[发明专利]基于ALCE-SSA优化的三维无人机低空突防方法

说明书

本发明公开基于ALCE‑SSA优化的三维无人机低空突防方法，对无人机低空突防三维环境建模，获得模型；对模型确定突防代价函数；获取麻雀搜索算法；根据无人机低空突防对获得的麻雀搜索算法进行改进，得到改进麻雀搜索算法；利用改进麻雀搜索算法对无人机低空突防三维路径进行规划。本发明在面对不同环境时具有更好的路径规划效果，即提高改进麻雀搜索算法的寻优精度，寻得最优路径。

技术领域

本发明涉及无人机路径规划技术领域，特别涉及一种自适应领头雀引导和中心变异-进化因子的麻雀搜索算法优化的无人机低空突防三维路径规划方法。

背景技术

低空突防是无人机作战中的重要环节，也是目前的研究热点。为了找出一条从起点到终点的可以避开威胁源的安全路径，突防目标以有效的规划路线方法为基础，在约束问题下找出最优解，其关键取决于寻优算法的优劣。近年来学者们展开深入研究，提出了多种低空突防路径规划算法，主要可以分为两大类：(1)常规算法，如：人工势场法、A*算法等；(2)智能算法，如：遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle SwarmOptimization,PSO)、灰狼算法(Grey Wolf Optimization,GWO)、飞蛾扑焰算法(Moth-Flame Optimization,MFO)等。相比于常规算法，智能算法收敛速度快，鲁棒性强，尤其采用群体智能优化算法求解无人机突防路径的问题是目前的研究热点。张宏宏等为解决无人机低空突防的问题，利用改进蚁群算法生成一条风险较低的路径，提升了寻优效率，但路径精确度不高。宋宇等提出了一种基于三维规划的改进粒子群优化方法，提升了搜索性能，但威胁场考虑得比较简单，并未考虑地形等因素，实际应用效果并不理想。许江波等通过自适应策略改进鱼群算法，利用其全局寻优能力解决路径规划问题，但搜索时间过长。以上研究虽然实现了无人机的航迹规划，但路径规划效果和迭代收敛速度仍有进一步改进空间。麻雀搜索算法(Sparrow Search Algorithm,SSA)是2020年由XUE提出的一种新的群智能优化算法，模拟了麻雀觅食的过程，具有收敛速度快，适应性强，模型易修改等特点，适合用于无人机路径规划。汤安迪等提出了一种基于混沌麻雀搜索算法的航迹规划法，能够快速地得到一条安全的可行航迹。但是该算法是针对二维场景的应用，存在一定的局限性。SSA本身还存在易陷入局部最优，种群多样性快速减少等问题，仍需进一步改进。

发明内容

本发明的目的在于提供一种基于ALCE-SSA优化的三维无人机低空突防方法，以解决现有技术中无人机在三维低空突防时存在环境复杂，路径规划计算量大等问题，以及现有麻雀搜索算法路径搜索能力不足，易陷入局部最优等缺陷，本发明在面对不同环境时具有更好的路径规划效果，即提高改进麻雀搜索算法的寻优精度，寻得最优路径。

为达到上述目的，本发明采用如下技术方案：

基于ALCE-SSA优化的三维无人机低空突防方法，包括以下步骤：

步骤1：对无人机低空突防三维环境建模，获得模型；

步骤2：对步骤1中获得的模型确定突防代价函数；

步骤3：获取麻雀搜索算法；

步骤4：根据无人机低空突防对步骤3中获得的麻雀搜索算法进行改进，得到改进麻雀搜索算法；

步骤5：利用步骤4中获得的改进麻雀搜索算法对无人机低空突防三维路径进行规划。

进一步地，步骤1中对无人机低空突防三维环境建模包括地形约束和威胁源模型约束：

地形约束中三维环境下的山峰建模，如下所示：

式中，(x,y)为地形的坐标，(x₀,y₀)为山峰地形的中心点坐标，h为高度参数，λ₁和λ₂反应山峰的陡峭程度；