无人机航迹规划仿真模拟研究

王从侠 韩启超

【摘 要】首先介绍无人机航迹规划的研究方法，基于无人机的飞行性能特性、可能遇到的敌方威胁及高精度数字地图等相结合建立模拟地形的等高线图。根据无人机的任务分配、任务载荷要求、航迹规划过程中可能遇到的高度约束、转弯角约束、时间约束、威胁约束、爬升角约束、最小步长约束等各种约束，选择时间代价、性能代价最优的目标函数，采用A*算法对无人机从起始点到目标点的航线进行综合规划，得到全局范围内最优的参考飞行航线。仿真结果表明该方法能够满足无人机航迹规划的任务要求。

【关键词】无人机；航迹规划；目标函数；规划时间；A*算法

中图法分类号 V211.3 文献标识码： A 文章编号： 2095-2457（2018）16-0001-003

DOI：10.19694/j.cnki.issn2095-2457.2018.16.001

【Abstract】The UAV route planning research method was firstly introduced.Based on the UAV flight performance characteristics，the enemy threat and high precision digital maps， the terrain contour simulation maps were established. According to the requirements of the UAV task allocation，task load，the height constraints，the time constraints，the threats constraints，the climbing angle constraints，the minimum step length，Choosed the time and performance cost objective function，based on the A* algorithm，the global optimal flight path from the starting point to the target point.The simulation results shown that the method could satisfy the UAV route planning requirement.

【Key words】UAV；Route planning；Objective function；Planning time；A* algorithm

0 引言

航跡规划是根据任务目标规划满足约束条件的飞行轨迹，是无人飞行平台任务规划的关键技术之一；航迹规划也是无人机未来作战的重要技术，其受到国内外学者的广泛关注。无人机实际飞行中如果实时定位出突发威胁目标（如防空导弹、扫描雷达等）位置情况，必须进行航迹规划。

无人机航迹规划是指在综合考虑无人机任务要求、机动性能、安全突防和飞行时间等各种约束因素下，寻找一条从起始点到目标点的最优或可行的飞行轨迹。

无人机航迹规划的主要流程是：搜集任务区域的情报、准备数字地图和敌方威胁信息，并对数字地图各点由威胁产生的危险程度进行量化处理，然后采用有效的航线优化技术对从起始点到目标点的飞行航线进行规划，得到全局最优的参考飞行航线，根据目标位置的变化实时更新航迹完成任务飞行。

无人机航迹规划在地面准备阶段，需要搜集任务区域的情报、准备数字地图和敌方威胁信息，并对数字地图各点由威胁产生的危险程度进行量化处理，然后采用有效的航线优化技术对从起始点到目标点的飞行航线进行规划，得到全局最优的参考飞行航线。

针对无人机航迹规划的任务要求和特点，对离线事前航迹规划技术进行优化，采用建立航迹规划数据库，将提前构成生产的连通图保存到航迹数据库中，进行航迹规划时，可直接从航迹数据库中提取航迹片元连通图生成轨迹，可大大缩短航迹规划的时间。

1 无人机航迹规划

分析搜集任务区域的情报、准备数字地图和敌方威胁信息，并对数字地图各点由威胁产生的危险程

航迹规划的流程图如图1所示，通常无人机航迹规划分为以下几步来实现：

（1）建立高精度的数字地图和数字地图的预处理。即分析搜集无人机任务区域范围的情报、准备数字地图和可能的敌方威胁信息，并对数字地图各点由威胁产生的威胁程度进行量化处理，建立模拟地形的等高线图；

（2）无人机飞行能力的准备。无人机在航迹规划的过程中会遇到最小步长约束、最小飞行高度约束、最大航程约束、最大转弯角约束、最大爬升角约束等，因此需要考虑无人机飞行性能约束的前提下，得到满足各种威胁及消耗综合代价最优的飞行航迹；

需要考虑无人机飞行性能的约束限制。

（3）无人机任务载荷和指标的准备。主要包括无人机任务的分配，根据无人机所搭载的任务载荷的不同，分配不同的任务指标；

（4）算法对比仿真研究，选择时间代价、性能代价最优的无人机航迹规划算法；

（5）输出无人机的飞行航迹路径。即采用有效地航线优化技术对无人机从起始点到目标点的飞行航线进行综合规划，得到全局范围内最优的参考飞行航线。

2 模型建立

2.1 约束条件

无人机航迹规划的目的是要找到从起始点到目标点范围内的最优参考飞行航线。其目的是要优化一体能够保证无人机飞行安全的最优飞行轨迹，既要减小被敌方防空武器攻击的可能，也要时间代价最小，同时飞行过程总还会遇到各种不同的约束限制。

无人机航迹规划时需要考虑的约束条件包括：最小步长约束、最小转弯半径约束、最大爬升角、最大航迹长度、最大节点数和最小飞行高度等约束条件。

2.2 算法选择

將数字地图与航迹规划算法融合实现传感器无人机离线航迹规划功能。由于航迹规划算法（Voronoi图法、遗传算法、A*算法等）各有利弊，A*算法能够很好地将传感器无人机的最小航段距离和最大转弯角等约束融合到搜索过程中，可以缩小搜索范围，从而大幅度提高航迹规划的速度。

A* 算法主要是先确定代价函数，然后优化寻找最优的航迹路径，A*算法的主要思路是计算区域范围内的每一个可能网格单元的代价函数，再将总体代价最小的单元加入到搜索空间中，因此A*算法的一般估价函数由两部分构成，

3 仿真分析

无人机航迹规划时需要将无人机的各种约束限制加入到A*算法中，因此采用本文的无人机航路规划思路，仿真平台如下表1所示。

图2为根据无人机航迹规划环境，模拟出的地形等高线图。

图3为权重w1=0.001，w2=300，w3=0.1时，按照A*算法模拟的无人机航迹规划仿真图，仿真结果表明，总概率密度最低值fmin=0.001；规划时间T=162.755342s，路径长度l=592.1844，总威胁概率值为0.0895。

图4为权重w1=0.001，w2=100，w3=0.1时，按照A*算法模拟的无人机航迹规划仿真图，仿真结果表明，总概率密度最低值fmin=0.001；规划时间T=132.104953s，路径长度l=582.8269，总威胁概率值为0.2169。

图5为权重w1=0.005，w2=300，w3=0.1时，按照A*算法模拟的无人机航迹规划仿真图，仿真结果表明，总概率密度最低值fmin=0.001；规划时间T=155.554166s，路径长度l=598.768，总威胁概率值为0.08。

图6为权重w1=0.005，w2=300，w3=0.5时，按照A*算法模拟的无人机航迹规划仿真图，仿真结果表明，总概率密度最低值fmin=0.001；规划时间T=5.694579s，路径长度l=550.1421，总威胁概率值为0.2356。

图7为权重w1=0.005，w2=300，w3=0.05时，按照A*算法模拟的无人机航迹规划仿真图，仿真结果表明，总概率密度最低值fmin=0.006；规划时间T=14.471906s，路径长度l=550.9683，总威胁概率值为0.2333。

表2是不同权重状态下的无人机航迹规划结果对比。从表中可以看出，航迹规划时间与权重的选取关系密切。

4 结论

本文介绍了无人机航迹规划的研究方法与思路，并采用A*算法对无人机航迹进行了仿真模型，研究表明A*算法能够满足无人机航迹规划的要求，且效率比较高；同时不同权重下无人机的航迹路径有较大的差异。

【参考文献】

[1]《世界无人机大全》编写组.世界无人机大全[M].北京：航空工业出版社，2004.

[2]祝小平，等.无人机设计手册[M].北京：国防工业出版社，2007：79-82.

[3]王维平，刘娟.无人飞行器航迹规划方法综述[J].飞行力学，2010，28（2）：6-10.

[4]马向玲，叶文，范洪达.低空突防航迹规划算法仿真研究[J].系统仿真学报，2004，16（3）：458-464.

[5]柳长安，王和平，李为吉.基于遗传算法的无人机协同振颤航路规划[J].飞机设计，2003，3（1）：47-52.

[6]简康.无人机航迹规划算法研究[D].西安电子科技大学， 2014.

[7]张斌，钱正祥.基于蚁群算法的无人机航迹规划技术及研究现状[J].战术导弹技术，2012，4（4）：58-62.

[8]孙健，刘朝君，尹文强.无人机跟踪运动目标航迹规划算法[J].飞行力学，2017，35（6）：35-38.

[9]陈海汉，刘因，杜运磊.无人飞行器航迹规划研究[J].计算机应用，2011，31（9）：2574-2576.