CN112327927B - 基于网格规划算法的编队无人机多角度打击航迹规划方法 - Google Patents

基于网格规划算法的编队无人机多角度打击航迹规划方法 Download PDF

Info

Publication number
CN112327927B
CN112327927B CN202011342392.1A CN202011342392A CN112327927B CN 112327927 B CN112327927 B CN 112327927B CN 202011342392 A CN202011342392 A CN 202011342392A CN 112327927 B CN112327927 B CN 112327927B
Authority
CN
China
Prior art keywords
unmanned aerial
target
striking
planning
reconnaissance
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
CN202011342392.1A
Other languages
English (en)
Other versions
CN112327927A (zh
Inventor
刘莉
葛佳昊
贺云涛
穆寒
陆天和
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202011342392.1A priority Critical patent/CN112327927B/zh
Publication of CN112327927A publication Critical patent/CN112327927A/zh
Application granted granted Critical
Publication of CN112327927B publication Critical patent/CN112327927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,属于航迹自主规划技术领域。本发明实现方法为:对所需规划的场景与问题进行说明与建模,对无人机编队成员及阵型进行设计,制定不同价值目标的多角度打击方案;对多个疑似目标进行位置整合后,进行再侦察确认,基于网格规划算法规划得到编队内侦察无人机的飞行航迹;依据目标的价值信息并对规划结果扩展,得到无人机编队的多角度打击航迹。本发明基于网格规划算法实现编队无人机多角度打击航迹快速规划,且能够提高编队无人机的自主多角度打击航迹规划效率,使编队无人机能够对不同价值目标执行不同方案的多角度打击,本发明还具有航迹点可靠和操作简单的优点。

Description

基于网格规划算法的编队无人机多角度打击航迹规划方法
技术领域
本发明涉及一种基于网格规划算法的编队无人机多角度打击航迹规划方法,属于航迹自主规划技术领域。
背景技术
随着现代战场环境的日趋复杂,无人机因成本低、作战灵活、功能多样、战场生存能力强等优点得到了比有人飞机更加广泛的应用,更加适合执行恶劣环境下的危险任务。而多架无人机编队是无人机协作的重要方式之一,使得对任务的执行更具有灵活性。无人机编队对敌方目标的多角度打击,具有更高的毁伤概率,是未来巷战、空对地作战的主流趋势和重要角色。在战场作战需求的牵引下,无人机编队作战已逐渐成为当今各国武器发展的必备能力。
航迹自主规划和任务分配是无人机任务规划系统的组成部分,而航迹自主规划是提升无人机编队自主作战能力的关键技术。现代战争的作战环境恶劣,快速反应能力愈发受到各国武器装备发展的重视,这对规划算法的实时性、稳定性提出了更加苛刻的要求。提高算法规划效率和稳定性对无人机编队具有重要意义,直接关系到无人机存活概率与作战任务成败。
在无人机航迹自主规划领域的实际应用中,无人机需要搭载任务规划板载计算机来规划可行的飞行航迹,但是往往存在以下几个问题:
1)传统的手动标定航迹方法无法满足实际作战需求;
2)在规划的过程中,无人机编队仍处在运动的状态,且板载计算机计算能力有限,难以通过复杂的轨迹规划方法快速得到可行航迹;导致航迹规划效率低,规划时间长,实时性较差;
3)航迹规划结果不满足无人机机动性能约束,使得在复杂环境下规划的航迹不可实现,不能有效对目标进行打击;
4)任务环境复杂,无人机编队的通讯链路可能面临敌方干扰,存在丢包和通讯时延等限制。
因此,提高航迹规划效率,提高规划可靠性,在变化环境中为无人机编队快速规划航迹或新航迹,对任务成败和无人机存活起到关键性作用。
根据多无人机协同规划体系架构的不同,目前针对无人机协同任务执行的航迹规划方法主要分为两类:
第一类是集中式方法,主要分为两类:地面集中式和空中集中式。集中式架构中,中央任务控制站(地面站或领队无人机)为架构核心,其它无人机为跟随的僚机。集中式方法系统架构简单,系统内通信量小,但是对中央任务控制站要求高,一旦中央任务控制站故障中止工作,则系统瘫痪。
第二类是分布式方法,主要分为两类:完全分布式和有限集中式。完全分布式体系中,各个无人机高度自治,互相之间进行协作,完成全局任务分配。有限集中式体系中,无人机高度自治,任务控制站可以监视各无人机状态,在任务发生重大改变时,可抢夺无人机控制权,进行人为干预。完全分布式体系系统扩展性好,但是系统协调性差。有限集中式体系兼顾集中式和完全分布式体系优点,具有较强的可实现性、可靠性和灵活性。
近年来,A*算法被认为是最有效的寻路算法,在理论上是时间最优的。通过设计代价函数,使得对航迹点的搜索过程中总是选择代价函数值最小的节点作为下一个扩展节点,最终获得最短路径。A*算法应用场景极丰富,算法可扩展性强,算法成熟,规划效率高。
发明内容
本发明公开的基于网格规划算法的编队无人机多角度打击航迹规划方法要解决的技术问题是:基于网格规划算法实现编队无人机多角度打击航迹快速规划,且能够提高编队无人机的自主多角度打击航迹规划效率,使编队无人机能够对不同价值目标执行不同方案的多角度打击,本发明还具有航迹点可靠和操作简单的优点。本发明能够在航迹规划工程应用中广泛应用于无人机编队的即时多角度打击。
本发明的目的是通过下述技术方案实现的。
本发明公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,首先对所需规划的场景与问题进行说明与建模,对无人机编队成员及阵型进行设计,制定不同价值目标的多角度打击方案;对多个疑似目标进行位置整合后,进行再侦察确认,基于网格规划算法规划得到编队内侦察无人机的飞行航迹;依据目标的价值信息并对规划结果扩展,得到无人机编队的多角度打击航迹。
为了进一步提高规划效率和任务完成效率,网格规划算法优选A*算法。
本发明公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,包括以下步骤:
步骤1:获取疑似目标先验信息,制定价值分类标准;将地图网格化,无人机的运动按照节点移动,目标的实际位置不一定在网格地图的节点上,通过设计网格地图并将目标标注在网格地图节点上。所述网格为方形网格,所述先验信息指疑似目标的位置。
步骤1具体实现方法包括如下步骤:
步骤1.1:通过预先侦察或已有情报获取疑似目标的位置信息,派遣侦察无人机进行再次侦察确认。对目标进行价值分类,针对不同价值目标制定不同的打击方案,目标价值分类与打击方案对应关系如表1所示。
表1目标价值分类与打击方案
Figure GDA0003261623010000031
步骤1.2:选取所有目标的西南方向某点为网格地图原点,选取原则为:将所有目标囊括在网格地图中,并使所有目标距离地图原点2个网格以上,以保证编队无人机拥有一定的机动距离。选取侦察无人机的最小转弯半径r的2倍作为网格地图的网格宽度。
步骤1.3:如式所示,将各个目标距离网格地图原点的距离通过四舍五入的办法,把目标的位置整合至网格地图距离其最近的节点上。
Figure GDA0003261623010000032
其中,xi、yi为第i个目标整合后对应的A*地图节点坐标;Xi、Yi为第i个目标的真实地理坐标;X0、Y0为网格地图坐标原点的真实地理坐标;R为地球半径;ΔL为网格地图网格宽度;round(·)为四舍五入运算符。
至此,完成目标的属性和网格地图的设置,并将目标整合到网格地图的节点上。
步骤2:依据目标数量,对无人机编队进行配置,包括编队内侦察无人机数量和打击无人机数量,以及不同载荷无人机之间的距离。
步骤2具体实现方法如下:
编队配置M架无人机携带侦察载荷,在编队的最前方,呈“一”字型飞行以保证侦察宽度的最大化,对目标进行侦察,获取目标的价值标号,如果目标为真,对目标进行定位获取目标的确切坐标。M的选取方法为
Figure GDA0003261623010000033
其中,d为无人机的侦察宽度;
Figure GDA0003261623010000041
为向上取整运算符。
编队配置2N架无人机携带打击载荷,打击无人机每M架一排,跟随在侦察无人机后方,最前方的打击无人机与侦察无人机的距离为1个网格地图网格宽度。其中,N为先验知识中疑似目标的数量。
步骤3:根据步骤1获取的目标先验坐标信息,对目标进行排序,获取目标侦察次序,实现目标侦察次序规划。
步骤3具体实现方法如下:
根据步骤1获取的目标先验坐标信息,对目标进行排序,优先侦察网格地图上目标坐标x分量小的目标,如果坐标的x分量相同,则优先侦察坐标y分量小的目标;按照上述方法进行目标侦察次序规划。
步骤4:采用网格规划算法规划得到无人机编队的基准航迹,并将基准航迹加载给无人机编队所有飞机,包括侦察无人机和打击无人机。
步骤4具体实现方法包括如下步骤:
步骤4.1:在步骤1创建的地图网格中,规定无人机的运动方向。无人机可沿着网格化地图的边或对角线运动,共8个方向,分别为从左到右,从左上到右下,从上到下,从右上到左下,从右到左,从右下到左上,从下到上,从左下到右上。
步骤4.2:基于步骤1创建的地图网格和步骤4.1规定的无人机运动方向,多种可用于路径规划的网格规划算法均能够规划得到无人机编队的基准航迹,如Dijkstra算法,A*算法,LPA*算法,D*算法,D*Lite算法。所述基于网格规划算法规划得到的折线式基准航迹均可经步骤6扩展为多角度打击航迹。
步骤4.3:将网格规划算法规划得到的基准航迹加载到每架无人机上。
步骤5:按照步骤3得到的侦察次序依次对目标进行侦察,并将侦察到的目标属性信息传递给打击无人机。
步骤5具体实现方法如下:
编队无人机中侦察无人机飞行在最前,对目标进行侦察确认,并对目标进行价值评级。如果是真目标,则将目标位置和价值标号发送给打击无人机,执行步骤6;如果是假目标,则将目标为假的信息发送给打击无人机,编队无人机按照原定航迹继续向前飞行侦察,不因假目标做出打击机动。
步骤6:根据步骤1侦察无人机传回的真目标位置和目标价值,以及步骤4获取的基准航迹,依据抵达目标前一个航迹点与目标的网格位置关系快速规划得到打击无人机对目标的多角度打击航迹,对目标进行相应的打击,即基于网格规划算法实现编队无人机多角度打击航迹快速规划。
步骤6具体实现方法包括如下步骤:
步骤6.1:侦察无人机将目标识别结果,包括目标价值和目标位置等,传递给打击无人机。
步骤6.2:打击无人机根据步骤1.1中目标价值分类,分配相应数量的无人机用于对当前目标打击的执行,若打击无人机数量充足,则分配需用数量的无人机用于打击;若编队剩余的打击无人机数量不足以完成对目标的多角度打击要求,则按照剩余可分配的打击无人机数量在表1中对应的目标价值标号对当前目标的价值标号进行降级修改,使得剩余的无人机全部用于对当前目标的多角度打击。
步骤6.3:分配用于打击的无人机对基准航迹进行扩展,生成多角度打击航迹。表2给出了不同情况下多角度打击航迹的生成规则:
若整合后的目标节点与其前一个侦察航迹节点存在x或y坐标分量相同,两节点分别标记为T和S1,则取S1与T的路径中点为过渡节点,记为节点A,向S1与T连线的两侧扩展转弯半径对应的网格距离,生成过渡节点A’和A”。
若整合后的目标节点与其前一个侦察航迹节点x或y坐标分量均不相同,两节点分别标记为T和S2,则取S2与T的路径中点为过渡节点,记为节点B,在节点B所在的网格内,由节点B向与T连线的两条的网格边线中点扩展,生成过渡节点B’和B”。
以上两种情况包括了所有的基准侦察路径情况,不同情况下多角度打击航迹生成规则如表2所示。
表2不同情况下多角度打击航迹生成规则
Figure GDA0003261623010000051
步骤6.4:将多角度打击航迹的最后一个路径节点替换为目标真实坐标节点,使编队无人机能够实现对真正目标坐标而不是整合后的目标坐标的多角度打击,剩余的打击无人机按照基准侦察航迹返航。
A*算法被认为是最有效的寻路算法,在理论上是时间最优的。为了提高规划效率,并使路径最短以保证任务完成效率,作为优选,通过A*算法将地图网格化并对基准航迹进行规划。
当选用A*算法规划得到无人机编队的基准航迹,步骤4.2具体实现方法包括如下步骤:
步骤4.2.1:创建OPEN集与CLOSED集,其中OPEN集用来存放已经产生但是没有扩展的节点,CLOSED集用来存放已经被扩展的节点。初始化时,将A*地图起点装入OPEN集,CLOSED集清空。
步骤4.2.2:若OPEN集为空,则规划失败,规划结束。若OPEN集不为空,则从OPEN集中选取代价值最小的节点作为当前的节点,将其从OPEN集移入CLOSED集。并将代价值最小的节点标记为Best。
步骤4.2.3:判断是否抵达整合的目标节点,若抵达目标节点,则将目标节点放入CLOSED集,依次回溯每一步生成的节点,生成当前段基准侦察航迹,执行步骤4.2.4;若尚未抵达目标节点,则执行步骤4.2.5。
步骤4.2.4:判断是否完成所有目标节点的遍历侦察航迹规划,若完成所有目标的遍历侦察航迹规划,则基准航迹生成,执行步骤5;若尚未完成所有目标的遍历侦察航迹规划,则以当前目标点为起点,下一个目标点为终点,执行步骤4.2.1。
步骤4.2.5:以步骤4.2.2中节点Best为中心,向四周四角和四角的中点等八个点创建待扩展空间,计算每个待扩展节点的代价值,选取代价最小的装入OPEN集,继续执行步骤4.2.2。所述每个待扩展节点的代价值f为
f=g+h (3)
式中,g为起始点到此待扩展节点的代价值,h为由该待扩展节点到目标点的估计代价值,其中估计代价值可根据忽略障碍物情况下,待扩展节点到目标点的直线距离长度计算得到。所述扩展节点的代价值即为节点距离。
有益效果:
1、本发明公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,通过将地图网格化处理和目标点坐标向网格节点的整合,简化基准航迹的规划过程,提高编队无人机多角度打击基准航迹的规划效率。
2、本发明公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,根据真目标位置、目标价值,以及基准航迹,依据抵达目标前一个航迹点与目标的网格位置关系,将基准航迹快速扩展为打击无人机对目标的多角度打击航迹,无需对打击航迹进行额外规划,节省规划时间,具有较高的规划效率。此外,基于基准航迹的多角度打击航迹生成规则简单,符合作战应用需求,具有较高的打击准确性和实时性,易于工程实现,具有广泛的作战应用前景。
3、本发明公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,通过A*算法将地图网格化并规划得到基准航迹,能够进一步提高编队无人机多角度打击航迹规划效率,同时使得路径最短,提高了任务完成的效率。
附图说明
图1为本实施例优选A*算法时的基于网格规划算法的编队无人机多角度打击航迹规划方法的流程图;
图2为目标整合示意图。将多个疑似目标就近整合到最近的网格地图节点上;
图3为本发明中设计的无人机编队与无人机通信内容示意图。所有无人机装订基准航迹,组成编队执行任务。如果疑似目标为有价值真目标,则对基准航迹进行扩展得到多角度打击航迹;如果疑似目标为假目标,则按照基准航迹继续飞行。
图4为编队无人机对目标多角度打击方案设计示意图;
图5为具体实施方式中无人机编队中侦察无人机的飞行航迹。侦察无人机在无人机编队的最前方,对4个疑似目标依次进行侦察,飞行航迹由A*算法获得。侦察无人机将侦察获得的目标信息回传给打击无人机,侦察完毕后,编队返航。侦察结果为:目标1,真目标,目标价值3,属于高价值目标,需要3架打击无人机进行打击;目标2,真目标,目标价值1,属于低价值目标,需要1架打击无人机进行打击;目标3,假目标,不具有打击价值,不进行打击;目标4,真目标,目标价值2,属于中价值目标,需要2架打击无人机进行打击。
图6为具体实施方式中无人机编队中打击无人机的飞行航迹。打击无人机跟随在侦察无人机的后方,对目标进行打击,飞行航迹是通过对A*算法获取基准航迹的扩展获得。对于第一个目标,编队分配3架无人机对目标的正面和两个侧面进行打击;对于第二个目标,编队分配1架无人机对目标的正面进行打击;对于第三个目标,因为第三个目标为假目标,编队不进行打击无人机的分配;对于第四个目标,编队分配2架无人机对目标的两个侧面进行打击。
具体实施方式
为了更好地说明本发明的目的和优点,下面通过编队无人机对多个疑似目标的侦察和打击航迹规划实施例,并结合附图与表格对本发明做出详细解释。
实施例:
本实施例的无人机飞行速度30m/s,最小转弯半径150m,侦察载荷的侦察范围80m,为提高规划效率,并使得路径最短,网格规划算法优选为A*算法。如图1所示,本实施例公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,包括如下步骤:
步骤1:获取疑似目标的先验信息,设计A*地图并将疑似目标标注在A*地图上。
A*地图网格选用方形网格,网格宽度设置为2倍无人机转弯半径,即300m。设置疑似目标4个(此时未知目标价值信息),编队无人机的起始点在A*地图坐标原点处,并将目标整合至A*地图节点上。目标坐标整合方法如图2所示,本实施例的目标整合结果如表3所示。地球半径选取为R=6371000m。
表3疑似目标及其在A*地图的标注
目标编号 A*地图坐标 整合坐标 价值标号
1 (3.2,3.4) (3,3) 3
2 (3.2,8.3) (3,8) 1
3 (7.3,7.3) (7,7) 0
4 (8.7,0.8) (9,1) 2
步骤2:依据目标数量,对无人机编队进行配置。
如图3所示,编队配置4架无人机携带侦察载荷,在编队的最前方一字排开,使侦察无人机侦察范围最大化,每架侦察无人机间隔80m,总侦察宽度320m,满足对单个网格的覆盖侦察宽度需求。
编队配置8架无人机携带打击载荷,每4架一排,跟随在侦察无人机后方,最前方的打击无人机距离侦察无人机300m。
步骤3:根据步骤1获取的目标先验坐标信息,对目标进行排序,获取目标侦察次序,实现目标侦察次序规划。
按照先侦察坐标x分量小、同样x分量先侦察坐标y分量小的规则,对目标进行侦察次序排序。此实施例中,侦察的次序依次为:目标1→目标2→目标3→目标4。
步骤4:采用A*算法规划得到无人机编队的基准航迹,并将基准航迹加载给无人机编队所有的飞机,包括侦察无人机和打击无人机。
步骤4.1:创建OPEN集与CLOSED集,将编队起始点装入OPEN集,并清空CLOSED集。
从起点到目标1的规划初始,OPEN集内仅包含起点(0,0),CLOSED集为空,不包含任何节点信息。
步骤4.2:判断OPEN集是否为空,若为空,则航迹规划失败并结束;若不为空,则从OPEN集中选取代价值最小的节点作为当前的节点,将其从OPEN集移入CLOSED集。
规划开始时,首先以步骤4.1的结果为例执行步骤4.2时,OPEN集不为空,取出OPEN表中代价值最小节点作为当前的节点,即节点(0,0),并将此节点放入CLOSED集。步骤4.2结束时,OPEN集被置空,CLOSED集内存放了节点(0,0),以此类推。
步骤4.3:判断是否抵达整合的目标节点,若抵达目标节点,则将目标节点放入CLOSED集,依次回溯每一步生成的节点,生成当前段基准侦察航迹,执行步骤4.4;若尚未抵达目标节点,则执行步骤4.5。
步骤4.4:判断是否完成所有目标节点的遍历侦察航迹规划,若完成所有目标的遍历侦察航迹规划,则基准航迹生成,执行步骤5;若尚未完成所有目标的遍历侦察航迹规划,则以当前目标点为起点,下一个目标点为终点,执行步骤4.1。
当编队无人机侦察航迹从目标1向目标2扩展延伸,若未到达目标2,则一直扩展延伸至目标2;若侦察航迹抵达目标2,则以目标2为起点,目标3为终点,规划目标2到目标3的侦察航迹,直至侦察航迹遍历全部4个目标,如图5所示。
步骤4.5:以步骤4.2中代价值最小节点为中心,向四周四角和四角的中点等八个点创建待扩展空间,计算每个待扩展节点的代价值,选取代价最小的装入OPEN集,继续执行步骤4.2。
例如,当编队无人机航迹从(0,0)向目标1(3,3)扩展时,创建以(0,0)中心的待扩展空间,包括(-1,-1)(-1,0)(-1,1)(0,1)(1,1)(1,0)(1,-1)(0,-1)等8个节点。以此8个节点作为待扩展点,计算每个待扩展点的代价值。代价值为起始点到此待扩展节点的节点距离与由该待扩展节点到目标点待扩展节点到目标点的直线距离长度求和得到。得到待扩展节点(1,1)的代价值最小,为
Figure GDA0003261623010000091
将节点(1,1)装入OPEN集,继续执行步骤4.2。
步骤5:将基准侦察航迹加载到每架无人机上,按照侦察次序以此对目标进行侦察,并将侦察到的目标属性信息传递给打击无人机。所述目标属性信息包括目标位置坐标与目标价值标号。
步骤6:根据侦察无人机传回的真目标位置和目标价值,打击无人机对基准航迹进行简易扩展,快速生成多角度打击航迹,对目标进行相应的毁伤打击。
步骤6.1:打击无人机根据真目标的价值标号分配相应数量的无人机用于对目标的毁伤打击。
根据侦察无人机传回目标1价值标号3的信息,编队分配3架打击无人机用于对目标1的打击;根据侦察无人机传回目标2价值标号1的信息,编队分配1架打击无人机用于对目标2的打击;根据侦察无人机传回目标3价值标号0的信息,编队不分配打击无人机用于对目标3的打击;根据侦察无人机传回目标4价值标号2的信息,编队分配2架打击无人机用于对目标4的打击。
步骤6.2:分配用于打击的无人机对基准侦察航迹进行扩展,生成多角度打击航迹,扩展方法如图4所示。
如图6所示,对目标1的3个角度打击,需对目标1与其前一个节点的基准侦察航迹进行简易扩展。此段基准侦察航迹为(2,2)→(3,3),扩展为打击航迹1:(2,2)→(2.5,3)→(3.2,3.4),打击航迹2:(2,2)→(3.2,3.4),打击航迹3:(2,2)→(3,2.5)→(3.2,3.4)。
对目标2的1个角度打击,需对目标2与其前一个节点的基准侦察航迹进行简易扩展。
此段基准侦察航迹为(3,7)→(3,8),扩展为打击航迹1:(3,7)→(3.2,8.3)。
对于假目标3,不进行打击机动,略过此目标点。
对目标4的2个角度打击,需对目标4与其前一个节点的基准侦察航迹进行简易扩展。
此段基准侦察航迹为(9,2)→(9,1),扩展为打击航迹1:(9,2)→(8.5,1.5)→(8.7,0.8),打击航迹2:(9,2)→(9.5,1.5)→(8.7,0.8)。
本实施例采用C++进行仿真实现,仿真时长结果如表4所示。
表4本实施例仿真时长
基准航迹规划 打击航迹扩展(总)
航迹规划时长/s 0.052 0.018
从本实施例的计算结果可以看出,提出的规划方法可以快速实现基准侦察航迹的规划。在接收到侦察无人机的侦察结果后,打击无人机可以通过简单的扩展规则,快速生成多角度打击航迹,保证算法流程的实施连续性和可实现性。且本实施例配置8架打击无人机,其中分配了6架打击无人机用于实际打击,满足无人机数量的约束。
根据本实例公开的基于网格规划算法的编队无人机多角度打击航迹规划方法,能够快速得到编队无人机对多个疑似目标的基准侦察航迹,具有较高的规划效率;能够快速将侦察航迹扩展为编队无人机的多角度打击航迹,具有较高的规划效率。此外,基于基准航迹的多角度打击航迹生成规则简单,符合作战应用需求,具有较高的打击准确性和实时性,易于工程实现,具有广泛的作战应用前景。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例,用于解释本发明,并不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,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:包括以下步骤,
步骤1:获取疑似目标先验信息,制定价值分类标准;将地图网格化,无人机的运动按照节点移动,目标的实际位置不一定在网格地图的节点上,通过设计网格地图并将目标标注在网格地图节点上;所述网格为方形网格,所述先验信息指疑似目标的位置;
步骤2:依据目标数量,对无人机编队进行配置,包括编队内侦察无人机数量和打击无人机数量,以及不同载荷无人机之间的距离;
步骤3:根据步骤1获取的目标先验坐标信息,对目标进行排序,获取目标侦察次序,实现目标侦察次序规划;
步骤4:采用网格规划算法规划得到无人机编队的基准航迹,并将基准航迹加载给无人机编队所有飞机,包括侦察无人机和打击无人机;
步骤5:按照步骤3得到的侦察次序依次对目标进行侦察,并将侦察到的目标属性信息传递给打击无人机;
步骤6:根据侦察无人机传回的真目标位置和目标价值,以及步骤4获取的基准航迹,依据抵达目标前一个航迹点与目标的网格位置关系快速规划得到打击无人机对目标的多角度打击航迹,对目标进行相应的打击,即基于网格规划算法实现编队无人机多角度打击航迹快速规划。
2.如权利要求1所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:步骤1实现方法包括如下步骤,
步骤1.1:通过预先侦察或已有情报获取疑似目标的位置信息,派遣侦察无人机进行再次侦察确认;对目标进行价值分类,针对不同价值目标制定不同的打击方案,目标价值分类分为高价值、中价值、低价值和假目标4类;其中,高价值目标价值标号为3,打击方案为分配3架打击无人机用以打击;中价值目标价值标号为2,打击方案为分配2架打击无人机用以打击;低价值目标价值标号为1,打击方案为分配1架打击无人机用以打击;假目标价值标号为0,打击方案为不为假目标分配打击无人机;
步骤1.2:选取所有目标的西南方向某点为网格地图原点,选取原则为:将所有目标囊括在网格地图中,并使所有目标距离地图原点2个网格以上,以保证编队无人机拥有一定的机动距离;选取侦察无人机的最小转弯半径r的2倍作为网格地图的网格宽度;
步骤1.3:如式所示,将各个目标距离网格地图原点的距离通过四舍五入的办法,把目标的位置整合至网格地图距离其最近的节点上;
Figure FDA0003292479750000011
其中,xi、yi为第i个目标整合后对应的A*地图节点坐标;Xi、Yi为第i个目标的真实地理坐标;X0、Y0为网格地图坐标原点的真实地理坐标;R为地球半径;ΔL为网格地图网格宽度;round(·)为四舍五入运算符;
至此,完成目标的属性和网格地图的设置,并将目标整合到网格地图的节点上。
3.如权利要求2所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:步骤2实现方法如下,
编队配置M架无人机携带侦察载荷,在编队的最前方,呈“一”字型飞行以保证侦察宽度的最大化,对目标进行侦察,获取目标的价值标号,如果目标为真,对目标进行定位获取目标的确切坐标;M的选取方法为
Figure FDA0003292479750000021
其中,d为无人机的侦察宽度;
Figure FDA0003292479750000022
为向上取整运算符;
编队配置2N架无人机携带打击载荷,打击无人机每M架一排,跟随在侦察无人机后方,最前方的打击无人机与侦察无人机的距离为1个网格地图网格宽度;其中,N为先验知识中疑似目标的数量。
4.如权利要求3所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:步骤3实现方法如下,
根据步骤1获取的目标先验坐标信息,对目标进行排序,优先侦察网格地图上目标坐标x分量小的目标,如果坐标的x分量相同,则优先侦察坐标y分量小的目标;按照上述方法进行目标侦察次序规划。
5.如权利要求4所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:步骤4实现方法包括如下步骤,
步骤4.1:在步骤1创建的地图网格中,规定无人机的运动方向;无人机可沿着网格化地图的边或对角线运动,共8个方向,分别为从左到右,从左上到右下,从上到下,从右上到左下,从右到左,从右下到左上,从下到上,从左下到右上;
步骤4.2:基于步骤1创建的地图网格和步骤4.1规定的无人机运动方向,多种可用于路径规划的网格规划算法均能够规划得到无人机编队的基准航迹,所述用于路径规划的网格规划算法包括Dijkstra算法,A*算法,LPA*算法,D*算法,D*Lite算法;所述基于网格规划算法规划得到的折线式基准航迹均能够经步骤6扩展为多角度打击航迹;
步骤4.3:将网格规划算法规划得到的基准航迹加载到每架无人机上。
6.如权利要求5所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:步骤5实现方法如下,
编队无人机中侦察无人机飞行在最前,对目标进行侦察确认,并对目标进行价值评级;如果是真目标,则将目标位置和价值标号发送给打击无人机,执行步骤6;如果是假目标,则将目标为假的信息发送给打击无人机,编队无人机按照原定航迹继续向前飞行侦察,不因假目标做出打击机动。
7.如权利要求6所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:
步骤6实现方法包括如下步骤,
步骤6.1:侦察无人机将目标识别结果,包括目标价值和目标位置,传递给打击无人机;
步骤6.2:打击无人机根据步骤1.1中目标价值分类,分配相应数量的无人机用于对当前目标打击的执行,若打击无人机数量充足,则分配需用数量的无人机用于打击;若编队剩余的打击无人机数量不足以完成对目标的多角度打击要求,则按照剩余可分配的打击无人机数量对应的目标价值标号对当前目标的价值标号进行降级修改,使得剩余的无人机全部用于对当前目标的多角度打击;
步骤6.3:分配用于打击的无人机对基准航迹进行扩展,生成多角度打击航迹;
若整合后的目标节点与其前一个侦察航迹节点存在x或y坐标分量相同,两节点分别标记为T和S1,则取S1与T的路径中点为过渡节点,记为节点A,向S1与T连线的两侧扩展转弯半径对应的网格距离,生成过渡节点A’和A”;
若整合后的目标节点与其前一个侦察航迹节点x或y坐标分量均不相同,两节点分别标记为T和S2,则取S2与T的路径中点为过渡节点,记为节点B,在节点B所在的网格内,由节点B向与T连线的两条的网格边线中点扩展,生成过渡节点B’和B”;
以上两种情况包括所有的基准侦察路径情况,不同情况下多角度打击航迹生成规则归纳如下:当整合后的目标节点与其前一个侦察航迹节点存在x或y坐标分量相同时,分配1架打击无人机时,其打击航迹为S1→A→T;分配2架打击无人机时,其打击航迹分别为S1→A’→T和S1→A”→T;分配3架打击无人机时,其打击航迹分别为S1→A→T,S1→A’→T和S1→A”→T;当整合后的目标节点与其前一个侦察航迹节点x或y坐标分量均不相同时,分配1架打击无人机时,其打击航迹为S2→B→T;分配2架打击无人机时,其打击航迹分别为S2→B’→T和S2→B”→T;分配3架打击无人机时,其打击航迹分别为S2→B→T,S2→B’→T和S2→B”→T;
步骤6.4:将多角度打击航迹的最后一个路径节点替换为目标真实坐标节点,使编队无人机能够实现对真正目标坐标而不是整合后的目标坐标的多角度打击,剩余的打击无人机按照基准侦察航迹返航。
8.如权利要求7所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:为了提高规划效率,并使路径最短以保证任务完成效率,通过A*算法将地图网格化并对基准航迹进行规划。
9.如权利要求8所述的基于网格规划算法的编队无人机多角度打击航迹规划方法,其特征在于:当选用A*算法规划得到无人机编队的基准航迹,步骤4.2实现方法包括如下步骤,
步骤4.2.1:创建OPEN集与CLOSED集,其中OPEN集用来存放已经产生但是没有扩展的节点,CLOSED集用来存放已经被扩展的节点;初始化时,将A*地图起点装入OPEN集,CLOSED集清空;
步骤4.2.2:若OPEN集为空,则规划失败,规划结束;若OPEN集不为空,则从OPEN集中选取代价值最小的节点作为当前的节点,将其从OPEN集移入CLOSED集;并将代价值最小的节点标记为Best;
步骤4.2.3:判断是否抵达整合的目标节点,若抵达目标节点,则将目标节点放入CLOSED集,依次回溯每一步生成的节点,生成当前段基准侦察航迹,执行步骤4.2.4;若尚未抵达目标节点,则执行步骤4.2.5;
步骤4.2.4:判断是否完成所有目标节点的遍历侦察航迹规划,若完成所有目标的遍历侦察航迹规划,则基准航迹生成,执行步骤5;若尚未完成所有目标的遍历侦察航迹规划,则以当前目标点为起点,下一个目标点为终点,执行步骤4.2.1;
步骤4.2.5:以步骤4.2.2中节点Best为中心,向四周四角和四角的中点八个点创建待扩展空间,计算每个待扩展节点的代价值,选取代价最小的装入OPEN集,继续执行步骤4.2.2;所述每个待扩展节点的代价值f为
f=g+h (3)
式中,g为起始点到此待扩展节点的代价值,h为由该待扩展节点到目标点的估计代价值,其中估计代价值可根据忽略障碍物情况下,待扩展节点到目标点的直线距离长度计算得到;所述扩展节点的代价值即为节点距离。
CN202011342392.1A 2020-11-25 2020-11-25 基于网格规划算法的编队无人机多角度打击航迹规划方法 Active CN112327927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011342392.1A CN112327927B (zh) 2020-11-25 2020-11-25 基于网格规划算法的编队无人机多角度打击航迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011342392.1A CN112327927B (zh) 2020-11-25 2020-11-25 基于网格规划算法的编队无人机多角度打击航迹规划方法

Publications (2)

Publication Number Publication Date
CN112327927A CN112327927A (zh) 2021-02-05
CN112327927B true CN112327927B (zh) 2021-11-26

Family

ID=74308805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011342392.1A Active CN112327927B (zh) 2020-11-25 2020-11-25 基于网格规划算法的编队无人机多角度打击航迹规划方法

Country Status (1)

Country Link
CN (1) CN112327927B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139895A (zh) * 2021-04-29 2021-07-20 广州亿航智能技术有限公司 无人机编队表演阵型图的设计方法、终端及存储介质
CN113359721B (zh) * 2021-05-31 2022-10-25 西安交通大学 一种结合运动控制的改进a*的agv路径规划方法
CN114115331B (zh) * 2021-10-29 2024-04-05 西安电子科技大学 一种多无人机多载荷协同侦察方法
CN114371711B (zh) * 2022-01-10 2022-11-01 华北电力大学(保定) 一种机器人编队避障路径规划方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104866692A (zh) * 2015-06-18 2015-08-26 北京理工大学 一种基于自适应代理模型的飞行器多目标优化方法
CN105892480A (zh) * 2016-03-21 2016-08-24 南京航空航天大学 异构多无人机系统协同察打任务自组织方法
CN106406346A (zh) * 2016-11-01 2017-02-15 北京理工大学 一种多无人机协同快速覆盖搜索航迹规划方法
KR20170019523A (ko) * 2015-08-11 2017-02-22 (주) 라이트플러스 폭발물 탑재형 무인비행체 및 무인비행체 제어 시스템
ITUA20164498A1 (it) * 2016-05-31 2017-12-01 Inspire S R L Metodo ed apparato per l'impiego di droni in applicazioni antincendio
CN107677273A (zh) * 2017-09-11 2018-02-09 哈尔滨工程大学 一种基于二维栅格划分的集群无人机多航迹规划方法
CN108563243A (zh) * 2018-06-28 2018-09-21 西北工业大学 一种基于改进rrt算法的无人机航迹规划方法
CN108958292A (zh) * 2018-08-23 2018-12-07 北京理工大学 一种基于rrt*算法的飞行器突防轨迹规划方法
CN108958285A (zh) * 2018-07-17 2018-12-07 北京理工大学 一种基于分解思想的高效多无人机协同航迹规划方法
KR101959543B1 (ko) * 2017-11-21 2019-03-18 인하대학교 산학협력단 무인 비행체를 이용한 원격 공중전 모의 시스템 및 이를 활용한 게임 방법
CN109901626A (zh) * 2019-01-30 2019-06-18 北京理工大学 一种侦察打击一体化数据处理系统及方法
CN110320930A (zh) * 2019-06-17 2019-10-11 中国工程物理研究院电子工程研究所 基于Voronoi图的多无人机编队队形可靠变换方法
CN111722643A (zh) * 2020-06-12 2020-09-29 北京航空航天大学 仿狼群合作狩猎机制的无人机集群动态任务分配方法
CN112000131A (zh) * 2020-09-09 2020-11-27 中国人民解放军国防科技大学 基于人工势场法的无人机集群路径规划方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8634982B2 (en) * 2009-08-19 2014-01-21 Raytheon Company System and method for resource allocation and management

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104866692A (zh) * 2015-06-18 2015-08-26 北京理工大学 一种基于自适应代理模型的飞行器多目标优化方法
KR20170019523A (ko) * 2015-08-11 2017-02-22 (주) 라이트플러스 폭발물 탑재형 무인비행체 및 무인비행체 제어 시스템
CN105892480A (zh) * 2016-03-21 2016-08-24 南京航空航天大学 异构多无人机系统协同察打任务自组织方法
ITUA20164498A1 (it) * 2016-05-31 2017-12-01 Inspire S R L Metodo ed apparato per l'impiego di droni in applicazioni antincendio
CN106406346A (zh) * 2016-11-01 2017-02-15 北京理工大学 一种多无人机协同快速覆盖搜索航迹规划方法
CN107677273A (zh) * 2017-09-11 2018-02-09 哈尔滨工程大学 一种基于二维栅格划分的集群无人机多航迹规划方法
KR101959543B1 (ko) * 2017-11-21 2019-03-18 인하대학교 산학협력단 무인 비행체를 이용한 원격 공중전 모의 시스템 및 이를 활용한 게임 방법
CN108563243A (zh) * 2018-06-28 2018-09-21 西北工业大学 一种基于改进rrt算法的无人机航迹规划方法
CN108958285A (zh) * 2018-07-17 2018-12-07 北京理工大学 一种基于分解思想的高效多无人机协同航迹规划方法
CN108958292A (zh) * 2018-08-23 2018-12-07 北京理工大学 一种基于rrt*算法的飞行器突防轨迹规划方法
CN109901626A (zh) * 2019-01-30 2019-06-18 北京理工大学 一种侦察打击一体化数据处理系统及方法
CN110320930A (zh) * 2019-06-17 2019-10-11 中国工程物理研究院电子工程研究所 基于Voronoi图的多无人机编队队形可靠变换方法
CN111722643A (zh) * 2020-06-12 2020-09-29 北京航空航天大学 仿狼群合作狩猎机制的无人机集群动态任务分配方法
CN112000131A (zh) * 2020-09-09 2020-11-27 中国人民解放军国防科技大学 基于人工势场法的无人机集群路径规划方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A self-organized search and attack algorithm for multiple unmanned aerial vehicles;Chen Gao;《Aerospace Science and Technology》;20160731;第54卷;第229-240页 *
Cooperative search-attack mission planning for multi-UAV based on intelligent self-organized algorithm;ZhenZiyang;《Aerospace Science and Technology》;20180531;第76卷;第402-411页 *
多无人机多目标协同侦察航迹规划算法;庞强伟;《中国惯性技术学报》;20190630;第27卷(第3期);第340-348页 *
多无人机航迹规划算法及关键技术;陆天和;《战术导弹技术》;20200229(第1期);第85-90页 *

Also Published As

Publication number Publication date
CN112327927A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN112327927B (zh) 基于网格规划算法的编队无人机多角度打击航迹规划方法
CN108563243B (zh) 一种基于改进rrt算法的无人机航迹规划方法
CN110889625B (zh) 一种用于蜂群无人机系统的任务规划方法
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
CN103557867B (zh) 一种基于稀疏a*搜索的三维多uav协同航迹规划方法
Szczerba et al. Robust algorithm for real-time route planning
CN108958285B (zh) 一种基于分解思想的高效多无人机协同航迹规划方法
CN106815443B (zh) 面向变化环境的超低空飞行器三维多批多航迹规划方法
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
CN103676944A (zh) 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法
CN105841702A (zh) 一种基于粒子群优化算法的多无人机航路规划方法
CN112947594B (zh) 一种面向无人机的航迹规划方法
CN108153328A (zh) 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法
CN104834317A (zh) 一种智能识别威胁类型的无人机飞行路径规划方法
Sabo et al. A formulation and heuristic approach to task allocation and routing of uavs under limited communication
CN114740846A (zh) 面向拓扑-栅格-度量混合地图的分层路径规划方法
EP2847644A1 (en) Method and system of mission planning
CN109597839B (zh) 一种基于航电作战态势的数据挖掘方法
CN112733251A (zh) 一种多无人飞行器协同航迹规划方法
WO2023197092A1 (zh) 一种基于改进rrt算法的无人机路径规划方法
CN114326827A (zh) 一种无人机集群多任务动态分配方法及系统
CN113093787B (zh) 一种基于速度场的无人机轨迹规划方法
Liang et al. Collaborative pursuit-evasion strategy of UAV/UGV heterogeneous system in complex three-dimensional polygonal environment
CN114372603A (zh) 一种仿鸽群多学习智能的无人靶机协同航路动态规划方法
CN115657725A (zh) 一种子母式无人机投放决策及路径规划一体化方法及系统

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
GR01 Patent grant
GR01 Patent grant