本發(fā)明涉及軌跡規(guī)劃，具體是一種基于地勢(shì)地物的翼傘系統(tǒng)歸航落點(diǎn)規(guī)劃方法。

背景技術(shù)：

1、在空投任務(wù)中，由于地面通信受阻、目標(biāo)區(qū)域地形信息改變或者缺失，會(huì)出現(xiàn)投放物資丟失、人員受傷等情況發(fā)生，進(jìn)而致使任務(wù)失敗。所以合適著陸點(diǎn)的選擇是進(jìn)行空投項(xiàng)目的首要任務(wù)，其中地形安全性是需要考慮的關(guān)鍵因素之一。對(duì)此，需要獲取目標(biāo)地區(qū)的地形信息，提前對(duì)落點(diǎn)進(jìn)行篩選。

2、現(xiàn)有的落點(diǎn)選擇方法主要分為兩類(lèi)，一類(lèi)是飛行器著陸過(guò)程中的在線(xiàn)選擇方法。飛行器在降落過(guò)程中，利用敏感器如激光雷達(dá)、攝像機(jī)等獲取高程以及落點(diǎn)圖像等數(shù)據(jù)，通過(guò)設(shè)計(jì)算法實(shí)時(shí)解算最優(yōu)落點(diǎn)。此類(lèi)方法的存在不足：純粹的在線(xiàn)選擇方法對(duì)圖片數(shù)據(jù)量要求高，計(jì)算量大，在降落區(qū)域過(guò)大的時(shí)候無(wú)法及時(shí)得到落點(diǎn)；飛行前的離線(xiàn)選擇，則通過(guò)對(duì)地形進(jìn)行統(tǒng)計(jì)與分布分析，篩選出宏觀(guān)區(qū)域，但缺乏對(duì)地形的定量分析，無(wú)法及時(shí)應(yīng)對(duì)地形的突發(fā)劇烈變化。因此，應(yīng)用圖像識(shí)別技術(shù)實(shí)時(shí)獲取地形信息是空投和著陸任務(wù)的必要手段，通過(guò)現(xiàn)有衛(wèi)星地圖進(jìn)行落點(diǎn)預(yù)先篩選，再使用在線(xiàn)選擇方法對(duì)篩選出的落點(diǎn)進(jìn)行可行性驗(yàn)證，以兼顧實(shí)時(shí)性和高效性。

3、“領(lǐng)航式”翼傘是一種在后續(xù)高價(jià)值目標(biāo)大規(guī)模空投之前，為勘探地形、測(cè)量風(fēng)場(chǎng)等先行任務(wù)率先投放的翼傘，可實(shí)時(shí)獲取目標(biāo)區(qū)域的環(huán)境特征，為集群的投放提供可供參考的態(tài)勢(shì)信息和歸航路線(xiàn)。對(duì)于領(lǐng)航式翼傘系統(tǒng)的歸航軌跡規(guī)劃，目前主流的方法包括簡(jiǎn)單歸航法、基于控制最小能量的最優(yōu)控制歸航法和分段歸航法。最優(yōu)控制歸航法能耗較低，但控制律連續(xù)變化，實(shí)施難度較高，而常規(guī)的分段歸航法雖然實(shí)施較為簡(jiǎn)單，但能耗相對(duì)較高。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述現(xiàn)有技術(shù)中的不足，本發(fā)明供一種基于地勢(shì)地物的翼傘系統(tǒng)歸航落點(diǎn)規(guī)劃方法，不僅能夠有效地降低領(lǐng)航式翼傘的能耗，而且能夠?qū)Υ蠓秶德漕A(yù)選區(qū)域進(jìn)行定性及定量分析與評(píng)估。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于地勢(shì)地物的翼傘系統(tǒng)歸航落點(diǎn)規(guī)劃方法，包括如下步驟：

3、步驟1，基于地勢(shì)分析模型對(duì)預(yù)降落區(qū)域的數(shù)字高程圖進(jìn)行分析，篩選出地勢(shì)起伏適于翼傘著陸的所有標(biāo)稱(chēng)著陸點(diǎn)；

4、步驟2，在所有標(biāo)稱(chēng)著陸點(diǎn)篩選出若干二維特征點(diǎn)，篩選規(guī)則為：領(lǐng)航式翼傘經(jīng)過(guò)所有二維特征點(diǎn)時(shí)能掃描到所有標(biāo)稱(chēng)著陸點(diǎn)；

5、步驟3，對(duì)所有的二維特征點(diǎn)進(jìn)行排序，得到最優(yōu)搜索順序；

6、步驟4，在所述最優(yōu)搜索順序的基礎(chǔ)上，基于時(shí)間預(yù)估得到領(lǐng)航式翼傘經(jīng)過(guò)各二維特征點(diǎn)時(shí)的高度，得到與各二維特征點(diǎn)一一對(duì)應(yīng)的三維空間路徑點(diǎn)；

7、步驟5，將每相鄰的兩三維空間路徑點(diǎn)之間的空投軌跡分段，并以最低能耗為優(yōu)化目標(biāo)，在滿(mǎn)足約束條件的前提下，對(duì)各所述分段軌跡進(jìn)行規(guī)劃，整合領(lǐng)航式翼傘的軌跡規(guī)劃結(jié)果；

8、步驟6，控制領(lǐng)航式翼傘根據(jù)所述軌跡規(guī)劃結(jié)果掃描地表地物，并獲取領(lǐng)航式翼傘回傳的地物圖像；

9、步驟7，基于地物分類(lèi)模型對(duì)所述地物圖像進(jìn)行地物分類(lèi)，剔除所有不適于降落標(biāo)稱(chēng)著陸點(diǎn)后，輸出剩余的標(biāo)稱(chēng)著陸點(diǎn)。

10、在其中一個(gè)實(shí)施例，步驟1中，所述地勢(shì)分析模型利用逆金字塔式落點(diǎn)選擇算法篩選得到所有標(biāo)稱(chēng)著陸點(diǎn)；

11、其中，所述逆金字塔式落點(diǎn)選擇算法對(duì)預(yù)降落區(qū)域按照平整點(diǎn)搜索、安全著陸點(diǎn)搜索、可靠避障點(diǎn)搜索、安全著陸區(qū)及標(biāo)稱(chēng)著陸點(diǎn)區(qū)精選的順序?qū)訉舆f進(jìn)。

12、在其中一個(gè)實(shí)施例，步驟2中，所述在所有標(biāo)稱(chēng)著陸點(diǎn)篩選出若干二維特征點(diǎn)，具體為：

13、步驟201，將所有的標(biāo)稱(chēng)著陸點(diǎn)加入點(diǎn)集；

14、步驟202，在所述點(diǎn)集中隨機(jī)選擇一個(gè)點(diǎn)作為二維特征點(diǎn)，并以選擇的二維特征點(diǎn)為圓心、以r為半徑作圓；

15、步驟203，將步驟202所作圓中的所有點(diǎn)從所述點(diǎn)集中刪除后，再次進(jìn)行步驟202至步驟203，直至所述點(diǎn)集為空集。

16、在其中一個(gè)實(shí)施例，步驟3中，以搜索順序中相鄰二維特征點(diǎn)之間連線(xiàn)距離的總和最短為目標(biāo)，基于模擬退火算法得到最優(yōu)搜索順序，其過(guò)程為：

17、步驟301，獲取初始溫度t0、退火溫度δt以及隨機(jī)設(shè)定的初始搜索順序，并令當(dāng)前溫度t＝t0；

18、步驟302，令t＝t-δt，并計(jì)算當(dāng)前搜索順序中相鄰二維特征點(diǎn)之間連線(xiàn)距離的總和l0；

19、步驟303，隨機(jī)選擇當(dāng)前搜索順序中的兩個(gè)節(jié)點(diǎn)并交換位置，得到新搜索順序，并計(jì)算其連線(xiàn)距離的總和l；

20、步驟304，判斷l(xiāng)0>l+exp(α·(t0-t)/t0)是否成立，其中，α為控制參數(shù)：

21、若是，將新搜索順序作為當(dāng)前搜索順序后，進(jìn)行步驟305；

22、否則，進(jìn)行步驟305；

23、步驟305，判斷t<0是否成立：

24、若是，將當(dāng)前搜索順序作為最優(yōu)搜索順序，并輸出；

25、否則，返回步驟302。

26、在其中一個(gè)實(shí)施例，步驟3中，所述基于時(shí)間預(yù)估得到領(lǐng)航式翼傘經(jīng)過(guò)各二維特征點(diǎn)時(shí)的高度，具體為：

27、

28、其中，hi、hi-1為領(lǐng)航式翼傘經(jīng)過(guò)第i、i-1個(gè)二維特征點(diǎn)時(shí)的高度，τi-1,i為領(lǐng)航式翼傘由第i-1個(gè)二維特征點(diǎn)機(jī)動(dòng)到第i個(gè)二維特征點(diǎn)的估算時(shí)間，∑τi-1,i為所有估算時(shí)間的總和，h0為領(lǐng)航式翼傘投放的初始位置高度，且hmin≤h0≤hmax，hmin為領(lǐng)航式翼傘的最低掃描高度，hmax為領(lǐng)航式翼傘的最高掃描高度。

29、在其中一個(gè)實(shí)施例，所述領(lǐng)航式翼傘由第i-1個(gè)二維特征點(diǎn)機(jī)動(dòng)到第i個(gè)二維特征點(diǎn)的估算時(shí)間具體為：

30、

31、其中，li-1,i為第i-1個(gè)二維特征點(diǎn)與第i個(gè)二維特征點(diǎn)間的平面距離，v為領(lǐng)航式翼傘的速度的模，γ為領(lǐng)航式翼傘的航跡角，δξi-2,i-1,i為第i-2個(gè)二維特征點(diǎn)與第i-1個(gè)二維特征點(diǎn)間連線(xiàn)相對(duì)于第i-1個(gè)二維特征點(diǎn)與第i個(gè)二維特征點(diǎn)間連線(xiàn)的機(jī)動(dòng)角，umax為領(lǐng)航式翼傘的最大控制量。

32、在其中一個(gè)實(shí)施例，所述領(lǐng)航式翼傘的最低掃描高度、最高掃描高度分別為：

33、hmin＝v/tan(θ/2)

34、

35、其中，v為最小長(zhǎng)度尺度量，θ為領(lǐng)航式翼傘上相機(jī)的最大視場(chǎng)角，pxscanner領(lǐng)航式翼傘所攜帶的相機(jī)分辨率，pxmodel為圖像識(shí)別的圖片分辨率。

36、在其中一個(gè)實(shí)施例，步驟5中，在對(duì)分段軌跡進(jìn)行規(guī)劃時(shí)，將分段軌跡在高度方向上均分為n段，每段之間施加一個(gè)控制量uij進(jìn)行一次機(jī)動(dòng)；

37、在對(duì)分段軌跡進(jìn)行規(guī)劃的過(guò)程中的目標(biāo)是得到一組最優(yōu)控制量ui＝[ui2,…uij,…,uin]，使得能耗最低，其中，首先采用粒子群算法獲得最優(yōu)控制量的大致范圍，再采用內(nèi)點(diǎn)法-障礙罰函數(shù)法在范圍內(nèi)求得最優(yōu)控制量u，其具體包括如下步驟：

38、步驟501，設(shè)定分段數(shù)m、分段數(shù)計(jì)數(shù)器p＝1、容許函數(shù)臨界值j0、迭代計(jì)數(shù)器t＝1、粒子群迭代次數(shù)上限t0、全局最優(yōu)權(quán)重c1以及局部最優(yōu)權(quán)重c2；

39、步驟502，基于翼傘坐標(biāo)位置以及方向角給出第p段分段軌跡的優(yōu)化函數(shù)jp；

40、步驟503，隨機(jī)初始化第p段軌跡輸入粒子演化速度其中，k為粒子編號(hào)，p初始值為1，up2,…,upn的取值范圍為[-umax,umax]，vp2,…,vpn的取值范圍為[-umax,umax]，umax為領(lǐng)航式翼傘的最大控制量；

41、步驟504，更新更新1，其中，up0為第p段軌跡的最優(yōu)解，為第p段軌跡中第k個(gè)粒子的局部最優(yōu)解；

42、步驟505，判斷|upj|>umax是否成立，其中j＝2,3,4,…,n：

43、若是，則令upj在[-umax,umax]中隨機(jī)取值；

44、否則，使upj值保持不變；

45、步驟506，判斷|vpj|>umax是否成立，其中j＝2,3,4,…,n：

46、若是，則令vpj在[-umax,umax]中隨機(jī)取值；

47、否則，使vpj值保持不變；

48、步驟507，判斷是否成立：

49、若是，則令

50、否則，使值保持不變；

51、步驟508，判斷是否成立：

52、若是，則令

53、否則，使up0值保持不變；

54、步驟509，判斷jp(up0)<j0或t>t0是否成立；

55、若是，則令up＝up0后進(jìn)行步驟5010；

56、否則，返回步驟504；

57、步驟5010，采用牛頓法進(jìn)行極小化jp(up)+μ·c(up)，其中，μ為懲罰因子，c(up)為越界懲罰函數(shù)；

58、步驟5011，更新p＝p+1，并判斷是否滿(mǎn)足p>m：

59、若是，則輸出控制矩陣u＝[u1；u2；…；um]

60、否則，返回步驟502。

61、在其中一個(gè)實(shí)施例，步驟5中，所述約束條件包括邊界約束、逆風(fēng)著陸約束、控制約束與視場(chǎng)角約束。

62、在其中一個(gè)實(shí)施例，步驟7中，所述地物分類(lèi)模型由訓(xùn)練好的resnet34網(wǎng)絡(luò)構(gòu)成。

63、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益技術(shù)效果：

64、1.本發(fā)明針對(duì)翼傘系統(tǒng)歸航過(guò)程中的落點(diǎn)選擇問(wèn)題，結(jié)合地勢(shì)與地物兩大因素對(duì)降落的影響，從地勢(shì)起伏與地物篩選兩個(gè)角度，對(duì)落點(diǎn)進(jìn)行了雙重選擇，有效避免了算力不足致使無(wú)法及時(shí)得出結(jié)果以及圖像實(shí)時(shí)性不足導(dǎo)致落點(diǎn)地形產(chǎn)生劇烈變化無(wú)法降落兩大問(wèn)題；

65、2.本發(fā)明能夠滿(mǎn)足任務(wù)實(shí)時(shí)處理需求，且準(zhǔn)確性高，為翼傘系統(tǒng)落點(diǎn)選擇以及基于落點(diǎn)選擇的領(lǐng)航式翼傘航跡規(guī)劃提供了有益參考。