[发明专利]一种基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法

权利要求书

1.一种基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法，其特征在于，包括如下步骤：

S1、建立包含M个威胁源的三维地图；

S2、建立集群航迹规划代价函数；

S3、采用基于优选信息素的灰狼算法规划所有固定翼无人机集群的航迹。

2.根据权利要求1所述基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法，其特征在于，所述步骤S1的具体实现过程如下：

确定每个无人机的起始点和目标点，将每个无人机的起始点和目标点的连线等分为D+1份，即每个无人机的航迹包含D个航迹点。

3.根据权利要求1所述的基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法，其特征在于，所述步骤S2包括：

S21、构建每架无人机n∈{1,2,...,N}的燃油代价J_n,fuel：

其中，w_i→i+1,fuel为每个航迹点i∈{0,1,...,D}到i+1上的燃油代价，与此段航程的长度成正比；

S22、构建所有威胁源对无人机n的潜在威胁代价J_n,threat：

其中，J_{threat,i→i+1}为两个相邻航迹点i和i+1间的航迹上的威胁代价；

S23、计算航迹上5个均分点上的威胁函数值之和，即：

其中，w_threatk是第k个均分点上的威胁函数值，计算公式为：

其中，常数C_m表示第m个威胁源的威胁大小的系数，R_m是第m个威胁源的半径，d_i,m,k表示第m个威胁源的中心到点i和i+1连线上的第k个子节点的距离；

S24、建立集群航迹规划代价函数J：

其中，λ∈[0,1]表示权重系数。

4.根据权利要求1所述的基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法，其特征在于，所述步骤S3的具体实现过程如下：

S31、初始化灰狼算法参数和所有备选航迹点信息素，包括灰狼数量POP、最大迭代次数T和所有备选航迹上的信息素浓度τ(0)；

S32、每次迭代t，将三维场景先投影到二维XY平面以降低计算量，在二维XY平面上对每架无人机生成满足约束条件的POP组可行备选航迹点，即生成POP个灰狼，每个灰狼代表一组可行的二维航迹点{(x_n,i(t),y_n,i(t)),i＝1,2,...,D}；

S33、生成满足俯仰角约束的高度值；

S34、根据步骤S2中建立的集群航迹规划代价函数，计算每组可行备选三维航迹点的代价，选择其中最优的三组航迹点作为α、β、δ狼；

S35、依据灰狼算法更新每只狼的位置

S36、选择最优的三匹狼α、β、δ所代表的航迹，更新其航迹上的信息素；

S37、对每架无人机循环执行步骤S32至S36直到满足最大迭代次数T，输出所有无人机的最优航迹。

5.根据权利要求4所述的基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法，其特征在于，所述步骤S32中生成的POP个灰狼遵循如下原则：

原则一、满足偏航角约束：

即每个无人机的偏航角不大于最大偏航角

原则二、满足避碰约束：

其中，D_safe表示为无人机之间的最小安全距离；

原则三、每个可行的备选航迹点被选中的概率：

其中，H(i)是在第i个航迹点上选择下一个航迹点时所有满足原则一、二的集合，h_i表示集合内任意一个可行点；γ和ξ是正常数；表示第t次迭代中在航迹点i到h_i之间的信息素浓度；是启发因子，表示灰狼在第i步对下一个可选点h_i的期望程度，其值与i和h_i两点间的直线距离成反比，即