[发明专利]一种基于双向APF-RRT*算法的无人机航迹规划方法

说明书

本发明公开了一种基于双向APF‑RRT*算法的无人机航迹规划方法，涉及智能体控制与决策技术领域，在RRT*算法中加入改进的APF，航迹规划效果好；在改进的APF的基础上，提出在双向RRT*算法中加入改进的人工势场来规划无人机的飞行航迹，算法选择质量好的节点加入到生长树中；改进的航迹规划算法解决了RRT*算法RRT*的采样不均匀，冗余点过多、迭代次数过多、路径过长等问题，提高了算法的搜索效率；提出的融合算法优化了路径长度，提高了运算速度；该方法便于实现，具有良好的可操作性。

技术领域

本发明涉及智能体控制与决策技术领域，尤其涉及一种基于双向APF-RRT*算法的无人机航迹规划方法。

背景技术

随着无人机技术的逐渐成熟，无人机以其高机动性、灵活方便和易于控制等优点在农业、军事和工业研究领域得到越来越广泛的应用；航迹规划在无人机控制系统中具有重要作用，其技术的发展受到了来自各行各业的重视；然而，无人机飞行任务日益复杂，飞行环境也在不断变化，寻找满足飞行条件的最优飞行路径面临着新的挑战；无人机在执行复杂任务过程中，航迹规划的算法不能及时有效的计算出一条渐近最优航迹，将会和障碍物碰撞摧毁；为了提高航迹规划算法的搜索效率，使无人机飞行的航迹满足实时要求，通常要求无人机能够快速的规划出一条渐近最优航迹，这就要求无人机航迹规划的算法更加高效，所以，无人机航迹规划的研究就显得的格外重要；无人机航迹规划的算法不但要快速规划从起始点到目标点的无人机航迹，而且应该保证航迹代价尽可能小；因此，在复杂环境下的无人机航迹规划就更加困难；航迹规划可以分为在已知环境中的静态航迹规划也叫全局规划，以及在部分未知情况下的动态航迹规划也可以叫做局部规划；本章主要研究无人机飞行的静态航迹规划；近年来，在无人机航迹规划方面取得了一些研究进展；例如，RRT*Smart算法，Q-RRT*和Informed-RRT*算法等；然而，RRT*Smart算法的解主要依赖于初始解的质量，违背了RRT*的均匀采样策略；而且Q-RRT*和Informed-RRT*算法存在着搜索时间长，路径代价高的问题。

发明内容

为解决现有技术的不足之处，本发明提出一种基于双向APF-RRT*算法的无人机航迹规划方法，将改进的APF(人工势场法)函数与双向RRT*算法(Rapidly-exploring RandomTrees，快速搜索随机树)相结合，采用改进的人工势场函数引导双向随机搜索树的生长，实现了无人机的航迹规划，解决无人机在执行空战任务中的航迹规划问题；

为解决上述技术问题，本发明所采取的技术方案是：

本发明提出了一种基于双向APF-RRT*算法的无人机航迹规划方法，分为以下步骤：

步骤1：规划无人机的飞行环境X，包括可飞行区域X_search，障碍区域X_obs；设置无人机航迹规划的起点q_start、终点q_goal、步长L；

步骤2：在飞行环境X中，分别以q_start和q_goal为根节点，同时创建两棵随机搜索树T₁和T₂，此时，T₁和T₂两棵树中均各自只有1个节点q_start和q_goal，为每棵树中的节点创建基于位置的索引，父节点，父节点索引；

步骤3：在可飞行区域X_search内，随机搜索树T₁生成一个随机采样点q_rand；

步骤4：选取T₁树中距离q_rand最近的节点q_nearest，初始的节点q_nearest为q_start；