[发明专利]一种无人机群路径规划方法

说明书

本发明公开了一种无人机群路径规划方法，首先需要获取未知环境的信息，包括起始点和目标点的位置、障碍物的坐标、可能存在的雷达和导弹风险等；同时无人机群在规划路径时还需要考虑到无人机自身的性能，比如偏转角、俯仰角、飞行高度等；在此基础上，无人机通过粒子群优化算法的计算择优选取路径，实现对整个无人机群的路径规划。本发明能够实现无人机群在密集风险环境下的路径规划，使无人机群能够高效地飞行，协同完成任务。本发明围绕无人机群的路径规划，从提高空中交通系统安全性和高效性两方面出发，开展无人机群路径规划方法研究，这对于确保无人机飞行安全，降低飞行成本，增加空域容量，提高空中交通系统的运行效率具有重要意义。

技术领域

本发明涉及无人机技术领域，尤其涉及一种无人机群路径规划方法。

背景技术

近年来，随着无人机技术的发展，无人机的应用领域也变得越来越广泛，比如用于商业领域的无人机物流运输、影视拍摄，用于农业领域的无人机喷洒农药，用于防控领域的无人机监控巡查、灾后救援等。与此同时，无人机群的协同完成任务也成为一种趋势。相比于单个无人机，无人机群协同完成任务具有效率高、速度快等特点。无人机群之间可以集中目标完成统一任务，也可以对任务进行分配一同完成，实现功能互补，从而可以控制更大的范围，执行更为复杂的任务，缩短执行任务的时间，提高工作效率。

粒子群优化算法是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法，是群体智能的一种。粒子群优化算法初始化为一群随机解，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个极值来更新自己。第一个极值就是粒子本身所找到的最优解，另一个极值是整个种群找到的最优解。粒子群优化算法的优点在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。

传统的粒子群优化方法大多对粒子的所有维度进行学习更新，应用在路径规划问题上对整段航路进行学习，可能存在较差的整段航路中存在的单个优质航路点不被学习的情况发生。

发明内容

有鉴于此，本发明提供了一种无人机群路径规划方法，用以无人机群路径规划方法。

因此，本发明提供了一种无人机群路径规划方法，包括如下步骤：

S1：无人机群获取密集风险环境中起始点和目标点的位置、障碍物的坐标、面临的导弹打击风险和雷达探测风险、以及无人机群的飞行目标和任务，同时获取无人机飞行的最大水平转弯角、最大竖直俯仰角和最大侦察打击高度；

S2：根据获取的密集风险环境信息和自身性能信息，得到对无人机飞行的整段航路的评价；

S3：在对整段航路评价的基础上，分离出整段航路中单个航路点的自身属性，得到对单个航路点的评价；

S4：利用基于对单个航路点评价的粒子群优化算法，对初始航路进行优化，得到连接起始点和目标点的最优航路；

S5：对得到的最优航路进行预冲突解脱处理，规划好无人机群中每个无人机的飞行速度；

S6：无人机群按照最优航路和规划好的飞行速度进行飞行，直至到达目标点，完成任务；

其中，所述步骤S2，根据获取的密集风险环境信息和自身性能信息，得到对无人机飞行的整段航路的评价，具体包括：

对每个无人机而言，假设整段航路由个航路点构成，包括个航路段，，其中起始点和目标点在初始时刻已确定，则整段航路由依次连接航路点构成；将每个航路段均匀分成个部分，每一部分由端点确定，；对整段航路进行如下评价：

航路长度：利用路径长度比作为评价指标，具体公式如下：