[发明专利]一种混合空域异质飞行器路径规划方法及装置

摘要

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。

主权项

1.一种混合空域异质飞行器路径规划方法，其特征在于，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：fcost(x)＝flength(x)+qfdanger(x)其中，x代表所有飞行器的飞行路径上的等分点坐标，fcost(x)为总成本函数，flength(x)为所有飞行器的路径总长度，fdanger(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，若飞行器间有冲突或飞行器经过危险区域，则认为路径危险，产生冲突代价，否则认为路径安全；(3)采用粒子群优化算法优化各飞行器的路径；所述的粒子群优化算法中，使用两个种群分别代表有人机与无人机的路径，两个种群分别在各自的搜索空间中初始化一群随机粒子，通过不断迭代使得两个种群都找到最优解，粒子的适应值根据函数fcost(x)计算得到；在计算一个种群粒子适应值时，通过如下选择机制来选择另一个种群信息来进行计算；选择机制：以概率r选择另一个种群的历史最优位置，以1‑r概率选择另一个种群中的一个随机粒子；其中C为总迭代次数，t表示当前迭代次数。