CN114115354B - 一种异质平台协同路径规划方法 - Google Patents
一种异质平台协同路径规划方法 Download PDFInfo
- Publication number
- CN114115354B CN114115354B CN202111515004.XA CN202111515004A CN114115354B CN 114115354 B CN114115354 B CN 114115354B CN 202111515004 A CN202111515004 A CN 202111515004A CN 114115354 B CN114115354 B CN 114115354B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- path
- cost function
- constraints
- aircrafts
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 239000002245 particle Substances 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 230000007613 environmental effect Effects 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 25
- 231100001261 hazardous Toxicity 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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)
- 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)
Abstract
本发明涉及飞行器技术领域,提供了一种异质平台协同路径规划方法。该方法包括:获取异质平台相关信息,获得相应的代价函数;对飞行器约束条件进行分析,获得约束条件下相应的代价函数;对不确定因素进行分析,获得所述不确定因素的代价函数;基于所述不确定因素的代价函数,采用鲁棒粒子群优化算法,对所有所述飞行器的完整飞行路径表示进行评价;基于所述评价结果,按照最优的所述飞行器飞行路径,协同完成任务,安全抵达目的地,为飞行器的鲁棒路径规划提供了一个新的解决方案。
Description
技术领域
本发明涉及飞行器技术领域,尤其涉及一种异质平台协同路径规划方法。
背景技术
临近空间是对海拔20千米到100千米空间范围的一个通用性称谓,其下面的空域常称为“天空”,是传统航空器的主要活动空间;其上面的空域就是平常说的“太空”,是航天器的运行空间。在临近空间这一高度,传统的飞机遵循的空气动力学难以适用,而正是由于其空间环境独特,使得临近空间飞行器有了得天独厚的发展优势。临近空间飞行器是指主要在临近空间区域内飞行并完成特定任务的飞行器。与传统的飞机相比,临近空间飞行器持续时间以天为单位,最长可达一年以上,易于长期、不间断地执行各项任务、较少需要后期维护、还具有异质性等特点。
飞行器的安全高效飞行,是飞行器协同完成多项任务的前提与关键。然而,目前尚且无法规划出安全高效的飞行路径,使得飞行器能够安全高效地飞到目标位置并协同完成多项任务。
发明内容
有鉴于此,本发明提供了一种异质平台协同路径规划方法,以解决现有技术中不确定条件下异质平台飞行器协同路径规划的问题。
本发明提供了一种异质平台协同路径规划方法,包括:
S1获取异质平台相关信息,获得相应的代价函数,其中,相关信息,包括:飞行器信息和环境信息;
S2对飞行器约束条件进行分析,获得约束条件下相应的代价函数,所述飞行器约束条件包括:路径长度约束、环境约束、飞行器性能约束、通信约束、飞行器间安全约束以及时间约束,
基于对飞行器起点和终点之间的路径长度约束的分析,获得飞行路径的总长度代价函数;
基于对所述飞行器飞行过程的环境约束的分析,获得飞行器穿过危险区域和飞行器与障碍物的碰撞的代价函数;
基于对所述飞行器性能约束的分析,获得转弯代价函数;
基于对所述飞行器之间的通信约束的分析,获得通信代价函数;
基于对所述飞行器间的安全约束的分析,获得安全代价函数;
基于对所述飞行器之间的任务完成的时间约束的分析,获得同时到达目标点代价函数;
S3对不确定因素进行分析,获得所述不确定因素的代价函数,其中,不确定因素包括:环境参数的不确定性和变量参数的不确定性;
S4基于所述不确定因素的代价函数,采用鲁棒粒子群优化算法,对所有飞行器的完整飞行路径表示进行评价;
S5基于所述评价结果,按照最优的飞行器飞行路径,协同完成任务。
所述S1,包括:
预设所述飞行器的速度范围,获得所述飞行器的最大转弯角度;
获取环境信息并考虑环境信息中的不确定因素。
进一步地,所述S2,包括:
基于对飞行器起点和终点之间的路径长度约束的分析,获得飞行路径的总长度代价函数;
基于对所述飞行器飞行过程的环境约束的分析,获得飞行器穿过危险区域和飞行器与障碍物的碰撞的代价函数;基于对所述飞行器性能约束的分析,获得转弯代价函数;
基于对所述飞行器之间的通信约束的分析,获得通信代价函数;
基于对所述飞行器间的安全约束的分析,获得安全代价函数;
基于对所述飞行器之间的任务完成的时间约束的分析,获得同时到达目标点代价函数。
进一步地,所述S3,包括:
所述环境参数包括危险区域长度和风速;
基于所述飞行器穿过危险区域的长度生成概率,计算出所述危险区域的不确定性产生的代价,其中,环境参数,包括危险区域和风;基于特定区域内产生的风速,使所述飞行器的规划路径产生偏移,计算出风速的不确定性产生的代价函数;
基于变量参数使所述飞行器的规划路径产生的偏移,对定位误差定位取值,计算出所述变量参数产生的代价,其中,变量参数,包括噪声向量。
进一步地,所述S4,包括:
将每架所述飞行器的飞行路径规划为设定数量的路径点,通过所述路径点的位置和所述路径点之间的几何关系进行评价;
基于所述设定数量的路径点,计算出分割点的坐标,获得所有所述飞行器的完整路径表示,并基于所述完整路径表示,对所有所述飞行器的飞行路径进行评价。
进一步地,所述基于每架所述设定数量的路径点,计算出分割点的坐标,获得所有所述飞行器的完整路径表示,并基于所述完整路径表示,对所有所述飞行器的飞行路径进行评价,包括:
将每架所述飞行器的路径分成设定数量的等长片段,并根据所述等长片段对应的路径点坐标计算出分割点的坐标;
并基于所述分割点的坐标,获得所有所述飞行器的完整飞行路径表示;
采用所述鲁棒粒子群优化算法,对所有所述飞行器的完整飞行路径表示进行评价。
进一步地,基于所述飞行路径的总长度代价函数、所述飞行器穿过危险区域和飞行器与障碍物碰撞的代价函数、所述转弯代价函数、所述通信代价函数、所述安全代价函数和所述同时到达目标点代价函数,构成总代价,所述总代价的表达式如下:
其中,Fobj为总代价,fi为f1-f6分别对应的代价,i=1,2,3…6。
所述S5,包括:
基于所述飞行器飞行路径总代价,对所有所述飞行器的完整飞行路径表示进行评价;
基于所述评价结果,获得最优的所述飞行器飞行路径;
所述飞行器按照所述最优的飞行路径飞行,协同完成任务。
本发明与现有技术相比存在的有益效果是:
1.本发明能够实现临近空间飞行器在异质平台上的协同路径规划,从而使得飞行器能够高效安全地飞到目标位置,完成既定任务。
2.本发明提供了一种鲁棒路径规划方法,考虑了环境以及飞行器自身的不确定因素,这为飞行器的鲁棒路径规划提供了一个新的解决方案。
附图说明
为了更清楚地说明本发明中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明提供的一种异质平台协同路径规划方法的流程图;
图2是本发明提供的完整飞行路径表示进行评价的流程图;
图3为异质平台协同路径规划场景示意图;
图4是本发明提供的按照最优的所述飞行器飞行路径,协同完成任务的流程图;
图5(a)为非鲁棒异质平台协同路径规划效果图,图5(b)为考虑不确定因素的异质平台协同路径规划效果图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
下面将结合附图详细说明根据本发明的一种异质平台协同路径规划方法。
图1是本发明提供的一种异质平台协同路径规划方法的流程图。
如图1所示,该方法包括:
S1,获取异质平台相关信息,其中,相关信息,包括:飞行器信息和环境信息。
首先,是异质平台临近空间的飞行器信息。其中,飞行器信息包括飞行器的速度范围和飞行器的最大转弯角度。
预设飞行器的速度范围,获得飞行器的最大转弯角度。
示例性地,主要考虑无人机和飞艇两种临近空间飞行器,数量一共为M个。每个飞行器有异质的飞行速度,假设第个飞行器的速度范围为飞行器在速度范围内匀速飞行。第个飞行器的最大转弯角为/>超过这个角度则会有危险。
其次,是异质平台的环境信息,包括异质的障碍物、危险区域的位置和半径大小。
获取环境信息并考虑环境信息中的不确定因素。
在考虑异质平台的障碍物、危险区域的位置和半径大小的同时还需考虑环境中的不确定因素,例如可能存在的大风等。在异质平台的不同区域,可能会有不同大小的风速对飞行器的规划路径产生影响。
S2,对飞行器约束条件进行分析,获得约束条件下相应的代价函数,其中,飞行器约束条件包括:路径长度约束、环境约束、飞行器性能约束、通信约束、飞行器间安全约束以及时间约束。
基于对飞行器起点和终点之间的路径长度约束的分析,获得飞行路径的总长度代价函数;
基于对飞行器飞行过程的环境约束的分析,获得飞行器穿过危险区域和飞行器与障碍物的碰撞的代价函数;
基于对飞行器性能约束的分析,获得转弯代价函数;
基于对飞行器之间的通信约束的分析,获得通信代价函数;
基于对飞行器间的安全约束的分析,获得安全代价函数;
基于对飞行器之间的任务完成的时间约束的分析,获得同时到达目标点代价函数。
对临近空间飞行器需要考虑的约束进行分析。
飞行器协同路径规划的一个显著特点是存在大量约束条件,不仅需要考虑单个飞行器的物理特性和任务需求,还需要考虑不同飞行器之间的协调和协作。一般来说,异质平台上的多飞行器协同路径规划通常需要考虑环境约束,飞行器约束条件包括:路径长度约束、环境约束、飞行器性能约束、通信约束、飞行器间安全约束以及时间约束,其中,路径长度约束需要考虑飞行器起点和终点之间的总长度。环境约束要求飞行器在飞行过程中,尽可能的远离危险区域,同时还需考虑天气因素对飞行器飞行轨迹的影响,还需要考虑飞行器遇到障碍物发生碰撞的可能。飞行器性能约束要求考虑飞行器的速度限制,飞行器的最大转角限制以及机载定位设备的定位误差等。通信约束要求飞行器之间能够保持通信,也就是说,在飞行过程中,任意两架飞行器之间至少有一条通信链路。飞行器间的安全约束要求在飞行过程中的任意时刻,任意两架飞行器之间的距离小于限定值,发生轨迹重合的情况,从而保障飞行器之间的正常飞行。时间约束要求多架飞行器在同一时间到达目标点,从而有利于协同完成预定任务。飞行过程中,通过上述约束的分析,还需要获得总代价约束,从而最终获得总代价函数。
基于所述飞行路径的总长度代价函数、所述飞行器穿过危险区域和飞行器与障碍物碰撞的代价函数、所述转弯代价函数、所述通信代价函数、所述安全代价函数和所述同时到达目标点代价函数,构成总代价,所述总代价的表达式如下:
其中,Fobj为总代价,fi为f1-f6分别对应的代价,i=1,2,3…6。
S3,对不确定因素进行分析,获得不确定因素的代价函数,其中,不确定因素包括:环境参数的不确定性和变量参数的不确定性。
环境参数包括危险区域长度和风速;
基于飞行器穿过危险区域的长度生成概率,计算出危险区域的不确定性产生的代价,其中,环境参数,包括危险区域和风;基于特定区域内产生的风速,使飞行器的规划路径产生偏移,计算出风速的不确定性产生的代价函数。
对临近空间飞行器需要考虑的不确定因素进行分析。不确定因素一般分为三种:模型的不确定性,环境参数的不确定性和变量参数的不确定性。本发明主要考虑环境参数的不确定性和变量的不确定性,在规划飞行器路径点的时候,针对环境参数的不确定性,考虑危险区域和风等天气的潜在影响。在计算危险区域代价的时候,根据飞行器的规划路径穿过威胁区域的长度生成概率,在这个概率内产生相应的代价。
基于变量参数使飞行器的规划路径产生的偏移,对定位误差定位取值,计算出变量参数产生的代价,其中,变量参数,包括噪声向量。
在考虑变量影响的时候,例如,在考虑风的影响的时候,在特定区域内产生一定大小一定方向的风速,风速会使飞行器的规划路径产生一定的偏移,从而影响代价函数的计算。针对变量的不确定性,本发明考虑定位误差的存在。噪声向量的生成根据GPS定位误差的分布进行取值。
S4,基于不确定因素的代价函数,采用鲁棒粒子群优化算法,对所有飞行器的完整飞行路径表示进行评价。
对临近空间飞行器的规划路径进行评价,通常要考虑的约束以几何方式限制路径,可分为两种类型。第一种约束仅需要评估路径点,第二种约束评价飞行器完整路径。
S41,将每架飞行器的飞行路径规划为设定数量的路径点,通过路径点的位置和路径点之间的几何关系进行评价。
第一种约束仅需要评估路径点,也就是说,可以通过检查路径点的位置以及它们之间的几何关系来评估这些约束。例如,最大转角、路径长度。其它约束与路段相关,因为路径点不足以确定飞行器的真实状态。换言之,即使相应的路径点位于可行位置,路段也可能不可行。例如,障碍物和威胁规避,保持飞行器之间的最小距离和通信连接。假设有M个临近空间飞行器。对于第一种约束,为每个飞行器规划N个路径点(包括起始点和终点),其中第i个飞行器的第j个路径点的坐标为(xij,yij,zij),i=1,2,…,M;j=1,2,…,N。基于飞行器的完整飞行路径规划表示,对飞行器完整飞行路径规划来评价。
图2是本发明提供的完整飞行路径表示进行评价的流程图。
如图2所示,
S42,基于设定数量的路径点,计算出分割点的坐标,获得所有飞行器的完整路径表示,并基于完整路径表示,对所有飞行器的飞行路径进行评价。
图3为异质平台协同路径规划场景示意图。
如图3所示,异质平台协同路径规划场景中包括:路径点、起始点、目标点、飞行器、障碍物以及危险区域。
S421,将每架飞行器的路径分成设定数量的等长片段,并根据等长片段对应的路径点坐标计算出分割点的坐标。
对于第二种约束,将每个飞行器的路径分成Nd-1个等长片段,然后对Nd个分割点进行评价(包括起始点和终点)。其中第i个飞行器的第k个分割点的坐标为(xik,yik,zik)。
其中,i=1,2,…,M;k=1,2,…,Nd。然后,在以上飞行器的完整路径表示的基础上对路径进行评价。
S422,并基于分割点的坐标,获得所有飞行器的完整飞行路径表示。
只需要为每架飞行器规划N个路径点,因为可以通过路径点坐标计算出分割点的坐标,所有飞行器的完整路径表示为:
(x11,y11,z11,…,x1N,y1N,z1N;…xi1,yi1,zi1,…,xiN,yiN,ziN;…xM1,yM1,zM1,…,xMN,yMN,zMN)
S423,采用鲁棒粒子群优化算法,对所有飞行器的完整飞行路径表示进行评价。
具体地,
(1)定义飞行器飞行路径的总长度代价为f1,具体公式如下:
其中,M为正整数,N为正整数;(xiN,yiN,ziN)为第i个飞行器的第N个路径点的空间坐标,(xi1,yiN,zi1)为第i个飞行器的第N个路径点的空间坐标;xij,yij,zij为第i个飞行器的第j个路径点的空间坐标;分子是连接起点和终点的直线长度,分母是路径的实际长度。f1∈[0,1]。
(2)定义飞行器穿过危险区域和飞行器与障碍物碰撞的代价为f2,包括穿过危险区域的路径的总长度代价f21和飞行器与障碍物碰撞的代价f22,f2=f21+f22。
定义穿过危险区域的路径的总长度代价为f21,具体公式分别如下:
其中,f2包括f21和f22,n是危险区域的数量,Linside是穿过危险区域的路径的总长度,di是危险区域i的直径,f21是穿过危险区域的路径的总长度代价和飞行器与障碍物碰撞代价,f21∈[0,1]。
定义飞行器与障碍物碰撞的代价为f22,具体公式如下:
其中,P是惩罚参数。通过加入参数P,将不可行解与可行解区分开。模型中P=5。f22∈0∪[P,P+1]。
(3)由于飞行器的机动性,规划路径应足够平滑。这要求飞行器在每个路径点的转弯角度保持较小。因此,定义飞行器转弯产生的代价为f3,具体公式如下:
其中,为第i个飞行器的最大转弯角,θij为第i个飞行器在第j个路径点的转角,f3∈[0,1],/>表示后面的一系列参数的泛指标记。
(4)飞行器需要在飞行过程中保持通信连接。任意两个飞行器之间都需要有至少一条通信链路。信道系数β(d)公式如下:
其中,β0是视距条件下距离为1m的路径损耗。k<1是非视距传播引起的附加衰减因子,fc是载波频率,d是两架无人机间的距离,c是光速,α表示一个指数。根据两个飞行器之间是否存在障碍物来判断是否为视距传输,并进一步求出它们之间的信道系数。进一步可以去求出信噪比如下:
其中,Pt是飞行器传输功率,Pn是噪声功率。如果信噪比SNR超过某一临界值,则视为两架飞行器之间可以进行通信。定义飞行器间保持通信的代价为f4,具体公式如下:
在上述的模型中,如果飞行器1和飞行器2之间,以及飞行器2和飞行器3之间存在通信链路,则飞行器1和飞行器3之间一定存在通信链路。f4∈[0,1]。(5)定义飞行器同时到达目标点的代价为f5,具体公式如下:
其中,Li是飞行器i的真实路径长度。f5∈[0,1]。
(6)为多个飞行器规划路径时,重要的是检查两个飞行器是否在沿着各自的路径行驶时靠得太近。为此必须测试两条路径在空间和时间上是否重合。我们考虑飞行器u和飞行器v的飞行路径,如果第u个飞行器和第v个飞行器的第k个分割点之间的距离小于dmin,则两架飞行器之间存在风险。因此我们定义飞行器间的安全代价为f6,具体公式如下:
f6∈0∪[P,P+1]。
(7)因此临近空间飞行器的规划路径总代价的具体公式如下:
其中,Fobj为飞行器的规划路径总代价,fi为f1-f6分别对应的代价,i=1,2,3…6。
S5基于评价结果,按照最优的飞行器飞行路径,协同完成任务。
图4是本发明提供的按照最优的飞行器飞行路径,协同完成任务的流程图。
如图4所示,S5包括:
S51,基于飞行器飞行路径总代价,对所有飞行器的完整飞行路径表示进行评价。
在S5中,对临近空间飞行器的路径进行优化求解,采用鲁棒粒子群优化算法进行求解。首先,需要考虑S3提到的不确定因素。由于定位误差的存在,在每次计算代价前,在每个粒子的各个维度上加入噪声向量δi(i=1,2,…,m),并计算这m个扰动产生的解的代价。同时需要注意的是,在计算路径的代价时还需要考虑风速的影响。风的存在会使飞行器的规划路径产生偏移,需要根据偏移后的路径进行代价计算。除此之外,考虑到危险区域的不确定性。对S4中的代价(2)做适当的修正。在[0,1]之间生成一个随机数p,如果则f2=1,否则f2=0。
在计算m个扰动产生的解的代价后,一般的方法是取这m个代价的平均值或者最大值。在本发明飞行器路径规划的情形中,由于规划目标是为飞行器提供一条在危险区域、恶劣天气和GPS误差存在的条件下依然安全的路径,因此这里使用最差方式进行适应度评估,每个粒子的适应度,也就是代价的具体计算方式为:
worst{f(x+δ1),f(x+δ2),…,f(x+δm)}
S52,基于评价结果,获得最优的飞行器飞行路径。
在经过一定代数的迭代后,选择最小的代价对应的解作为飞行器协同路径规划的飞行路径。因为最终选择的路径是在取偏差范围内最差情况下的最好路径,可以降低飞行器事故发生的概率。
S53,飞行器按照最优的飞行路径飞行,协同完成任务。
多架飞行器能按照优化路径安全高效飞行,直至达到目标点,协同完成任务。本发明方案能够实现临近空间飞行器在异质平台上的协同鲁棒路径规划,保障飞行器的高效安全地飞行。
图5(a)为非鲁棒异质平台协同路径规划效果图,图5(b)为考虑不确定因素的异质平台协同路径规划效果图)。
本发明通过对不确定因素进行分析,获得不确定因素的代价函数;基于不确定因素的代价函数,采用鲁棒粒子群优化算法,对所有飞行器的完整飞行路径表示进行评价,获得最优飞行器飞行路径,所有飞行器协同完成任务,安全抵达目的地,为飞行器的鲁棒路径规划提供了一个新的解决方案。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (7)
1.一种异质平台协同路径规划方法,其特征在于,包括:
S1获取异质平台相关信息,其中,相关信息,包括:飞行器信息和环境信息;
S2对飞行器约束条件进行分析,获得约束条件下相应的代价函数,其中,飞行器约束条件包括:路径长度约束、环境约束、飞行器性能约束、通信约束、飞行器间安全约束以及时间约束,
基于对飞行器起点和终点之间的路径长度约束的分析,获得飞行路径的总长度代价函数;
基于对所述飞行器飞行过程的环境约束的分析,获得飞行器穿过危险区域和飞行器与障碍物的碰撞的代价函数;
基于对所述飞行器性能约束的分析,获得转弯代价函数;
基于对所述飞行器之间的通信约束的分析,获得通信代价函数;
基于对所述飞行器间的安全约束的分析,获得安全代价函数;
基于对所述飞行器之间的任务完成的时间约束的分析,获得同时到达目标点代价函数;
S3对不确定因素进行分析,获得所述不确定因素的代价函数,其中,不确定因素包括:环境参数的不确定性和变量参数的不确定性;
S4基于所述不确定因素的代价函数,采用鲁棒粒子群优化算法,对所有飞行器的完整飞行路径表示进行评价;
S5基于所述评价结果,按照最优的飞行器飞行路径,协同完成任务。
2.根据权利要求1所述的方法,其特征在于,所述S1,包括:
预设所述飞行器的速度范围,获得所述飞行器的最大转弯角度;
获取环境信息并考虑环境信息中的不确定因素。
3.根据权利要求1所述的方法,其特征在于,所述S3,包括:
所述环境参数包括危险区域长度和风速;
基于所述飞行器穿过危险区域的长度生成概率,计算出所述危险区域的不确定性产生的代价;
基于特定区域内产生的风速,使所述飞行器的规划路径产生偏移,计算出风速的不确定性产生的代价函数;
基于变量参数使所述飞行器的规划路径产生的偏移,对定位误差定位取值,计算出所述变量参数产生的代价,其中,变量参数包括噪声向量。
4.根据权利要求1所述的方法,其特征在于,所述S4,包括:
将每架所述飞行器的飞行路径规划为设定数量的路径点,通过所述路径点的位置和所述路径点之间的几何关系进行评价;
基于所述设定数量的路径点,计算出分割点的坐标,获得所有所述飞行器的完整路径表示,并基于所述完整路径表示,对所有所述飞行器的飞行路径进行评价。
5.根据权利要求4所述的方法,其特征在于,所述基于每架所述设定数量的路径点,计算出分割点的坐标,获得所有所述飞行器的完整路径表示,并基于所述完整路径表示,对所有所述飞行器的飞行路径进行评价,包括:
将每架所述飞行器的路径分成设定数量的等长片段,并根据所述等长片段对应的路径点坐标计算出分割点的坐标;
并基于所述分割点的坐标,获得所有所述飞行器的完整飞行路径表示;
采用所述鲁棒粒子群优化算法,对所有所述飞行器的完整飞行路径表示进行评价。
6.根据权利要求1所述的方法,其特征在于,基于所述飞行路径的总长度代价函数、所述飞行器穿过危险区域和飞行器与障碍物碰撞的代价函数、所述转弯代价函数、所述通信代价函数、所述安全代价函数和所述同时到达目标点代价函数,构成总代价,所述总代价的表达式如下:
其中,Fobj为总代价,fi为f1-f6分别对应的代价,i=1,2,3…6。
7.根据权利要求6所述的规划方法,其特征在于,所述S5,包括:
基于所述飞行器飞行路径总代价,对所有所述飞行器的完整飞行路径表示进行评价;
基于所述评价结果,获得最优的所述飞行器飞行路径;
所述飞行器按照所述最优的飞行路径飞行,协同完成任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111515004.XA CN114115354B (zh) | 2021-12-13 | 2021-12-13 | 一种异质平台协同路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111515004.XA CN114115354B (zh) | 2021-12-13 | 2021-12-13 | 一种异质平台协同路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114115354A CN114115354A (zh) | 2022-03-01 |
CN114115354B true CN114115354B (zh) | 2023-07-28 |
Family
ID=80365043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111515004.XA Active CN114115354B (zh) | 2021-12-13 | 2021-12-13 | 一种异质平台协同路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114115354B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115774900B (zh) * | 2022-11-18 | 2023-12-15 | 南京航空航天大学 | 一种不确定条件下的变构型飞行器指令鲁棒优化设计方法 |
CN116753964B (zh) * | 2023-08-21 | 2023-11-28 | 中国人民解放军战略支援部队航天工程大学 | 一种基于影响度的无人机路径规划的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700549A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 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 |
WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
CN110850891A (zh) * | 2019-11-11 | 2020-02-28 | 西北工业大学 | 一种基于空间和时间协同的多无人机动态航路规划方法 |
CN111256682A (zh) * | 2020-05-07 | 2020-06-09 | 北京航空航天大学 | 不确定条件下的无人机群路径规划方法 |
CN112066991A (zh) * | 2020-09-07 | 2020-12-11 | 常州微亿智造科技有限公司 | 多约束条件下智能飞行器航迹快速规划方法、装置 |
-
2021
- 2021-12-13 CN CN202111515004.XA patent/CN114115354B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700549A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 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 |
WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
CN110850891A (zh) * | 2019-11-11 | 2020-02-28 | 西北工业大学 | 一种基于空间和时间协同的多无人机动态航路规划方法 |
CN111256682A (zh) * | 2020-05-07 | 2020-06-09 | 北京航空航天大学 | 不确定条件下的无人机群路径规划方法 |
CN112066991A (zh) * | 2020-09-07 | 2020-12-11 | 常州微亿智造科技有限公司 | 多约束条件下智能飞行器航迹快速规划方法、装置 |
Non-Patent Citations (1)
Title |
---|
复杂多约束条件通航飞行垂直剖面规划方法;王晓亮;马亚冰;王鹏;吴仁彪;;北京航空航天大学学报(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114115354A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114115354B (zh) | 一种异质平台协同路径规划方法 | |
CN106970648B (zh) | 城市低空环境下无人机多目标路径规划联合搜索方法 | |
US20210407303A1 (en) | Systems and methods for managing energy use in automated vehicles | |
US11900823B2 (en) | Systems and methods for computing flight controls for vehicle landing | |
US11249494B2 (en) | Systems and methods for sensing and avoiding external objects for aircraft | |
US11619953B2 (en) | Three dimensional aircraft autonomous navigation under constraints | |
US20110288773A1 (en) | Loss of separation avoidance maneuvering | |
CN111859247B (zh) | 一种基于星基ads-b数据的无人机运行风险评估方法 | |
US20120143505A1 (en) | Method And Device For Determining An Optimal Flight Trajectory Followed By An Aircraft | |
US20070061055A1 (en) | Sequencing, merging and approach-spacing systems and methods | |
US20180033318A1 (en) | Sense and avoid maneuvering | |
CN104246641A (zh) | Uav的安全紧急降落 | |
US20170032687A1 (en) | Automatic in/out aircraft taxiing, terminal gate locator and aircraft positioning | |
CN105632246A (zh) | 飞行器飞行管理和引导系统以及高完整性飞行管理和引导系统的误差检测方法 | |
CN104732808A (zh) | 飞行器告警方法及装置 | |
CN112506213A (zh) | 用于根据来自自动化载具的数据来检测载具或环境变化的系统和方法 | |
CN115298720A (zh) | 用于基于相机的飞行器检测和避免的机器学习架构 | |
CN111811513A (zh) | 一种多无人机协同覆盖及避障的航迹规划方法 | |
CN110793522A (zh) | 一种基于蚁群算法的航迹规划方法 | |
CN111895998B (zh) | 一种大型固定翼无人飞行器分段堆栈式航路规划方法 | |
US11487301B2 (en) | Method and device for generating an optimum vertical trajectory intended to be followed by an aircraft | |
GB2598939A (en) | Method and system for the prodiction of risk maps of airspace, and land areas based on the fusion of data from multiple sources | |
Wells et al. | Predicting suas conflicts in the national airspace with interacting multiple models and haversine-based conflict detection system | |
CN112017482B (zh) | 避免飞行器与其他飞行物体发生碰撞的方法和系统 | |
De Dominicis et al. | Software and sensor issues for autonomous systems based on machine learning solutions |
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 |