一种用于无人装备的时间协同航迹规划方法

1.本发明属于多无人机协同航迹规划技术领域，尤其涉及一种用于无人装备的时间协同航迹规划方法。


背景技术：

2.随着航空科学和信息技术的快速发展，多无人机协同作战成为未来战场作战方式发展的重要趋势，而多无人机协同航迹规划技术是完成多机协同作战任务的基础和关键，因此该方向的研究得到越来越多的学者关注。航迹规划的研究在美国、俄罗斯、英国等军事发达国家很早就开始了，随着近年来智能控制技术的发展趋于成熟，应用也相当广泛；国内对多机协同航迹规划问题的研究大多处于理论研究阶段，也取得了很多成就。
3.常用的航迹规划算法主要包括a*算法、蚁群算法、遗传算法等。其中a*算法是一种经典的最优启发式搜索算法，一般多用于解决静态规划问题，在航迹规划中有着广泛的应用。该算法通过启发信息引导搜索，具有计算简单、收敛速度快、易于实现等特点；但同时存在全局性差的问题，不能兼顾多个个体，即不适用于多机协同航迹规划。


技术实现要素：

4.为解决上述问题，本发明提供一种用于无人装备的时间协同航迹规划方法，可在满足无人机协同作战任务需求的前提下，为协同系统中的各个无人机规划出使系统整体作战效能最大或代价最优的航迹。
5.一种用于无人装备的时间协同航迹规划方法，包括以下步骤：
6.s1：采用二维航迹长度法获取各无人装备从各自的起始点到目标点的二维最优航迹，并将其中航程最大的二维最优航迹的航迹长度作为协同航程f；
7.s2：采用协同搜索a*算法分别获取各无人装备的备选航迹，其中，所述协同搜索a*算法的搜索策略为：选择综合代价值与协同航程f之间的差值最小值对应的节点进行拓展，且当所述差值最小值对应两个以上的节点时，取实际代价值更小的节点进行拓展；
8.s3：判断任意两个无人装备的备选航迹的长度差值是否均小于设定值，若为是，则各无人装备的备选航迹为最终的时间协同航迹，若为否，则将各备选航迹中的长度最大值代替协同航程f，并重新执行步骤s2，直到任意两个无人装备的备选航迹的长度差值均小于设定值。
9.进一步地，所述备选航迹由起始点、两个以上的中间节点以及目标点构成，且各备选航迹的第一个中间节点的确定方法如下：
10.按照设定的约束模型对无人装备的起始点进行拓展，得到起始点的可达相邻节点集合set1，并将起始点和集合set1中各节点记录到open表中；分别获取集合set1中各节点的综合代价值，并将各综合代价值与协同航程f之间的差值最小值对应的节点作为第一个中间节点，同时，将第一个中间节点与起始点从open表移除至close表；
11.备选航迹任意一个中间节点的下一个路径节点的确定方法如下：
12.按照设定的约束模型对当前中间节点进行拓展，得到当前中间节点的可达相邻节点集合set2，其中，若集合set2存在目标点，则目标点直接作为当前中间节点的下一个路径节点，并将目标点加入到close表中；若集合set2不存在目标点，则按照如下方法确定当前中间节点的下一个路径节点：
13.分别判断集合set2中的各相邻节点是否已经记录在close表或open表中，其中，对于已经记录在close表中的相邻节点，直接剔除；
14.对于既不在close表又不在open表中的相邻节点，将其记录到open表中，再分别获取当前记录在open表中所有节点的综合代价值与协同航程f之间的差值，并将差值最小值对应的节点作为当前中间节点的下一个路径节点，其中，若所述差值最小值对应两个以上的节点，则取实际代价值更小的节点作为当前中间节点的下一个路径节点，并将下一个路径节点加入到close表中。
15.进一步地，所述设定的约束模型包括自身性能约束模型、地理环境约束模型、大气环境约束模型以及战场威胁约束模型。
16.进一步地，所述综合代价值的计算方法为：
17.f(n)＝g(n)+h(n)
18.其中，f(n)表示当前节点n的综合代价值；g(n)表示从起始点到当前节点n的实际代价值；h(n)表示从当前节点n到目标点的预估代价值。
19.进一步地，假设无人装备的数量为m，l
i
表示第i个无人装备的二维最优航迹的长度，则使用二维最优航迹的长度计算协同航程f的表达式为：
20.f＝max(l1，l2，
…
，l
i
，
…
，l
m
)
21.其中，i＝1，2，
…
，m。
22.进一步地，所述open表用于存储可能成为路径节点的节点相关信息，所述close表用于存储已经成为路径节点的节点相关信息，所述节点相关信息包括节点坐标、节点的综合代价值、节点的实际代价值、节点的预估代价值、节点的综合代价值与协同航程f之间的差值以及节点的前一路径节点的坐标。
23.有益效果：
24.1、本发明提供一种用于无人装备的时间协同航迹规划方法，协同搜索a*算法的搜索策略为：在进行节点拓展时，选取综合代价值最接近协同航程值f的节点作为路径节点，并将该节点作为拓展节点寻找下一个路径节点，用以求解协同航迹规划问题；由此可见，本发明对多机协同航迹规划问题中涉及的时间协同关系、空间协同关系及协同代价问题进行了建模，将协同航程作为协同变量，协同代价作为协同函数，简化了多机协同航迹规划问题的求解，为多机协同航迹规划问题的研究奠定了基础。
25.2、本发明提供一种用于无人装备的时间协同航迹规划方法，将建立的多种约束模型，如使用者根据使用机型、使用地点及环境自行建立的无人机自身机动性能约束、外界环境约束例如气象地形和人工设定的禁飞区域等与航迹规划算法相结合，具体的，在协同搜索a*算法进行节点拓展过程中，将约束模型加入，删除不符合约束条件的子节点，一方面使得到的拓展子节点都满足基本约束条件，从而保证最终规划得到的协同航迹的正确性与可行性；另一方面缩减了算法的搜索空间，减少了规划过程中的计算量，一定程度上提高了算法效率。
附图说明
26.图1为本发明提供的协同打击示意图；
27.图2为本发明提供的多机协同航迹规划研究总体框架；
28.图3为本发明提供的航迹规划问题建模；
29.图4为本发明提供的协同搜索总体流程图；
30.图5为本发明提供的a*算法流程图；
31.图6为本发明提供的协同搜索a*算法流程图。
具体实施方式
32.为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
33.实施例一
34.在传统a*算法中，如图1所示，定义无人装备的起点为我方飞行基地a点，终点为敌方基地b点，简化a、b两点之间可能的路径区域，即搜索区域。根据实际需求的不同，可将该区域划分为形状相同的简单几何图形，该图形也可称之为节点，根据无人装备飞行的相关约束条件，可将节点的状态直接定义为可通行和不可通行。假设将搜素区域划为正方形，通过计算出从a到b需要走过哪些方格(节点)，就找到了无人装备的飞行路径。下一步要做的便是查找最短路径，在a*算法中，从起点a开始，检查其相邻的节点，然后向相邻所有可通行节点进行扩展(即生成可能的后续路径节点)，直至找到终点b。在路径上，起始点a后经过的第一个节点也可称为路径节点1，第二个经过的节点可称之为路径节点2，而第n个经过的路径节点称之为路径节点n。a*算法最为核心的部分，就在于它的代价函数的设计上，其代价函数可以表示为：
35.f(n)＝g(n)+h(n)
36.式中，f(n)表示当前路径节点n的综合代价值，称为代价函数；g(n)表示从起始点到当前路径节点n的实际代价值；h(n)表示从当前路径节点n到目标点的预估代价值，称为启发函数。
37.本发明受上述a*算法的启发，在充分借鉴吸收其优势的同时，针对其自身所存在的不足，提出一种新型的协同搜索a*算法。该方法在使用a*算法分别对多架无人机进行单机航迹规划求解的基础上，结合建立的协同函数模型，对传统a*算法的搜索策略进行修改，提高了其系统全局性，使其可用于求解协同航迹规划问题，如图2所示的总体框架所示，具体包括以下步骤：
38.s1：采用二维航迹长度法获取各无人装备从各自的起始点到目标点的二维最优航迹，并将其中航程最大的二维最优航迹的航迹长度作为协同航程f；
39.假设无人装备的数量为m，l
i
表示第i个无人装备的二维最优航迹的长度，则使用二维最优航迹的长度计算协同航程f的表达式为：
40.f＝max(l1，l2,
…
,l
i
,
…
,l
m
)
41.其中，i＝1,2,
…
,m。
42.s2：采用协同搜索a*算法分别获取各无人装备的备选航迹，其中，所述协同搜索a*算法的搜索策略为：选择综合代价值与协同航程f之间的差值最小值对应的节点进行拓展，
且当所述差值最小值对应两个以上的节点时，取实际代价值更小的节点进行拓展；
43.进一步地，所述备选航迹由起始点、两个以上的中间节点以及目标点构成，且各备选航迹的第一个中间节点的确定方法如下：
44.按照如图3所示的设定的约束模型，如自身性能约束模型、地理环境约束模型、大气环境约束模型以及战场威胁约束模型对无人装备的起始点进行拓展，得到起始点的可达相邻节点集合set1，并将起始点和集合set1中各节点记录到open表中；分别获取集合set1中各节点的综合代价值，并将各综合代价值与协同航程f之间的差值最小值对应的节点作为第一个中间节点，同时，将第一个中间节点与起始点从open表移除至close表。
45.需要说明的是，所述open表用于存储可能成为路径节点的节点相关信息，所述close表用于存储已经成为路径节点的节点相关信息，所述节点相关信息包括节点坐标、节点的综合代价值、节点的实际代价值、节点的预估代价值、节点的综合代价值与协同航程f之间的差值以及节点的前一路径节点的坐标。
46.备选航迹任意一个中间节点的下一个路径节点的确定方法如下：
47.按照设定的约束模型对当前中间节点进行拓展，得到当前中间节点的可达相邻节点集合set2，其中，若集合set2存在目标点，则目标点直接作为当前中间节点的下一个路径节点，并将目标点加入到close表中；若集合set2不存在目标点，则按照如下方法确定当前中间节点的下一个路径节点：
48.分别判断集合set2中的各相邻节点是否已经记录在close表或open表中，其中，对于已经记录在close表中的相邻节点，直接剔除。
49.对于既不在close表又不在open表中的相邻节点，将其记录到open表中，再分别获取当前记录在open表中所有节点的综合代价值与协同航程f之间的差值，并将差值最小值对应的节点作为当前中间节点的下一个路径节点，其中，若所述差值最小值对应两个以上的节点，则取实际代价值更小的节点作为当前中间节点的下一个路径节点，并将下一个路径节点加入到close表中。
50.s3：判断任意两个无人装备的备选航迹的长度差值是否均小于设定值，若为是，则各无人装备的备选航迹为最终的时间协同航迹，若为否，则将各备选航迹中的长度最大值代替协同航程f，并重新执行步骤s2，直到任意两个无人装备的备选航迹的长度差值均小于设定值。
51.需要说明的是，由于综合代价值f(n)是预估的航程总代价，按照此搜索策略，理论上可以得到指定长度的航迹，从而保证最终规划得出的多条航迹是能够满足时间协同关系中的同时或按时序到达要求的。
52.实际上，由于a*算法进行节点拓展时存在一定的角度约束，并非任意角拓展，以及启发函数g(n)为预估代价值，因此得到的航迹长度会存在一定的误差，由于在算法设计之初将时间协同问题转化为用航迹长度进行表示，该误差说明该算法可能导致多无人装备在时间协同方面会产生一定的时间误差。考虑到多无人装备在时间协同中通常允许短暂时间误差存在，若最终得到的多装备的航迹长度在一定的误差范围(使用者根据任务需求自行设定即可)内，即视为满足时间协同要求。协同搜索a*算法中多条航迹都是结合协同航程的思想同时进行搜索，针对多架无人装备规划得到多条航迹，即此时算法具备了一定的全局性。
53.由此可见，多无人装备协同航迹规划问题是一个多维、多约束的组合优化问题，本发明主要对二维空间中离线的多无人装备协同航迹规划问题进行了研究，对其中涉及的约束及协同关系等问题进行建模，结合协同变量与协同函数的思想，改进a*算法，提出协同搜索a*算法，并对算法的可行性、适用性及其适用范围展开了仿真分析，本发明的主要工作及创新点如下：
54.一，对单架无人装备航迹规划问题求解中涉及的多种复杂约束及其综合代价进行了建模。将约束分为无人装备自身性能约束、外界环境约束、战场威胁三大类。综合代价是衡量规划过程中航迹节点优劣性的重要指标，建模中主要考虑了能耗代价、威胁代价与高度代价。结合a*算法与建立的复杂约束、综合代价模型，验证了建立模型的正确性以及a*算法解决单机航迹规划问题的可行性，为多机协同航迹规划问题的研究奠定了基础。
55.二，对多机协同航迹规划问题中涉及的时间协同关系、空间协同关系及协同代价问题进行了建模。引入协同变量和协同函数的概念，将协同航程作为协同变量，协同代价作为协同函数，简化了多机协同航迹规划问题的求解。
56.三，综合考虑a*算法搜索空间小、算法效率高、易于实现的优势以及缺乏全局性的不足，以a*算法为基础，结合协同航程的思想对算法的搜索策略进行修改，提出了协同搜索a*算法，使其具备了协同系统的全局性。
57.四、结合建立的多种模型及协同搜索a*算法，通过仿真验证了该发明的可行性、适用性以及适用范围。对威胁区域不同复杂程度、不同搜索步长两种情况下同时到达的问题进行了仿真分析，验证了协同搜索a*算法求解多机协同航迹规划问题的可行性；分别对不同时间协同关系下的空间位置差异以及同时到达时不同进入角度等情况下的多机协同航迹规划问题进行仿真分析，验证了算法的适用性；对协同前航迹长度差较大的情况进行了仿真，分析了算法的适用范围，结果分析表明协同搜索a*算法可以用于复杂约束下的多机协同航迹规划问题的求解。
58.实施例二
59.下面以无人装备为无人机为例，对本发明一种用于无人装备的时间协同航迹规划方法进行进一步说明。
60.对于单架无人机而言，航迹规划问题中的约束可分为无人机自身性能约束、外界环境约束、战场威胁三大类；对于多机协同作战而言，协同策略主要包括时间协同和空间协同，其中时间协同关系包括同时到达和按时序到达问题，空间协同关系包括多机之间的避碰、空间位置差异(主要指无人机起始点和目标点的位置差异)和不同进入角度三类问题。
61.本发明涉及的协同航迹规划问题一方面需要对多种规划约束进行处理，另一方面需要同时融合时间和空间协同关系，是一类复杂时空约束下的组合优化问题。
62.本发明是在传统a*算法的基础上改进得到的。a*算法是最优启发式搜索算法，有着算法效率高、易于实现等优点，但存在全局性差的问题；传统a*算法的目的是找到最优路径，其搜索策略是选取open表(用于保存所有待拓展节点)中f(n)(综合代价)最小的节点作为第n个路径节点进行拓展，但在协同航迹规划问题中，最终目的是得到系统综合代价最低的多条航迹，规划的得到的航迹对于参与协同系统的个体可能并不是最优的。从这两点出发，如图4所示，本发明对a*算法的搜索策略进行了修改，提出协同搜索a*算法，协同搜索a*算法的搜索策略为：在进行节点拓展时，选取open表中f(n)(综合代价)最接近某一特定值
(即协同航程值f(m))的节点作为第n个路径节点，用以求解协同航迹规划问题。
63.如图5所示，本发明的一种用于同型号多个无人装备的时间协同航迹规划方法(即协同搜索a*算法)的步骤如下：
64.步骤1：结合时间协同关系确定协同航程f(m)。
65.本发明采用二维航迹长度法求解出各个无人机的二维最优航迹，然后选取其中航程最大的航迹长度作为协同航程。假设协同系统有m架无人机，l
i
表示第i架无人机的二维航迹长度，则使用二维航迹长度计算协同航程的表达式为：
66.f(m)＝max(l1,l2,
…
,l
i
,
…
,l
m
)
67.由于该方法是事先对各个无人机进行二维航迹规划的基础上计算得到的协同航程，因此得到的结果能较好的表示二维空间中无人机的航迹，能很好的适用于二维空间中的协同航迹规划问题。
68.步骤2：结合约束模型对起始点进行拓展，得到相邻节点集合，并将起始点加入open表，获得相邻节点集合后将起始点坐标移至close表；查找f(n)值与协同航程f(m)差值δf最小的节点作为第一个中间节点，并将其移除到close表中。
69.需要说明的是，open表意为开放列表，存储可能成为路径节点的节点相关信息，存储的内容包括当前路径节点坐标、代价值以及差值δf(n)；close表意为封闭列表，存储规划得到的后续路径节点坐标。
70.根据协同航程的思想(在实际建模中，为了简化计算，本发明可以将无人机的飞行简化为匀速飞行模型，且当协同系统中多个无人机型号相同时，同时到达问题可以用航迹长度来表示)，本发明将时间协同问题转化为用航迹长度代替时间进行表示，因此提出的协同搜索a*算法的搜索策略为：在进行节点拓展时，选取open表中f(n)最接近某一特定值(即协同航程值)的节点作为下一个拓展节点。设协同搜索a*算法中协同航程为f(m)，δf(n)为协同航程与节点代价的差值，即
71.δf(n)＝f(m)
‑
f(n)
72.则协同搜索a*算法的搜索策略即为：选择δf(n)值最小的节点进行拓展，即
73.min(δf1，δf2,δf3,
…
,δf
n
)
→
nextpoint
74.步骤3：如图6所示，结合约束模型对当前路径节点进行拓展。初步选取当前路径节点相邻的所有节点作为拓展节点，根据航迹规划约束模型(其中航迹规划约束模型包括自身性能约束模型、地理环境约束模型、大气环境约束模型和战场威胁约束模型)对相邻节点进行筛选，不满足约束条件的子节点直接删除，对拓展出的满足约束的相邻子节点进行如下操作：
75.1)如果相邻子节点已经在close表中，则忽略该点；
76.2)如果相邻子节点既不在open表中，也不在close表中，则将该相邻子节点加入到open表中并计算其f(n)、g(n)、h(n)、δf(n)值。
77.3)如果相邻子节点已经在open表中，计算本来就在open表中和步骤(2)新加入open表中的各相邻子节点的f(n+1)与f(m)的差值δf(n+1)，以及存储在open表中其他子节点的f(n)
′
与f(m)的差值δf(n)
′
，比较这些差值的大小，并将差值最小值对应的节点作为当前中间节点的下一个路径节点，若两个以上的节点的差值最小值相等，则比较两者的实际代价值g(n)并选择实际代价值g(n)值较小的节点作为当前中间节点的下一个路径节点，
并将下一个路径节点加入到close表中；
78.需要说明的是，g(n)表示从起始点到当前路径节点n的实际代价值，即认为目前走过距离更短的路径节点更为可信，然而该选择并非一定，取决于使用者选择倾向，业界尚无明确定论。
79.步骤4：当目标点加入到close表中或open表为空时停止搜索。如果当前节点不是目标点，则重复步骤3的操作，直至当前节点是目标点或者open表为空时，停止重复步骤3，向下进行步骤5。
80.步骤5：保存close表中的所有路径节点从而形成航迹，计算航迹长度误差并输出协同航迹。若最终规划得到的多条协同航迹的长度在设定的误差范围(体现使用者对于航迹精度的要求，根据任务需求自行设定即可)内，则输出航迹；否则，选取本次结果中最大的航迹长度作为协同航程，重复步骤1
‑
4直至满足协同误差要求。
81.当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。