CN112066992A - 一种基于视场约束的反辐射无人机搜索航迹规划方法 - Google Patents

一种基于视场约束的反辐射无人机搜索航迹规划方法 Download PDF

Info

Publication number
CN112066992A
CN112066992A CN202010939026.8A CN202010939026A CN112066992A CN 112066992 A CN112066992 A CN 112066992A CN 202010939026 A CN202010939026 A CN 202010939026A CN 112066992 A CN112066992 A CN 112066992A
Authority
CN
China
Prior art keywords
field
track
aerial vehicle
unmanned aerial
view
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.)
Granted
Application number
CN202010939026.8A
Other languages
English (en)
Other versions
CN112066992B (zh
Inventor
罗金亮
欧宗伟
任义东
赵铭
杨健
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010939026.8A priority Critical patent/CN112066992B/zh
Publication of CN112066992A publication Critical patent/CN112066992A/zh
Application granted granted Critical
Publication of CN112066992B publication Critical patent/CN112066992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明提出一种基于视场约束的反辐射无人机搜索航迹规划的方法，解决了反辐射无人机航迹规划中未考虑视场覆盖率的问题。构建三维瞬时视场模型和基于视场覆盖率的动态视场模型，确定视场覆盖率计算方法，基于视场边界栅格化任务区域，计算搜索航迹的视场覆盖率作为搜索航迹评价指标，利用视场覆盖率和航程代价进行加权求和构建适应度函数，最终通过改进的遗传算法生成反辐射无人机的最优搜索航迹，增强了航迹规划的科学性、合理性，可充分发挥反辐射无人机的作战效能。

Description

一种基于视场约束的反辐射无人机搜索航迹规划方法
技术领域
本发明属于人机技术领域，涉及一种基于视场约束的反辐射无人机搜索航迹规划的方法。
背景技术
反辐射无人机是一种有效压制和毁伤雷达防空系统、通信中枢等电磁辐射源的新型反辐射武器，无人机头部安装的被动雷达导引头可以实现对作战区域内隐蔽的辐射源信号进行目标搜索、信号截获、识别跟踪的过程，同时被动雷达导引头也对反辐射无人机对目标的搜索加入了视场约束条件。另外反辐射无人机具有“发射后不管”的特点，在搜索阶段只能按预定航迹飞行，因此对反辐射无人机的预先搜索航迹规划提出了较高的要求。目前针对反辐射无人机航迹规划方法没有将视场范围这个特有的约束条件考虑在内，因此这些方法并不能充分的发挥出反辐射无人机的作战效能。
目前针对反辐射无人机搜索航迹规划方法主要都是基于路径代价而形成的，所形成的搜索航迹只是实现了航迹距离的优化，但是并没有保证反辐射无人机对目标的覆盖率的优化，从而降低了反辐射无人机的作战效能。
附图1给出了一种基于路径代价约束条件下的反辐射无人机搜索航迹规划方法实现流程。该技术是目前最为普遍的反辐射无人机搜索航迹规划的一种实现。其技术实现是先对任务区进行规划建立航迹节点、确定航迹代价，然后基于航迹代价构造适应度函数并代入智能算法，最后利用基于路径代价约束条件下的算法生成搜索航迹。
该方法所形成的搜索航迹只是实现了航迹距离的优化，但是并没有保证反辐射无人机对目标的覆盖率的达到最大，降低了反辐射无人机的作战效能。
发明内容
为解决上述技术问题，本发明提出了一种基于视场约束的反辐射无人机搜索
航迹规划方法，其特征在于：所述方法包括如下步骤：
步骤一、建立三维瞬时视场模型，确定瞬时视场覆盖范围；其中反辐射无人
机搜索航迹上两点间的长度L；
步骤二、计算视场覆盖率和计算航线，所述的计算过程还包括以下子步骤：
步骤2.1、在搜索航迹上任取n个次级节点作为反辐射无人机的瞬时位置点，每个次级节点对应的子航迹Lf(i)的长度为
Figure BDA0002672984800000021
第i个次级节点的坐标表示为TP(Xi,Yi)，瞬时视场为Si；
步骤2.2、根据每个次级节点的瞬时视场Si的约束条件，依次利用射线法判断目标点是否位于次级节点TP(Xi,Yi)的视场Si覆盖范围内，并将每个次级节点TP(Xi,Yi)的瞬时视场规定为对应子航迹Lf(i)的瞬时视场；
步骤2.3、若某个辐射源目标的定位点M(x,y)在次级节点TP(Xi,Yi)视场覆盖范围内：则将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数；
步骤三、航迹中间节点的选取，以rab作为网格宽度，将任务区域切分为L×M的栅格区，每条边被切分个数分别为
Figure BDA0002672984800000022
n为L长度的边被近边界宽度rab切分的个数，m为P长度的边被近边界宽度rab切分的个数。n,m的结果若有小数点，则向下取整；
步骤四、计算无人机搜索航迹中任意相邻两节点之间的距离，该计算由节点的坐标公式求得无人机搜索的航迹总长为，计算该航迹下的视场覆盖率；
步骤五、使用遗传算法求出反辐射无人机的最优搜索航迹，其包括以下子步骤：
步骤5.1、用排列组合法对航迹节点进行编码，使每个节点只能访问一次；
步骤5.2、将视场覆盖率和路径点间的距离作为适应度函数中的适应度因子，并进行加权求和得到适应度函数
步骤5.3、定义s行t列的pop矩阵代表种群，随机生成初始种群；其中，pop矩阵的列数t为航迹节点个数加1，；每行最后1个元素表示适应度函数的值，随机生成一个样本的数量为N的初始种群；pop矩阵的前t-1列代表航迹节点的排列；pop矩阵的行数s代表样本中个体的数量；
步骤5.4、使用遗传算法生成反辐射无人机的最优搜索航迹。算法中选择算子将种群中适应度最大的个体直接替换适应度最小的个体，交叉算子和变异算子采用有序交叉和倒置变异法，终止条件为循环预定的代数。
进一步的，瞬时视场覆盖范围
Figure BDA0002672984800000031
其中，S是反辐射无人机被动雷达导引头瞬时视场覆盖范围；AB、CD是梯形ABCD的上下边；D1D2是梯形ABCD的高；ψ是二分之一反辐射无人机被动雷达导引头水平视场角；Rmax是导引头最远探测距离；Rmin是导引头最近探测距离；H是某瞬时时刻无人机飞行高度；θmin和θmax分别是反辐射无人机被动雷达导引头垂直视场俯仰角最小值和最大值。
进一步的，子步骤2.3还包括：辐射源目标的定位点M(x,y)满足约束条件时
M(x,y)∈Aeeti,(i＝1,2…n)，
将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数：在整条搜索航迹中，目标点在视场约束范围内的线段有N段，线段长度为Lf(i),则视场覆盖率
Figure BDA0002672984800000032
其中，Aeeti为第i个次级节点TP(Xi,Yi)的视场覆盖范围；Lf(i)为第i段的线段长度。
进一步的，步骤三还包括：选取每个栅格的几何中心(Xi,Yj)作为无人机搜索的航迹节点，则每个节点的坐标计算公式为：
Figure BDA0002672984800000041
Figure BDA0002672984800000042
其中，rab为视场的近边界宽度AB的长度；L和H为任务区域的边长；n为L长度的边被rab切分的个数，m为H长度的边被rab切分的个数；X0和Y0为任务区左下角顶点坐标；i为节点的横向编号，j为节点的纵向编号。
进一步的，所述的步骤四中的航迹中长和视场覆盖率分别表述为：
无人机搜索的航迹距离总长为
Figure BDA0002672984800000043
其中M表示搜索航迹中总的节点数，L(j)表示搜索航迹中第j段航迹长度；反辐射无人机搜索航迹的视场覆盖率
Figure BDA0002672984800000044
将W作为搜索航迹的评价指标。
进一步的，子步骤5.2还包括计算适应度函数
Figure BDA0002672984800000045
式中
Figure BDA0002672984800000046
为航迹代价，P0为覆盖率重要度，P1＝1-P0为航迹代价的重要度。
本发明结合反辐射无人机视场覆盖率，利用改进的遗传算法，增强了航迹规划的科学性、合理性；本发明结合了反辐射无人机的特点，可充分发挥反辐射无人机的作战效能。
附图说明
图1是现有的基于路径代价约束条件下的反辐射无人机搜索航迹规划方法实现流程；
图2为本发明提出的无人机搜索航迹规划方法实现流程框图；
图3是本发明的三维瞬时视场模型图；
图4是本发明的视场覆盖率模型图；
图5是本发明的任务区域设置效果图；
图6是本发明的遗传算法流程图；
图7是本发明的无人机搜索路径的仿真结果图。
具体实施方式
本申请从实际角度出发，依据反辐射无人机的特点，结合反辐射无人机视场覆盖率，利用改进的遗传算法，增强了航迹规划的科学性、合理性，可充分发挥反辐射无人机的作战效能。
以下结合附图2-7对本发明的具体实施方式作出详细说明。
附图2是本发明提出的无人机搜索航迹规划方法实现流程框图。本发明的目的是提供一种反辐射无人机搜索航迹规划方法，主要是为了解决反辐射无人机航迹规划中未考虑视场覆盖率的问题。构建三维瞬时视场模型和基于视场覆盖率的动态视场模型，确定视场覆盖率计算方法，基于视场边界栅格化任务区域，计算搜索航迹的视场覆盖率作为搜索航迹评价指标，利用视场覆盖率和航程代价进行加权求和构建适应度函数，最终通过改进的遗传算法生成反辐射无人机的最优搜索航迹，该方法增强了航迹规划的科学性、合理性，可充分发挥反辐射无人机的作战效能。
如附图3所示，是本发明的三维瞬时视场模型图。其中：P为无人机导引头在Z轴上的位置，O为P点在地面的投影点，H为某瞬时时刻无人机飞行高度(目标海拔位置为水平0米)，图形ABCD是瞬时视场覆盖范围为S的区域，D1、D2为线段AB、线段CD的中点。∠OPD1、∠OPD2为探测角的θmin、θmax,∠D1PD2为探测角范围Δθ，∠DPC为水平视场角范围2ψ。导引头最远探测距离PD2＝Rmax，最近探测距离PD1＝Rmin,视场的近边界宽度AB＝rab，视场的远边界宽度CD＝rcd。
步骤1：建立三维瞬时视场模型，确定瞬时视场覆盖范围。如图3所示，瞬时视场覆盖范围
Figure BDA0002672984800000061
其中，S是反辐射无人机被动雷达导引头瞬时视场覆盖范围；AB、CD是梯形ABCD的上下边；D1D2是梯形ABCD的高；ψ是二分之一反辐射无人机被动雷达导引头水平视场角；Rmax是导引头最远探测距离；Rmin是导引头最近探测距离；H是某瞬时时刻无人机飞行高度；θmin和θmax分别是反辐射无人机被动雷达导引头垂直视场俯仰角最小值和最大值。
如附图4所示，是本发明的视场覆盖率模型图。其中：P1(X1,Y1),P2(X2,Y2)是反辐射无人机搜索航迹上的两点,线段P1P2的长度为L。
步骤2具体包括以下步骤：
步骤2.1、在搜索航迹P1P2上任取n个次级节点作为反辐射无人机的瞬时位置点，每个次级节点对应的子航迹Lf(i)的长度为
Figure BDA0002672984800000062
第i个次级节点的坐标表示为TP(Xi,Yi)，瞬时视场为Si；其中，P1P2是任意一条搜索航迹；n是在P1P2上取的节点数；Lf(i)是航迹P1P2被划分成n-1份之后每一份的航迹；i是在P1P2上取的n个节点的序号。
步骤2.2、根据每个次级节点的瞬时视场Si的约束条件，依次利用射线法判断目标点是否位于次级节点TP(Xi,Yi)的视场Si覆盖范围内，并将每个次级节点TP(Xi,Yi)的瞬时视场规定为对应子航迹Lf(i)的瞬时视场；
步骤2.3、若某个辐射源目标的定位点M(x,y)在次级节点TP(Xi,Yi)视场覆盖范围内:M(x,y)∈Aeeti,(i＝1,2…n)则将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数：N＝N+1，(N0＝1,2…n)，在整条搜索航迹中，目标点在视场约束范围内的线段有N段，线段长度为Lf(i),则视场覆盖率
Figure BDA0002672984800000071
其中，Aeeti为第i个次级节点TP(Xi,Yi)的视场覆盖范围；N0为N的初始值；Lf(i)为第i段的线段长度。
如附图5所示，是本发明的任务区域设置效果图。
步骤3：以rab作为网格宽度，将任务区域切分为L×M的栅格区，每条边被切分个数分别为
Figure BDA0002672984800000072
n为L长度的边被近边界宽度rab切分的个数，m为W长度的边被近边界宽度rab切分的个数。n,m的结果若有小数点，则向下取整，即对于网格的部分区域不在任务区域内的情况，此网格不属于任务区域。选取每个栅格的几何中心(Xi,Yj)作为无人机搜索的航迹节点，则每个节点的坐标计算公式为：
Figure BDA0002672984800000073
Figure BDA0002672984800000074
其中，rab为视场的近边界宽度AB的长度；L和H为任务区域的边长；n为L长度的边被rab切分的个数，m为H长度的边被rab切分的个数；(X0,Y0)为任务区左下角顶点坐标；i为节点的横向编号，j为节点的纵向编号。
步骤4：由节点的坐标计算公式可以求得无人机搜索航迹中任意相邻两节点之间的距离，则无人机搜索的航迹距离可表示为
Figure BDA0002672984800000075
M表示搜索航迹中总的节点数，L(j)表示搜索航迹中第j段航迹长度。
计算反辐射无人机搜索航迹的视场覆盖率
Figure BDA0002672984800000076
将W作为搜索航迹的评价指标。
如附图6所示，是本发明的遗传算法流程图。
步骤5具体包括以下步骤：
步骤5.1、用排列组合的方法对航迹节点进行编码，确保每个节点只能访问一次；
步骤5.2、将视场覆盖率和路径点间的距离作为适应度函数中的适应度因子，并进行加权求和得到适应度函数
Figure BDA0002672984800000081
式中
Figure BDA0002672984800000082
为航迹代价，P0为覆盖率重要度，P1＝1-P0为航迹代价的重要度；其中，W(x)为第x条航迹的视场覆盖率；D(x)为第x条航迹的航迹距离；1/D(x)为航迹代价，P0为覆盖率重要度，P1＝1-P0为航迹代价的重要度；
步骤5.3、定义s行t列的pop矩阵代表种群，随机生成初始种群；其中，pop矩阵的列数t为航迹节点个数加1，；每行最后1个元素表示适应度函数的值，随机生成一个样本的数量为N的初始种群；pop矩阵的前t-1列代表航迹节点的排列；pop矩阵的行数s代表样本中个体的数量；
步骤5.4、通过改进的遗传算法生成反辐射无人机的最优搜索航迹。算法中选择算子将种群中适应度最大的个体直接替换适应度最小的个体，交叉算子和变异算子采用有序交叉和倒置变异法，终止条件为循环一定的代数。
本发明提供了一种基于视场约束的反辐射无人机搜索航迹规划方法，具体实现该技术方案的方法和途径有很多，以上所述仅是本发明的优选方案。本实施例中未明确的个组成部分均可用现有技术加以实现。
实施例一。
如附图3所示，是本发明的三维瞬时视场模型图。其中：P为无人机导引头在Z轴上的位置，O为P点在地面的投影点，H为某瞬时时刻无人机飞行高度(目标海拔位置为水平0米)，图形ABCD是瞬时视场覆盖范围为S的区域，D1、D2为线段AB、线段CD的中点。∠OPD1、∠OPD2为探测角的θmin、θmax,∠D1PD2为探测角范围Δθ，∠DPC为水平视场角范围2ψ。导引头最远探测距离PD2＝Rmax，最近探测距离PD1＝Rmin,视场的近边界宽度AB＝rab，视场的远边界宽度CD＝rcd。
步骤1：建立三维瞬时视场模型，确定瞬时视场覆盖范围。如图1所示，瞬时视场覆盖范围
Figure BDA0002672984800000091
其中，S是反辐射无人机被动雷达导引头瞬时视场覆盖范围；AB、CD是梯形ABCD的上下边；D1D2是梯形ABCD的高；ψ是二分之一反辐射无人机被动雷达导引头水平视场角；Rmax是导引头最远探测距离；Rmin是导引头最近探测距离；H是某瞬时时刻无人机飞行高度；θmin和θmax分别是反辐射无人机被动雷达导引头垂直视场俯仰角最小值和最大值。
如附图4所示，是本发明的视场覆盖率模型图。其中：P1(X1,Y1),P2(X2,Y2)是反辐射无人机搜索航迹上的两点,线段P1P2的长度为L。
步骤2具体包括以下步骤：
步骤2.1、在搜索航迹P1P2上任取n个次级节点作为反辐射无人机的瞬时位置点，每个次级节点对应的子航迹Lf(i)的长度为
Figure BDA0002672984800000092
第i个次级节点的坐标表示为TP(Xi,Yi)，瞬时视场为Si；
步骤2.2、根据每个次级节点的瞬时视场Si的约束条件，依次利用射线法判断目标点是否位于次级节点TP(Xi,Yi)的视场Si覆盖范围内，并将每个次级节点TP(Xi,Yi)的瞬时视场规定为对应子航迹Lf(i)的瞬时视场；
步骤2.3、若某个辐射源目标的定位点M(x,y)在次级节点TP(Xi,Yi)视场覆盖范围内:
M(x,y)∈Aeeti,(i＝1,2…n)
则将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数：N＝N+1，(N0＝1,2…n)，在整条搜索航迹中，目标点在视场约束范围内的线段有N段，线段长度为Lf(i),则视场覆盖率
Figure BDA0002672984800000101
如附图5所示，是本发明的任务区域设置效果图。
步骤3：以rab作为网格宽度，将任务区域切分为L×M的栅格区，每条边被切分个数分别为
Figure BDA0002672984800000102
n为L长度的边被近边界宽度rab切分的个数，m为H长度的边被近边界宽度rab切分的个数。n,m的结果若有小数点，则向下取整，即对于网格的部分区域不在任务区域内的情况，此网格不属于任务区域。选取每个栅格的几何中心(Xi,Yj)作为无人机搜索的航迹节点，则无人机搜索的航迹距离可表示为
Figure BDA0002672984800000103
M表示搜索航迹中总的节点数，L(j)表示搜索航迹中第j段航迹长度。
步骤4：由节点的坐标计算公式可以求得无人机搜索航迹中任意相邻两节点之间的距离，则无人机搜索的航迹距离可表示为
Figure BDA0002672984800000104
进而计算反辐射无人机搜索航迹的视场覆盖率
Figure BDA0002672984800000105
将W作为搜索航迹的评价指标。
如附图6所示，是本发明的遗传算法流程图。
步骤5具体包括以下步骤：
步骤5.1、用排列组合的方法对航迹节点进行编码，确保每个节点只能访问一次；
步骤5.2、将视场覆盖率和路径点间的距离作为适应度函数中的适应度因子，并进行加权求和得到适应度函数
Figure BDA0002672984800000111
式中
Figure BDA0002672984800000112
为航迹代价，P0为覆盖率重要度，P1＝1-P0为航迹代价的重要度；
步骤5.3、定义s行t列的pop矩阵代表种群，随机生成一个初始种群；其中，pop矩阵的列数t为航迹节点个数加1，每行最后1个元素表示适应度函数的值，随机生成一个样本的数量为N的初始种群；pop矩阵的前t-1列代表航迹节点的排列；pop矩阵的行数s代表样本中个体的数量；
步骤5.4、通过改进的遗传算法生成反辐射无人机的最优搜索航迹。算法中选择算子将种群中适应度最大的个体直接替换适应度最小的个体，交叉算子和变异算子采用有序交叉和倒置变异法，终止条件为循环一定的代数。
代入具体数值进行仿真：地图长度L＝15,地图宽度W＝9,间隔大小S＝3。以视场覆盖率为航路优化指标，设遗传算法参数为：设置种群规模M＝50，进化代数T＝300，交叉概率Pc＝0.3，变异概率Pm＝0.1。水平视场角ψ＝30°，探测角为：θmin＝10°，θmax＝75°，飞行高度为3km，最远探测距离为15km，最近探测距离为2km，近边界宽度为
Figure BDA0002672984800000113
目标位于地图中心
Figure BDA0002672984800000114
覆盖率重要程度P0为0.5，航迹代价的重要度P1为0.5搜索路径的仿真结果如附图7。
最后应说明的是，以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。

Claims (6)

1.一种基于视场约束的反辐射无人机搜索航迹的规划方法，所述方法包括如下步骤：
步骤一、建立三维瞬时视场模型，确定瞬时视场覆盖范围；其中反辐射无人机搜索航迹上两点间的长度L；
步骤二、计算视场覆盖率和计算航线，所述的计算过程还包括以下子步骤：
步骤2.1、在搜索航迹上任取n个次级节点作为反辐射无人机的瞬时位置点，每个次级节点对应的子航迹Lf(i)的长度为
Figure FDA0002672984790000011
第i个次级节点的坐标表示为TP(Xi，Yi)，瞬时视场为Si；
步骤2.2、根据每个次级节点的瞬时视场Si的约束条件，依次利用射线法判断目标点是否位于次级节点TP(Xi，Yi)的视场Si覆盖范围内，并将每个次级节点TP(Xi，Yi)的瞬时视场规定为对应子航迹Lf(i)的瞬时视场；
步骤2.3、若某个辐射源目标的定位点M(x，y)在次级节点TP(Xi，Yi)视场覆盖范围内：则将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数；
步骤三、航迹中间节点的选取，以rab作为网格宽度，将任务区域切分为L×M的栅格区，每条边被切分个数分别为
Figure FDA0002672984790000012
n为L长度的边被近边界宽度rab切分的个数，m为P长度的边被近边界宽度rab切分的个数。n，m的结果若有小数点，则向下取整；
步骤四、计算无人机搜索航迹中任意相邻两节点之间的距离，该计算由节点的坐标公式求得无人机搜索的航迹总长为，计算该航迹下的视场覆盖率；
步骤五、使用遗传算法求出反辐射无人机的最优搜索航迹，其包括以下子步骤：
步骤5.1、用排列组合法对航迹节点进行编码，使每个节点只能访问一次；
步骤5.2、将视场覆盖率和路径点间的距离作为适应度函数中的适应度因子，并进行加权求和得到适应度函数
步骤5.3、定义s行t列的pop矩阵代表种群，随机生成初始种群；其中，pop矩阵的列数t为航迹节点个数加1，；每行最后1个元素表示适应度函数的值，随机生成一个样本的数量为N的初始种群；pop矩阵的前t-1列代表航迹节点的排列；pop矩阵的行数s代表样本中个体的数量；
步骤5.4、使用遗传算法生成反辐射无人机的最优搜索航迹。算法中选择算子将种群中适应度最大的个体直接替换适应度最小的个体，交叉算子和变异算子采用有序交叉和倒置变异法，终止条件为循环预定的代数。
2.如权利要求1所述的反辐射无人机搜索航迹的规划方法，其特征在于：瞬时视场覆盖范围
Figure FDA0002672984790000021
其中，S是反辐射无人机被动雷达导引头瞬时视场覆盖范围；AB、CD是梯形ABCD的上下边；D1D2是梯形ABCD的高；ψ是二分之一反辐射无人机被动雷达导引头水平视场角；Rmax是导引头最远探测距离；Rmin是导引头最近探测距离；H是某瞬时时刻无人机飞行高度；θmin和θmax分别是反辐射无人机被动雷达导引头垂直视场俯仰角最小值和最大值。
3.如权利要求1所述的反辐射无人机搜索航迹的规划方法，其特征在于：子步骤2.3还包括：辐射源目标的定位点M(x，y)满足约束条件时
M(x，y)∈Aeeti，(i＝1，2…n)，
将此节点计入搜索航迹中视场覆盖辐射源目标的节点总数：在整条搜索航迹中，目标点在视场约束范围内的线段有N段，线段长度为Lf(i)，则视场覆盖率
Figure FDA0002672984790000022
其中，Aeeti为第i个次级节点TP(Xi，Yi)的视场覆盖范围；Lf(i)为第i段的线段长度。
4.如权利要求1所述的反辐射无人机搜索航迹的规划方法，其特征在于：步骤三还包括：选取每个栅格的几何中心(Xi，Yj)作为无人机搜索的航迹节点，则每个节点的坐标计算公式为：
Figure FDA0002672984790000031
Figure FDA0002672984790000032
其中，rab为视场的近边界宽度AB的长度；L和H为任务区域的边长；n为L长度的边被rab切分的个数，m为H长度的边被rab切分的个数；X0和Y0为任务区左下角顶点坐标；i为节点的横向编号，j为节点的纵向编号。
5.如权利要求1所述的反辐射无人机搜索航迹的规划方法，其特征在于：所述的步骤四中的航迹中长和视场覆盖率可分别表述为：
无人机搜索的航迹距离总长为
Figure FDA0002672984790000033
其中M表示搜索航迹中总的节点数，L(j)表示搜索航迹中第j段航迹长度；
反辐射无人机搜索航迹的视场覆盖率
Figure FDA0002672984790000034
将W作为搜索航迹的评价指标。
6.如权利要求1所述的反辐射无人机搜索航迹的规划方法，其特征在于：子步骤5.2还包括计算适应度函数
Figure FDA0002672984790000035
式中
Figure FDA0002672984790000036
为航迹代价，P0为覆盖率重要度，P1＝1-P0为航迹代价的重要度。
CN202010939026.8A 2020-09-09 2020-09-09 一种基于视场约束的反辐射无人机搜索航迹规划方法 Active CN112066992B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010939026.8A CN112066992B (zh) 2020-09-09 2020-09-09 一种基于视场约束的反辐射无人机搜索航迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010939026.8A CN112066992B (zh) 2020-09-09 2020-09-09 一种基于视场约束的反辐射无人机搜索航迹规划方法

Publications (2)

Publication Number Publication Date
CN112066992A true CN112066992A (zh) 2020-12-11
CN112066992B CN112066992B (zh) 2022-07-05

Family

ID=73663007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010939026.8A Active CN112066992B (zh) 2020-09-09 2020-09-09 一种基于视场约束的反辐射无人机搜索航迹规划方法

Country Status (1)

Country Link
CN (1) CN112066992B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112987787A (zh) * 2021-03-01 2021-06-18 苏州臻迪智能科技有限公司 一种搜索路径的判断方法、装置、电子设备及存储介质
CN113701762A (zh) * 2021-10-29 2021-11-26 中国人民解放军空军预警学院 一种无人机搜索航路建立方法及装置
CN115565093A (zh) * 2022-12-07 2023-01-03 交通运输部水运科学研究所 一种海事飞机空中巡航可达域的量化评估方法与系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2128731A1 (fr) * 2008-05-30 2009-12-02 Thales Procédé de détermination de trajectoire en présence de courants variables dans le temps
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
CN105628045A (zh) * 2015-12-31 2016-06-01 武汉顶翔智控科技有限公司 一种无人机跟拍路径规划与跟踪方法
US20180048828A1 (en) * 2016-08-11 2018-02-15 Parrot Drones Method for capturing image(s), related computer program and electronic system for capturing a video
CN108983816A (zh) * 2018-08-07 2018-12-11 中南大学 多旋翼无人机变尺度协同监视编队飞行控制方法
WO2019091867A1 (en) * 2017-11-13 2019-05-16 Robin Radar Facilities Bv Radar based system and method for detection of an object and generation of plots holding radial velocity data, and system for detection and classification of unmanned aerial vehicles, uavs
CN110362098A (zh) * 2018-03-26 2019-10-22 北京京东尚科信息技术有限公司 无人机视觉伺服控制方法、装置以及无人机
KR102036716B1 (ko) * 2019-02-15 2019-10-25 국방과학연구소 다중 임무점 방문을 위한 경로 계획 방법 및 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2128731A1 (fr) * 2008-05-30 2009-12-02 Thales Procédé de détermination de trajectoire en présence de courants variables dans le temps
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
CN105628045A (zh) * 2015-12-31 2016-06-01 武汉顶翔智控科技有限公司 一种无人机跟拍路径规划与跟踪方法
US20180048828A1 (en) * 2016-08-11 2018-02-15 Parrot Drones Method for capturing image(s), related computer program and electronic system for capturing a video
WO2019091867A1 (en) * 2017-11-13 2019-05-16 Robin Radar Facilities Bv Radar based system and method for detection of an object and generation of plots holding radial velocity data, and system for detection and classification of unmanned aerial vehicles, uavs
CN110362098A (zh) * 2018-03-26 2019-10-22 北京京东尚科信息技术有限公司 无人机视觉伺服控制方法、装置以及无人机
CN108983816A (zh) * 2018-08-07 2018-12-11 中南大学 多旋翼无人机变尺度协同监视编队飞行控制方法
KR102036716B1 (ko) * 2019-02-15 2019-10-25 국방과학연구소 다중 임무점 방문을 위한 경로 계획 방법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PO YU KUO 等: "A novel optimal route planning based on ramp lowest point search method for unmanned aerial vehicle", 《2018 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS》 *
刘培宾等: "基于改进人工势场法的反辐射无人机搜索航路规划", 《弹箭与制导学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112987787A (zh) * 2021-03-01 2021-06-18 苏州臻迪智能科技有限公司 一种搜索路径的判断方法、装置、电子设备及存储介质
CN113701762A (zh) * 2021-10-29 2021-11-26 中国人民解放军空军预警学院 一种无人机搜索航路建立方法及装置
CN115565093A (zh) * 2022-12-07 2023-01-03 交通运输部水运科学研究所 一种海事飞机空中巡航可达域的量化评估方法与系统

Also Published As

Publication number Publication date
CN112066992B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN112066992B (zh) 一种基于视场约束的反辐射无人机搜索航迹规划方法
CN110031004B (zh) 基于数字地图的无人机静态和动态路径规划方法
CN112733421B (zh) 一种针对有人无人机协同对地作战的任务规划方法
Huang et al. UAV path planning based on particle swarm optimization with global best path competition
CN111352417B (zh) 异构多无人机协同路径的快速生成方法
CN112130581B (zh) 一种面向空中机动作战的无人机集群协同任务规划方法
CN106908066B (zh) 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法
CN111240353B (zh) 基于遗传模糊树的无人机协同空战决策方法
CN102880186B (zh) 基于稀疏a*算法和遗传算法的航迹规划方法
CN102436604B (zh) 一种基于多目标进化方法的多弹协同航路计算方法
CN110389595A (zh) 双属性概率图优化的无人机集群协同目标搜索方法
CN108318032A (zh) 一种考虑攻防对抗的无人机航迹智能规划方法
CN112666981B (zh) 基于原鸽群动态群组学习的无人机集群动态航路规划方法
CN112733251B (zh) 一种多无人飞行器协同航迹规划方法
CN114840020A (zh) 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法
CN110531782A (zh) 用于社区配送的无人机航迹路径规划方法
CN109885082B (zh) 一种基于任务驱动下的无人机航迹规划的方法
Xia et al. Multi—UAV path planning based on improved neural network
CN113268087A (zh) 多约束复杂环境下基于改进蚁群算法的多无人机协同工作的航迹规划方法
CN111121784A (zh) 一种无人侦察机航路规划方法
CN115435787A (zh) 一种基于改进蝴蝶算法的无人机三维路径规划方法及系统
CN113569446B (zh) 基于三维空间网格离散化的防空雷达优化部署方法及系统
CN116400737B (zh) 一种基于蚁群算法的安全路径规划系统
Sanders et al. Optimal offline path planning of a fixed wing unmanned aerial vehicle (UAV) using an evolutionary algorithm
CN116661496A (zh) 一种基于智能算法的多巡飞弹协同航迹规划方法

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
CB03 Change of inventor or designer information

Inventor after: Luo Jinliang

Inventor after: Ou Zongwei

Inventor after: Ren Yidong

Inventor after: Zhao Ming

Inventor after: Yang Jian

Inventor before: Luo Jinliang

Inventor before: Ou Zongwei

Inventor before: Ren Yidong

Inventor before: Zhao Ming

Inventor before: Yang Jian

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant