[发明专利]一种太阳能飞机自主寻优航迹规划方法和系统

摘要

一种用于长航时太阳能飞行器的基于“蚁群”算法的路径寻优方法。该方法主要用于长航时太阳能飞机针对气候环境的路径规划问题。该算法主要由以下几部分组成：气象预测数据，初始条件参数，出发/到达位置及离散网格，可移动点计算模块，目标函数(代价函数)，路径优化结果(规划路径信息)。该方法通过建立综合的目标函数，考虑了多方面因素对飞行器飞行安全的影响，可以灵活的分析历史数据提前规划飞行任务，也可以高效快速的进行在线飞行路径修正。该方法不局限于针对气候环境的太阳能飞行器的路径规划，通过修改其中因子，也可以拓展到诸如高山地区等其他环境的飞行路径规划中。

主权项

1.一种太阳能飞机自主寻优航迹规划方法，其特征在于包括：A)将输入的云层信息进行处理使其离散网格化(102)，形成离散化的气象数据矩阵节点矩阵，作为航迹规划的环境，所述云层信息包括云层厚度气象信息数据，B)生成一个可移动点矩阵以便输入蚁群算法进行路径规划(103)，进行路径规划，C)计算多个可移动节点(105)，D)保存经过路径并计算经过路径的代价(106)，E)判断是否达到预定的最大迭代次数(107)，其中：若未达到预定的最大迭代次数，则计算信息素浓度增量并更新信息素浓度(108)，并重新执行所述步骤C)；若达到了预定的最大迭代次数，则结束步骤E)，把步骤D)和步骤E)的收敛结果作为最优路径(109)，并输出最优路径(109)，其中，所述步骤C)包括：C1)在初始参数输入(104)并开始后(201)，计算可移动点蚁群信息素浓度(202)，保留一定信息素以影响下一次进行路径规划，C2)确定可移动点的距离启发信息η(203)，其中所述距离启发信息η为最大预选节点到目的地距离减去预选节点和目的地距离，由下式表征：其中ω，μ是一组常数，s1为当前节点，s2为预选节点，D(j,e)是预选节点与终点距离，C3)计算可移动点的气象启发信息γ(204)，气象启发信息的表达式如下：γ_s1→s2＝1/W(x_s2，y_s2)其中W(x_s2，y_s2)是预选节点s2的云层厚度气象信息数据，C4)确定可移动点的移动概率并执行移动更新(205)，所述移动概率被表征为：其中，p为节点之间运动的概率，s1为当前节点，s2为预选节点，si为可选择节点，α、β₁、β₂是表征相应因子重要程度的参数并在步骤C1)的初始参数输入(104)环节输入，τ为蚁群信息素浓度，η为距离启发信息，γ为气象启发信息，C5)在执行移动更新之后，判断是否达到预定终点(206)，其中：若未达到预定终点，则回到所述步骤C1)；若达到了预定终点，则将全部信息保存和/或输出，并结束步骤C)的操作。