基于遗传算法的无人机航迹规划研究

  本文关键词：基于遗传算法的无人机航迹规划研究，由笔耕文化传播整理发布。

本文研究了一种用遗传算法进行无人机航迹规划的方法,指出了无人机航迹规划的定义;提出了一种给定威胁 及障碍分布下的无人机路径规划算法。根据威胁及障碍分布情况构造无人机可能飞行的航路集voronoi图,采用DUkstra算 法搜索威胁及障碍分布图,求解初始最短路径。在初始最短路径基础上,采用遗传算法优化初始路径。最后进行仿真实 验,结果验证了遗传算法能提高航迹质量。

r垄 _] 胁分布域，将图中各个虚线的 r点连接起来即为 r I V r n i,也就足基本路径集合。再把出发点和目标点分 ooo边别与离自身上近的V r n i点连起来。连接出发点到目 b 2 ooo顶 标点的这些 V r n i的组合构成了备选路集， ooo边 V r n i的顶点构成初始路的转弯点，主要中途航路 o o o 点。路径规划的任务是找…从发点到目标点无人机能【口 】避敌方威胁，安全完成预定任务的飞行路径。可以看出， 通过构造 V r n i,将路径规划问题从无限维守问的搜索 o o o

第i巾间点，i 1,……N Q为Q所在链接线的端个=,2。Q。 点。

问题简化到彳限维空问搜索的问题，，即路径规划只要在丁 V r n J所确定的路径集合中进行。 oo o

3 2用D s r算法选择粗略最短路径 . iKta j 构造好Vrn i o o o冈之后，采用 D j s r算法选择初始最 ik t a短路，算泫关键问题是路代价的分配。对以上情形， 无人机沿着每‘边飞仃每一点都将具有一定的代价，这条些代价包括危险性代价和燃油代价。危险性代价指的是无人机暴露在敌方雷达 _的干度以及碰上障碍物的危险性。卜芏 燃油代价是指燃油消耗代价。 行，路 上于无人机以定常速度飞‘的危险性代价与无人机前化置到威胁 点 =

图3编码示意图

规划问内的点位置用经纬度表示。

I。 IQ, l ,/ 1 !

这样中问点只能沿所在的连接线变化，确保航线不与障碍物和危险区域相撞。

距离的4方的倒数成『比，燃料需求代价与经过的路径长次 F度成正比。一条 V r n i的危险性代价√,以边卜 ooo边 可 M离散路^到 N威胁的趾离量化得到，燃油代价 .个个， 可以用该边的长度 L化得到。量

∈[ i

】 l2……,,,, Ⅳ 1: =1 一

0,

设置

0是为了防止飞机与障碍物和威胁区域接

近，并使理想航线不与之相交。 选朋 T作为基因值，则 T,T,……,T为一个染色 i 1 2 N 体。 532 ..目标函数与适应度函数

善善 J胁， L=

所以，‘边的总代价为： 条 J=(一k a, m 1 )+“ 卜’舡 。

本文采用二维规划，适于不要求精确高度和时问控制的飞行航线。飞机匀速飞行，飞行高度较高。由于通路短即航程短，因此优化目标可简化为通路距离最短。其目标 雨数为：

其中，k权重系数，取值范围 0 1根据仃务需求调足到。

整k的人小，k接近 1示越重视燃油消耗情况，越接近 N表 0示越重视危险忡代价。路径代价确定后，半略最短路

径表 H的选择是利刖 D j s r算法进行图搜索。得到如图二粗实 ik ia线所尔为、略最短路径。卡 H 粗略最短路径选择完成，接 下来的仃务就足路径修正和优化。

mn (= i ∑厂) 0

=u( n h s L g) m P t

l Q l Q至 Q.趾离， i0 1……,N I Q+一 为 .的 .=,,+ Q==点；Q G终点 oS起= T M T T,T,……,T为一个染色体。=1 2 N 本文算法选取的适应度函数为： 1、 t T) t g

此适应度函数甲值、在定义域内连续、非负、最大 . 化，它反映对应解的优劣程度，并且计算量小、通用性 强。

,豢 口 鞠霉霉群 l霸 i a r嘲 l辱霉

图2链接图及初始路径

3 3用遗传算法优化修正初始路径 . 33 1码 ..编

假设航线链路上的航为 Q, Q,……,,。 Q为起点；。

其中 图4初始航线与优化航线

为终点，它们均为周定点，不参与编码。Q为

(转第 5 下页) 45

  本文关键词：基于遗传算法的无人机航迹规划研究，由笔耕文化传播整理发布。