基于自适应人工力场的无人机航迹规划方法

岳碧波

摘 要：本文针对传统人工力场方法动态规划能力差的不足，提出了一种自适应人工力场防撞方法，将本机到目的地位置的距离作为新参数，使得障碍物对本机的斥力影响随着障碍物的位置不同而不同，能保证在远离目的地位置的障碍物对本机产生的斥力大，接近目的地位置的障碍物对本机产生的斥力小，提高了人工力场防撞方法的自适应能力以及动态规划能力。仿真实验表明，该改进方法规划出的航迹在效率及稳定性方面优于传统人工力场方法。

关键词：无人机；防撞规避；人工力场；航迹规划

中图分类号：V249.1 文献标识码：A 文章编号：1671-2064（2018）08-0202-01

1 引言

无人机（Unmanned Aerial Vehicle，UAV）是一类无人驾驶航空飞行器的总称，目前，全球无人机型号超过300个，数量急剧增长，应用领域涉及军事侦察、监视、通信中继、电子对抗、摄影娱乐、农林作业、治安反恐、地理测绘、灾害救援等。本文针对智能无人机实时自主防撞航迹规划应用中，常规人工力场方法动态规划能力不足的问题，提出一种具有自适应能力的人工力场动态航迹规划方法。

2 人工力场防撞方法

常规人工力场法（Artificial Potential Field， APF）引力与斥力计算方法为

3 自适应人工力场方法

针对APF航迹规划方法动态适应性差的问题，本文对APF斥力计算方法做了改进，提出一种自适应人工力场方法（Adaptive Improved Artificial Potential Field， AAPF），采用本机当前位置与目的地位置间距修正斥力大小，增加人工力场方法的动态适应性，斥力计算方法为：

4 仿真实验

4.1 仿真场景设置

为了验证本文提出的AAPF防撞航迹规划效率，将AAPF以及APF应用于同一组二维防撞规避仿真场景中，本机执行水平规避。本机起始位置和目的地分别为（0，0）和（10000，6000），障碍物数量为5，位置参数分别为（1200 780）、（3000 2500）、（5000 850）、（6000 2500）、（7500 4500）。AAPF引力参数为，斥力参数为；APF方法引力参数为、斥力参数为。

本机在整段飞行过程中保持速度大小为180m/s并保持不变，规避过程根据合力只改变速度角度。AAPF方法参数与APF方法通过参数设置保证两种方法产生的引力与斥力接近。

4.2 仿真结果分析

按照上述算法参数以及场景设置，采用APF和AAPF方法规划的防撞航迹如图1所示，APF方法虽然完成了对障碍物的规避，但是在对第3、5两个障碍物规避的时候发生了剧烈的抖动，AAPF能完成对所有障碍无的规避，规划出的规避航迹比APF平滑。

两种方法的仿真结果在图中用不同的曲线表示的规避过程中本机受到的引力、本机与障碍物最小距离、本机航向角如图2所示。APF和AAPF方法规避时间分别为82秒和85秒。APF方法产生斥力变化剧烈，导致本机飞行过程中航向角剧烈变化，稳定性较差，相比较而言，AAPF方法产生的斥力则平滑得多，本机飞行航向角变化平稳，保证本机飞控稳定。两种方法都能保证本机与障碍物最小距离大于碰撞间隔，但AAPF方法可以保证本机与障碍物最小距离变化平稳。

实验结果表明，AAPF能够规划满足防撞规避的可行航迹，相比于APF方法，AAPF规划出的航迹长度更短，产生的斥力变化稳定，不仅确保本机与障碍物保持安全间隔，而且能保证规划出的航迹曲线平稳，本机在该规划航迹下保持合理的转向角度，AAPF总体性能优于APF。

5 结语

AAPF是针对APF方法在实际无人机航迹规划过程中存在适应性差的不足，改进了APF方法中斥力计算方式，将本机当前位置与目的地位置间距修正斥力大小，一方面，AAPF方法能使本机的斥力与引力大小保持和一个合理的范围内，另一方面，能保证在远离目的地位置的障碍物对本机产生的斥力大，接近目的地位置的障碍物对本机产生的斥力小。相比于APF方法，AAPF方法产生的斥力大小与障碍物的位置有关，增加人工力场方法的动态适应性。通过仿真实验表明了AAPF的总体性能要优于APF方法。智能自主防撞技术是未来防撞技术发展的必然趋势，下一步将根据具体航线防撞、编队防撞、空中加受油防撞等应用场景以及实际飞行器机动参数，解决三维+时间的四维人工力场防撞问题。

参考文献

[1]Tsourdos A.， White B.， Shanmulgavel M. Cooperative path planning of unmanned aerial vehicles[M].Chichester： Wiley，2011： 10-20.

[2]李俨，王重，齐延军，等.城市风场环境中的无人机快速航迹规划方法[J].航空学报，2016， 37（3）：949-959.

[3]焦卫东，程颖，柯然.基于SAS算法的起飞一发失效应急路径规划方法[J].航空学报，2016， 37（10）：3140-3148.

[4]Asano T.， Guibs L.， Hershberger J.， et al. Visibility-polygon search and Euclidean shortest path[C]. The Proceedings of 26th Symposium on Foundations of Computer Science， Berkeley， CV， 1989：155-164.

[5]王振華，章卫国.基于改进概率地图的无人机实时避障研究[J].计算机工程与应用，2010，46（25）：220-222.