[发明专利]基于改进蚁群算法的无人机冲突解脱方法

说明书

本发明公开了一种基于改进蚁群算法的无人机冲突解脱方法，将无人机冲突解脱过程离散为N步，通过每步改变航向实现冲突解脱；通过人工势场法为蚁群算法提供初期搜索路径，细化解脱过程中无人机航向调整角度，采用分段调整的方法优化蚁群算法信息素蒸发系数，最后利用改进算法找出无人机最优解脱路径。利用人工势场算法规划出一条可行性较高的解脱路径，以此路径作为蚁群算法初期搜索路径，缩小了蚁群算法初期搜索空间，提高了初期搜索解的速度；针对蚁群算法易陷入局部最优的特点，对其信息素蒸发系数采用分段调整，使信息素蒸发系数逐渐衰减，直至最小值；既避免蚁群算法初期易陷入局部最优，还使得算法后期加快收敛速度，大大提高了算法的效率。

技术领域

本发明涉及无人机冲突解脱算法，具体涉及一种基于改进蚁群算法的无人机冲突解脱方法。

背景技术

随着经济技术的高速发展，无人机进入了迅猛发展的时期，无人机的应用领域也日趋多面化，无人机适用于完成危险性高的任务，以避免出现有人驾驶飞机出现伤亡的情况，如监视、侦察和作战等任务。但因为空域资源有限，无人机发生冲突的概率越来越大，引起了人们对无人机自主飞行中冲突解脱越来越多的关注。在无人机完成任务过程中，当飞行安全受到威胁时，需要随时根据周围情况进行及时应对，改变飞机路线，所以无人机在飞行过程中的安全保障是亟待解决的问题。

为了解决这一难题，涌现出很多的冲突解脱算法，用来避免飞机出现碰撞危险，能够用最短的时间从危险中解脱并到达预设目的地完成任务，如粒子群算法、遗传算法、蚁群算法等。蚁群算法：模拟蚂蚁在寻找食物的过程中发现路径的生物行为而产生的概率型算法，是一种具有分布计算、信息正反馈和启发式搜索等特征的启发式全局优化算法，应用于寻找最优路径等问题。蚂蚁寻找路径时留下的信息素，使蚂蚁间产生间接通讯，利用信息素正反馈作用对后继蚂蚁选择路径产生影响，继而寻找到最优路径。

蚁群算法在用于解决无人机冲突解脱问题时有良好的效果，但传统蚁群算法中因为初始信息素匮乏而导致初期搜索范围过大、随机搜索会导致算法初期收敛速度较慢，信息素正反馈机制容易使算法陷入局部最优的缺点，大大降低了算法的效率。

发明内容

本发明所要解决的技术问题是提供一种基于改进蚁群算法的无人机冲突解脱方法，基于蚁群算法，引入人工势场算法用于提高蚁群算法初期收敛速度；对蚁群算法的信息素蒸发系数进行分段调整，避免算法陷入局部最优，并且考虑到无人机摆脱冲突时需要考虑角度的约束，避免转弯角度过大，加入角度限制以规划出平滑可行的路线，完成代价更小的冲突解脱。

为解决上述问题，本发明所采取的技术方案是：

一种基于改进蚁群算法的无人机冲突解脱方法，将无人机冲突解脱过程离散为N步，通过每步改变航向实现冲突解脱；通过人工势场法为蚁群算法提供初期搜索路径，细化解脱过程中无人机航向调整角度，采用分段调整的方法优化蚁群算法信息素蒸发系数，最后利用改进算法找出无人机最优解脱路径。

作为本发明的进一步改进，上述方法包括以下步骤：

步骤S1，利用人工势场法规划无人机初始路径；

规定无人机每步长Mkm，即每Mkm更新一次航路点，以把每架飞机的解脱过程离散为 N步；两架无人机在规定的航线同时出发，不进行避让动作的前提下，在行进至相同步数会发生冲突，提前预测到冲突点；

利用人工势场法的原理，目的地产生引力场，对无人机产生引力，无人机自身具有斥力场，斥力保证飞机间不会发生碰撞，根据合力规划无人机航迹，以保证无人机安全的完成任务；

步骤S2，无人机偏转角度优化，以使无人机解脱航迹更加平滑；

步骤S3，基于改进算法的冲突解脱仿真。

作为本发明的进一步改进，所述步骤S1中，无人机初始路径规划计算过程为：