CN113848985B - 基于Hybird A*算法的多舰载无人机路径规划方法 - Google Patents

基于Hybird A*算法的多舰载无人机路径规划方法 Download PDF

Info

Publication number
CN113848985B
CN113848985B CN202111282054.8A CN202111282054A CN113848985B CN 113848985 B CN113848985 B CN 113848985B CN 202111282054 A CN202111282054 A CN 202111282054A CN 113848985 B CN113848985 B CN 113848985B
Authority
CN
China
Prior art keywords
unmanned aerial
carrier
aerial vehicle
point
current
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
CN202111282054.8A
Other languages
English (en)
Other versions
CN113848985A (zh
Inventor
秦娜
祝涛
黄德青
卯永杰
李明伟
赵嘉锡
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202111282054.8A priority Critical patent/CN113848985B/zh
Publication of CN113848985A publication Critical patent/CN113848985A/zh
Application granted granted Critical
Publication of CN113848985B publication Critical patent/CN113848985B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
    • 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
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • 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

本发明公开了一种基于Hybird A*算法的多舰载无人机路径规划方法，其包括建立舰载无人机环境模型；基于舰载无人机环境模型，获取舰载无人机的起始点和目标点；基于障碍物和单架舰载无人机约束条件，将舰载无人机的起始点和目标点输入Hybird A*算法，计算得到单架舰载无人机的目标路径；基于单架舰载无人机的目标路径、障碍物和多架舰载无人机约束条件，计算得到多架舰载无人机的行驶路径，完成多架舰载无人机的路径规划。本发明实现了多舰载无人机的碰撞避免，并且对于机库中的舰载无人机如何实现高效的规划机库至起飞位路径和实现中间过程的避碰提供了很好的解决办法。

Description

基于Hybird A*算法的多舰载无人机路径规划方法
技术领域
本发明涉及路径规划领域，具体涉及一种基于Hybird A*算法的多舰载无人机路径规划方法。
背景技术
在现代战争中，航母舰载无人机的出动效率是衡量航母战斗群的重要指标之一。现代航母上舰载无人机在航母上的滑行依然需要人工进行引导，显然这保证了舰载无人机滑行的安全性，但另一方面这种方式也降低了舰载无人机出动效率。此外，无人机在现代战争中的作用日益巨显，在未来,舰载无人机也将对航母战斗能力的提升具有重要作用。因此在基于航母上狭窄的舰面环境和有限的资源条件下，为舰载无人机在舰面上规划出安全、最优的路径具有重要意义。此外，考虑到未来无人作战的趋势以及便于应对机库内的路径规划等环境，本发明针对的舰载无人机需要考虑做倒车运动。
目前的路径规划算法研究方向主要三种：(1)启发式方法：这类方法包括 A*算法和Dijkstra算法，通过设定合适的启发函数，选择最有希望的点加以扩展，直到找到目标节点为止。但是这中方法对内存占用太大，并且忽略了运动体自身的体积带来的节点限制。(2)图形学方法：这类方法包括自由空间法、 voronoi图法，这类方法可以用于解决一些建模难的路径规划问题，但是图形学这类方法普遍存在着搜索能力的不足，往往需要结合专门的其它优化算法才能找到最优路径。(3)智能搜索算法：这类方法包括遗传算法和模拟退火算法等，这类方法是通过自然界的启发而设计的，但是该方法计算量较大、且容易陷入局部最优解。
关于舰载无人机路径规划的研究不是很多，主要原因是大多数路径规划算法主要研究的是受完整性约束的智能体，而舰载无人机作为受非完整性约束的智能体在规划路径时除了要考虑相应的转弯半径等约束外，还需要考虑初始和终端约束以及如何实现规划倒车路径。现有的关于舰载无人机路径规划的研究没有考虑机库内舰载无人机路径规划，主要原因是现有的舰载无人机在机库内基本都是由牵引车驱动的，但是对舰载无人机的倒车路径进行规划也对未来带牵引车的舰载无人机路径规划具有重要意义。此外，对于现有的舰载无人机的路径规划没有考虑到甲板的起飞位有限，当舰载无人机增多时，从实际安全等多方面考虑，不可能所有舰载无人机同时运动，故必须考虑除多机碰撞问题外的任务冲突问题。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于Hybird A*算法的多舰载无人机路径规划方法解决了现有路径规划方法难以满足起始和终端约束或难以满足舰载无人机转弯半径和行驶平滑度的问题。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种基于Hybird A*算法的多舰载无人机路径规划方法，其包括以下步骤：
S1、建立舰载无人机环境模型；
S2、基于舰载无人机环境模型，获取舰载无人机的起始点和目标点；
S3、基于障碍物和单架舰载无人机约束条件，将舰载无人机的起始点和目标点输入Hybird A*算法，计算得到单架舰载无人机的目标路径；
S4、基于单架舰载无人机的目标路径、障碍物和多架舰载无人机约束条件，计算得到多架舰载无人机的行驶路径，完成多架舰载无人机的路径规划。
进一步地，步骤S1的具体方法为：
S1-1、根据舰面轮廓选取特征坐标点，并基于特征坐标点计算分段函数，得到首尾连接的用于描述舰面轮廓的多边形；
S1-2、计算分段函数中的整数点，并赋值为1，将其余点赋值为0；
S1-3、根据舰载无人机最小包络圆半径确认障碍物扩展宽度；
S1-4、根据分段函数和障碍物扩展宽度，计算距离分段函数障碍物扩展宽度处的平行于分段函数的方程，并将平行线之间的整点赋值为1，得到甲板平面模型；
S1-5、根据机库选取特征坐标点，依次相连得到对应多边形，即得到机库环境模型；
其中甲板平面模型和机库环境模型共同构成舰载无人机环境模型。
进一步地，步骤S3的具体方法为：
S3-1、初始化Hybird A*算法的OpenList列表和CloseList列表；
S3-2、将舰载无人机的起始点加入OpenList列表；其中舰载无人机的起始点包括舰载无人机的横坐标、纵坐标和航向角；
S3-3、以起始点为起始搜索扩展点，并选取某个扩展点为当前扩展点，计算舰载无人机的起始点到当前扩展点之间的距离，即得到当前起始点到当前扩展点的实际代价；
S3-4、忽略障碍物，基于单架舰载无人机约束条件，通过Reeds—Shepp曲线算法计算得到当前扩展点到目标点的距离；
S3-5、基于障碍物，通过传统A*算法计算得到扩展点到目标点的距离；
S3-6、比较步骤S3-4和步骤S3-5的结果，取最大值，即得到当前扩展点到目标点的启发代价；
S3-7、将当前起始点到当前扩展点的实际代价值和当前扩展点到目标点的启发代价值相加，得到当前选取的扩展点对应的总代价值；
S3-8、计算所有扩展点对应的总代价值，选取最小值作为当前寻访点；
S3-9、将扩展点存入OpenList列表以及将寻访点存入CloseList列表；
S3-10、判断寻访点和目标点是否在同一个网格中，若是则得到单架舰载无人机的目标路径，并结束；否则进入步骤S3-11；
S3-11、以当前寻访点为起始搜索新的扩展点；
S3-12、判断当前新的扩展点是否在CloseList列表中，若是则忽略新的扩展点，并进行下一个新的扩展点判断；否则进入步骤S3-13；
S3-13、计算当前新的扩展点总代价值，判断当前新的扩展点是否在OpenList 列表中，若是则比较当前新的扩展点和对应OpenList列表中相同的扩展点的总代价值，将两者中总代价值更大的扩展点对应的寻访点替换总代价值更小的扩展点对应的寻访点，得到替换后的寻访点，并进入步骤S3-14；否则将当前新的扩展点加入OpenList列表，并返回步骤S3-12进行下一个新的扩展点判断；
S3-14、判断替换后的寻访点和目标点是否在同一个网格中，若是则得到单架舰载无人机的目标路径，并结束；否则进入步骤S3-15；
S3-15、判断是否完成N次扩展，若是则进行Reeds—Shepp曲线直接得到单架舰载无人机的目标路径，并进入步骤S3-16；否则返回步骤S3-11；
S3-16、判断当前单架舰载无人机的目标路径是否可无碰撞通行，若是则完成规划；否则返回步骤S3-11。
进一步地，步骤S4的具体方法为：
S4-1、获取当前舰载无人机的路径距离，并根据路径距离确认当前舰载无人机到达位置点；
S4-2、基于达到位置点，计算得到当前舰载无人机到达各个指定位置的时间节点；其中指定位置的时间节点包括舰载无人机在机库时的起始运动时刻、舰载无人机到达甲板的时刻、舰载无人机达到起飞位时刻、舰载无人机等待导流板升起后的起飞时刻，以及舰载无人机离舰时刻；
S4-3、计算其他舰载无人机到达各个指定位置的时间节点；
S4-4、获取并判断当前舰载无人机起始运动时刻到起飞位准备起飞时刻的时间窗与其他舰载无人机起始运动时刻到起飞位准备起飞时刻的时间窗是否重叠，若是则进入步骤S4-5；否则进入步骤S4-6；
S4-5、循环判断当前舰载无人机与其他舰载无人机轨迹是否碰撞，每检测到一次碰撞将当前舰载无人机各个指定位置的时间节点整体延迟一个时间间隔，直到与其他舰载无人机轨迹均不碰撞时结束循环并进入步骤S4-6；
S4-6、获取并判断当前舰载无人机起飞位准备起飞时刻到离舰时刻的时间窗与其他舰载无人机起飞位准备起飞时刻到离舰时刻的时间窗是否重叠，若是则进入步骤S4-7；否则进入步骤S4-8；
S4-7、循环判断当前舰载无人机与其他舰载无人机轨迹是否碰撞，每检测到一次碰撞将当前舰载无人机的等待导流板升起后的起飞时刻和离舰时刻均延迟一个时间间隔，直到与其他舰载无人机轨迹均不碰撞时结束循环并进入步骤 S4-8；
S4-8、判断是否只有当前舰载无人机正在进行加速起飞，若是则正常行驶，并返回步骤S4-1进行下一架舰载无人机的规划，直到完成所有舰载无人机路径规划；否则将当前舰载无人机的等待导流板升起后的起飞时刻和离舰时刻均延迟一个时间间隔，并返回步骤S4-7。
进一步地，步骤S4-1中获取舰载无人机的路径距离和到达位置点的具体方法为：
S4-1、根据公式：
Figure BDA0003331465190000061
得到舰载无人机的路径距离l；其中a舰载无人机的加速度，vmax为舰载无人机的最大速度，t为时间，Δt为时间间隔，T为舰载无人机的起飞任务的总时间；
S4-2、根据公式：
Figure BDA0003331465190000062
得到舰载无人机t+1时刻的位置点(xt+1，yt+1)；其中xt为舰载无人机t时刻的横坐标，yt为舰载无人机t时刻的纵坐标，cos为余弦函数，θt为舰载无人机航向角。
本发明的有益效果为：
1、本发明设计完成了舰载无人机运动模型、碰撞模型和舰面环境模型构建，包括甲板、甲板停机位、起降机等，并将各部分集成到了算法模型当中，此外，本发明研究了舰载无人机的整个起飞流程，并将整个起飞流程考虑进了舰载无人机路径规划。
2、本发明将混合A*应用于所设计的系统模型当中，首先实现了单舰载无人机的路径规划，分别对单舰载无人机和多舰载无人机建立了合适的约束条件，包括转弯半径，解决了在航母上舰载无人机路径平滑度要求高、初始和终端约束要求高且需要规划倒路径车的难题。
3、本发明的应用环境是基于滑跃式起飞的航母，不同于弹射起飞式航母；因此在完成单架舰载无人机的规划后，针对多架舰载无人机规划路径时，设计了有效算法框架实现了多舰载无人机的碰撞避免、减少了舰载无人机过多机动以及在发生起飞任务冲突时的解决步骤过程，并且对于机库中的舰载无人机如何实现高效的规划机库至起飞位路径和实现中间过程的避碰提供了很好的解决办法。
附图说明
图1为本发明的流程图；
图2为甲板平面模型；
图3为机库环境模型；
图4为本发明与传统算法规划结果对比图；
图5为本发明与传统算法航向角对比图；
图6为本发明多架舰载无人机甲板平面模型；
图7为本发明多架舰载无人机甲板平面运动图；
图8为本发明多架舰载无人机机库环境模型；
图9为本发明多架舰载无人机机库环境运动图；
图10为本发明多架舰载无人机时序图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，该基于Hybird A*算法的多舰载无人机路径规划方法，包括以下步骤：
S1、建立舰载无人机环境模型；
S2、基于舰载无人机环境模型，获取舰载无人机的起始点和目标点；
S3、基于障碍物和单架舰载无人机约束条件，将舰载无人机的起始点和目标点输入Hybird A*算法，计算得到单架舰载无人机的目标路径；
S4、基于单架舰载无人机的目标路径、障碍物和多架舰载无人机约束条件，计算得到多架舰载无人机的行驶路径，完成多架舰载无人机的路径规划。
步骤S1的具体方法为：
S1-1、根据舰面轮廓选取特征坐标点，并基于特征坐标点计算分段函数，得到首尾连接的用于描述舰面轮廓的多边形；
S1-2、计算分段函数中的整数点，并赋值为1，将其余点赋值为0；
S1-3、根据舰载无人机最小包络圆半径确认障碍物扩展宽度；
S1-4、根据分段函数和障碍物扩展宽度，计算距离分段函数障碍物扩展宽度处的平行于分段函数的方程，并将平行线之间的整点赋值为1，得到甲板平面模型；
S1-5、根据机库选取特征坐标点，依次相连得到对应多边形，即得到机库环境模型；
其中甲板平面模型和机库环境模型共同构成舰载无人机环境模型。
步骤S3的具体方法为：
S3-1、初始化Hybird A*算法的OpenList列表和CloseList列表；
S3-2、将舰载无人机的起始点加入OpenList列表；其中舰载无人机的起始点包括舰载无人机的横坐标、纵坐标和航向角；
S3-3、以起始点为起始搜索扩展点，并选取某个扩展点为当前扩展点，计算舰载无人机的起始点到当前扩展点之间的距离，即得到当前起始点到当前扩展点的实际代价；
S3-4、忽略障碍物，基于单架舰载无人机约束条件，通过Reeds—Shepp曲线算法计算得到当前扩展点到目标点的距离；
S3-5、基于障碍物，通过传统A*算法计算得到扩展点到目标点的距离；
S3-6、比较步骤S3-4和步骤S3-5的结果，取最大值，即得到当前扩展点到目标点的启发代价；
S3-7、将当前起始点到当前扩展点的实际代价值和当前扩展点到目标点的启发代价值相加，得到当前选取的扩展点对应的总代价值；
S3-8、计算所有扩展点对应的总代价值，选取最小值作为当前寻访点；
S3-9、将扩展点存入OpenList列表以及将寻访点存入CloseList列表；
S3-10、判断寻访点和目标点是否在同一个网格中，若是则得到单架舰载无人机的目标路径，并结束；否则进入步骤S3-11；
S3-11、以当前寻访点为起始搜索新的扩展点；
S3-12、判断当前新的扩展点是否在CloseList列表中，若是则忽略新的扩展点，并进行下一个新的扩展点判断；否则进入步骤S3-13；
S3-13、计算当前新的扩展点总代价值，判断当前新的扩展点是否在OpenList 列表中，若是则比较当前新的扩展点和对应OpenList列表中相同的扩展点的总代价值，将两者中总代价值更大的扩展点对应的寻访点替换总代价值更小的扩展点对应的寻访点，得到替换后的寻访点，并进入步骤S3-14；否则将当前新的扩展点加入OpenList列表，并返回步骤S3-12进行下一个新的扩展点判断；
S3-14、判断替换后的寻访点和目标点是否在同一个网格中，若是则得到单架舰载无人机的目标路径，并结束；否则进入步骤S3-15；
S3-15、判断是否完成N次扩展，若是则进行Reeds—Shepp曲线直接得到单架舰载无人机的目标路径，并进入步骤S3-16；否则返回步骤S3-11；
S3-16、判断当前单架舰载无人机的目标路径是否可无碰撞通行，若是则完成规划；否则返回步骤S3-11。
步骤S4的具体方法为：
S4-1、获取当前舰载无人机的路径距离，并根据路径距离确认当前舰载无人机到达位置点；
S4-2、基于达到位置点，计算得到当前舰载无人机到达各个指定位置的时间节点；其中指定位置的时间节点包括舰载无人机在机库时的起始运动时刻、舰载无人机到达甲板的时刻、舰载无人机达到起飞位时刻、舰载无人机等待导流板升起后的起飞时刻，以及舰载无人机离舰时刻；
S4-3、计算其他舰载无人机到达各个指定位置的时间节点；
S4-4、获取并判断当前舰载无人机起始运动时刻到起飞位准备起飞时刻的时间窗与其他舰载无人机起始运动时刻到起飞位准备起飞时刻的时间窗是否重叠，若是则进入步骤S4-5；否则进入步骤S4-6；
S4-5、循环判断当前舰载无人机与其他舰载无人机轨迹是否碰撞，每检测到一次碰撞将当前舰载无人机各个指定位置的时间节点整体延迟一个时间间隔，直到与其他舰载无人机轨迹均不碰撞时结束循环并进入步骤S4-6；
S4-6、获取并判断当前舰载无人机起飞位准备起飞时刻到离舰时刻的时间窗与其他舰载无人机起飞位准备起飞时刻到离舰时刻的时间窗是否重叠，若是则进入步骤S4-7；否则进入步骤S4-8；
S4-7、循环判断当前舰载无人机与其他舰载无人机轨迹是否碰撞，每检测到一次碰撞将当前舰载无人机的等待导流板升起后的起飞时刻和离舰时刻均延迟一个时间间隔，直到与其他舰载无人机轨迹均不碰撞时结束循环并进入步骤 S4-8；
S4-8、判断是否只有当前舰载无人机正在进行加速起飞，若是则正常行驶，并返回步骤S4-1进行下一架舰载无人机的规划，直到完成所有舰载无人机路径规划；否则将当前舰载无人机的等待导流板升起后的起飞时刻和离舰时刻均延迟一个时间间隔，并返回步骤S4-7。
步骤S4-1中获取舰载无人机的路径距离和到达位置点的具体方法为：
S4-1、根据公式：
Figure BDA0003331465190000111
得到舰载无人机的路径距离l；其中a舰载无人机的加速度，vmax为舰载无人机的最大速度，t为时间，Δt为时间间隔，T为舰载无人机的起飞任务的总时间；
S4-2、根据公式：
Figure BDA0003331465190000112
得到舰载无人机t+1时刻的位置点(xt+1，yt+1)；其中xt为舰载无人机t时刻的横坐标，yt为舰载无人机t时刻的纵坐标，cos为余弦函数，θt为舰载无人机航向角。
如图2所示，对应步骤S1-4得到甲板平面模型。
如图3所示，对应步骤S1-5得到机库环境模型，其中Inflated Areas为膨胀区，建立过程同理于步骤S1-4建立扩展宽度。
舰载无人机的状态方程为：
Figure BDA0003331465190000121
其中cos为余弦函数，sin为正弦函数，
Figure BDA0003331465190000122
为舰载无人机的姿态x轴坐标的导数，
Figure BDA0003331465190000123
为舰载无人机的姿态y轴坐标的导数，
Figure BDA0003331465190000124
为舰载无人机的航向角的导数，
Figure BDA0003331465190000125
为舰载无人机的前轮转向角的导数，θ为舰载无人机的航向角，v(t)为t时刻舰载无人机的速度，a(t)为t时刻舰载无人机的航向角速度，ρ(t)为路径的曲率。
步骤S3单架舰载无人机约束条件描述为：
最大前轮转向角约束，舰载无人机的前轮转向角小于等于舰载无人机允许的最大前轮转向角度；
终端约束，舰载无人机到达目标点的角度等于预期角度。
步骤S4多架舰载无人机约束条件描述为：
起飞约束，任意舰载无人机起飞时间窗[TA1(k),TA2(k)]内只允许一架舰载无人机处于加速起飞状态，即起飞时间窗内交集为空；
起飞约束公式表示为：
Figure BDA0003331465190000126
其中∩为交集，N为常数，Φ为空集，k为舰载无人机序号，TA1(k)为k 号舰载无人机的起飞位准备起飞的开始时刻，TA2(k)为k号舰载无人机的离舰时刻；
任务约束，对于在同一起飞位起飞的舰载无人机而言，必须等前一架完成前一个阶段任务后才可以执行当前阶段任务；
任务约束公式表示为：
Figure BDA0003331465190000131
其中pk为p号起飞位的k号舰载无人机，Sp,k,s为s时刻p号起飞位k号舰载无人机的时间节点，Sp,k,s+1为s+1时刻p号起飞位k号舰载无人机的时间节点， p为航母的起飞位，s为时间节点(对应步骤S4-2)。
距离约束，任意舰载无人机之间的距离必须大于安全阈值；
距离约束公式表示为：
||TRk(t)-TRl(t)||≥D
其中TRk(t)为t时刻k号舰载无人机的位置，TRl(t)为t时刻l号舰载无人机的位置，||·||为取模，D为安全阈值。
为了避免碰撞，舰载无人机的圆心距离
Figure BDA0003331465190000132
Figure BDA0003331465190000133
其中Rw为w号舰载无人机的简化圆半径，Rb为b号舰载无人机的简化圆半径，Ow为w号舰载无人机的简化圆圆心，Ob为b号舰载无人机的简化圆圆心。
在本发明的一个实施例中：
如图4和图5所示，为了验证本方法的有效性，将基于本方法的算法(Hybird A*)规划的舰载无人机路径结果与Dubins-RRT算法和A*算法规划结果做了对比，图5航向角的变化图表明规划出来的航向角最大值仅为5度，小于航向角 15度的约束，说明基于本模型的混合A*规划出来的路径是非常平滑的。其中 Angle为角度，Node(n)为点。
如图6到图9所示，分别是六架舰载无人机在甲板和机库通过所提出的方法获得的运动轨迹，每架舰载无人机(UAV)运动轨迹都很平滑，并且能都精确的到达目标位置。在图7中UAV-5的轨迹穿过了UAV-3以及UAV-4所表示的障碍物区域，这是因为当UAV-5从机库到达甲板时，UAV-3和UAV-4已经离开了初始位置。其中UAV-1为1号舰载无人机，UAV-2为2号舰载无人机，UAV-3 为3号舰载无人机，UAV-4为4号舰载无人机，UAV-5为5号舰载无人机，UAV-6为6号舰载无人机，Path Planner为路径规划。
如图10所示，其中UAV1即UAV-1，UAV2即UAV-2，UAV3即UAV-3， UAV4即UAV-4，UAV5即UAV-5，UAV6即UAV-6。
给出了每一架UAV完成起飞任务的时序图，即从初始位置至起飞位、等待导流板升起、起飞位至离舰(对于位于机库的UAV而言，增加了从机库到甲板的时间)，六架UAV完成整个出动任务的时长为173.5秒。考虑到位于机库的 UAV-5和UAV-6是分配在同一架升降机，故图9中显示UAV-5是在UAV-6到达甲板后开始运动，并且分配到同一起飞位的UAV都是在前一架UAV完成至少一个阶段的任务才开始运动，满足所给任务约束。此外，UAV-1之所以在起飞位等待的时间比其它UAV都长，是因为UAV-1在三号起飞位起飞，所以UAV-1 还需要保证起飞时不会与到达或者前往2号或者1号起飞位的UAV发生碰撞，并且任意UAV从起飞位起飞至离舰这一时间段都没有与其它UAV这一时间段发生重叠，满足任意时刻内最多只有一架UAV处于加速起飞状态的约束。综上所述，所有UAV都满足多机任务约束，表明本发明提出的方法是有效的。
本发明设计完成了舰载无人机运动模型、碰撞模型和舰面环境模型构建，包括甲板、甲板停机位、起降机等，并将各部分集成到了算法模型当中，此外，本发明研究了舰载无人机的整个起飞流程，并将整个起飞流程考虑进了舰载无人机路径规划。
本发明将混合A*应用于所设计的系统模型当中，首先实现了单舰载无人机的路径规划，分别对单舰载无人机和多舰载无人机建立了合适的约束条件，包括转弯半径，解决了在航母上舰载无人机路径平滑度要求高、初始和终端约束要求高且需要规划倒路径车的难题。
本发明的应用环境是基于滑跃式起飞的航母，不同于弹射起飞式航母，例如由于3号起飞位的舰载无人机起飞位的特殊，必须保证3号起飞位的舰载无人机不与2号起飞位的舰载无人机发生碰撞冲突，在完成单架舰载无人机的规划后，针对多架舰载无人机规划路径时，设计了有效算法框架实现了多舰载无人机的碰撞避免、减少了舰载无人机过多机动以及在发生起飞任务冲突时的解决步骤过程，并且对于机库中的舰载无人机如何实现高效的规划机库至起飞位路径和实现中间过程的避碰提供了很好的解决办法。

Claims (2)

1.一种基于Hybird A*算法的多舰载无人机路径规划方法，其特征在于，包括以下步骤：
S1、建立舰载无人机环境模型，具体包括：
S1-1、根据舰面轮廓选取特征坐标点，并基于特征坐标点计算分段函数，得到首尾连接的用于描述舰面轮廓的多边形；
S1-2、计算分段函数中的整数点，并赋值为1，将其余点赋值为0；
S1-3、根据舰载无人机最小包络圆半径确认障碍物扩展宽度；
S1-4、根据分段函数和障碍物扩展宽度，计算距离分段函数障碍物扩展宽度处的平行于分段函数的方程，并将平行线之间的整点赋值为1，得到甲板平面模型；
S1-5、根据机库选取特征坐标点，依次相连得到对应多边形，即得到机库环境模型；
其中甲板平面模型和机库环境模型共同构成舰载无人机环境模型；
S2、基于舰载无人机环境模型，获取舰载无人机的起始点和目标点；
S3、基于障碍物和单架舰载无人机约束条件，将舰载无人机的起始点和目标点输入Hybird A*算法，计算得到单架舰载无人机的目标路径，具体包括：
S3-1、初始化Hybird A*算法的OpenList列表和CloseList列表；
S3-2、将舰载无人机的起始点加入OpenList列表；其中舰载无人机的起始点包括舰载无人机的横坐标、纵坐标和航向角；
S3-3、以起始点为起始搜索扩展点，并选取某个扩展点为当前扩展点，计算舰载无人机的起始点到当前扩展点之间的距离，即得到当前起始点到当前扩展点的实际代价；
S3-4、忽略障碍物，基于单架舰载无人机约束条件，通过Reeds—Shepp曲线算法计算得到当前扩展点到目标点的距离；
S3-5、基于障碍物，通过传统A*算法计算得到扩展点到目标点的距离；
S3-6、比较步骤S3-4和步骤S3-5的结果，取最大值，即得到当前扩展点到目标点的启发代价；
S3-7、将当前起始点到当前扩展点的实际代价值和当前扩展点到目标点的启发代价值相加，得到当前选取的扩展点对应的总代价值；
S3-8、计算所有扩展点对应的总代价值，选取最小值作为当前寻访点；
S3-9、将扩展点存入OpenList列表以及将寻访点存入CloseList列表；
S3-10、判断寻访点和目标点是否在同一个网格中，若是则得到单架舰载无人机的目标路径，并结束；否则进入步骤S3-11；
S3-11、以当前寻访点为起始搜索新的扩展点；
S3-12、判断当前新的扩展点是否在CloseList列表中，若是则忽略新的扩展点，并进行下一个新的扩展点判断；否则进入步骤S3-13；
S3-13、计算当前新的扩展点总代价值，判断当前新的扩展点是否在OpenList列表中，若是则比较当前新的扩展点和对应OpenList列表中相同的扩展点的总代价值，将两者中总代价值更大的扩展点对应的寻访点替换总代价值更小的扩展点对应的寻访点，得到替换后的寻访点，并进入步骤S3-14；否则将当前新的扩展点加入OpenList列表，并返回步骤S3-12进行下一个新的扩展点判断；
S3-14、判断替换后的寻访点和目标点是否在同一个网格中，若是则得到单架舰载无人机的目标路径，并结束；否则进入步骤S3-15；
S3-15、判断是否完成N次扩展，若是则进行Reeds—Shepp曲线直接得到单架舰载无人机的目标路径，并进入步骤S3-16；否则返回步骤S3-11；
S3-16、判断当前单架舰载无人机的目标路径是否可无碰撞通行，若是则完成规划；否则返回步骤S3-11；
S4、基于单架舰载无人机的目标路径、障碍物和多架舰载无人机约束条件，计算得到多架舰载无人机的行驶路径，完成多架舰载无人机的路径规划，具体包括：
S4-1、获取当前舰载无人机的路径距离，并根据路径距离确认当前舰载无人机到达位置点；
S4-2、基于达到位置点，计算得到当前舰载无人机到达各个指定位置的时间节点；其中指定位置的时间节点包括舰载无人机在机库时的起始运动时刻、舰载无人机到达甲板的时刻、舰载无人机达到起飞位时刻、舰载无人机等待导流板升起后的起飞时刻，以及舰载无人机离舰时刻；
S4-3、计算其他舰载无人机到达各个指定位置的时间节点；
S4-4、获取并判断当前舰载无人机起始运动时刻到起飞位准备起飞时刻的时间窗与其他舰载无人机起始运动时刻到起飞位准备起飞时刻的时间窗是否重叠，若是则进入步骤S4-5；否则进入步骤S4-6；
S4-5、循环判断当前舰载无人机与其他舰载无人机轨迹是否碰撞，每检测到一次碰撞将当前舰载无人机各个指定位置的时间节点整体延迟一个时间间隔，直到与其他舰载无人机轨迹均不碰撞时结束循环并进入步骤S4-6；
S4-6、获取并判断当前舰载无人机起飞位准备起飞时刻到离舰时刻的时间窗与其他舰载无人机起飞位准备起飞时刻到离舰时刻的时间窗是否重叠，若是则进入步骤S4-7；否则进入步骤S4-8；
S4-7、循环判断当前舰载无人机与其他舰载无人机轨迹是否碰撞，每检测到一次碰撞将当前舰载无人机的等待导流板升起后的起飞时刻和离舰时刻均延迟一个时间间隔，直到与其他舰载无人机轨迹均不碰撞时结束循环并进入步骤S4-8；
S4-8、判断是否只有当前舰载无人机正在进行加速起飞，若是则正常行驶，并返回步骤S4-1进行下一架舰载无人机的规划，直到完成所有舰载无人机路径规划；否则将当前舰载无人机的等待导流板升起后的起飞时刻和离舰时刻均延迟一个时间间隔，并返回步骤S4-7。
2.根据权利要求1所述的基于Hybird A*算法的多舰载无人机路径规划方法，其特征在于，步骤S4-1中获取舰载无人机的路径距离和到达位置点的具体方法为：
S4-1、根据公式：
Figure FDA0003761895370000041
得到舰载无人机的路径距离l；其中a舰载无人机的加速度，vmax为舰载无人机的最大速度，t为时间，Δt为时间间隔，T为舰载无人机的起飞任务的总时间；
S4-2、根据公式：
Figure FDA0003761895370000042
得到舰载无人机t+1时刻的位置点(xt+1，yt+1)；其中xt为舰载无人机t时刻的横坐标，yt为舰载无人机t时刻的纵坐标，cos为余弦函数，θt为舰载无人机航向角。
CN202111282054.8A 2021-11-01 2021-11-01 基于Hybird A*算法的多舰载无人机路径规划方法 Active CN113848985B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111282054.8A CN113848985B (zh) 2021-11-01 2021-11-01 基于Hybird A*算法的多舰载无人机路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111282054.8A CN113848985B (zh) 2021-11-01 2021-11-01 基于Hybird A*算法的多舰载无人机路径规划方法

Publications (2)

Publication Number Publication Date
CN113848985A CN113848985A (zh) 2021-12-28
CN113848985B true CN113848985B (zh) 2022-09-09

Family

ID=78983520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111282054.8A Active CN113848985B (zh) 2021-11-01 2021-11-01 基于Hybird A*算法的多舰载无人机路径规划方法

Country Status (1)

Country Link
CN (1) CN113848985B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114460972B (zh) * 2022-04-13 2022-06-07 中国民航大学 一种无人机城区运行管控方法
CN115223389B (zh) * 2022-07-15 2023-11-21 西南交通大学 一种基于动态路段代价的停车引导路径规划方法
CN116257082B (zh) * 2022-11-03 2023-09-22 天津大学 多无人机分布式主动协同探测方法
CN116414140B (zh) * 2023-06-08 2023-08-04 北京中科智易科技股份有限公司 无人作战车辆路径规划方法、装置及计算机存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110617818A (zh) * 2019-10-15 2019-12-27 中国人民解放军军事科学院国防科技创新研究院 一种无人机航迹生成方法
CN111060108A (zh) * 2019-12-31 2020-04-24 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN111426330A (zh) * 2020-03-24 2020-07-17 江苏徐工工程机械研究院有限公司 路径生成方法和设备、无人化运输系统和存储介质
CN111930345A (zh) * 2020-07-06 2020-11-13 西安电子科技大学 一种基于SysML的无人机系统建模方法、装置及可读存储介质
CN112947406A (zh) * 2021-01-14 2021-06-11 华南理工大学 一种基于FLOYD和Astar的混合路径规划方法
CN113359721A (zh) * 2021-05-31 2021-09-07 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110617818A (zh) * 2019-10-15 2019-12-27 中国人民解放军军事科学院国防科技创新研究院 一种无人机航迹生成方法
CN111060108A (zh) * 2019-12-31 2020-04-24 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN111426330A (zh) * 2020-03-24 2020-07-17 江苏徐工工程机械研究院有限公司 路径生成方法和设备、无人化运输系统和存储介质
CN111930345A (zh) * 2020-07-06 2020-11-13 西安电子科技大学 一种基于SysML的无人机系统建模方法、装置及可读存储介质
CN112947406A (zh) * 2021-01-14 2021-06-11 华南理工大学 一种基于FLOYD和Astar的混合路径规划方法
CN113359721A (zh) * 2021-05-31 2021-09-07 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

Also Published As

Publication number Publication date
CN113848985A (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
CN113848985B (zh) 基于Hybird A*算法的多舰载无人机路径规划方法
CN110888456B (zh) 一种无人机与无人车的自主协同侦察控制方法
US7818118B2 (en) Method for planning the velocity of a craft along a route
CN109927716A (zh) 基于高精度地图的自主垂直泊车方法
CN115328165B (zh) 一种基于安全调运走廊的航母舰载机甲板滑行轨迹规划方法
CN112731949A (zh) 用于无人机和移动车辆的预测式降落
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
CN112925342B (zh) 基于改进相互速度障碍法的无人机动态避障方法
CN109116866A (zh) 一种无人机双向自主驶入控制方法
CN111221349A (zh) 多无人机目标定位的航路规划方法
CN110045727A (zh) 一种园区无人车路径规划与控制方法
CN111811529B (zh) 一种多区域车机协同侦察路径规划方法与系统
CN112947594A (zh) 一种面向无人机的航迹规划方法
CN110162104A (zh) 仿驾驶员视觉感知的rrt无人机路径规划方法
CN112650302A (zh) 固定翼无人机与旋翼无人机自主协同运输系统及方法
CN114169628B (zh) 基于a*算法和遗传算法的舰载机调度优化方法及系统
CN109974708B (zh) 一种无人船航迹规划方法、终端设备及存储介质
Lun et al. Target search in dynamic environments with multiple solar-powered UAVs
CN114661065A (zh) 固定翼无人机的起飞与降落系统及方法
CN112466161B (zh) 一种基于多样环境因素的低空飞行器避撞能力评估方法
Yang et al. Fast marine route planning for UAV using improved sparse A* algorithm
CN113093787A (zh) 一种基于速度场的无人机轨迹规划方法
CN115344049B (zh) 一种旅客登机车自动路径规划及车辆控制方法及装置
CN116935673A (zh) 网联环境下考虑行人过街的信号交叉口车辆通行方法
CN115562290A (zh) 一种基于a星惩罚控制优化算法的机器人路径规划方法

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
GR01 Patent grant
GR01 Patent grant