[发明专利]一种三维环境下多无人机同时到达指定地的路径规划方法

说明书

本发明公开了一种三维环境下多无人机同时到达指定地的路径规划方法，首先建立种群，染色体表示一条综合航迹，所述综合航迹由所有无人机的航迹串接而成；设定遗传算法的适应度由所有无人机总航迹长度L、不同无人机到达时间的差异度T以及航迹对所设定的无人机机动性能约束的违背度W进行综合评价；采用遗传算法优化染色体，完成遗传算法迭代后得到最优染色体。采用最优染色体分解得到各个无人机的航迹。使用本发明能够解决多无人机集结并实现同时到达任务点的技术目标，同时尽可能的减少时间误差。

技术领域

本发明涉及无人机路径规划与控制相关技术领域，尤其涉及一种在三维环境下的多无人机同时到达指定地的路径规划方法。

背景技术

无人机具有灵活性高、成本低、安全性高以及隐蔽性强等特点，这些特有的优越性能使无人机技术快速发展，逐渐成为世界前沿科技的代表性技术，被广泛应用于各种灾后救援、城市快递、地形勘探、环境监测等领域。无人机的航迹规划是影响无人机完成任务效能的重要技术；航迹规划指的是在考虑环境约束、无人机机动性能约束的前提下规划出从起始点至目标点的最优飞行路径，最优的航迹规划能够将无人机在整个航程中的总代价降到最低，权衡各类约束间的重要性，在此基础上最小化航迹长度，降低无人机的燃料代价，以最大程度提高无人机自身的续航能力与任务完成率；单架无人机因其势单力薄，作业范围小，容错率低等缺点，往往难以满足复杂任务的要求，因此，多无人机协同作业被越来越多地应用于现实生活；单架无人机执行任务时，若遇到突发故障将直接导致任务的失败；而多架无人机协同作业时，若某架无人机失去控制，仍有机群内的其它无人机继续执行任务，大大提高任务的完成率，多无人机机群比单无人机更适应于复杂多变的现实环境，将成为未来生产生活中的一种重要的协同作业样式。因此，多无人机协同作业已成为一个重要的研究方向；

三维环境下多无人机同时到达目的地的路径规划问题是指在满足某些约束条件(多无人机间避碰、避开障碍物、同时到达目标点、无人机动力学特性)的前提下，通过优化某些性能指标，为每架无人机分别规划出一条能够同时到达目标位置的可行且安全的路径；这种路径规划技术在多无人机集结进行抢险救灾、数据交换、跟踪监测等方面有非常典型的应用价值；

现有的技术中关于三维环境下无人机的协同路径规划多集中于几何方法生成路径或协同运动模型的建立，缺少三维环境下同时到达这一应用背景：Sahingo等人提出了一种基于遗传算法(GA)的多无人机飞行路径规划方法，首先用气体法计算出一条可行路径，然后利用贝塞尔曲线对该路径进行平滑处理；Madhavan Shanmugavel等人研究了一组无人机的协同路径规划问题，使用具有clothoid弧的dubin路径为每个无人机生成路径；Christoph Rasche等人提出了一种三维环境下的多无人机路径规划方法，为探索灾害区域提供了一种解决方案；本发明主要针对多无人同时到达目标点这一特定的应用场景，结合无人机动力学约束、安全性约束、地形条件约束提出一种新型且实用的多无人机协同路径规划方案。

发明内容

为了解决多无人机集结并实现同时到达任务点的技术目标，尽可能的减少时间误差，本发明提供了一种基于遗传算法的三维环境下多无人机同时到达指定地的路径规划方法，使其能在满足约束的前提下，最小化飞行代价，找到从起始点到目标点的最优航迹。

为了解决上述技术问题，本发明是这样实现的：

一种三维环境下多无人机同时到达指定地的路径规划方法，该方法采用遗传算法实现路径规划，包括：

步骤1、建立种群：种群中每个染色体对应一个解；染色体表示一条综合航迹，所述综合航迹由所有无人机的航迹串接而成；航迹由一系列离散的航迹点组成，所述航迹点的三维坐标构成染色体中的基因编码；

步骤2、设定遗传算法的适应度由所有无人机总航迹长度L、不同无人机到达时间的差异度T以及航迹对所设定的无人机机动性能约束的违背度W进行综合评价；