无人机航路规划优化设计

2018-10-21袁言川龙梽熇文园

当代人（下半月） 2018年8期

袁言川龙梽熇文园

摘要：通过对无人机航路规划的研究，对无人机航路规划问题进行了概括和总结，阐述了无人机航路规划的数学框架结构，并阐述了求解此类数学问题的方法。

关键词：无人机;航路规划;群智能优化

一、无人机航路问题概述

无人机的雏形是军事训练中的靶机，是利用无线电遥控设备和自備的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作[1]。最早出现在20世纪40年代出现，是一个许多国家用于描述最新一代无人驾驶飞机的术语。1945年，第二次世界大战之后将多余或者是退役的飞机改装成为特殊研究或者是靶机，成为近代无人机使用趋势的先河。随着电子技术的进步，无人机在担任侦查任务的角色上开始展露他的弹性与重要性。如：无人侦察机可以绕过敌方的雷达威胁区而获得重要的军事情报。1982年以色列航空工业公司（IAI）首创以无人机担任其他角色的军事任务。以色列国防军主要用无人机进行侦察，情报收集，跟踪和通讯。20世纪90年代后，西方国家充分认识到无人机在战争中的作用，竞相把高新技术应用到无人机的研制与发展上。早期的无人机都是按照地面任务规划中心预先计算并设定好的航路飞行，因此一旦在既定航路段出现新的威胁，无人机将束手无策，无人机航路规划无疑成为无人机导航任务中最重要的任务之一。

无人机航路规划是指在特定约束条件下，寻找从起始点到目标点并满足无人机性能指标的最优或可行的航路。其问题本质是多约束条件下，多目标函数求极值的优化问题。规划出满足任务要求、导航、安全性等约束的较优航路，对无人机应用性能的提高有重要意义。无人机航路规划主要包括环境信息、飞行约束、航路目标以及航路规划器4部分。根据不同的任务环境，按照环境模型是否实时更新，即无人机飞行环境是否确定，航路规划可分为静态全局航路规划和实时的局部航路规划。静态全局航路规划根据无人机飞行环境的确定信息，在无人机离线状态下进行规划设计，然后把预先规划好的最优路径装载在无人机上，无人机自动驾驶沿预定航线飞行。这一过程一般在无人机起飞前完成，实时性要求不高，因而可以采用的规划算法比较宽。实时局部航路规划通过传感器对环境变化的反馈更新后，在相应时间内对航路进行规划设计，这种规划实时性要求高，是提高无人机的生存概率的一种最有效的手段。按照实时性要求，可分为强实时规划算法和弱实时规划算法。近年来，无人机实时航路规划技术的研究在国内明显加强，但距实时规划要求还有较大的差距。

二、航路规划的数学问题

无人机的航路规划是根据任务信息和威胁分布（目标点位置、高度、气候和敌方防空火力与雷达的部署等）进行最优航路选择。

设某区域为无人机执行任务范围，其中起飞机场为A点，目标任务执行地为B点，无人机的航路为从A点到B点之间的一条符合要求的线路。具体描述为：以A为原点建立坐标轴XAY，过B点分别做平行于X轴和Y轴的直线，B与X轴和Y轴的交点分别设为C和D，进一步得到一个栅格化的矩形区域，此区域为无人机的飞行空间，将空间中危险系数较高的区域简单的表示为圆形图示，最后规划好的航路为通过各个栅格节点的路线。

其中C（xi，yi）点表示第i条垂线上的第j点，则从A到B的航路可以表示为：

L={C0（x0，yk0），……，Cm（xm，yn）}，其中C0（x0，yk0）为A点，Cm（xm，yn）为B点。

航路规划的数学问题就是求解一条最短路径L，使得无人机在满足安全性和航程距离等约束条件下能够从A到达B。

三、航路规划的求解方法

无人机的航路规划求解即是在整个解空间内选择不同节点，最后挑选出一个最合适的节点组合，可采用目前较为流行的群智能优化算法求解。

群体智能优化算法本质上即是一种对大范围求解空间的搜索算法，与依赖于梯度信息逐步求解的传统优化算法相比，群体智能优化算法具有以下特点：

1、鲁棒性强。群体中所有的个体都是分布式的，没有中心控制节点，不会因为某一个个体的异常而影响整个群体的求解精度，鲁棒性较强。

2、自组织性。群智能算法的群体所体现出来的智能行为是通过众多个体的集体行为表现出来的，自组织性较高。

3、便于扩充。群体中的每个个体都能单独感知搜索区域的信息，可根据实际需要或运算需求扩充群体数量。

目前常用的求解方法有蚁群算法、粒子群算法、遗传算法、鱼群算法、狼群算法等，可根据求解空间的范围和约束条件的区别选择不同的群智能优化算法。

参考文献：

[1]ICAOs circular 328 AN/190 ： Unmanned Aircraft Systems .icao