CN115686071A - 一种多无人机协同攻击航路实时规划方法及装置 - Google Patents

一种多无人机协同攻击航路实时规划方法及装置 Download PDF

Info

Publication number
CN115686071A
CN115686071A CN202211704149.9A CN202211704149A CN115686071A CN 115686071 A CN115686071 A CN 115686071A CN 202211704149 A CN202211704149 A CN 202211704149A CN 115686071 A CN115686071 A CN 115686071A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
route
candidate
height
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
CN202211704149.9A
Other languages
English (en)
Other versions
CN115686071B (zh
Inventor
刘冠邦
黄周弟
秦望龙
徐川川
张跞
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.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
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 CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN202211704149.9A priority Critical patent/CN115686071B/zh
Publication of CN115686071A publication Critical patent/CN115686071A/zh
Application granted granted Critical
Publication of CN115686071B publication Critical patent/CN115686071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种多无人机协同攻击航路实时规划方法及装置，方法包括：从高度维度上分层剖分飞行空间，为N架无人机分配不同的期望高度层；计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态，以空间协同为目标计算无人机的候选目标状态；依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合；从候选航路集合中依次搜索生成N条择优航路，以时间协同为目标从择优航路中挑选参考航路，根据参考航路调整择优航路，生成N架无人机的期望航路。本发明较好地解决了无人机数量增加带来的计算复杂度指数增长和易碰撞问题，实时生成多方向立体饱和攻击的协同航路。

Description

一种多无人机协同攻击航路实时规划方法及装置
技术领域
本发明涉及无人机航迹规划技术领域，具体涉及一种多无人机协同攻击航路实时规划方法及装置。
背景技术
无人机作为空战领域一种颠覆性的新型作战力量，引发了战争形态与作战方式的变革，也为空战场的饱和攻击提供了新质作战力量，多无人机协同饱和攻击目标将是未来智能化战争的一种重要攻击模式，多无人机协同饱和攻击目标的航路规划是多无人机协同作战的关键技术。
针对多方向饱和攻击任务，多无人机协同航路规划就是根据敌方目标信息，综合考虑无人机飞行性能和多无人机碰撞约束等因素，实时计算出从当前位置到指定攻击位置的最优或次优飞行航路，实现多架无人机在同一时刻从多个攻击方向对目标实施打击任务。
当前的多机协同航路规划方法主要集中在离线规划，在同时考虑时间协同和空间协同等多维约束后，计算复杂度和所需的规划时间增加，难以适应快节奏、大规模的作战环境，不能实现在线动态实时航路规划。
发明内容
发明目的：本发明的目的是提供一种多无人机协同攻击航路实时规划方法及装置，实现对多无人机饱和攻击协同航路的实时动态规划。
技术方案：第一方面，一种多无人机协同攻击航路实时规划方法，包括以下步骤：
根据无人机最高飞行高度、最低飞行高度和安全飞行距离，对飞行空间进行分层剖分，为N架无人机分配不同的期望高度层；
获取无人机初始状态，所述无人机初始状态包括无人机初始位置和初始航向角，计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态，以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在防御圈的候选目标状态，依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合；
从候选航路集合中依次搜索生成N架无人机的N条择优航路，以多机协同打击的时间协同为目标，从N条择优航路中挑选参考航路，以与参考航路长度一致为标准，分别计算调整N条择优航路，生成N架无人机的期望航路。
优选地，根据无人机最高飞行高度、最低飞行高度和安全飞行距离，对飞行空间进行分层剖分包括：
记无人机受限于最大升限的最高飞行高度为hmax，避免与地面碰撞的最低飞行高度为hmin，无人机之间避免碰撞的安全飞行距离为dsafe，无人机的最大有效通信距离为dmax，按下式对飞行空间进行高度层剖分：
Figure 30956DEST_PATH_IMAGE001
其中，H为N架无人机在初始状态下的平均高度；
Figure 444620DEST_PATH_IMAGE002
，n=[N/2]，
Figure 62683DEST_PATH_IMAGE003
是对数值取整的操作。
优选地，计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态包括：
令无人机UAVi的初始状态为
Figure 146176DEST_PATH_IMAGE004
，其中
Figure 849690DEST_PATH_IMAGE005
为t0时刻无人机的初始位置，
Figure 535887DEST_PATH_IMAGE006
为t0时刻无人机的初始航向角，无人机UAVi期望高度层为Hi，初始状态高度为hi，从初始状态高度以最大爬升角或下滑角γmax到达期望高度层，航路长度的计算式如下：
Figure 274035DEST_PATH_IMAGE007
无人机UAVi到达期望高度层的过渡状态为
Figure 262851DEST_PATH_IMAGE008
，其中过渡状态的位置和航向角按下式计算：
Figure 453661DEST_PATH_IMAGE009
。
优选地，以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在防御圈的候选目标状态包括：
多无人机空间协同是以空间均匀方式到达打击对象，其候选目标状态在防御圈上均匀分布，即按等间隔角度离散化生成，对防御圈的圆心进行离散化，离散分辨率为
Figure 943548DEST_PATH_IMAGE010
，生成
Figure 270624DEST_PATH_IMAGE011
个候选目标状态，离散分辨率取值范围为：
Figure 820554DEST_PATH_IMAGE012
其中，R为防御圈投影在平面上的圆的半径，无人机UAVi的候选目标状态集合为
Figure 884281DEST_PATH_IMAGE013
，其中候选目标状态的位置和航向角按下式计算：
Figure 912279DEST_PATH_IMAGE014
Figure 359441DEST_PATH_IMAGE015
为打击对象的位置。
优选地，依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合包括：
在高度层Hi上，计算无人机UAVi从过渡状态到每一候选目标状态的最短可行Dubins曲线航路，航路路径长度
Figure 80273DEST_PATH_IMAGE016
的计算方式如下：
Figure 121041DEST_PATH_IMAGE017
其中，
Figure 952731DEST_PATH_IMAGE018
为无人机的最小转弯半径，
Figure 254399DEST_PATH_IMAGE019
为航路初始段圆弧的圆心坐标，
Figure 146132DEST_PATH_IMAGE020
为航路终止段圆弧的圆心坐标；
生成无人机UAVi在高度层的候选航路集合
Figure 533251DEST_PATH_IMAGE021
，
Figure 778418DEST_PATH_IMAGE022
为无人机UAVi的目标方向进入角。
优选地，从候选航路集合中依次搜索生成N架无人机的N条择优航路包括：
获取候选航路集合中的最短航路作为无人机UAVi的择优航路，并从候选航路集合中去除该无人机的所有候选航路；
以最短航路无人机的目标方向进入角为参考基准，计算其余N-1架无人机的候选进入方向角集合；
对每一候选进入方向角，从剩余候选航路集合中搜索最近方向角下的最短航路，作为所属无人机的择优航路，并从候选航路集合中去除该无人机的候选航路，更新剩余候选航路集合，重复本步骤直至遍历完所有候选进入方向角，生成N架无人机的N条择优航路。
优选地，参考航路按下式计算得到：
Figure 200172DEST_PATH_IMAGE023
其中，di为无人机UAVi从初始状态飞到过渡状态的航路长度；
无人机UAVi在期望高度层Hi的期望航路长度为
Figure 262806DEST_PATH_IMAGE024
，通过调整Dubins曲线初始段或终止段圆弧的半径参数，使得N架无人机期望航路的路径长度相同。
第二方面，一种多无人机协同攻击航路实时规划装置，包括：
飞行空间剖分单元，用于根据无人机最高飞行高度、最低飞行高度和安全飞行距离，对飞行空间进行分层剖分，为N架无人机分配不同的期望高度层；
候选航路生成单元，用于生成N架无人机的候选航路，所述候选航路生成单元包括：用于获取无人机初始状态，计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态的过渡状态生成模块，所述无人机初始状态包括无人机初始位置和初始航向角；用于以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在防御圈的候选目标状态的目标状态生成模块；以及用于依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合的可行航路生成模块；
引导航路生成单元，用于生成引导航路，所述引导航路生成单元包括：用于从候选航路集合中依次搜索生成N架无人机的N条择优航路的期望航路搜索模块；用于以多机协同打击的时间协同为目标，从N条择优航路中挑选参考航路，以与参考航路长度一致为标准，分别计算调整N条择优航路的期望航路调整，生成N架无人机的期望航路的期望航路调整模块。
优选地，该规划装置还包括：数传通信单元，用于进行数据通信传输，所述数传通信单元包括：用于向在空无人机发送航路引导指令的数传引导模块，以及用于接收在空无人机回传的位置信息的状态回传模块。
第三方面，本发明还提供一种计算机设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如本发明第一方面所述的多无人机协同攻击航路实时规划方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明第一方面所述的空间分层分布的多无人机协同攻击航路实时规划方法的步骤。
有益效果：本发明针对多约束条件下的协同航路规划求解问题，采取逐步递进规划的求解方式。首先，通过无人机飞行空间分层剖分与分配策略，为多无人机规划安全飞行空间，确保多无人机航迹无冲突；然后，利用多方向协同打击的空间协同约束，规划目标状态和候选航路集合，快速搜索出无人机到目标状态的择优航路，确保多无人机以空间均匀方式到达攻击阵位；最后，利用多机同时打击的时间协同约束，规划调整择优航路，生成多无人机协同的期望航路，确保无人机同步到达攻击阵位。采用本发明的方法，能够解决无人机数量增加带来的计算复杂度指数增长和易碰撞问题，有效提升航路规划效率，实现多方位、立体化饱和攻击的协同航路实时规划。
附图说明
图1是本发明多无人机协同航路规划方法的流程图；
图2是多无人机飞行空间分层剖分示意图；
图3是择优航路搜索生成流程图；
图4是本发明多无人机协同航路规划装置结构示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明所述的一种多无人机协同攻击航路实时规划方法，基于飞行空间分层剖分方式，将多架无人机分配到不同高度层，生成无人机的过渡状态；以多方向协同攻击的空间协同为约束，计算生成无人机的候选目标状态；根据无人机过渡状态和目标状态解算生成无人机的候选航路集合，搜索生成多架无人机的择优航路；以同时到达攻击占位的时间协同为约束，调整择优航路并生成多架无人机协同执行饱和攻击任务的期望航路。参照图1，在一个实施例中，所述方法具体包括以下步骤：
（1）获取N架无人机的初始状态信息和地面高价值目标信息，根据敌方探测雷达的探测范围确定高价值目标防御圈。
获取无人机在空间中的三维位置和航向角，构成无人机状态信息。假设无人机UAVi的初始状态为
Figure 137221DEST_PATH_IMAGE025
，其中
Figure 451659DEST_PATH_IMAGE026
为t0时刻无人机在战场中的初始位置，为t0时刻无人机的初始航向角信息。
将地面高价值目标的防御圈抽象为一个圆柱形区域，投影到平面上是一半径为R的圆。需说明的是，防御圈也称为威胁圈，对于被攻击方而言是防御圈，对于攻击方而言是威胁圈。本发明是从攻击方的角度给出多无人机的协同攻击航路规划方法。将R取为敌方（即被攻击方）雷达探测半径，则对无人机UAVi的威胁程度可以表示为：
Figure 727920DEST_PATH_IMAGE027
（1）
其中，K为常数，表示雷达的探测强度；Ri为UAVi与探测雷达间直线距离。
（2）根据无人机最高飞行高度、最低飞行高度和安全飞行距离，对飞行空间进行分层剖分，获取分层高度空间。
假设无人机受限于最大升限的最高飞行高度为hmax，避免与地面碰撞的最低飞行高度为hmin，无人机之间避免碰撞的安全飞行距离为dsafe，无人机的最大有效通信距离为dmax，按公式（2）对飞行空间进行高度层剖分，示意图如图2所示。
Figure 961455DEST_PATH_IMAGE028
（2）
其中，H为N架无人机在初始状态下的平均高度；，n=[N/2]，
Figure 323166DEST_PATH_IMAGE029
是对数值取整的操作。
（3）根据初始状态下N架无人机的高度顺序为无人机分配不同的期望高度层，计算从初始状态高度到期望高度层的航路长度，生成无人机过渡状态
Figure 408672DEST_PATH_IMAGE030
。
飞行空间剖分后的不同高度层作为期望高度层，根据N架无人机的初始高度进行排序，为无人机分配不同的期望高度层。根据本发明的实施方式，将位于中间高度的无人机分配至期望高度层H，高于中间高度的无人机按高度递增顺序依次分配至期望高度层
Figure 805018DEST_PATH_IMAGE031
，低于中间高度的无人机按高度递减顺序依次分配至期望高度层
Figure 209454DEST_PATH_IMAGE032
。这样的分配方式不额外增加无人机的飞行路径，降低碰撞几率。
无人机UAVi期望高度层为Hi，初始状态高度hi(t0)简记为hi，保持航向不变，从初始状态高度以最大爬升角或者下滑角
Figure 58462DEST_PATH_IMAGE033
快速到达期望高度，按公式（3）计算爬升段或下滑段航路长度。
Figure 308177DEST_PATH_IMAGE034
(3)
那么，无人机UAVi到达期望高度层的过渡状态为
Figure 434396DEST_PATH_IMAGE035
，过渡状态的位置和航向角按公式（4）计算。
Figure 9734DEST_PATH_IMAGE036
(4)
（4）以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在威胁圈的候选目标状态
Figure 346038DEST_PATH_IMAGE037
。
多无人机空间协同是以空间均匀方式到达打击目标，其候选目标状态在防御圈上均匀分布，即按等间隔角度离散化生成，同时应保证无人机间相对距离满足安全飞行距离和信息共享的需求。
假设高价值目标位置为
Figure 665024DEST_PATH_IMAGE038
，对其防御圈的圆心进行离散化，离散分辨率为
Figure 645749DEST_PATH_IMAGE039
，生成
Figure 391988DEST_PATH_IMAGE040
个候选目标状态，离散分辨率按公式（5）的范围取值。
Figure 684429DEST_PATH_IMAGE041
（5）
其中，dmax为最大有效通信距离。那么，无人机UAVi的候选目标状态集合为
Figure 807106DEST_PATH_IMAGE042
。候选目标状态的位置和航向角按公式（6）计算。
Figure 766972DEST_PATH_IMAGE043
（6）
（5）依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合。
在高度层Hi上，计算无人机UAVi从过渡状态
Figure 559478DEST_PATH_IMAGE030
到每一候选目标状态
Figure 870374DEST_PATH_IMAGE037
的最短可行Dubins曲线航路，生成无人机UAVi在高度层Hi的候选航路集
Figure 531163DEST_PATH_IMAGE044
。计算Dubins曲线航路时，基于公式（1）判断航路点的威胁程度，当Dubins曲线航路上所有航路点的威胁程度都为0时，认为该航路是可行的。
假设无人机的最小转弯半径为Rmin，以RSR类型的Dubins曲线所表示航路为例，航路初始段圆弧的圆心坐标
Figure 345535DEST_PATH_IMAGE045
，航路终止段圆弧的圆心坐标
Figure 73057DEST_PATH_IMAGE046
分别按公式（7）、（8）计算。
Figure 605670DEST_PATH_IMAGE047
（7）
Figure 804570DEST_PATH_IMAGE048
（8）
按公式（9）计算得到航路路径长度
Figure 739028DEST_PATH_IMAGE049
，则无人机UAVi在高度层Hi的最短航路
Figure 997971DEST_PATH_IMAGE050
。
Figure 627666DEST_PATH_IMAGE051
（9）
那么，综合N架无人机的候选航路集合为
Figure 895837DEST_PATH_IMAGE052
。
（6）从候选航路集合中搜索生成N架无人机的N条择优航路。
择优路径搜索流程如图3所示，首先获取N架无人机候选航路全集中的最短航路
Figure 684801DEST_PATH_IMAGE053
，作为无人机UAVi的择优航路
Figure 114645DEST_PATH_IMAGE054
。
以无人机UAVi的目标方向进入角
Figure 497216DEST_PATH_IMAGE055
为基准，生成其余N-1架无人机的候选进入方向角集合
Figure 37919DEST_PATH_IMAGE056
。
对进入方向角
Figure 681390DEST_PATH_IMAGE057
，从候选航路集合
Figure 547715DEST_PATH_IMAGE058
中搜索出该方向角下的最短航路，得到该航路所属的无人机，重复该步骤，直至搜索出剩余N-1架无人机的择优航路。
（7）以多机协同打击的时间协同为目标，从N条择优航路中挑选参考航路，以与参考航迹长度一致为标准，计算调整N条择优航路，生成N架无人机的期望航路。
假设N架无人机在规划航路阶段的飞行速度相同，并考虑无人机从初始状态飞到过渡状态的航路长度di，按公式（10）计算得到参考航路Pathref。
Figure 276636DEST_PATH_IMAGE059
（10）
为保证N架无人机同时到达目标状态，无人机UAVi在期望高度层Hi的期望航路长度为
Figure 761976DEST_PATH_IMAGE060
，由期望航路长度根据公式（9）计算调整Dubins曲线的初始段或终止段圆弧的半径参数，使得N架无人机期望航路的路径长度相同，从而生成满足饱和攻击要求的多无人机协同航路。
针对多机协同攻击航路规划问题，一般建立多约束条件下的多机航路优化模型，采用粒子群、绿头鸭、混沌灰狼等群智能算法或强化学习算法进行优化求解，但在无人机数量增加时会导致计算量和计算时间呈指数增长，难以满足实时规划要求。与其他方法相比，本发明首先采用空间分层剖分策略解决多无人机之间的易碰撞问题，然后通过顺序搜索满足空间协同约束的各个无人机与目标状态的对应关系，能够降低协同航路规划的计算复杂度，有效提高多无人机饱和攻击条件下问题求解效率。
如图4所示，为了实现上述协同航路规划方法，本发明提供了一种多无人机协同攻击航路规划装置，包括：
飞行空间剖分单元，用于剖分多架无人机的飞行空间高度层，为多架无人机分配期望高度层；
候选航路生成单元，包括过渡状态生成模块、目标状态生成模块、可行航路生成模块。过渡状态生成模块用于计算生成无人机从初始状态飞到期望高度层时的过渡状态，输出航路点信息给可行航路生成模块；目标状态生成模块是根据无人机在高价值目标防御圆上多方向攻击，计算各攻击占位的目标状态，输出给可行航路生成模块；可行航路生成模块用于计算多架无人机的可行航路集合。
引导航路生成单元，包括期望航路搜索模块、期望航路调整模块、引导指令生成模块。期望航路搜索模块用于从可行航路集合快速搜索出每架无人机的期望航路；期望航路调整模块用于计算调整每架无人机的期望航路长度，保证多架无人机同时到达攻击占位；引导指令生成模块用于生成引导无人机按期望航路飞行的格式化指令信息。
数传通信单元，包括数传引导模块和状态回传模块。数传引导模块用于向在空无人机发送航路引导指令；状态回传模块用于接收在空无人机回传的位置信息。
根据本发明的实施方式，飞行空间剖分单元按下式对飞行空间进行高度层剖分：
Figure 525532DEST_PATH_IMAGE001
其中，hmax为无人机受限于最大升限的最高飞行高度，hmin为避免与地面碰撞的最低飞行高度，dsafe为无人机之间避免碰撞的安全飞行距离，dmax为无人机的最大有效通信距离，H为N架无人机在初始状态下的平均高度；
Figure 297179DEST_PATH_IMAGE002
，n=[N/2]，
Figure 778976DEST_PATH_IMAGE003
是对数值取整的操作。
根据本发明的实施方式，过渡状态生成模块基于无人机初始状态，计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态的过渡状态，包括：
第一航路计算模块，令无人机UAVi的初始状态为
Figure 661481DEST_PATH_IMAGE004
，其中
Figure 653446DEST_PATH_IMAGE005
为t0时刻无人机的初始位置，
Figure 595994DEST_PATH_IMAGE006
为t0时刻无人机的初始航向角，无人机UAVi期望高度层为Hi，初始状态高度为hi，从初始状态高度以最大爬升角或下滑角γmax到达期望高度层，航路长度的计算式如下：
Figure 299508DEST_PATH_IMAGE007
；以及
过渡状态计算模块，确定无人机UAVi到达期望高度层的过渡状态为
Figure 251283DEST_PATH_IMAGE008
，其中过渡状态的位置和航向角按下式计算：
Figure 599219DEST_PATH_IMAGE009
。
根据本发明的实施方式，目标状态生成模块以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在防御圈的候选目标状态，包括：
离散化处理模块，多无人机空间协同是以空间均匀方式到达打击对象，其候选目标状态在防御圈上均匀分布，即按等间隔角度离散化生成，离散化处理模块对防御圈的圆心进行离散化，离散分辨率为
Figure 978248DEST_PATH_IMAGE010
，生成
Figure 169058DEST_PATH_IMAGE011
个候选目标状态，离散分辨率取值范围为：
Figure 658945DEST_PATH_IMAGE012
其中，R为防御圈投影在平面上的圆的半径；以及
目标状态计算模块，确定无人机UAVi的候选目标状态集合为
Figure 986021DEST_PATH_IMAGE013
，其中候选目标状态的位置和航向角按下式计算：
Figure 411317DEST_PATH_IMAGE014
Figure 823844DEST_PATH_IMAGE015
为打击对象的位置。
根据本发明的实施方式，可行航路生成模块依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合，包括：
第二航路计算模块，用于在高度层Hi上，计算无人机UAVi从过渡状态到每一候选目标状态的最短可行Dubins曲线航路，航路路径长度
Figure 117422DEST_PATH_IMAGE016
的计算方式如下：
Figure 564584DEST_PATH_IMAGE017
其中，
Figure 160782DEST_PATH_IMAGE018
为无人机的最小转弯半径，
Figure 326184DEST_PATH_IMAGE019
为航路初始段圆弧的圆心坐标，
Figure 892294DEST_PATH_IMAGE020
为航路终止段圆弧的圆心坐标；以及
可行航路计算模块，用于生成无人机UAVi在高度层的候选航路集合
Figure 193963DEST_PATH_IMAGE021
，
Figure 85695DEST_PATH_IMAGE022
为无人机UAVi的目标方向进入角。
根据本发明的实施方式，期望航路搜索模块从候选航路集合中依次搜索生成N架无人机的N条择优航路，所述择优航路作为期望航路，包括：
第三航路计算模块，用于获取候选航路集合中的最短航路作为无人机UAVi的择优航路，并从候选航路集合中去除该无人机的所有候选航路；
进入方向角确定模块，用于以最短航路无人机的目标方向进入角为参考基准，计算其余N-1架无人机的候选进入方向角集合；以及
期望航路计算模块，用于对每一候选进入方向角，从剩余候选航路集合中搜索最近方向角下的最短航路，作为所属无人机的择优航路，并从候选航路集合中去除该无人机的候选航路，更新剩余候选航路集合，重复本模块的搜索和去除、更新操作直至遍历完所有候选进入方向角，生成N架无人机的N条择优航路。
根据本发明的实施方式，期望航路调整模块中，参考航路按下式计算得到：
Figure 846716DEST_PATH_IMAGE023
其中，di为无人机UAVi从初始状态飞到过渡状态的航路长度；
无人机UAVi在期望高度层Hi的期望航路长度为
Figure 482096DEST_PATH_IMAGE024
，通过调整Dubins曲线初始段或终止段圆弧的半径参数，使得N架无人机期望航路的路径长度相同。
本发明还提供一种计算机设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如上所述的方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置（系统）、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置（系统）、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (10)

1.一种多无人机协同攻击航路实时规划方法，其特征在于，包括以下步骤：
根据无人机最高飞行高度、最低飞行高度和安全飞行距离，对飞行空间进行分层剖分，为N架无人机分配不同的期望高度层；
获取无人机初始状态，所述无人机初始状态包括无人机初始位置和初始航向角，计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态，以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在防御圈的候选目标状态，依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合；
从候选航路集合中依次搜索生成N架无人机的N条择优航路，以多机协同打击的时间协同为目标，从N条择优航路中挑选参考航路，以与参考航路长度一致为标准，分别计算调整N条择优航路，生成N架无人机的期望航路。
2.根据权利要求1所述的方法，其特征在于，根据无人机最高飞行高度、最低飞行高度和安全飞行距离，对飞行空间进行分层剖分包括：
记无人机受限于最大升限的最高飞行高度为hmax，避免与地面碰撞的最低飞行高度为hmin，无人机之间避免碰撞的安全飞行距离为dsafe，无人机的最大有效通信距离为dmax，按下式对飞行空间进行高度层剖分：
Figure 878354DEST_PATH_IMAGE001
其中，H为N架无人机在初始状态下的平均高度；
Figure 132224DEST_PATH_IMAGE002
，n=[N/2]，
Figure 56099DEST_PATH_IMAGE003
是对数值取整的操作。
3.根据权利要求1所述的方法，其特征在于，计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态包括：
令无人机UAVi的初始状态为
Figure 79549DEST_PATH_IMAGE004
，其中
Figure DEST_PATH_IMAGE005
为t0时刻无人机的初始位置，
Figure 461727DEST_PATH_IMAGE006
为t0时刻无人机的初始航向角，无人机UAVi期望高度层为Hi，初始状态高度为hi，从初始状态高度以最大爬升角或下滑角γmax到达期望高度层，航路长度的计算式如下：
Figure 423516DEST_PATH_IMAGE007
无人机UAVi到达期望高度层的过渡状态为
Figure 18708DEST_PATH_IMAGE008
，其中过渡状态的位置和航向角按下式计算：
Figure DEST_PATH_IMAGE009
。
4.根据权利要求2所述的方法，其特征在于，以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在防御圈的候选目标状态包括：
多无人机空间协同是以空间均匀方式到达打击对象，其候选目标状态在防御圈上均匀分布，即按等间隔角度离散化生成，对防御圈的圆心进行离散化，离散分辨率为
Figure 203439DEST_PATH_IMAGE010
，生成
Figure 429671DEST_PATH_IMAGE011
个候选目标状态，离散分辨率取值范围为：
Figure 949645DEST_PATH_IMAGE012
其中，R为防御圈投影在平面上的圆的半径，无人机UAVi的候选目标状态集合为
Figure 232466DEST_PATH_IMAGE013
，其中候选目标状态的位置和航向角按下式计算：
Figure 207506DEST_PATH_IMAGE014
Figure 288244DEST_PATH_IMAGE015
为打击对象的位置。
5.根据权利要求3所述的方法，其特征在于，依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合包括：
在高度层Hi上，计算无人机UAVi从过渡状态到每一候选目标状态的最短可行Dubins曲线航路，航路路径长度
Figure 667535DEST_PATH_IMAGE016
的计算方式如下：
Figure 483657DEST_PATH_IMAGE017
其中，
Figure 872175DEST_PATH_IMAGE018
为无人机的最小转弯半径，
Figure 510087DEST_PATH_IMAGE019
为航路初始段圆弧的圆心坐标，
Figure 184914DEST_PATH_IMAGE020
为航路终止段圆弧的圆心坐标；
生成无人机UAVi在高度层的候选航路集合
Figure 363698DEST_PATH_IMAGE021
，
Figure 87065DEST_PATH_IMAGE022
为无人机UAVi的目标方向进入角。
6.根据权利要求1所述的方法，其特征在于，从候选航路集合中依次搜索生成N架无人机的N条择优航路包括：
获取候选航路集合中的最短航路作为无人机UAVi的择优航路，并从候选航路集合中去除该无人机的所有候选航路；
以最短航路无人机的目标方向进入角为参考基准，计算其余N-1架无人机的候选进入方向角集合；
对每一候选进入方向角，从剩余候选航路集合中搜索最近方向角下的最短航路，作为所属无人机的择优航路，并从候选航路集合中去除该无人机的候选航路，更新剩余候选航路集合，重复本步骤直至遍历完所有候选进入方向角，生成N架无人机的N条择优航路。
7.根据权利要求5所述的方法，其特征在于，参考航路按下式计算得到：
Figure 1450DEST_PATH_IMAGE023
其中，di为无人机UAVi从初始状态飞到过渡状态的航路长度；
无人机UAVi在期望高度层Hi的期望航路长度为
Figure 519282DEST_PATH_IMAGE024
，通过调整Dubins曲线初始段或终止段圆弧的半径参数，使得N架无人机期望航路的路径长度相同。
8.一种多无人机协同攻击航路实时规划装置，其特征在于，包括：
飞行空间剖分单元，用于根据无人机最高飞行高度、最低飞行高度和安全飞行距离，对飞行空间进行分层剖分，为N架无人机分配不同的期望高度层；
候选航路生成单元，用于生成N架无人机的候选航路，所述候选航路生成单元包括：用于获取无人机初始状态，计算无人机从初始状态高度到期望高度层的航路长度，生成无人机过渡状态的过渡状态生成模块，所述无人机初始状态包括无人机初始位置和初始航向角；用于以多机协同打击的空间协同为目标，计算无人机多方向饱和攻击时在防御圈的候选目标状态的目标状态生成模块；以及用于依次在不同飞行空间高度层上，计算相应无人机从过渡状态飞至所有候选目标状态的航路，综合形成N架无人机的候选航路集合的可行航路生成模块；
引导航路生成单元，用于生成引导航路，所述引导航路生成单元包括：用于从候选航路集合中依次搜索生成N架无人机的N条择优航路的期望航路搜索模块；用于以多机协同打击的时间协同为目标，从N条择优航路中挑选参考航路，以与参考航路长度一致为标准，分别计算调整N条择优航路的期望航路调整，生成N架无人机的期望航路的期望航路调整模块。
9.根据权利要求8所述的装置，其特征在于，还包括：数传通信单元，用于进行数据通信传输，所述数传通信单元包括：用于向在空无人机发送航路引导指令的数传引导模块，以及用于接收在空无人机回传的位置信息的状态回传模块。
10.一种计算机设备，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如权利要求1-7中任一项所述的多无人机协同攻击航路实时规划方法的步骤。
CN202211704149.9A 2022-12-29 2022-12-29 一种多无人机协同攻击航路实时规划方法及装置 Active CN115686071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211704149.9A CN115686071B (zh) 2022-12-29 2022-12-29 一种多无人机协同攻击航路实时规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211704149.9A CN115686071B (zh) 2022-12-29 2022-12-29 一种多无人机协同攻击航路实时规划方法及装置

Publications (2)

Publication Number Publication Date
CN115686071A true CN115686071A (zh) 2023-02-03
CN115686071B CN115686071B (zh) 2023-03-10

Family

ID=85055857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211704149.9A Active CN115686071B (zh) 2022-12-29 2022-12-29 一种多无人机协同攻击航路实时规划方法及装置

Country Status (1)

Country Link
CN (1) CN115686071B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147255A (zh) * 2011-01-12 2011-08-10 北京航空航天大学 一种威胁信息共享环境下的无人机群实时航路规划方法
US20150094883A1 (en) * 2012-12-28 2015-04-02 Google Inc. Multi-part Navigation Process by an Unmanned Aerial Vehicle for Navigation
CN104881038A (zh) * 2015-04-22 2015-09-02 哈尔滨工业大学 环境干扰下的水下无人航行器航迹跟踪控制优化方法
US20180308371A1 (en) * 2017-04-19 2018-10-25 Beihang University Joint search method for uav multiobjective path planning in urban low altitude environment
CN108759841A (zh) * 2018-05-25 2018-11-06 中国电子科技集团公司第二十九研究所 一种复杂环境下的快速航路规划方法
US10140875B1 (en) * 2017-05-27 2018-11-27 Hefei University Of Technology Method and apparatus for joint optimization of multi-UAV task assignment and path planning
CN109708537A (zh) * 2019-03-04 2019-05-03 中国人民解放军海军航空大学 无人机群联合搜索攻击航路规划方法
KR102096377B1 (ko) * 2019-11-22 2020-04-03 한국항공우주연구원 다수의 비행체들의 군집 비행을 위한 비행경로 결정 방법
CN111580556A (zh) * 2020-05-22 2020-08-25 中国人民解放军国防科技大学 一种时空约束下多无人机协同路径规划与制导方法
CN112130581A (zh) * 2020-08-19 2020-12-25 昆明理工大学 一种面向空中机动作战的无人机集群协同任务规划方法
EP3756118A1 (en) * 2018-02-20 2020-12-30 General Electric Company Cyber-attack detection, localization, and neutralization for unmanned aerial vehicles
CN112947555A (zh) * 2021-02-04 2021-06-11 中国人民解放军国防科技大学 多机协同打击的快速航迹规划方法、装置及计算机设备
CN115328206A (zh) * 2022-09-14 2022-11-11 中国人民解放军国防科技大学 一种适用于多无人机协同打击的分段制导方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147255A (zh) * 2011-01-12 2011-08-10 北京航空航天大学 一种威胁信息共享环境下的无人机群实时航路规划方法
US20150094883A1 (en) * 2012-12-28 2015-04-02 Google Inc. Multi-part Navigation Process by an Unmanned Aerial Vehicle for Navigation
CN104881038A (zh) * 2015-04-22 2015-09-02 哈尔滨工业大学 环境干扰下的水下无人航行器航迹跟踪控制优化方法
US20180308371A1 (en) * 2017-04-19 2018-10-25 Beihang University Joint search method for uav multiobjective path planning in urban low altitude environment
US10140875B1 (en) * 2017-05-27 2018-11-27 Hefei University Of Technology Method and apparatus for joint optimization of multi-UAV task assignment and path planning
EP3756118A1 (en) * 2018-02-20 2020-12-30 General Electric Company Cyber-attack detection, localization, and neutralization for unmanned aerial vehicles
CN108759841A (zh) * 2018-05-25 2018-11-06 中国电子科技集团公司第二十九研究所 一种复杂环境下的快速航路规划方法
CN109708537A (zh) * 2019-03-04 2019-05-03 中国人民解放军海军航空大学 无人机群联合搜索攻击航路规划方法
KR102096377B1 (ko) * 2019-11-22 2020-04-03 한국항공우주연구원 다수의 비행체들의 군집 비행을 위한 비행경로 결정 방법
CN111580556A (zh) * 2020-05-22 2020-08-25 中国人民解放军国防科技大学 一种时空约束下多无人机协同路径规划与制导方法
CN112130581A (zh) * 2020-08-19 2020-12-25 昆明理工大学 一种面向空中机动作战的无人机集群协同任务规划方法
CN112947555A (zh) * 2021-02-04 2021-06-11 中国人民解放军国防科技大学 多机协同打击的快速航迹规划方法、装置及计算机设备
CN115328206A (zh) * 2022-09-14 2022-11-11 中国人民解放军国防科技大学 一种适用于多无人机协同打击的分段制导方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HANQIAO HUANG 等: "Multi-UCAV Cooperative Autonomous Attack Path Planning Method under Uncertain Environment" *
陈清阳 等: "一种多机协同打击的快速航迹规划方法" *

Also Published As

Publication number Publication date
CN115686071B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN110608743B (zh) 基于多种群混沌灰狼算法的多无人机协同航路规划方法
CN112880688B (zh) 基于混沌自适应麻雀搜索算法的无人机三维航迹规划方法
CN109631900B (zh) 一种无人机三维航迹多目标粒子群全局规划方法
CN113589842B (zh) 一种基于多智能体强化学习的无人集群任务协同方法
CN109871032B (zh) 一种基于模型预测控制的多无人机编队协同控制方法
CN111176334B (zh) 一种多无人机协同目标搜索方法
CN101286071B (zh) 基于微粒群优化和遗传算法的多无人机三维编队重构方法
CN113791634B (zh) 一种基于多智能体强化学习的多机空战决策方法
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
CN110544296B (zh) 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法
CN110488859B (zh) 一种基于改进Q-learning算法的无人机航路规划方法
CN110134140B (zh) 一种环境信息未知连续状态下基于势函数奖赏dqn的无人机路径规划方法
CN108153328B (zh) 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法
Xia et al. Cooperative task assignment and track planning for multi-UAV attack mobile targets
CN111882047B (zh) 一种基于强化学习与线性规划的快速空管防冲突方法
CN111813144B (zh) 一种基于改进羊群算法的多无人机协同航路规划方法
CN114185362A (zh) 一种基于郊狼信息熵的无人机集群任务动态分配方法
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
CN114489144B (zh) 无人机自主机动决策方法、装置及无人机
CN114330115B (zh) 一种基于粒子群搜索的神经网络空战机动决策方法
CN112824998A (zh) 马尔可夫决策过程的多无人机协同航路规划方法和装置
CN111121784A (zh) 一种无人侦察机航路规划方法
CN114089776A (zh) 一种基于深度强化学习的无人机避障方法
CN112651486A (zh) 一种提高maddpg算法收敛速度的方法及其应用
CN116128095A (zh) 一种地空无人平台作战效能评估方法

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