[发明专利]一种无人飞行器三维航迹规划方法及装置

说明书

本发明提供一种无人机三维航迹规划方法，包括构建三维地形环境模型、航迹评价模型和航迹寻优约束模型；构建细胞膜结构；航迹搜索空间离散缩减和参数初始化设置；最优航迹点搜索；航迹平滑处理；本发明方法结合了FA的全局搜索能力和ABC的局部搜索能力，增强了整体搜索性能，使用本发明方法构造的三维航迹其搜索概率和实时性显著提高；同时本发明还提供一种无人机三维航迹规划装置，包括细胞膜单元、电源单元、时钟单元、EEPROM及SRAM。

技术领域

本发明属于飞行器航迹规划技术领域，具体涉及无人机三维航迹规划方法及航迹规划装置。

背景技术

无人机(UAV，Unmanned Aerial Vehicle)技术快速发展及其应用优势，使UAV系统在军/民领域得到广泛应用。在UAV系统众多关键技术当中，航迹规划的作用是在起始点和目标点之间搜寻一条既满足无人机自身物理性质，同时又避免外界环境威胁的可行航迹。尤其在军用领域中，高效的优化航迹可以影响UAV的生存和任务执行的效能。

王琼在文献《“无人机航迹规划常用算法综述”、吉林大学学报、2019、Vol-37(1)、58-67》中指出：UAV的航迹规划可以分为传统方法和智能搜索算法，传统方法包括Dijkstra算法、人工势场法、模拟退火算法等；另外，科学家因模拟自然界一些生物的觅食等群体行为，相应提出了基于群体行为的搜索算法，统称为智能优化算法。

智能优化算法在解决非确定性多项式问题时表现出效率高的优势，因此将航迹规划转化为智能优化算法能解决的最优值搜索问题，得到了较好规划效果。智能优化算法主要有遗传算法、粒子群算法和蚁群算法等群体智能算法。唐必伟在文献《“基于改进蚁群算法的无人飞行器二维航迹规划”、西北工业大学学报、2013、Vol-31(5)、683-688》中将航迹规划转化成约束限制下的优化问题，将蚁群算法应用到UAV的二维航迹规划中；孙小雷在文献《“无人机任务分配与航迹规划协同控制方法”、系统工程与电子技术、2015、Vol-37(12)、2772-2776》中将改进的粒子群算法应用到UAV任务分配与航迹规划中，取得了较好的规划效果；赵明在文献《“一种三维多UAV协同航迹规划的空间模糊文化算法”、哈尔滨工业大学学报、2015、Vol-47(10)、29-34》中提出了一种基于空间模糊表示和差分进化相结合的UAV三维空间航迹规划方法；刘琼昕在文献《“基于引导点的无人机三维航迹规划方法”、北京理工大学学报、2014、Vol-34(11)、1163-1168》中利用遗传算法规划航迹最优或次优点集，再应用SAS算法求出可行航迹，从而生成UAV三维航迹。智能优化算法在解决航迹规划问题时取得了较好的效果，但粒子群、遗传、蚁群和蜂群等算法早熟收敛的问题，无法同时兼顾搜索局部最优值和探索全局最优值间的平衡，使航迹规划容易陷入局部最优解而难于得到全局最优路径。另外，将智能优化算法应用于三维航迹搜索，因其增加高度信息，搜索维数变大、搜索数据量明显高于二维航迹搜索，其实时性相应变差。

由此可见，上述智能优化方法针对UAV三维航迹规划显然存在不足，不适用于实时性较强UAV航迹规划，研究新的运算实时性强的三维航迹规划方法成为发展UAV应用的关键技术之一。

膜系统是从细胞结构和功能中，以及从组织器官等高级结构中建立计算模型，分析其计算能力与效率。高洪元在文献《“膜量子蜂群优化的多目标频谱分配”、物理学报、2014、Vol-63(12)、128802(1)-128802(10)》中指出：膜系统具有分布式、并行性和不确定性的特点，其模型通常具有图灵机的通用性和计算有效性，并提出了一种基于膜结构的量子蜂群算法，并将其应用到多目标频谱分配问题中。

发明内容