[发明专利]多约束条件下智能飞行器航迹快速规划方法、装置

说明书

本发明提供一种多约束条件下智能飞行器航迹快速规划方法、装置，所述方法包括：控制智能飞行器从起点飞出；设定智能飞行器的约束条件；根据约束条件构造代价函数；更新边界条件，根据边界条件确定搜索范围；根据搜索范围和代价函数寻找最优节点；控制智能飞行器飞至最优节点；判断最优节点与终点的欧式距离是否小于约束距离；如果是则将当前最优节点作为终点，并控制智能飞行器飞至终点；如果否则返回根据约束条件构造代价函数步骤。由此，该方法通可以搜索更加具有目标性计划性，更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度，使搜索具有更高的有效性和较低的复杂度，可以在寻求最小航迹长度的同时，也寻求尽可能少的校正次数。

技术领域

本发明涉及飞行器技术领域，具体涉及一种多约束条件下智能飞行器航迹快速规划方法和一种多约束条件下智能飞行器航迹快速规划装置。

背景技术

复杂环境下航迹快速规划是智能飞行器控制的一个重要课题。由于系统结构限制，这类飞行器的定位系统无法对自身进行精准定位，一旦定位误差积累到一定程度可能导致任务失败。因此，在飞行过程中对定位误差进行校正是智能飞行器航迹规划中一项重要任务。

在当前研究的航迹规划算法中，A*搜索算法作为一种基于栅格的智能搜索算法，与线性规划法、遗传算法等比较，算法简单易实现，搜索速度快，并且理论上可以保证全局最优解的收敛性。因此，A*搜索算法在飞行轨迹规划问题中的应用较广。

而A*算法通过构造代价函数确定搜索范围，会导致搜索范围较大，如果搜索过程发现一条路径到达一个节点的代价比现存的路径代价低，就要重定向指向该节点的指针，已经在封闭数组中的节点子孙的重定向保存了后面的搜索结果，但是可能需要指数级的计算代价，降低搜索具的有效性和提高搜索的复杂度。

发明内容

本发明为解决上述技术问题，本发明的第一个目的提出一种多约束条件下智能飞行器航迹快速规划方法，该方法通过构造满足约束条件的代价函数，并根据代价函数寻找最优节点，即为飞行器下一个飞行至的节点，以此类推，直到最后达到终点，使搜索更加具有目标性计划性，更加节省了由于不断盲目性迭代搜寻最优节点而造成的时间复杂度，使搜索具有更高的有效性和较低的复杂度，可以在寻求最小航迹长度的同时，也寻求尽可能少的校正次数。

本发明第二个目的提出一种多约束条件下智能飞行器航迹快速规划装置。

本发明采用的技术方案如下：

本发明第一方面的实施例提出了一种多约束条件下智能飞行器航迹快速规划方法，包括以下步骤：控制所述智能飞行器从起点飞出；设定所述智能飞行器的约束条件；根据所述约束条件构造代价函数；更新边界条件，根据所述边界条件确定搜索范围；根据所述搜索范围和所述代价函数寻找最优节点；控制所述智能飞行器飞至所述最优节点；判断所述最优节点与终点的欧式距离是否小于约束距离；如果所述最优节点与所述终点的欧式距离小于所述约束距离，则将当前最优节点作为终点，并控制所述智能飞行器飞至所述终点；如果所述最优节点与所述终点的欧式距离大于或等于所述约束距离，则返回根据所述约束条件构造代价函数步骤。

本发明上述提出的多约束条件下智能飞行器航迹快速规划方法还可以具有如下附加技术特征：