[发明专利]结合启发式与最优控制的飞机牵引路径规划方法和装置

说明书

本申请涉及结合启发式与最优控制的飞机牵引路径规划方法和装置，方法包括：采用A*算法进行路径规划，得到初始路径；从第一节点开始，重搜索初始路径中的每个节点；当第一节点与第二节点之间路径的预设范围内有障碍物时，以第二节点为关键点，否则判断第一节点与第三节点之间路径的预设范围内是否有障碍物，直到判断最后节点与相邻节点之间路径的预设范围内是否有障碍物，得到关键点集；对飞机在平台上调运的过程建立运动学模型，并满足约束条件，得到最优控制模型，并转化为非线性规划模型；选择关键点进行几何解算，得到对应的关键点姿态；输出最优路径。采用本方法能够在考虑运动学及终端位姿约束的情况下进行路径规划得到最短路径。

技术领域

本申请涉及路径规划技术领域，特别是涉及结合启发式与最优控制的飞机牵引路径规划方法和装置。

背景技术

飞机调运效率由众多因素共同影响，如设备因素、人为因素、环境因素等，狭小平台空间就是制约出动效率的重要因素之一，因此研究一种适合于狭小平台空间的路径规划方法是确保飞机在平台上安全、高效进行调运作业的基础，对实现飞机调运自动化，提高机群调运效率具有重要意义。

目前针对飞机牵引路径规划的研究尚处于起步阶段，针对各类路径规划问题，研究方法包括几何法、最优控制法、单元分解法、智能算法、人工势场法、强化学习以及结合算法等方法。

单元分解法以最短路径为目标进行路径规划，虽然找到了最短路径，但无法将规划对象的运动状态较好展现；当地图大，单元数目多时，算法运算量剧增；且未能考虑规划目标的终端位姿约束。

人工势场法的优势在于运算效率较高，但当物体离目标点比较远时，引力将变的特别大，相对较小的斥力在甚至可以忽略的情况下，物体路径上可能会碰到障碍物；当目标点附近有障碍物时，斥力将非常大，引力相对较小，物体很难到达目标点；在某个点，引力和斥力刚好大小相等，方向相反，则物体容易陷入局部最优解或震荡。

智能算法通过设置目标函数，以大种群为基础，在一定的约束条件下，经过不断的迭代筛选，逐步寻找满足约束的最优解，但该类算法容易陷入局部最优解，且随种群及迭代次数的增长，算法计算量较大，求解缓慢，亦未能考虑规划目标的终端位姿约束。

最优控制法能够在考虑运动学、动力学及终端位姿约束的情况下进行路径规划，但由于该类算法对初始状态输入较为敏感，当初末位置障碍较多空间狭小或初末位置相距较远(对恒定步长而言)或路径中障碍情况复杂，涉及多次转向时，往往难以收敛，无法求得路径或求得不符合实际情况的路径。

发明内容

基于此，有必要针对上述技术问题，提供一种结合启发式与最优控制的飞机牵引路径规划方法，能够在考虑运动学及终端位姿约束的情况下进行路径规划，很快找到最短路径，且当障碍环境复杂时也能很好收敛求得全局最优。

结合启发式与最优控制的飞机牵引路径规划方法，包括：

获取飞机在平台上调运的路径规划任务；所述路径规划任务包括：飞机的初始位置、飞机的目标位置以及障碍物；

采用A*算法，对飞机从初始位置到目标位置进行避开障碍物的路径规划，得到初始路径，所述初始路径包括多个节点；

从第一节点开始，重搜索所述初始路径中的每个节点；当第一节点与第二节点之间路径的预设范围内有障碍物时，以所述第二节点为关键点，否则判断第一节点与第三节点之间路径的预设范围内是否有障碍物，直到判断最后节点与相邻节点之间路径的预设范围内是否有障碍物，得到关键点集；

对飞机在平台上调运的过程建立运动学模型，并满足障碍约束、运动学约束以及终端位姿约束，得到最优控制模型；对所述最优控制模型进行转化，得到非线性规划模型；

在所述关键点集中选择一个以上关键点进行几何解算，得到对应的关键点姿态；根据所述关键点姿态以及所述非线性规划模型，得到最优路径。