一種適用于復雜低空下飛行器的路徑規(guī)劃方法
【專利摘要】本發(fā)明公開了一種適用于復雜低空下飛行器的路徑規(guī)劃方法，屬于飛行管理方法和系統(tǒng)【技術領域】。所述方法首先建立飛行器路徑規(guī)劃模型；然后采用自適應差分目標進化算法對單架飛行器進行路徑規(guī)劃?；谒龅膯渭茱w行器路徑規(guī)劃方法，本發(fā)明還提供一種多架飛行器路徑規(guī)劃方法。本發(fā)明是一種多機協(xié)同進化的沖突解脫方法，運算效率高，能夠滿足預規(guī)劃路徑的需求；能夠滿足低空空域自由飛行條件下的單機和多機路徑規(guī)劃需求；具有一定的反饋設置，能夠在保證規(guī)劃路徑的安全性的同時也獲得較高的飛行效率。
【專利說明】一種適用于復雜低空下飛行器的路徑規(guī)劃方法
【技術領域】
[0001]本發(fā)明涉及一種飛行管理方法和系統(tǒng)，是一種適用于復雜低空空域的通用航空器飛行器路徑規(guī)劃的方法。
【背景技術】
[0002]低空空域原則上是指真高1000米以下的空域范圍，在該區(qū)域內活動的主要是通用航空飛行器。低空空域環(huán)境復雜，通用航空飛行器在該區(qū)域內可自由飛行(是由美國聯(lián)邦航空局(FAA, Federal Aviation Administration)提出，它是一種全新的航空理念,賦予飛行人員自由實時地選擇航路以及飛行航速等狀態(tài)的權利，即實行自主管理)，自主性強。在某些場景(比如應急救災)下飛機密度高，飛行的安全性和高效性難以保證。隨著我國逐步開放低空空域，通用航空勢必蓬勃發(fā)展，為保障飛行運行的安全與效率，對通航飛行器規(guī)劃合理經濟的路徑十分重要。
[0003]路徑規(guī)劃是指在給定的規(guī)劃空間內，尋找運動體從起始點到達目標點且滿足約束條件和一定性能指標的最優(yōu)或最可行軌跡。對通航飛行器進行路徑規(guī)劃是保證飛行器飛行安全和提高效率的重要手段，目前國內外對該領域的研究主要包括傳統(tǒng)規(guī)劃算法和智能規(guī)劃算法。傳統(tǒng)規(guī)劃算法包括動態(tài)規(guī)劃算法、最優(yōu)控制法和導數(shù)相關法等，這類方法要進行大規(guī)模的反復迭代，缺乏智能導向能力，計算量普遍較大，算法計算時間長，不適用于低空空域的自由飛行，而且魯棒性較差；智能規(guī)劃算法包括啟發(fā)式尋優(yōu)搜索、蟻群算法、神經網(wǎng)絡算法和遺傳算法。由于路徑規(guī)劃的實質是NP問題。既隨著問題規(guī)模的增長，計算復雜度急劇加大。遺傳算法因其啟發(fā)搜索算子和良好的尋優(yōu)能力已被證明是解決NP問題的有效方法。通用航空飛行器的路徑規(guī)劃問題的實質又是一系列相互沖突的目標優(yōu)化，使用多目標優(yōu)化算法比對將多個目標加權折衷成的單目標優(yōu)化更優(yōu)。

【發(fā)明內容】

[0004]本發(fā)明為了解決現(xiàn)有技術中存在的問題，提供一種適用于復雜低空下飛行器的路徑規(guī)劃方法，術語協(xié)同多目標優(yōu)化方法，所述的路徑規(guī)劃方法中，假設(I)所有飛行器都在同一高度層以不同速度飛行，且各自在飛行過程中飛行速度不發(fā)生改變；(2)每架飛行器都確定了各自的起點和終點；(3)低空空域飛行環(huán)境已知，包括禁止飛行區(qū)域位置和范圍、威脅點位置和輻射半徑；(4)通用飛行器物理性能限制包括最大偏轉角和最大飛行距離；所述路徑規(guī)劃方法具體包括如下步驟:
[0005]第一步，建立飛行器路徑規(guī)劃模型；
[0006]第二步，采用自適應差分目標進化算法對單架飛行器進行路徑規(guī)劃，具體步驟如下:
[0007]S1:確定規(guī)劃空間、起始點S和目標點E，利用啟發(fā)式初始化算法初始化種群，并完成相對極坐標個體向絕對值坐標個體轉化的種群預處理；
[0008]S2:根據(jù)航行速度V和采樣時間步長Λ t，對種群個體完成航跡點離散化；[0009]S3:根據(jù)第一步中所建立的飛行器路徑規(guī)劃模型，利用初始種群的個體的離散化航跡點進行航跡約束驗證和目標值計算，并計算每個個體的所有約束的約束值之和err_ind ；
[0010]S4:對父代種群進行按照自適應差分算子進行遺傳交叉與變異操作，形成子種群;
[0011]S5:完成子種群中子代個體航跡點離散化，將離散化的航跡點帶入問題模型，完成與個體約束、目標函數(shù)值及所有約束的約束值之和err_ind的計算；
[0012]S6:父代與子代形成混合群，對混合群實施改進的快速非支配排序，確定混合群各個體所分布的Pareto層；
[0013]S7:對混合群每一層的個體進行改進的聚集距離與排擠機制，根據(jù)支配關系及個體擁擠度從混合群中選取種群大小數(shù)目的個體組成新的父代種群；
[0014]S8:判斷進化過程是否結束，如果達到最大迭代的代數(shù)，轉入S9 ;否則轉入S4 ；
[0015]S9:從種群中非支配層中選出個體，其代表的航跡即為所求航跡；
[0016]步驟SI中所述的初始化種群，采用兩種初始種群個體表達方式，即相對極坐標編碼方式和絕對值坐標編碼方式，包含相對極坐標生成初始染色體和初始種群個體坐標轉換兩步:
[0017](SlOl)航跡節(jié)點初始化按式(26)獲得相對極坐標(r，θ，z)的值表示其對應的三




MaxL
維航跡節(jié)點，其中rand O代表均勻分布取值的下限Minseg和上限.-^^-代表相鄰航跡點
間的最短允許距離，turn_0的上下限和飛行器機動性相關，得到的Qi的正負代表了下一航跡段較前一航跡段的偏轉方向，逆時針為正，順時針為負；
【權利要求】
1.一種適用于復雜低空下飛行器的路徑規(guī)劃方法，其特征在于:假設(I)所有飛行器都在同一高度層以不同速度飛行，且各自在飛行過程中飛行速度不發(fā)生改變；(2)每架飛行器都確定了各自的起點和終點；(3)低空空域飛行環(huán)境已知，包括禁止飛行區(qū)域位置和范圍、威脅點位置和輻射半徑；(4)通用飛行器物理性能限制包括最大偏轉角和最大飛行距離；所述路徑規(guī)劃方法具體包括如下步驟: 第一步，建立飛行器路徑規(guī)劃模型； 第二步，采用自適應差分目標進化算法對單架飛行器進行路徑規(guī)劃，具體步驟如下: 51:確定規(guī)劃空間、起始點S和目標點E，利用啟發(fā)式初始化算法初始化種群，并完成相對極坐標個體向絕對值坐標個體轉化的種群預處理； 52:根據(jù)航行速度V和采樣時間步長△ t，對種群個體完成航跡點離散化； 53:根據(jù)第一步中所建立的飛行器路徑規(guī)劃模型，利用初始種群的個體的離散化航跡點進行航跡約束驗證和目標值計算，并計算每個個體的所有約束的約束值之和err_ind ； 54:對父代種群進行按照自適應差分算子進行遺傳交叉與變異操作，形成子種群； S5:完成子種群中子代個體航跡點離散化，將離散化的航跡點帶入問題模型，完成與個體約束、目標函數(shù)值及所有約束的約束值之和err_ind的計算； S6:父代與子代形成混合群，對混合群實施改進的快速非支配排序，確定混合群各個體所分布的Pareto層； S7:對混合群每一層的個體進行改進的聚集距離與排擠機制，根據(jù)支配關系及個體擁擠度從混合群中選取種群大小數(shù)目的個體組成新的父代種群； 58:判斷進化過程是否結束，如果達到最大迭代的代數(shù)，轉入S9 ;否則轉入S4 ； 59:從種群中非支配層中選出個體，其代表的航跡即為所求航跡； 步驟SI中所述的初始化種群，采用兩種初始種群個體表達方式，即相對極坐標編碼方式和絕對值坐標編碼方式，包含相對極坐標生成初始染色體和初始種群個體坐標轉換兩步。 (5101)航跡節(jié)點初始化按式(26)獲得相對極坐標(r，θ，ζ)的值表示其對應的三維航跡節(jié)點，其中rand O代表均勻分布取值的下限Minseg和上限代表相鄰航跡點間的



最短允許距離，turn_0的上下限和飛行器機動性相關，得到的正負代表了下一航跡段較前一航跡段的偏轉方向，逆時針為正，順時針為負；

2.根據(jù)權利要求1所述的一種適用于復雜低空下飛行器的路徑規(guī)劃方法，其特征在于:步驟S7中基于種群排序和每一層個體擁擠度的排擠機制，通過快速非支配排序以及擁擠度計算后，每個個體i都有兩個屬性:非支配序iMnk和聚集距離I[i].distance ;利用這兩個屬性，從混合群中選取種群大小個數(shù)目的個體形成新一代進行進化的父代種群，選擇標準為:若兩個個體非支配排序不同，則取序號較小的個體；如果兩個個體在同一級，則取聚集距離大的個體。
3.一種基于協(xié)同自適應差分多目標進化算法的多飛行器航跡規(guī)劃方法，其特征在于包括如下步驟: 步驟A:對每一架飛行器進行啟發(fā)式初始化種群: Al:確定規(guī)劃空間、起始點S和目標點E，利用啟發(fā)式初始化算法初始化種群，并完成相對極坐標個體向絕對值坐標個體轉化的種群預處理； A2:當所有飛行器種群都完成啟發(fā)式初始化后，進入步驟B ; 步驟B:對每一架飛行器種群: B1:根據(jù)航行速度V和采樣時間步長At，對種群個體完成航跡點離散化； B2:根據(jù)飛行器路徑規(guī)劃模型，利用初始種群的個體的離散化航跡點進行航跡約束驗證和目標值計算，并計算每個個體的所有約束之和err_ind ； B3:對父代種群進行按照自適應差分算子進行遺傳操作，形成子種群； B4:完成子代個體航跡點離散化，將離散化的航跡點帶入問題模型，完成與個體約束、目標函數(shù)值及所有約束之和err_ind的計算； B5:父代與子代形成混合群，對混合群實施改進的快速非支配排序，確定混合群個個體分布的Pareto層； B6:根據(jù)種群代表個體選擇機制，從混合群中選擇出本飛行器種群的代表個體； B7:當所有飛行器種群都完成混合群的代表個體選擇后，進入步驟C ； 步驟C:對每一架飛行器種群: Cl:接收其余各飛行器混合群選擇出的代表個體，進行本飛行器混合群所有個體協(xié)同避撞約束值計算，得到混合群中每個個體的所有約束之和err_all ； C2:對混合群每一層的個體進行改進的聚集距離計算與排擠機制，根據(jù)支配關系及個體擁擠度從混合群中選取種群大小數(shù)目的個體組成新的父代種群； C3:判斷進化過程是否結束，如果滿足終止條件，轉入C4 ;否則轉入步驟B ； C4:從種群中非支配層中選出個體其代表的航跡即為所求航跡。
4.根據(jù)權利要求3所述的一種基于協(xié)同自適應差分多目標進化算法的多飛行器航跡規(guī)劃方法，其特征在于:步驟Cl中所有個體協(xié)同避撞約束值計算，根據(jù)碰撞檢測機制進行計算；所述的碰撞檢測機制，假設飛行器A和飛行器B分別從各自的起點Sa和Sb沿著其航跡a和航跡b飛行向終點Ea和Eb, Wak，Wbk分別為航跡a和航跡b的航跡節(jié)點，k=l,....Nw ;Nw為需要規(guī)劃的航跡節(jié)點數(shù)，pai, Pbi分別為某同一時刻飛行器A和飛行器B在航跡a和航跡b上所處的位置點，Va和Vb分別為飛行器的飛行速度，Δ t為一個小時間步，則對飛行器A的規(guī)劃航跡a和飛行器B的規(guī)劃航跡b進行的碰撞檢測的流程為:S1:按照位置計算算子，得到自起飛時刻起，每隔時間步At，兩架飛機分別在航跡a和航跡b上各自將所處的位置點序列
5.根據(jù)權利要求4所述的一種基于協(xié)同自適應差分多目標進化算法的多飛行器航跡規(guī)劃方法，其特征在于:所述的位置計算算子的流程如下:S51:計算飛行器A的航跡a和飛行器B的航跡b各自的航程距離，分別記為La和Lb，并由T =丨得到各機分別在該兩航跡上的飛行時間Ta和Tb ； S52:計算飛行器A在航跡a和飛行器B在航跡b的上所有航跡段上的飛行時間序列，即所有由一個航跡節(jié)點到達下一航跡節(jié)點的飛行時間構成的序列:
【文檔編號】G01C21/20GK103913172SQ201410147792
【公開日】2014年7月9日 申請日期:2014年4月14日 優(yōu)先權日:2013年12月6日
【發(fā)明者】張學軍, 曾捷, 管祥民 申請人:北京航空航天大學