APP下载

基于元胞遗传算法的多无人机编队集结路径规划

2018-02-03,,,,

机械与电子 2018年1期
关键词:规划

,,, ,

(南京航空航天大学自动化学院,江苏 南京 211106)

0 引言

近年来,无人机被广泛应用于各个领域,并扮演着越来越重要的作用。为了提高无人机执行任务的效率,人们往往会采取多无人机协同编队完成任务的方式,其前提条件之一便是多机集结路径规划[1]。

无人机航迹规划需要满足在自身动力学约束环境下,能够规避威胁区,安全到达任务地点。目前常用的航迹规划算法有A*算法、动态规划算法、神经网络算法、遗传算法、群智能算法等[2]。而对于多机集结路径规划,除了需要满足单机航迹规划需求之外,还需要考虑多机到达时间的协同性以及多机之间的防碰撞[3-5]。

在此,提出了一种基于元胞遗传算法的航迹规划方法[6-9],保证了全局搜索和局部寻优之间的平衡,更好地保证了种群的多样性。然后针对多机集结路径规划的要求,设计了时间协同和防碰撞策略。最后通过仿真,验证了该算法的有效性和稳定性。

1 单机航迹规划

1.1 航迹编码

对于每一条航迹,都是由一个个航点组成,本文不考虑无人机飞行高度,将航迹规划简化为二维空间内的路径规划,故所涉及到的速度和航程计算都是在二维空间内的投影。记起始点坐标为S(xs,ys),终点坐标为G(xg,yg),中间n个航点的坐标为Pi(xi,yi) (i=1, 2, 3, …,n),则每一条航迹都可以表示为(S,P1,P2,P3, …,Pn,G)的航点序列,为了方便说明,S和G可分别表示为P0(x0,y0)和Pn+1(xn+1,yn+1)。

1.2 适应度函数

适应度函数用于评价航迹的优劣,航迹的适应度越大,说明越满足规划要求。在规划一条航迹时,需要尽可能避开威胁区域,同时为了使油耗最小,航迹应尽可能短。……

登录APP查看全文

猜你喜欢

规划
我们的规划与设计,正从新出发!
“十四五”规划开门红
“十四五”规划建议解读
发挥人大在五年规划编制中的积极作用
规划计划
规划引领把握未来
快递业十三五规划发布
基于蚁群算法的3D打印批次规划
多管齐下落实规划
十三五规划