[发明专利]一种混合空域异质飞行器路径规划方法及装置

说明书

本发明提出一种混合空域异质飞行器路径规划方法及装置，属于飞行器技术领域。路径规划装置，包括信息获取模块、冲突探测模块、冲突风险评估模块和路径规划模块。信息获取模块用于获取所有飞行器的信息，冲突探测模块用于确定两飞行器是否发生冲突以及飞行器是否经过危险区域，冲突风险评估模块用于评价在一定不确定性下飞行器的安全性，路径规划模块采用粒子群优化算法优化各飞行器的路径。路径规划方法为：首先为混合空域的飞行器建立路径规划模型；然后采用蒙特卡罗方法衡量不确定性对飞行安全的影响，所得结果更加贴近实际飞行，所规划的路径更合理；最后采用粒子群优化算法优化各飞行器的路径，此算法时间复杂度较小，路径规划更快捷。

技术领域

本发明属于飞行器技术领域，涉及一种混合空域异质飞行器路径规划方法及装置。

背景技术

在空中交通管理系统中，多飞行器路径规划问题一直是研究热点。有限空域多飞行器路径规划方法一般有两个目标：一方面为所有飞行器确定安全飞行路线，飞行器之间安全包络无重叠，飞行器安全包络于危险区域无重叠，并且能够到达预定目的地；另一方面需要在保证飞行器安全的条件下，尽量缩小飞行距离，减少飞行成本，提高飞行效率。

随着航空产业的迅猛发展，各种飞行器的数量激增，而传统的多飞行器路径规划方法大多没有考虑飞行器的异质化。飞行器的异质化是指飞行器的种类不同，包括无人机和有人机，若为不同的飞行器统一建模相同的飞行器模型，没有考虑自身特质，那获得的路径规划在实际使用时会存在不适应的问题。

考虑到实际飞行过程中，由于导航精度、风力、操作误差等因素的影响，实际飞行轨迹具有一定的不确定性。现有多飞行器路径规划方法大多没有考虑到这些不确定性的影响，本发明通过蒙特卡罗方法来衡量这些不确定性对飞行器飞行轨迹的影响。蒙特卡罗方法，也称统计模拟方法，是一种以概率统计理论为指导的一类重要的数值计算方法。本发明将通过蒙特卡罗方法来衡量不确定性对实际飞行带来的风险。

粒子群优化算法作为一种典型的智能优化算法，是Kennedy等人受到鸟群觅食行为的启发而提出的。粒子群优化算法是一种基于群体协作的随机搜索算法，具有易实现，收敛速度快的特性。

综上，现有的多飞行器路径规划没有考虑到实际空域中异质飞行器并存的实际情况，并且大多没有考虑飞行中一些误差造成的飞行轨迹不确定性的影响。

发明内容

针对现有存在的问题，本发明考虑了其中存在的不确定性，基于改进的粒子群优化算法，来解决混合空域异质飞行器的路径规划问题，具体提供了一种混合空域异质飞行器路径规划方法及装置。

本发明提供的混合空域异质飞行器路径规划方法，包括：

(1)为混合空域的飞行器建立路径规划模型；

将飞行器分为无人机和有人机，设置飞行器的初始路径为直接从出发点沿直线飞向目的地点，并且每条路径用该路径上的m等分点来表示；设置有人机的等分点个数少于无人机的等分点个数；m为正整数；

通过将每架飞行器的各等分点在垂直于初始路径的截面上移动，来优化路径；飞行器路径规划的总代价模型为：

f_cost(x)＝f_length(x)+qf_danger(x)

其中，x代表所有飞行器的飞行路径上的等分点坐标，f_cost(x)为总成本函数，f_length(x)为所有飞行器的路径总长度，f_danger(x)为所有飞行器的总体冲突代价，q为权重系数。

(2)采用蒙特卡罗方法衡量不确定性对飞行安全的影响，设置飞行器的路径上的所有等分点的位置均服从联合高斯分布，通过重复抽样获得各飞行器的路径，检测各飞行器路径，若飞行器间有路径冲突或飞行器经过危险区域，若认为路径危险，产生冲突代价，否则认为路径安全。