[发明专利]一种基于改进粒子群优化算法的三维轨迹规划方法

说明书

本发明提供了一种基于改进粒子群优化算法的三维轨迹规划方法，粒子在航迹空间对最优三维轨迹进行搜索的过程中，在不同的粒子种群迭代进化阶段设置不同的惯性权重：在设定进化前期阶段使用最大惯性权重使全局收敛，在设定进化后期使用最小惯性权重使局部收敛；基于种群多样性在粒子的运动过程增加扰动变异操作；基于约束条件对不可行粒子的选择：比较不可行粒子的约束违反函数，保留约束违反函数小的不可行粒子。本发明根据群体进化情况对惯性权重进行自适应调整，在粒子的运动过程增加扰动变异操作，充分利用了所有粒子，使不可行解同样能够为群体整体寻优提供帮助，保证了轨迹规划的可靠性和效率。

技术领域

本发明涉及无人机航迹规划技术领域，具体涉及一种基于改进粒子群优化算法的三维轨迹规划方法。

背景技术

自无人机诞生以来，它们主要用于军事作战侦查等方面。作为情报和信息的高科技武器，无人驾驶飞机在侦察，监视，通信和远程打击方面表现出卓越的性能。正是因为无人机各方面的卓越性能，所以无人机执行任务的能力对世界发展进步尤为重要。

相对于有人驾驶飞机而言，无人机存在不畏死亡、生存能力强、机动性能好、研制和使用成本低、经济性好等优势。无人飞行器(UAV)成为重要的战争和国土安全空中平台。假如有人驾驶飞机要突袭敌人由防空导弹组成的严密防空系统，有人飞机中驾驶员突袭无异于自杀，无人机最大的好处就是在执行任务时，不存在驾驶员伤亡的问题，这也是世界各国格外关注和重视无人机的原因。无人机可在核、生、化或其他危及生命的特殊条件下执行侦察、监视、目标定位、跟踪任务；可在突防中担任电子诱饵，充当开路先锋；反辐射无人机做自杀性攻击；可以摧毁雷达；拦截战术导弹和巡航导弹等。近年来，得益于各种新兴技术的发展和微型电子技术的发展，无人机开始变得结构简单、重量轻、尺寸小、成本低，已经成为了社会发展不可或缺的军事装备和民用辅助配备。

无人机执行任务被称为任务规划，就是完成事先设定任务，随着研究的深度增加，无人机完成任务的危险度也逐渐增加，对无人机的要求也不断提高。从无人机任务规划层面来说，无人机的大量出现导致其与有人机之间的空域矛盾越来越严重，可供无人机进行规划和飞行的空域要求越来越严格，无人机感知和规避技术的发展成为解决这一问题的关键，且传统的粒子群算法(PSO算法)虽然是一种基于群体智能的全局优化算法，具有易于实现和调制、精度高、稳定性好的特点，但到目前为止，基本PSO算法容易产生早熟收敛(尤其是在处理复杂的多峰搜索问题中)、局部寻优能力较差等，PSO算法陷入局部最小，主要归咎于种群在搜索空间中多样性的丢失。且现有的任务规划方法效率低，适应性差；任务自主执行能力不足，主要需要人的参与很多，规划的通用性和可靠性差，规划出的航迹并不是最优的。

因此，如何提供一种轨迹规划效果优且效率高的基于改进粒子群优化算法的三维轨迹规划方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于改进粒子群优化算法的三维轨迹规划方法，从PSO粒子运动机理出发，根据群体进化情况对惯性权重进行自适应调整，在粒子的运动过程增加扰动变异操作，借助粒子与可行域间的关系，充分利用了所有粒子，使不可行解同样能够为群体整体寻优提供帮助，保证了轨迹规划的可靠性和效率。

为了实现上述目的，本发明采用如下技术方案：

一种基于改进粒子群优化算法的三维轨迹规划方法，粒子在航迹空间对最优三维轨迹进行搜索的过程中，执行如下步骤：

在不同的粒子种群迭代进化阶段设置不同的惯性权重：在设定进化前期阶段使用最大惯性权重使全局收敛，在设定进化后期使用最小惯性权重使局部收敛；

基于种群多样性在粒子的运动过程增加扰动变异操作：包括对粒子进行位置扰动、全局极值和个体极值的变异更新以及对粒子进行发散持续代数设置；

基于约束条件对不可行粒子的选择：比较不可行粒子的约束违反函数，保留约束违反函数小的不可行粒子，并继续参与粒子种群迭代进化。