一种基于粒子群算法的无人机集群航迹规划方法

1.一种基于粒子群算法的无人机集群航迹规划方法，其特征在于，包括以下步骤：步骤1：无人机集群获取目标场景下的障碍物位置与体积信息，以及无人机集群中各无人机对应起点与终点信息，建立对应的环境二维栅格图，并将无人机建模为一个可移动的圆形，该圆形即无人机的外切圆；步骤2：采用粒子群算法生成无人机集群中各无人机的全局航迹；每个无人机对应一个粒子种群，粒子种群中每个粒子规划出一条航迹，无人机取其对应粒子种群中的最优航迹作为其初始航迹；步骤3：采用分段贝塞尔曲线法对初始航迹进行分段平滑处理，依照整条航迹的曲线长度设定无人机集群中各无人机的优先级，长度越短，设置的优先级越低；步骤4：检测多条无人机航迹中存在的冲突位置，在避让无人机的速度圆上寻找避让位置，取代检测得到的冲突位置，完成冲突消解；所述冲突是指在同一时刻下，两个无人机质心之间的距离小于安全距离，所述冲突位置即两个无人机外切圆相交的区域；所述安全距离为两个无人机对应的外切圆的半径和；步骤5：得到新的无人机集群航迹，在仿真平台上验证航迹的安全性与时间效率；其中，所述步骤4，当检测到下一时刻位置为冲突位置时，优先级低的一方为避让方，优先级高的一方保持原航迹，在集群任务时间内，优先级低的无人机保证在规定时间内到达目标点，并完成冲突避让；所述避让方的速度圆，是以避让方当前时刻的位置为圆心，以该位置到下一时刻位置的距离为半径 的圆，在圆周上寻找避让位置，即避让冲突的航迹点；依照的方向为与其发生冲突的无人机的速度方向的反方向向量和自身速度方向向量的和所指向的方向，对应新的位置的横纵坐标 的计算公式具体如下：其中 表示当前无人机的横纵坐标， 表示速度方向需要调整的角度，通过如下公式求得，式中， 表示避让方的当前位置， 表示避让方下一时刻的位置，即发生碰撞的位置， 表示避让方的速度矢量， 表示发生冲突的另一架无人机的速度矢量的反方向向量， 和 分别表示发生冲突的另一架无人机的下一时刻的位置和当前时刻位置，最终得到无人机的避让位置，用避让位置代替原位置实现冲突消解。 2.根据权利要求1所述基于粒子群算法的无人机集群航迹规划方法，其特征在于，所述步骤1，将目标场景建模为 k * k 栅格图，白色区域表示无人机集群的可行区域，黑色区域表示障碍物区域；从而用 k * k 大小的二维矩阵表示该场景信息，1表示障碍物区域，0表示可行区域；无人机集群由多架无人机组成，对应有一组起点和一组终点。 3.根据权利要求1所述基于粒子群算法的无人机集群航迹规划方法，其特征在于，所述步骤2，随机初始粒子种群中每个粒子的速度，将种群粒子的初始位置设在起点处，进入循环；计算每个粒子的适应度函数值，根据对比获得每个粒子的历史最优值 ，然后在本代中寻找最小适应度函数值作为种群本代的最优值 ，根据速度和位置更新公式更新粒子的速度和位置，并保存每代的粒子的位置，该位置即一个航迹点，判断位置是否到达目标点并且适应度函数值是否小于阈值或者迭代次数是否达到最大迭代次数，满足两个条件中的任意一个，退出循环；将一个粒子的航迹点连起来组成一条折线，即一个粒子的航迹；一个粒子种群中，含有多个粒子，由此对应多条航迹，各粒子种群中的最优航迹即各无人机的全局航迹。 4.根据权利要求3所述基于粒子群算法的无人机集群航迹规划方法，其特征在于，所述步骤2，初始化粒子种群数量为 M ，再设置粒子的速度和位置范围，分别为 ， ， ，其中 表示速度下限，取值为0， 表示速度上限， 表示粒子位置对应的横纵坐标的下限， 和 取值均为0， 表示粒子位置对应的横纵坐标的上限； 表示粒子 id 的当前速度， 表示粒子 id 的当前位置；标准粒子群算法的速度更新公式为：其中 表示惯性权重因子，将其设置为迭代期间线性递减的变量； 表示粒子 id 的 t 时刻速度， 表示粒子 id 的 t 时刻位置， 表示自身认知部分的学习因子， 表示社会认知部分的学习因子， ， 表示0-1之间的随机数；标准粒子群算法的位置更新公式为：依照速度进行位置更新，然后设置对应的适应度函数 ，适应度函数应包括三部分：无人机当前位置到达目标点的距离函数 ，无人机当前位置与障碍物的距离函数 以及无人机轨迹的平滑度对应的函数 ，公式如下： 的取值代表了粒子当前位置到达目标点的距离， 的取值代表了粒子当前位置距离障碍物的大小， 的取值代表了无人机上一段航迹到下一段航迹的偏角， ， ， 是取值为[0,1]之间的比例因子； 表示障碍物的质心位置， 表示粒子的 t 时刻位置， 表示粒子的 t -1时刻位置， 表示粒子的 t -2时刻位置。 5.根据权利要求4所述基于粒子群算法的无人机集群航迹规划方法，其特征在于，所述惯性权重因子 的公式如下：其中， 表示惯性权重因子的上限， 表示惯性权重因子的下限， 表示最大迭代次数， 表示当前迭代次数。 6.根据权利要求1所述基于粒子群算法的无人机集群航迹规划方法，其特征在于，所述步骤3，贝塞尔曲线的表达式如下所示：其中 为无人机航迹对应的贝塞尔曲线的控制点， 为伯恩斯坦多项式； 表示0-n之间的阶次变量、 表示控制点个数，即贝塞尔曲线的阶数， 表示0-1之间的时间变量；所述分段贝塞尔曲线法，对于每个无人机，以N个航迹点作为一组，构成一段航迹，对该段航迹进行平滑处理，得到每个无人机平滑的航迹。 7.根据权利要求1所述基于粒子群算法的无人机集群航迹规划方法，其特征在于，所述步骤5，在仿真平台unity3D上进行无人机仿真实验验证能否完成躲避静态障碍物和其他飞行中的无人机，并在有限时间内到达目标点。