李春娇 马 光 杨文凯

北华航天工业学院 河北 廊坊 065000

1 引言

低空安全是全社会、全球都关注的重点领域,是最大的民生[1]。随着经济的发展、科技的进步,无人机技术日益成熟,无人飞行器越来越在生产生活中越来越普及,随之也给人们的生活带来了各种问题。近年来,黑飞无人机多次干扰民航运行,导致大量航班备降或取消,黑飞无人机已成为威胁城市安全的重大安全隐患[2]。为此研究城市低空安全走廊划定技术,对于提高人们对低空空域资源的利用率,减少黑飞事件发生率,保证城市低空安全具有重大意义。

本文针对复杂城市环境的低空空域,提出基于改进蚁群算法的无人机飞行路径规划方案。模拟现代城市复杂而密集的建筑群环境,根据提出的路径规划方案可有效的为无人机规划出合理的飞行路径,并根据现实情况模拟“黑飞”事件,测试验证了改进的蚁群算法可以有效的应对突发状况,实现无人机规避危险区域的能力。

2 航路规划问题

2.1 城市密集建筑群环境建立 为保证无人机安全的穿梭于各类建筑之间,需要提出新的无人机航路规划方案。如图1,本文根据城市密集建筑群模拟了无人机低空飞行的环境。其中图中灰色部分表示城市的建筑,白色部分为无人机可飞行的区域,航路规划的任务就是寻找出从起点S到目的地D的安全飞行路线。

本文根据突发(包括“黑飞”)事件带来的临时威胁区域(t1＜th＜t2),即临时威胁区域在t1时刻出现,t2时刻解除,这样无人机在规划航路时,要在突发事件出现前后都进行改变。

图1 城市密集建筑群环境

2.2 无人机航路规划方案 大多数无人机除起飞和降落之外,是以一个相对固定的飞行高度向前飞行的,假设在复杂城市环境中安全飞行高度为H m,因此本文主要考虑的是在飞行高度为H m 下的二维城市建筑群环境,航路规划也是在此基础上建立的。根据“线段公理”可知,假如无人机从起点S直线飞行到D 的距离最短,而城市环境中受建筑物的遮挡完全直线飞行无法实现的,但如果无人机在遇到障碍后以较小的转向角度躲避障碍物,可得到最短的飞行距离,这里假设无人机利用的激光测距所消耗的时间非常短不影响其飞行和转向,因此本文忽略其测距时间。

这里以飞行航程最短为最优目标函数,即在满足安全飞行要求的前提下,飞行的总路径应尽可能的小。假设L 为飞行的总航程,li为每时隙飞行的总航程,飞行航路总航程为：

城市环境中的建筑物作为飞行中的永久性威胁,无人机在飞行中会利用激光测距传感器测量其自身到障碍物的距离,记为Dt,当Dt≤Dmin(Dmin为安全距离)时,表示无人机遇到障碍物,需要调整飞行路径,如图2所示,是无人机在飞行中遇到威胁时,其测距传感器会自动旋转θi＝nθ (n ∈ {1 ,2,…,N}) 角度(图中以向右旋转为例,实际中也可向左旋转),寻找躲避危险区域的安全路径,如图2(a)所示,无人机第一次检测到前方有障碍物后,开始根据飞行角度左旋或右旋自己的测距传感器,每次旋转角度为θi＝nθ (n ≥0) ,算法根据传感器测得的安全距离更新无人机飞行角度,从而规避危险区域。

2.3 改进的蚁群算法步骤V 本文在传统的蚁群算法中加入了路径选择部分,根据无人机路径规划需求,在城市环境中利用距离检测模块测得无人机据障碍物的距离,实时调整无人机的飞行路径,根据计算的概率调整飞行角度旋转方向。算法的步骤如下：

步骤1：初始化：loop←0(loop为迭代次数)：初始化各个外激素的强度,将K 只蚂蚁置于起始点S处。

步骤2：告知各只蚂蚁终点D 点的位置,并计算起始点到目标点连线与经线上的夹角θ0,对每只蚂蚁k (k ＝1,2,3,…,m) ,按照初始角度θ0爬行,各个时隙爬行速度相同,即每时隙爬行距离相同,为li。

步骤3：告知蚂蚁当前位置据障碍物之间的距离Dt(Dt为无人机在飞行中利用激光测距传感器测得其自身到障碍物的距离),若Dt≤Dmin(Dmin为安全距离),根据转向概率函数(左)和(右)调节其爬行方向,否则下一时隙继续保持原爬行角度爬行。

步骤4：判断蚂蚁k是否到达终点D,若到达,则记录蚂蚁k的路径长度Lk(k ＝1,2,…,K),记录当前的最好解。若未到达,则继续步骤3。

图2 无人机避障方案

步骤5：按照信息素计算方程(4)和(5)调整爬行路径强度。

步骤6：将各路径Δεij←0,loop ←loop+1。

步骤7：若loop小于预定迭代次数且求取路径保持不变,则转至步骤8。

步骤8：输出当前最优路径。

4 研究结果及其分析

图1显示了场地为大小1.6 k m×1.6 k m 城市环境,图中的白色区域为无人机安全飞行空间,灰色部分为城市建筑,无人机飞行任务为从起始点S飞行到终点D,假设无人机飞行速度保持10 m/s,且转向时间忽略不计。利用无人机自身装备的测距模块实时获取无人机到障碍物的距离,并根据转向概率函数选择转向方向,规避障碍物,经过多次迭代的方式求出一条最短的飞行路径。

图3 最短路径规划图

图4 突发事件调整飞行路径图

图3为该算法规划出的低空环境下的最短飞行航路,图4为在t1＜th＜t2,根据实际突发(包括“黑飞”)事件模拟的临时威胁区域,当临时威胁区域在t1时刻出现时,无人机在正常飞行规划航路上重新规划航路,规避危险区域,再多次循环迭代后重新规划出一条新的航路,新的飞行路径要避开危险区域因此其飞行时间和飞行路径长度都大于原始路径。

5 结束语

本文提出了一种基于改进的蚁群算法无人机航路规划方法,能够保证飞行器以最短路径飞行完成从起点到终点的任务。在模拟黑飞事件时,无人机可以有效地规避突发事件,在突发事件解决后又能够调回原航路,实现了避障功能。