CN112066991A - 多约束条件下智能飞行器航迹快速规划方法、装置 - Google Patents
多约束条件下智能飞行器航迹快速规划方法、装置 Download PDFInfo
- Publication number
- CN112066991A CN112066991A CN202010928510.0A CN202010928510A CN112066991A CN 112066991 A CN112066991 A CN 112066991A CN 202010928510 A CN202010928510 A CN 202010928510A CN 112066991 A CN112066991 A CN 112066991A
- Authority
- CN
- China
- Prior art keywords
- intelligent aircraft
- intelligent
- error
- aircraft
- cost function
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012937 correction Methods 0.000 claims abstract description 74
- 238000010276 construction Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 description 44
- 230000008569 process Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种多约束条件下智能飞行器航迹快速规划方法、装置,所述方法包括:控制智能飞行器从起点飞出;设定智能飞行器的约束条件;根据约束条件构造代价函数;更新边界条件,根据边界条件确定搜索范围;根据搜索范围和代价函数寻找最优节点;控制智能飞行器飞至最优节点;判断最优节点与终点的欧式距离是否小于约束距离;如果是则将当前最优节点作为终点,并控制智能飞行器飞至终点;如果否则返回根据约束条件构造代价函数步骤。由此,该方法通可以搜索更加具有目标性计划性,更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度,使搜索具有更高的有效性和较低的复杂度,可以在寻求最小航迹长度的同时,也寻求尽可能少的校正次数。
Description
技术领域
本发明涉及飞行器技术领域,具体涉及一种多约束条件下智能飞行器航迹快速规划方法和一种多约束条件下智能飞行器航迹快速规划装置。
背景技术
复杂环境下航迹快速规划是智能飞行器控制的一个重要课题。由于系统结构限制,这类飞行器的定位系统无法对自身进行精准定位,一旦定位误差积累到一定程度可能导致任务失败。因此,在飞行过程中对定位误差进行校正是智能飞行器航迹规划中一项重要任务。
在当前研究的航迹规划算法中,A*搜索算法作为一种基于栅格的智能搜索算法,与线性规划法、遗传算法等比较,算法简单易实现,搜索速度快,并且理论上可以保证全局最优解的收敛性。因此,A*搜索算法在飞行轨迹规划问题中的应用较广。
而A*算法通过构造代价函数确定搜索范围,会导致搜索范围较大,如果搜索过程发现一条路径到达一个节点的代价比现存的路径代价低,就要重定向指向该节点的指针,已经在封闭数组中的节点子孙的重定向保存了后面的搜索结果,但是可能需要指数级的计算代价,降低搜索具的有效性和提高搜索的复杂度。
发明内容
本发明为解决上述技术问题,本发明的第一个目的提出一种多约束条件下智能飞行器航迹快速规划方法,该方法通过构造满足约束条件的代价函数,并根据代价函数寻找最优节点,即为飞行器下一个飞行至的节点,以此类推,直到最后达到终点,使搜索更加具有目标性计划性,更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度,使搜索具有更高的有效性和较低的复杂度,可以在寻求最小航迹长度的同时,也寻求尽可能少的校正次数。
本发明第二个目的提出一种多约束条件下智能飞行器航迹快速规划装置。
本发明采用的技术方案如下:
本发明第一方面的实施例提出了一种多约束条件下智能飞行器航迹快速规划方法,包括以下步骤:控制所述智能飞行器从起点飞出;设定所述智能飞行器的约束条件;根据所述约束条件构造代价函数;更新边界条件,根据所述边界条件确定搜索范围;根据所述搜索范围和所述代价函数寻找最优节点;控制所述智能飞行器飞至所述最优节点;判断所述最优节点与终点的欧式距离是否小于约束距离;如果所述最优节点与所述终点的欧式距离小于所述约束距离,则将当前最优节点作为终点,并控制所述智能飞行器飞至所述终点;如果所述最优节点与所述终点的欧式距离大于或等于所述约束距离,则返回根据所述约束条件构造代价函数步骤。
本发明上述提出的多约束条件下智能飞行器航迹快速规划方法还可以具有如下附加技术特征:
根据本发明的一个实施例,所述约束条件包括:所述智能飞行器每飞行1m,垂直误差和水平误差将各增加δ个专用单位,到达终点时所述垂直误差和所述水平误差均应小于θ个专用单位,且仍能够按照规划路径飞行;所述智能飞行器到达校正点即能够根据该位置的垂直误差和水平误差校进行误差校正;所述智能飞行器在所述起点的垂直误差和水平误差均为0;所述智能飞行器在垂直误差校正点进行垂直误差校正后,其垂直误差将变为0,水平误差保持不变;所述智能飞行器在水平误差校正点进行水平误差校正后,其水平误差将变为0,垂直误差保持不变;所述智能飞行器在垂直误差不大于α1个专用单位且水平误差不大于α2个专用单位时,进行垂直误差校正;所述智能飞行器在的垂直误差不大于β1个专用单位且水平误差不大于β2个专用单位时,进行水平误差校正;其中,α1=25,α2=15,β1=20,β2=25,θ=30,δ=0.001。
根据本发明的一个实施例,利用以下公式(1)-(3)构造代价函数: f(x)=g(x)+h(x)(3);其中,g(x)为智能飞行器当前所处位置到树下一步飞往的节点所需的路径代价,h(x)为启发式函数;f(x)为代价函数,(xdq,ydq,zdq)为智能飞行器当前所处位置坐标,(xo,yo,zo)为智能飞行器下一步飞往的节点坐标,(xB,yB,zB)为终点。
根据本发明的一个实施例,根据以下公式(4)更新边界条件:dr=min(min(α1,β1)×1000-u,min(α2,β2)×1000-v)(4);其中,dr为所述边界条件,α1=25,α2=15,β1=20,β2=25,搜索范围是以所述智能飞行器所处节点为圆心、以dr为半径所确定的一个球体,u为所述智能飞行器的垂直误差,v为所述智能飞行器在的水平误差。
根据本发明的一个实施例,根据所述搜索范围和所述代价函数寻找最优节点,包括:采用A*算法根据所述搜索范围和所述代价函数寻找最优节点。
本发明第二方面的实施例提出了一种多约束条件下智能飞行器航迹快速规划装置,包括:第一控制模块,所述第一控制模块用于控制所述智能飞行器从起点飞出;构造模块,所述构造模块用于设定所述智能飞行器的约束条件,并根据所述约束条件构造代价函数;确定模块,所述确定模块用于更新边界条件,根据所述边界条件确定搜索范围;寻找模块,所述寻找模块用于根据所述搜索范围和所述代价函数寻找最优节点;第二控制模块,所述第二控制模块用于控制所述智能飞行器飞至所述最优节点;判断模块,所述判断模块用于判断所述最优节点与终点的欧式距离是否小于约束距离;所述第二控制模块还用于在所述判断模块判断所述最优节点与所述终点的欧式距离小于所述约束距离时,将当前最优节点作为终点,并控制所述智能飞行器飞至所述终点;所述构造模块还用于在所述判断模块判断所述最优节点与所述终点的欧式距离大于或等于所述约束距离时,再根据所述约束条件构造代价函数。
本发明上述提出的多约束条件下智能飞行器航迹快速规划装置还可以具有如下附加技术特征:
根据本发明的一个实施例,所述约束条件包括:所述智能飞行器每飞行1m,垂直误差和水平误差将各增加δ个专用单位,到达终点时所述垂直误差和所述水平误差均应小于θ个专用单位,且仍能够按照规划路径飞行;所述智能飞行器到达校正点即能够根据该位置的垂直误差和水平误差校进行误差校正;所述智能飞行器在所述起点的垂直误差和水平误差均为0;所述智能飞行器在垂直误差校正点进行垂直误差校正后,其垂直误差将变为0,水平误差保持不变;所述智能飞行器在水平误差校正点进行水平误差校正后,其水平误差将变为0,垂直误差保持不变;所述智能飞行器在垂直误差不大于α1个专用单位且水平误差不大于α2个专用单位时,进行垂直误差校正;所述智能飞行器在的垂直误差不大于β1个专用单位且水平误差不大于β2个专用单位时,进行水平误差校正;其中,α1=25,α2=15,β1=20,β2=25,θ=30,δ=0.001。
根据本发明的一个实施例,所述构造模块利用以下公式(1)-(3)构造代价函数: f(x)=g(x)+h(x)(3);其中,g(x)为智能飞行器当前所处位置到树下一步飞往的节点所需的路径代价,h(x)为启发式函数;f(x)为代价函数,(xdq,ydq,zdq)为智能飞行器当前所处位置坐标,(xo,yo,zo)为智能飞行器下一步飞往的节点坐标,(xB,yB,zB)为终点。
根据本发明的一个实施例,所述确定模块根据以下公式(4)更新边界条件:dr=min(min(α1,β1)×1000-u,min(α2,β2)×1000-v)(4);其中,dr为所述边界条件,α1=25,α2=15,β1=20,β2=25,搜索范围是以所述智能飞行器所处节点为圆心、以dr为半径所确定的一个球体,u为所述智能飞行器的垂直误差,v为所述智能飞行器在的水平误差。
根据本发明的一个实施例,所述寻找模块用于采用A*算法根据所述搜索范围和所述代价函数寻找最优节点。
本发明的有益效果:
本发明通过构造满足约束条件的代价函数,并根据代价函数寻找最优节点,即为飞行器下一个飞行至的节点,以此类推,直到最后达到终点,使搜索更加具有目标性计划性,更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度,使搜索具有更高的有效性和较低的复杂度,可以在寻求最小航迹长度的同时,也寻求尽可能少的校正次数。
附图说明
图1是根据本发明一个实施例的多约束条件下智能飞行器航迹快速规划方法的流程图;
图2是根据本发明一个实施例的多约束条件下智能飞行器航迹快速规划装置的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是根据本发明一个实施例的多约束条件下智能飞行器航迹快速规划方法的流程图。如图1所示,该方法包括以下步骤:
S1,控制智能飞行器从起点A飞出。
S2,设定智能飞行器的约束条件。
其中,在本发明的一个实施例中,约束条件为7个,具体包括:
(1)智能飞行器在空间飞行过程中需要实时定位,其定位误差包括垂直误差和水平误差,智能飞行器每飞行1m,垂直误差和水平误差将各增加δ个专用单位,到达终点时垂直误差和水平误差均应小于θ个专用单位,且仍能够按照规划路径飞行。
(2)智能飞行器到达校正点即能够根据该位置的垂直误差和水平误差校进行误差校正。
具体的,智能飞行器在飞行过程中需要对定位误差进行校正。飞行区域中存在一些安全位置(称之为校正点)可用于误差校正,当飞行器到达校正点即能够根据该位置的误差校正类型进行误差校正。校正垂直和水平误差的位置可根据地形在航迹规划前确定。可校正的飞行区域分布位置依赖于地形,无统一规律。若垂直误差、水平误差都能得到及时校正,则智能飞行器可以按照预定航线飞行,通过若干个校正点进行误差校正后最终到达目的地。
(3)智能飞行器在起点的垂直误差和水平误差均为0。
(4)智能飞行器在垂直误差校正点进行垂直误差校正后,其垂直误差将变为0,水平误差保持不变。
(5)智能飞行器在水平误差校正点进行水平误差校正后,其水平误差将变为0,垂直误差保持不变。
(6)智能飞行器在垂直误差不大于α1个专用单位且水平误差不大于α2个专用单位时,进行垂直误差校正。
(7)智能飞行器在的垂直误差不大于β1个专用单位且水平误差不大于β2个专用单位时,进行水平误差校正。
其中,α1=25,α2=15,β1=20,β2=25,θ=30,δ=0.001。
S3,根据约束条件构造代价函数。
根据本发明的一个实施例,可以利用以下公式(1)-(3)构造代价函数:
f(x)=g(x)+h(x) (3)
其中,g(x)为智能飞行器当前所处位置到树下一步飞往的节点所需的路径代价,h(x)为启发式函数;f(x)为代价函数,(xdq,ydq,zdq)为智能飞行器当前所处位置坐标,(xo,yo,zo)为智能飞行器下一步飞往的节点坐标,(xB,yB,zB)为终点。
S4,更新边界条件,根据边界条件确定搜索范围。
根据本发明的一个实施例,根据以下公式(4)更新边界条件:
dr=min(min(α1,β1)×1000-u,min(α2,β2)×1000-v) (4)
其中,dr为边界条件,α1=25,α2=15,β1=20,β2=25,
搜索范围是以所述智能飞行器所处节点为圆心、以dr为半径所确定的一个球体,u为智能飞行器的垂直误差,v为智能飞行器在的水平误差。
S5,根据搜索范围和代价函数寻找最优节点。
S6,控制智能飞行器飞至最优节点。
S7,判断最优节点与终点B的欧式距离是否小于约束距离。如果是,则执行步骤S8,如果否,则返回步骤S3。
约束距离可以根据实际情况进行预设。
S8,将当前最优节点作为终点B,并控制智能飞行器飞至终点B。
具体的,控制智能飞行器从起点飞出,然后设定智能飞行器的约束条件,根据约束条件构造代价函数f(x),更新边界条件,根据边界条件确定搜索范围。校正点分为水平和垂直校正点,并根据垂直误差u和水平误差v的大小确定是水平矫正还是垂直校正。如果u<v则为垂直校正,此时需要寻找的是垂直校正点,如果u>v则为水平校正,此时需要寻找的是水平校正点。将根据边界条件确定搜索范围内的点,代入代价函数,其中满足最小代价距离节点便是飞行器下一步飞往的最优节点,并且飞行器飞往该节点。
然后,判断当前最优节点与终点的欧式距离是否小于约束距离,如果是,则将当前最优节点作为终点,控制智能飞行器飞至终点,如果否,则继续寻找最优节点,以此类推,直到最后达到终点B点。
由此,本发明通过构造满足约束条件的代价函数,并根据代价函数寻找最优节点,即为飞行器下一个飞行至的节点,以此类推,直到最后达到终点,使搜索更加具有目标性计划性,更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度,使搜索具有更高的有效性和较低的复杂度,且经相关实验证明,采用本发明上述的方法可以在寻求最小航迹长度的同时,也寻求尽可能少的校正次数。
根据本发明的一个实施例,根据搜索范围和代价函数寻找最优节点,可以包括:采用A*算法根据搜索范围和代价函数寻找最优节点。
具体的,A*算法如下:
1)生成一个只包含开始节点n0的搜索图G,把n0放在一个叫OPEN的列表上。
2)生成一个列表CLOSED,它的初始值为空。
3)如果OPEN表为空,则失败退出。
4)选择OPEN上的第一个节点,把它从OPEN中移入CLOSED,称该节点为n。
5)如果n是目标节点,顺着G中,从n到n0的指针找到一条路径,获得解决方案,成功退出(该指针定义了一个搜索树,在第7步建立)。
6)扩展节点n,生成其后继结点集M,在G中,n的祖先不能在M中。在G中安置M的成员,使他们成为n的后继。
7)从M的每一个不在G中的成员建立一个指向n的指针(例如,既不在OPEN中,也不在CLOSED中)。把M1的这些成员加到OPEN中。对M的每一个已在OPEN中或CLOSED中的成员m,如果到目前为止找到的到达m的最好路径通过n,就把它的指针指向n。对已在CLOSED中的M的每一个成员,重定向它在G中的每一个后继,以使它们顺着到目前为止发现的最好路径指向它们的祖先。
8)按递增f(x)值,重排OPEN(相同最小f(x)值可根据搜索树中的最深节点来解决)。
9)返回第3步。
根据本发明实施例的多约束条件下智能飞行器航迹快速规划方法,通过构造满足约束条件的代价函数,并根据代价函数寻找最优节点,即为飞行器下一个飞行至的节点,以此类推,直到最后达到终点,即采用改进的A*算法,可以使搜索更加具有目标性计划性,更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度,使搜索具有更高的有效性和较低的复杂度,可以在寻求最小航迹长度的同时,也寻求尽可能少的校正次数。
与上述的多约束条件下智能飞行器航迹快速规划方法相对应,本发明还提出一种多约束条件下智能飞行器航迹快速规划装置。由于本发明的装置实施例与上述的方法实施例相对应,对于装置实施例中未披露的细节,可参照上述的方法实施例,本发明中不再进行赘述。
图2是根据本发明一个实施例的多约束条件下智能飞行器航迹快速规划装置的方框示意图。如图2所示,该装置包括:第一控制模块1、构造模块2、确定模块3、寻找模块4、第二控制模块5、判断模块6。
其中,第一控制模块1用于控制智能飞行器从起点飞出;构造模块2用于设定智能飞行器的约束条件,并根据约束条件构造代价函数;确定模块3用于更新边界条件,根据边界条件确定搜索范围;寻找模块4用于根据搜索范围和代价函数寻找最优节点;第二控制模块5用于控制智能飞行器飞至最优节点;判断模块6用于判断最优节点与终点的欧式距离是否小于约束距离;第二控制模块5还用于在判断模块判断最优节点与终点的欧式距离小于约束距离时,将当前最优节点作为终点,并控制智能飞行器飞至终点;构造模块2还用于在判断模块判断最优节点与终点的欧式距离大于或等于约束距离时,再根据约束条件构造代价函数。
根据本发明的一个实施例,约束条件为7个,具体包括:
(1)智能飞行器在空间飞行过程中需要实时定位,其定位误差包括垂直误差和水平误差,智能飞行器每飞行1m,垂直误差和水平误差将各增加δ个专用单位,到达终点时垂直误差和水平误差均应小于θ个专用单位,且仍能够按照规划路径飞行。
(2)智能飞行器到达校正点即能够根据该位置的垂直误差和水平误差校进行误差校正。
具体的,智能飞行器在飞行过程中需要对定位误差进行校正。飞行区域中存在一些安全位置(称之为校正点)可用于误差校正,当飞行器到达校正点即能够根据该位置的误差校正类型进行误差校正。校正垂直和水平误差的位置可根据地形在航迹规划前确定。可校正的飞行区域分布位置依赖于地形,无统一规律。若垂直误差、水平误差都能得到及时校正,则智能飞行器可以按照预定航线飞行,通过若干个校正点进行误差校正后最终到达目的地。
(3)智能飞行器在起点的垂直误差和水平误差均为0。
(4)智能飞行器在垂直误差校正点进行垂直误差校正后,其垂直误差将变为0,水平误差保持不变。
(5)智能飞行器在水平误差校正点进行水平误差校正后,其水平误差将变为0,垂直误差保持不变。
(6)智能飞行器在垂直误差不大于α1个专用单位且水平误差不大于α2个专用单位时,进行垂直误差校正。
(7)智能飞行器在的垂直误差不大于β1个专用单位且水平误差不大于β2个专用单位时,进行水平误差校正。
其中,α1=25,α2=15,β1=20,β2=25,θ=30,δ=0.001。
根据本发明的一个实施例,构造模块2可以利用以下公式(1)-(3)构造代价函数:
f(x)=g(x)+h(x) (3)
其中,g(x)为智能飞行器当前所处位置到树下一步飞往的节点所需的路径代价,h(x)为启发式函数;f(x)为代价函数,(xdq,ydq,zdq)为智能飞行器当前所处位置坐标,(xo,yo,zo)为智能飞行器下一步飞往的节点坐标,(xB,yB,zB)为终点。
根据本发明的一个实施例,确定模块3可以根据以下公式(4)更新边界条件:
dr=min(min(α1,β1)×1000-u,min(α2,β2)×1000-v) (4)
其中,dr为边界条件,α1=25,α2=15,β1=20,β2=25,
搜索范围是以智能飞行器所处节点为圆心、以dr为半径所确定的一个球体,u为智能飞行器的垂直误差,v为智能飞行器在的水平误差。
根据本发明个一个实施例,寻找模块4用于采用A*算法根据搜索范围和代价函数寻找最优节点。
综上所述,根据本发明实施例的多约束条件下智能飞行器航迹快速规划装置,通过构造满足约束条件的代价函数,并根据代价函数寻找最优节点,即为飞行器下一个飞行至的节点,以此类推,直到最后达到终点,即采用改进的A*算法,可以使搜索更加具有目标性计划性,更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度,使搜索具有更高的有效性和较低的复杂度,可以在寻求最小航迹长度的同时,也寻求尽可能少的校正次数。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件车厢内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种多约束条件下智能飞行器航迹快速规划方法,其特征在于,包括以下步骤:
控制所述智能飞行器从起点飞出;
设定所述智能飞行器的约束条件;
根据所述约束条件构造代价函数;
更新边界条件,根据所述边界条件确定搜索范围;
根据所述搜索范围和所述代价函数寻找最优节点;
控制所述智能飞行器飞至所述最优节点;
判断所述最优节点与终点的欧式距离是否小于约束距离;
如果所述最优节点与所述终点的欧式距离小于所述约束距离,则将当前最优节点作为终点,并控制所述智能飞行器飞至所述终点;
如果所述最优节点与所述终点的欧式距离大于或等于所述约束距离,则返回根据所述约束条件构造代价函数步骤。
2.根据权利要求1所述的多约束条件下智能飞行器航迹快速规划方法,其特征在于,所述约束条件包括:
所述智能飞行器每飞行1m,垂直误差和水平误差将各增加δ个专用单位,到达终点时所述垂直误差和所述水平误差均应小于θ个专用单位,且仍能够按照规划路径飞行;
所述智能飞行器到达校正点即能够根据该位置的垂直误差和水平误差校进行误差校正;
所述智能飞行器在所述起点的垂直误差和水平误差均为0;
所述智能飞行器在垂直误差校正点进行垂直误差校正后,其垂直误差将变为0,水平误差保持不变;
所述智能飞行器在水平误差校正点进行水平误差校正后,其水平误差将变为0,垂直误差保持不变;
所述智能飞行器在垂直误差不大于α1个专用单位且水平误差不大于α2个专用单位时,进行垂直误差校正;
所述智能飞行器在的垂直误差不大于β1个专用单位且水平误差不大于β2个专用单位时,进行水平误差校正;
其中,α1=25,α2=15,β1=20,β2=25,θ=30,δ=0.001。
4.根据权利要求3所述的多约束条件下智能飞行器航迹快速规划方法,其特征在于,根据以下公式(4)更新边界条件:
dr=min(min(α1,β1)×1000-u,min(α2,β2)×1000-v) (4)
其中,dr为所述边界条件,α1=25,α2=15,β1=20,β2=25,
所述搜索范围是以所述智能飞行器所处节点为圆心、以dr为半径所确定的一个球体,u为所述智能飞行器的垂直误差,v为所述智能飞行器在的水平误差。
5.根据权利要求1所述的多约束条件下智能飞行器航迹快速规划方法,其特征在于,根据所述搜索范围和所述代价函数寻找最优节点,包括:
采用A*算法根据所述搜索范围和所述代价函数寻找最优节点。
6.一种多约束条件下智能飞行器航迹快速规划装置,其特征在于,包括:
第一控制模块,所述第一控制模块用于控制所述智能飞行器从起点飞出;
构造模块,所述构造模块用于设定所述智能飞行器的约束条件,并根据所述约束条件构造代价函数;
确定模块,所述确定模块用于更新边界条件,根据所述边界条件确定搜索范围;
寻找模块,所述寻找模块用于根据所述搜索范围和所述代价函数寻找最优节点;
第二控制模块,所述第二控制模块用于控制所述智能飞行器飞至所述最优节点;
判断模块,所述判断模块用于判断所述最优节点与终点的欧式距离是否小于约束距离;
所述第二控制模块还用于在所述判断模块判断所述最优节点与所述终点的欧式距离小于所述约束距离时,将当前最优节点作为终点,并控制所述智能飞行器飞至所述终点;
所述构造模块还用于在所述判断模块判断所述最优节点与所述终点的欧式距离大于或等于所述约束距离时,再根据所述约束条件构造代价函数。
7.根据权利要求6所述的多约束条件下智能飞行器航迹快速规划装置,其特征在于,所述约束条件包括:
所述智能飞行器每飞行1m,垂直误差和水平误差将各增加δ个专用单位,到达终点时所述垂直误差和所述水平误差均应小于θ个专用单位,且仍能够按照规划路径飞行;
所述智能飞行器到达校正点即能够根据该位置的垂直误差和水平误差校进行误差校正;
所述智能飞行器在所述起点的垂直误差和水平误差均为0;
所述智能飞行器在垂直误差校正点进行垂直误差校正后,其垂直误差将变为0,水平误差保持不变;
所述智能飞行器在水平误差校正点进行水平误差校正后,其水平误差将变为0,垂直误差保持不变;
所述智能飞行器在垂直误差不大于α1个专用单位且水平误差不大于α2个专用单位时,进行垂直误差校正;
所述智能飞行器在的垂直误差不大于β1个专用单位且水平误差不大于β2个专用单位时,进行水平误差校正;
其中,α1=25,α2=15,β1=20,β2=25,θ=30,δ=0.001。
9.根据权利要求8所述的多约束条件下智能飞行器航迹快速规划装置,其特征在于,所述确定模块根据以下公式(4)更新边界条件:
dr=min(min(α1,β1)×1000-u,min(α2,β2)×1000-v) (4)
其中,dr为所述边界条件,α1=25,α2=15,β1=20,β2=25,
搜索范围是以所述智能飞行器所处节点为圆心、以dr为半径所确定的一个球体,u为所述智能飞行器的垂直误差,v为所述智能飞行器在的水平误差。
10.根据权利要求6所述的多约束条件下智能飞行器航迹快速规划装置,其特征在于,所述寻找模块用于采用A*算法根据所述搜索范围和所述代价函数寻找最优节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928510.0A CN112066991A (zh) | 2020-09-07 | 2020-09-07 | 多约束条件下智能飞行器航迹快速规划方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928510.0A CN112066991A (zh) | 2020-09-07 | 2020-09-07 | 多约束条件下智能飞行器航迹快速规划方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112066991A true CN112066991A (zh) | 2020-12-11 |
Family
ID=73663746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010928510.0A Pending CN112066991A (zh) | 2020-09-07 | 2020-09-07 | 多约束条件下智能飞行器航迹快速规划方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112066991A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112923946A (zh) * | 2021-02-26 | 2021-06-08 | 广州海格通信集团股份有限公司 | 一种基于Hybrid-astar的动态路径规划方法 |
CN113311869A (zh) * | 2021-05-28 | 2021-08-27 | 淮阴工学院 | 一种多约束条件下无人机路径规划方法 |
CN114115354A (zh) * | 2021-12-13 | 2022-03-01 | 北京航空航天大学 | 一种异质平台协同路径规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525502A (zh) * | 2017-07-03 | 2017-12-29 | 中国空间技术研究院 | 一种提高水下航行器惯性地形匹配导航平均精度的方法 |
CN108536171A (zh) * | 2018-03-21 | 2018-09-14 | 电子科技大学 | 一种多约束下多无人机协同跟踪的路径规划方法 |
CN110715664A (zh) * | 2019-11-05 | 2020-01-21 | 大连理工大学 | 多约束条件下智能无人飞行器航迹快速规划方法 |
CN111024092A (zh) * | 2019-12-31 | 2020-04-17 | 西南交通大学 | 一种多约束条件下智能飞行器航迹快速规划方法 |
CN111207752A (zh) * | 2020-01-17 | 2020-05-29 | 西北工业大学 | 一种基于动态切点调整的无人机航迹规划方法 |
CN111595343A (zh) * | 2020-04-29 | 2020-08-28 | 西北工业大学 | 一种基于定位误差校正的无人机航迹规划方法 |
-
2020
- 2020-09-07 CN CN202010928510.0A patent/CN112066991A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525502A (zh) * | 2017-07-03 | 2017-12-29 | 中国空间技术研究院 | 一种提高水下航行器惯性地形匹配导航平均精度的方法 |
CN108536171A (zh) * | 2018-03-21 | 2018-09-14 | 电子科技大学 | 一种多约束下多无人机协同跟踪的路径规划方法 |
CN110715664A (zh) * | 2019-11-05 | 2020-01-21 | 大连理工大学 | 多约束条件下智能无人飞行器航迹快速规划方法 |
CN111024092A (zh) * | 2019-12-31 | 2020-04-17 | 西南交通大学 | 一种多约束条件下智能飞行器航迹快速规划方法 |
CN111207752A (zh) * | 2020-01-17 | 2020-05-29 | 西北工业大学 | 一种基于动态切点调整的无人机航迹规划方法 |
CN111595343A (zh) * | 2020-04-29 | 2020-08-28 | 西北工业大学 | 一种基于定位误差校正的无人机航迹规划方法 |
Non-Patent Citations (1)
Title |
---|
YIZHE LUO,ET AL: "Optimization of bits allocation and path planning with trajectory constraint in UAV-enabled mobile edge computing system", 《CHINESE JOURNAL OF AERONAUTICS》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112923946A (zh) * | 2021-02-26 | 2021-06-08 | 广州海格通信集团股份有限公司 | 一种基于Hybrid-astar的动态路径规划方法 |
CN112923946B (zh) * | 2021-02-26 | 2024-03-12 | 广州海格通信集团股份有限公司 | 一种基于Hybrid-astar的动态路径规划方法 |
CN113311869A (zh) * | 2021-05-28 | 2021-08-27 | 淮阴工学院 | 一种多约束条件下无人机路径规划方法 |
CN114115354A (zh) * | 2021-12-13 | 2022-03-01 | 北京航空航天大学 | 一种异质平台协同路径规划方法 |
CN114115354B (zh) * | 2021-12-13 | 2023-07-28 | 北京航空航天大学 | 一种异质平台协同路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112066991A (zh) | 多约束条件下智能飞行器航迹快速规划方法、装置 | |
CN111006693B (zh) | 智能飞行器航迹规划系统及其方法 | |
JP6919949B2 (ja) | 多制約条件下でスマート航空機の航跡を急速に計画する方法 | |
CN110715664B (zh) | 多约束条件下智能无人飞行器航迹快速规划方法 | |
CN110244721B (zh) | 自动驾驶控制方法、装置、设备及存储介质 | |
Lin et al. | Range-based skyline queries in mobile environments | |
US20170219353A1 (en) | Method and system for determining a path of an object for moving from a starting state to an end state set avoiding one or more obstacles | |
US20060167601A1 (en) | Method and apparatus for determining optimized paths of a vehicle | |
EP0197754A2 (en) | Tactical routing system and method | |
CN105700549A (zh) | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 | |
CN107589754A (zh) | 由飞行管理系统计算具有改进的过渡轨迹的方法 | |
CN115113628A (zh) | 一种基于改进灰狼算法的巡检机器人路径规划方法 | |
CN110702117B (zh) | 基于地图的路径规划方法、终端设备及计算机存储介质 | |
CN112729308B (zh) | 多约束条件下无人机快速航迹规划方法 | |
CN110702133A (zh) | 路径规划方法、机器人以及具有存储功能的装置 | |
CN110794874B (zh) | 一种定位误差约束下的飞行器航迹快速规划方法 | |
CN111189455A (zh) | 一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法、系统及存储介质 | |
CN110658850B (zh) | 一种基于贪心策略的无人飞行器的航迹规划方法 | |
CN111290406A (zh) | 一种路径规划的方法、机器人及存储介质 | |
CN111024081A (zh) | 一种无人机群对单移动时敏目标侦察路径规划方法 | |
CN112785082B (zh) | 基于学习的路网最短路距离近似计算模型训练方法和装置 | |
CN113568403A (zh) | 处理方法、处理装置、车辆及存储介质 | |
CN114839927A (zh) | S型曲线加减速规划方法、系统及存储介质 | |
CN114600159A (zh) | 跟踪装置、跟踪方法、跟踪程序 | |
JP6936673B2 (ja) | 地図データ更新システムおよび地図データ更新プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201211 |