二远视系数，μ₂＝5；

S34：根据得到的第i架无人机的第j个所述预测目标节点的所述适应度函数f_ij的值，判断是否f_ij＜f_min，若是，则更新f_min＝f_ij，所述最优位置偏转角度α_{opt_i}＝α_j，α_j为第j个所述预测目标节点对应的位置偏转角度，若否，则不更新；

S35：令j分别取1至M+1，重复步骤S33和S34，得到第i架无人机的最优位置偏转角度α_{opt_i}，即选出第i架无人机的最优节点；

S36：令i分别取1至N，重复步骤S32、S33、S34和S35，得到所述N架无人机的最优位置偏转角为α_opt＝[α_{opt_1},...,α_{opt_i},...,α_{opt_N}],i＝1,2,...,N。

5.根据权利要求4所述的航迹规划方法，其特征在于，所述S4包括：

S41：根据所述N架无人机的最优位置偏转角α_opt，得到在第(k+1)t时刻所述N架无人机在所述可飞区域A内的位置坐标矩阵P^k+1以及速度方向v^k+1，

其中，P_i ^k+1表示第(k+1)t时刻第i架无人机在所述可飞区域A内的位置坐标，表示第(k+1)t时刻第i架无人机在所述可飞区域A内的位置坐标的x轴坐标，表示第(k+1)t时刻第i架无人机在所述可飞区域A内的位置坐标的y轴坐标，表示第kt时刻第i架无人机在所述可飞区域A内的位置坐标的x轴坐标，表示第kt时刻第i架无人机在所述可飞区域A内的位置坐标的y轴坐标，v_p表示所述无人机平均飞行速度值，表示第kt时刻第i架无人机的偏航角，

S42：根据第(k+1)t时刻所述无人机群在所述可飞行区域A内的位置坐标矩阵P^k+1，速度方向v^k+1以及所述无人机的探测半径，计算得到第(k+1)t时刻在所述任务监视区域S的覆盖率percent＝p₂。