[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

说明书

本发明提供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。本发明方法，包括：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。本发明采用优选信息素灰狼算法求解三维场景中固定翼无人机集群的协同航迹规划问题，算法中基于狼群等级制度选择最优的若干灰狼来更新其航迹点上的信息素；每匹灰狼的探索阶段遵循信息素的引导以提高算法的收敛速度和求解稳定性，且满足无人机的转角约束和无人机之间的避碰约束。本发明技术方案解决了高维度、多约束复杂场景的固定翼无人集群协同路径规划问题。

技术领域

本发明涉及无人机集群协同路径规划航迹规划技术领域，具体而言，尤其涉及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。

背景技术

面对日趋复杂的现代空中环境，利用无人机集群协同工作可以提升工作效率和任务成功率。同时固定翼无人机因其续航时间长、飞行速度快、载荷量大的特点，在地质勘探、灾情救援、军事侦察与打击等领域有广泛的应用。协同航迹规划是保证固定翼无人机集群有效工作的一个关键技术，需在特定的任务场景下，寻找使各无人机由起始点按照一条较优的飞行航路最终到达各自目标点的多条飞行航路，这种飞行航路应满足固定翼无人机自身的物理约束，避免无人机之间发生碰撞，同时安全躲避障碍与威胁。另外，为满足无人机机动性的要求，规划算法需要有较快的求解速度和求解稳定性。

传统的路径规划方法(例如A*算法、Dijkstra等)的运算量大、效率低，且难以处理存在运动约束的场景。群体智能算法在近些年因其易于实现、结构简单等特点，被广泛应用于各种路径规划问题的求解中，其中灰狼算法通过模仿狼群的等级制度和集体捕食行为进行寻优，相比于粒子群算法、蚁群算法等群体智能优化算法，在求解复杂优化问题时具有寻优能力强、收敛速度快、结果稳定性好等优点。然而在基本的灰狼算法中，灰狼之间协作能力不强，各次迭代缺乏关联，算法后续阶段收敛速度较慢，且在解决复杂问题时容易陷入局部最优。而在自然界中生存的灰狼协作密切，例如会在追逐猎物的过程中留下气味等信息素因子，并以此引导后狼尽快靠近猎物。

发明内容

根据上述提出如何解决高维度、多约束复杂场景的固定翼无人集群协同路径规划问题，提供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。本发明采用优选信息素灰狼算法求解三维场景中固定翼无人机集群的协同航迹规划问题，算法中基于狼群等级制度选择最优的若干灰狼来更新其航迹点上的信息素；每匹灰狼的探索阶段遵循信息素的引导以提高算法的收敛速度和求解稳定性，且满足无人机的转角约束和无人机之间的避碰约束。

本发明采用的技术手段如下：

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，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。

进一步地，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。

进一步地，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：