CN115525062A - 面向返回式航天器测量任务无人机实时在线航迹规划方法 - Google Patents

Abstract

本发明涉及一种面向返回式航天器测量任务无人机实时在线航迹规划方法，以无人机飞行性能和飞行限制区域为约束，以实时动态跟踪航天器返回舱为核心目标，充分考虑航迹规划方法的实时性的同时，规划出跟踪返回舱的无人机飞行航迹，将无人机的机动作业特性和探测载荷有机结合起来，尽可能提升对返回舱的跟踪覆盖率。应用该方法后，实现与现有保障航天器返回舱跟踪任务的陆基测控系统协同作业，构建的搜救信息网络，有效解决单纯依靠陆基测控系统时现有搜救信息网络产生的低仰角测量性能较差，对航天器返回舱着陆段的测控覆盖能力不足的问题。确保搜救信息网络能够为着陆搜救态势的精准研判提供全程连续的直观图像信息，有助于高效完成搜救回收任务。

Description

面向返回式航天器测量任务无人机实时在线航迹规划方法

技术领域

本发明属于航迹规划领域，涉及一种面向返回式航天器测量任务无人机实时在线航迹规划方法。

背景技术

在无人机航迹规划方面国内外开展了大量研究，国外的研究相比国内起步较早，上世纪90年代，国外的研究学者将研究重心放在单架UAV静态航迹规划与二维规 划环境建模上。由于实际环境中飞行环境复杂多变，产生了很多针对环境建模优化和 UAV飞行稳定性优化的研究成果。例如，Ruz等人利用混合整数线性规划(MILP) 检测威胁区域和障碍空间，为了使无人飞机快速躲避雷达探测区域，MILP方法使非 线性的雷达检测函数产生线性的特性。Hota等人研究了使得飞机飞行稳定性更强的三 维规划方法，采用最小转弯半径的圆和直线连接的方式构建整条航迹，这使得航迹上 任意相邻的两点都具有平滑过渡的特点。

国内的航迹规划研究相比国外起步较晚，在航迹规划技术上面处于追赶西方的阶段，但国内研究人员也在无人飞机航迹规划技术上面取得了很多优异的成就。张佳龙 等人将复合矢量人工势场应用在航迹优化中，采用势场引力追踪目标，采用势场斥力 远离障碍，有效地解决了无人飞机的三维避障问题。Zhang等人采用层级定向动态规 划(DP)方法提高了DP算法在特殊地形中的适应性和算法的收敛速度，提高了算法 运行效率。杨健等人为了解决B样条曲线在航迹优化时无法考虑飞机始末状态的问题， 首先融合Dubins曲线和B样条曲线并规划出可选航迹，然后采用递归的方式将组合 算法的初始航迹作为下一次最优控制算法的初始解，以此建立精细化的航迹规划模型。

目前的无人机航迹规划方法都是针对静态目标的侦察、打击和避障开展相关研究， 缺乏针对航天器返回舱这种动态目标开展持续跟踪的航迹规划方法研究。另外，航天器在返回过程受飞行控制精度、高空风等多种不确定因素影响,返回舱的弹道需要不断 更新，尤其在弹道式返回过程中，返回舱弹道和理论弹道差异非常大，因此采用无人 机开展返回舱实时景象测量时需要根据最新预测弹道快速规划生成符合探测要求的飞 行航迹，对航迹规划的实时性提出了较高要求。目前的无人机航迹规划技术缺乏适应 于返回舱跟踪场景的快速算法。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种面向返回式航天器测量任务无人机实时在线航迹规划方法。

技术方案

一种面向返回式航天器测量任务无人机实时在线航迹规划方法，其特征在于步骤如下：

步骤1、初始配置数据：

1、无人机预定跟踪弧段内的返回舱的预测弹道点Ψ＝{L,B,H}，L、B、H分别 表示返回舱在WGS84系下的经度、纬度和高度；弹道点之间的时间间隔t；

2、无人机光学传感器的探测范围边界：包括最大探测距离ρ_max、水平探测范围 (Φmim,Φmax)、垂直探测范围Θmim,Θmax)；

3、将经纬坐标变换到XY横纵坐标，采用飞机速度v作为定值修正式：

其中，b₀和l₀分别表示纬度和经度的参考点，b和l分别表示纬度和经度,x和y分 别表示横坐标和纵坐标；

步骤2、计算初始航迹点：

飞机初始点的弹道起始点为G(0)＝(x₀,y₀)，终点为G(N)＝(x_N,y_N),飞机航迹规划的 起始点为：

其中：θ为弹道点连线的中垂线与横坐标轴的相对角度；

步骤3、计算后续航迹点：飞机初始点的弹道起始点为G(0)＝(x₀,y₀)，终点为 G(N)＝(x_N,y_N),得到飞机航迹规划的起始点为：

其中：θ为弹道点连线的中垂线与横坐标轴的相对角度；L为期望距离；

步骤4：计算后续航迹点：以初始点为始发点，当前速度方向为步进方向，以无 人机平均飞行速度为步长向前拓展一步，得到第二个航迹点，后续采用“三进制”采 样法确定航迹点；

1、在原有飞行速度方向的α、0、-α三个夹角方向确定三个待选点；

2、确定最优航迹点的总的代价函数Cost：

Cost＝Cost_p+Cost_e+Cost_d

计算出每个待选航迹点对应的代价函数，结果最小者对应的航迹点即为最优航迹点：

所述Cost_d为禁飞区约束航迹点的代价函数：

式中d_obs表示待选航迹点与障碍物的距离，D₀表示预测距离，u(·)表示阶跃函数；当待选航迹点距离障碍物小于预测距离D₀时，设置代价函数为激活状态进行航迹优 化，否则代价函数为休眠状态：

所述Cost_p为光学传感器的方位覆盖范围约束航迹点的代价函数：

其中：opt(·)为传感器探测范围内的增益最大方向；待选航迹点与返回舱方位角为 θ；

所述Cost_e为光学传感器的俯仰覆盖范围约束航迹点的代价函数：

其中：待选航迹点不存在横滚角时，与返回舱俯仰角为

步骤5：稀疏航迹点：

1、遍历完整条航迹稀疏航迹点：

若相邻三点的转弯半径小于3倍的最小转弯半径R,则删去三点中间的一点，使得航迹整体稀疏化，相邻三点的转弯半径增大；

直线处按照预定的直线稀疏率选取下一个航迹点，若相邻三点形成的转弯半径小于3倍的最小转弯半径R，则采用曲线稀疏率选取下一个航迹点，以此循环直到遍历 完整条航迹；

2、稀疏避障：从航迹起始点采用直线稀疏率(此值可在界面上设置)查找航迹点作为稀疏预选点，将预选点与上一个点连线，若连线经过障碍物，则说明此预选点不 满足避障要求，则从此预选点向前步进搜索，直到搜索到满足避障要求的航迹点，该 航迹点作为确定稀疏点；再从确定的稀疏点出发循环以上过程，遍历完整条航迹，则 所有确定稀疏点组成一条新的航迹，此航迹为稀疏后的航迹完成在线航迹规划。

所述光学载荷的最大探测距离ρ_max：

式中D₀为光学系统有效口径，ξ修正系数，τ₀光学系统透过率，D^*为分系统的比 探测率，a为探测器像元感光区域长，b探测器像元感光区域宽，f为焦距，t_int为各 分系统的探测器积分时间，F为F数，τ_a为各分系统的大气透过率，J为各分系统的 目标照度总能量，SNR为各分系统的探测系统输出信号的信噪比。

所述步骤1的时间间隔t为1s。

所述α根据飞机的最小转弯半径R确定：

有益效果

本发明提出的一种面向返回式航天器测量任务无人机实时在线航迹规划方法，是在返回舱弹道预测已知的情况下，以无人机飞行性能和飞行限制区域为约束，以实时 动态跟踪航天器返回舱为核心目标，充分考虑航迹规划方法的实时性的同时，规划出 跟踪返回舱的无人机飞行航迹，将无人机的机动作业特性和探测载荷有机结合起来， 尽可能提升对返回舱的跟踪覆盖率。应用该方法后，加装有光学探测载荷的无人机能 够有效满足航天器返回舱的空中动态跟踪要求，实现与现有保障航天器返回舱跟踪任 务的陆基测控系统协同作业，构建出空地一体、相互补充、多元融合的搜救信息网络， 有效解决单纯依靠陆基测控系统时现有搜救信息网络产生的低仰角测量性能较差,对 航天器返回舱着陆段的测控覆盖能力不足的问题。确保搜救信息网络能够为着陆搜救 态势的精准研判提供全程连续的直观图像信息，有助于高效完成搜救回收任务。

本发明采用了三进制采样法，将无人机的飞行动力学约束融入航迹步进的采样机制，大大精简了航迹规划的可行解空间，并且采用了一体化横滚角迭代方法，减少了 繁琐的坐标转换，从优化方法路线选择和计算处理上都充分考虑了实时性要求，与现 有的无人机航迹规划方法相比，具有简单易行、工程实践性强、高实时性的特点，能 够有效适应航天器返回舱测量保障任务中的无人机航迹规划问题。

附图说明

图1：面向返回式航天器测量任务的无人机航迹规划方法流程图

图2：初始点搜索方法示意图

图3：初始点搜索方法流程图

图4：航迹点采样图

图5：避障示意图

图6：航迹点稀疏示意图

图7：航迹点稀疏流程图

图8：航迹点稀疏流程图

图9：实施例无人机飞行航迹示意图

图10：无人机传感器覆盖率

图11：方法运行时间

具体实施方式

现结合实施例、附图对本发明作进一步描述：

该发明提出的方法共包括初始化配置、初始航迹点计算、后续航迹点计算和航迹点稀疏四个步骤。整体方法流程图如图1所示。

第一步：初始配置

初始配置环节主要为航迹规划提供必备的数据支撑，并开展预先处理。

(1)数据支撑

提供的数据主要包括无人机预定跟踪弧段内的返回舱的预测弹道点和无人机光学 传感器的探测范围边界。

其中弹道点用Ψ＝{L,B,H}表示，L、B、H分别表示返回舱在WGS84系下的经 度、纬度和高度，时间间隔为1s。

传感器探测范围空间由最大探测距离ρ_max、水平探测范围(Φmim,Φmax)、垂直 探测范围Θmim,Θmax)表示。其中，最大探测距离根据目标特性和背景环境在下一步 的预先处理环节中进行计算得出。

(2)预先处理

①坐标转换

假设无人机的飞行高度为定值，即起点位置的高度和终点的高度保持一致，将三维空间规划问题转化为二维空间规划问题，大大减小了运算量。

实际规划空间具有连续的变化值，计算机没有足够的计算量满足连续值计算的需求，需要对规划空间进行必要的离散化处理。

以如下公式将经纬坐标变换到XY横纵坐标

其中，b₀和l₀分别表示纬度和经度的参考点，b和l分别表示纬度和经度,x和y分别表示横坐标和纵坐标。

为了方便计算XY横纵坐标中的距离，采用飞机速度v作为定值修正式，如下式 所示

则一个x代表的距离为飞机速度v的大小。

采用如下公式将XY横纵坐标变换到经纬坐标

上述所有的信息处理都采用快速网格映射法实现由L、B向直角坐标X、Y的转 换，避免了传统坐标转换的繁琐复杂。

①光学载荷的最大探测距离R

上式中D₀为光学系统有效口径，ξ修正系数，τ₀光学系统透过率，D^*为分系统的 比探测率，a为探测器像元感光区域长，b探测器像元感光区域宽，f为焦距，t_int为 各分系统的探测器积分时间，F为F数，τ_a为各分系统的大气透过率，J为各分系统 的目标照度总能量，SNR为各分系统的探测系统输出信号的信噪比。

第二步：计算初始航迹点

假设目标的速度大于飞机，为了达到更优的跟踪效果，飞机的位置应该在理论弹道点附近设置一定提前距离，提前距离与相对速度具有一定相关性，相对速度越大， 提前距离越大，反之越小。

假设目标理论弹道为直线情况，由图2所示，图中是目标的速度，v₀是飞机的速度，q点为飞机初始点，p点为目标

初始点，初始点搜索方法示意图间见图2，初始点搜索方法流程图见图3

可以得到如下公式

式中，N代表选取弹道点的数量，m为取点参数，L为期望距离，γ为最大方位 角，v为目标速度。

定义飞机初始点的弹道起始点为G(0)＝(x₀,y₀)，终点为G(N)＝(x_N,y_N),可得到飞机 航迹规划的起始点为

其中θ为弹道点连线的中垂线与横坐标轴的相对角度。

第三步：计算后续航迹点

计算后续航迹点时采用“一步一动”的思想，按照对标预测弹道点的方式，每隔 1s向前推进一步，综合考虑禁飞区和无人机飞行性能的约束，计算出每个弹道点对应 的最佳无人机飞行航迹点，从而能够随时根据返回舱的最新预测弹道点实时在线更新 航迹点，满足航天搜救信息网络的观测要求。以初始点为始发点，当前速度方向为步 进方向，以无人机平均飞行速度为步长向前拓展一步，得到第二个航迹点，后续采用 “三进制”采样法确定航迹点，见图4，具体步骤如下：

①在图中，P1是当前已知航迹点，P21、P20、P22是按照“三进制”采样法确定 的三个待选航迹点，这三个待选点与原有飞行速度方向的夹角分别为α、0、-α，其 中α根据飞机的最小转弯半径R计算，具体公式如下：

P21、P20、P22三个点的位置根据飞机飞行速度和偏转角度计算得出。

②设计禁飞区约束航迹点的代价函数。当待选航迹点距离障碍物小于一定预测距离D₀时，设置代价函数为激活状态进行航迹优化，否则代价函数为休眠状态，即设计 代价函数为

式中d_obs表示待选航迹点与障碍物的距离，D₀表示预测距离，u(·)表示阶跃函数。

避障示意图如图5所示，其中，黑色的圆为障碍物，外圈虚线为提前避障距离， 拓展节点将无法拓展到虚线内，从而实现提前避障，并且当拓展节点在虚线外时，禁 用此避障代价函数。

⑤设计光学传感器的方位覆盖范围约束航迹点的代价函数。待选航迹点与返回舱方位角为θ，则代价函数是：

其中opt(·)为传感器探测范围内的增益最大方向。

⑥设计光学传感器的俯仰覆盖范围约束航迹点的代价函数。

待选航迹点不存在横滚角时与返回舱俯仰角为

此时对应的代价函数为：

另外，无人机在转弯时横滚角将影响航迹规划中俯仰角的代价计算，传统方法采用飞行仿真模型与航迹规划相互迭代以近似获得相匹配的横滚角，该方法将降低航迹 规划算法的实时性。本发明提出一体化横滚角迭代方法，能显著提升实时性。

⑦确定最优航迹点的总的代价函数Cost。

Cost＝Cost_p+Cost_e+Cost_d (12)

⑧计算出每个待选航迹点对应的代价函数，结果最小者对应的航迹点即为最优航迹点。

第四步：稀疏航迹点

通常无人机在飞行过程中航迹点设置的过多，不利于控制系统工作，因此还需要对上述航迹点进行稀疏处理，才能转化为符合无人机装订要求的信息，具体步骤如下： ①航迹点稀疏，航迹点稀疏示意图6

如图6所示，若相邻三点的转弯角度过大，则删去三点中间的一点，使得航迹整 体稀疏化，相邻三点的转弯半径增大。

直线处按照直线稀疏率选取下一个航迹点，若相邻三点形成的转弯半径小于一定值，则采用曲线稀疏率选取下一个航迹点，以此循环直到遍历完整条航迹。稀疏流程 如图7所示。

②稀疏避障

由于稀疏算法将导致航迹略微变化，存在稀疏后的航迹经过障碍物的可能性，因此需要采取避障处理。

首先从航迹起始点采用一定稀疏率查找航迹点作为稀疏预选点，将此预选点与上一个点连线，若连线经过障碍物，则说明此预选点不满足避障要求，则从此预选点向 前步进搜索，直到搜索到满足避障要求的航迹点，该航迹点作为确定稀疏点。再从确 定的稀疏点出发循环以上过程，遍历完整条航迹，则所有确定稀疏点组成一条新的航 迹，此航迹为稀疏后的航迹。稀疏避障方法流程如图8所示。

具体实施实例：

假定航天器返回舱在高度100km处以6200m/s，-5deg倾角向正东方向飞行直至着陆，在高度10km处以190m/s的速度开伞，开伞后飞行约10min着陆。避障区域半径 30km，缓冲区外缘虚线距离避障圆圈相距10km。无人机光学传感器的有效探测距离 是400km，俯仰角覆盖范围是(-40°，40°)，方位角覆盖范围是(-70°.70°)。为 确保对航天器返回舱进行最高覆盖率的光学景象跟踪，应用本发明提出的航迹规划方 法，优化得到无人机的跟踪飞行航迹，如图9所示，光学传感器跟踪率可达93.96％, 如图10所示，在有效避开障碍区的前提下，无人机光学传感器运行时间只有1.19s， 如图10所示，具有高实时性和有效性，能够有效满足应用场景。

Claims (4)

1.一种面向返回式航天器测量任务无人机实时在线航迹规划方法，其特征在于步骤如下：

步骤1、初始配置数据：

1、无人机预定跟踪弧段内的返回舱的预测弹道点Ψ＝{L,B,H}，L、B、H分别表示返回舱在WGS84系下的经度、纬度和高度；弹道点之间的时间间隔t；

2、无人机光学传感器的探测范围边界：包括最大探测距离ρ_max、水平探测范围(Φmim,Φmax)、垂直探测范围Θmim,Θmax)；

3、将经纬坐标变换到XY横纵坐标，采用飞机速度v作为定值修正式：

其中，b₀和l₀分别表示纬度和经度的参考点，b和l分别表示纬度和经度,x和y分别表示横坐标和纵坐标；

步骤2、计算初始航迹点：

飞机初始点的弹道起始点为G(0)＝(x₀,y₀)，终点为G(N)＝(x_N,y_N),飞机航迹规划的起始点为：

其中：θ为弹道点连线的中垂线与横坐标轴的相对角度；

步骤3、计算后续航迹点：飞机初始点的弹道起始点为G(0)＝(x₀,y₀)，终点为G(N)＝(x_N,y_N),得到飞机航迹规划的起始点为：

其中：θ为弹道点连线的中垂线与横坐标轴的相对角度；L为期望距离；

步骤4：计算后续航迹点：以初始点为始发点，当前速度方向为步进方向，以无人机平均飞行速度为步长向前拓展一步，得到第二个航迹点，后续采用“三进制”采样法确定航迹点；

1、在原有飞行速度方向的α、0、-α三个夹角方向确定三个待选点；

2、确定最优航迹点的总的代价函数Cost：

Cost＝Cost_p+Cost_e+Cost_d

计算出每个待选航迹点对应的代价函数，结果最小者对应的航迹点即为最优航迹点：

所述Cost_d为禁飞区约束航迹点的代价函数：

式中d_obs表示待选航迹点与障碍物的距离，D₀表示预测距离，u(·)表示阶跃函数；当待选航迹点距离障碍物小于预测距离D₀时，设置代价函数为激活状态进行航迹优化，否则代价函数为休眠状态：

所述Cost_p为光学传感器的方位覆盖范围约束航迹点的代价函数：

其中：opt(·)为传感器探测范围内的增益最大方向；待选航迹点与返回舱方位角为θ；

所述Cost_e为光学传感器的俯仰覆盖范围约束航迹点的代价函数：

其中：待选航迹点不存在横滚角时，与返回舱俯仰角为

步骤5：稀疏航迹点：

1、遍历完整条航迹稀疏航迹点：

若相邻三点的转弯半径小于3倍的最小转弯半径R,则删去三点中间的一点，使得航迹整体稀疏化，相邻三点的转弯半径增大；

直线处按照预定的直线稀疏率选取下一个航迹点，若相邻三点形成的转弯半径小于3倍的最小转弯半径R，则采用曲线稀疏率选取下一个航迹点，以此循环直到遍历完整条航迹；

2、稀疏避障：从航迹起始点采用直线稀疏率(此值可在界面上设置)查找航迹点作为稀疏预选点，将预选点与上一个点连线，若连线经过障碍物，则说明此预选点不满足避障要求，则从此预选点向前步进搜索，直到搜索到满足避障要求的航迹点，该航迹点作为确定稀疏点；再从确定的稀疏点出发循环以上过程，遍历完整条航迹，则所有确定稀疏点组成一条新的航迹，此航迹为稀疏后的航迹完成在线航迹规划。

2.根据权利要求1所述面向返回式航天器测量任务无人机实时在线航迹规划方法，其特征在于：所述光学载荷的最大探测距离ρ_max：

式中D₀为光学系统有效口径，ξ修正系数，τ₀光学系统透过率，D^*为分系统的比探测率，a为探测器像元感光区域长，b探测器像元感光区域宽，f为焦距，t_int为各分系统的探测器积分时间，F为F数，τ_a为各分系统的大气透过率，J为各分系统的目标照度总能量，SNR为各分系统的探测系统输出信号的信噪比。

3.根据权利要求1所述面向返回式航天器测量任务无人机实时在线航迹规划方法，其特征在于：所述步骤1的时间间隔t为1s。

4.根据权利要求1所述面向返回式航天器测量任务无人机实时在线航迹规划方法，其特征在于：所述α根据飞机的最小转弯半径R确定：

Images