59无人旋翼飞行器的三维在线航迹规划研究–王兴龙.doc

第二十八届（2012）全国直升机年会论文 （南京航空航天大学直升机旋翼动力学国家级重点实验室，南京, 210016） 当飞行环境中有预先未知威胁出现时，可根据更新后的信息来获得新的全局最优航迹目前针对航迹规划问题提出了很多优化方法,这些方法各有优缺点,很难同时满足实时性、全局最优性的要求。文献[1]讨论了A*算法在二维水平航路的规划应用和基于蚁群算法的航路规划研究，但都仅限于离线航迹规划，对时间没有渴求的场合，未提及在线航迹规划；文献[2]介绍了基于RTRS(一种针对静止目标的UAV在线实时航迹有哪些信誉好的足球投注网站方法)的在线航迹规划的方法，但却没有讨论飞行过程中一旦出现新的威胁，在线重规划能否满足实时性要求；文献[3]考虑了二维平面的实时航迹规划，但这只适用于机器人的二维航路规划，不能满足无人飞行器的三维航迹规划要求。 A*算法相结合的方法作为航迹规划系统的核心算法进行航迹在线重规划研究。 2 基于进化算法的初始航迹规划 进化算法是一种基于生物进化理论的群体有哪些信誉好的足球投注网站技术，是一种迭代算法，它是从某个初始解集出发，遵循一定的操作规则，比如选择、复制、交叉、变异等遗传操作，不断地通过迭代计算以得到新一代解集，并根据个体的适应度，按照“适者生存、优胜劣汰”的法则，引导有哪些信誉好的足球投注网站过程向“最适应环境”的个体(即最优解)逼近，逐代的演化出越来越优的近似解，最终能收敛到最优解或满意解。 任何进化计算技术需要首先确定基因编码的方式，用以表达所研究的问题。本文的进化算法采用实值基因编码方式，如图 2.1所示，每个染色体代表一条航迹，它由一系列航迹节点构成，航迹节点之间用直线连接。其中每一航迹节点保存为一个结构体，除了记录航迹节点的空间坐标外，还包含状态变量，它包含如下信息： 当前节点是否为可用航迹点，即确定该点不在等效威胁和障碍的范围之内，确保无人旋翼飞行器飞行时可以安全到达该点； 接该节点和上一节点的航迹段是否为可用航迹段，即确保航迹段没有穿过威胁和障碍。 当且仅当一条航迹的所有节点和所有航迹段都是可用时，该航迹才是可行的，因此种群中的染色体(航迹)可能是可行的，也可能是不行的。 图 2.1 因编码染色体结构 其中，指该条航迹从起始点到目标点的总距离代价值，航迹规划总是寻求短距离的飞行路径，所以越小越好；指该条航迹上各个节点到各个威胁中心的威胁代价值，规划出的航迹应该尽量远离威胁，所以越小越好；指该条航迹上各个节点的高度代价值，令等于当前点的高度值与规定的最小飞行高度的差值，为了利用地形的遮挡打到隐蔽飞行的目的，飞行器飞行高度不宜太高，而过低又会增加飞行器碰地的概率，所以高度的选择应适宜，越小越好。为相应的权系数，通过对参数的大小调节，可以改变各个代价在整体中所占的比重。综上所述，评价函数越小，代表此条航迹就越理想。 对于进化算子，本文采用交叉算子和变异算子。其中交叉算子采用单点交叉，只有一个交叉点，在选择出来的个个体中任意挑选两个个体作为交叉对象，随机产生一个交叉点位置，然后形成两个子个体，得到两个交叉后的新航迹；根据本文研究的具体内容，在变异算子中加入转弯角限制问题，即在选择出来的个个体中任意挑选一个个体作为变异对象，随机选择一航迹节点，如果该节点处航迹拐弯角大于给定的最大值，则在于该航迹节点相连的两航迹段上各插入一新的节点，然后删除开始选择的节点，得到变异后的新航迹。 进化算法的步骤如下： 随机生成大小为的种群； 根据评价函数评价每一条航迹，将所有航迹按评价值从小到大排列； 按评价值从小到大原则选取个个体作为繁殖下代的父代； 对选择出来的个个体按一定的概率进行交叉和变异操作； 将新生成的个体加入到种群中并计算各自的评价值； 将扩展后的种群中最差的，即评价值较大的个个体删除，使其恢复原来种群的大小； 是否达到规定迭代次数或者近10次的迭代得到的最小代价值不变，是则转第(8)步，否则，进入第(3)步。 选出航迹代价最小的个体作为所求航迹，进化过程结束。 下面给出利用进化算法在已建立的三维的等效数字地图中规划出来的初始参考航迹，如图 2.2至图 2.5所示。 图 2.2 第0代个体 图 2.3 第50代个体 图 2.4 第150代个体 图 2.5 最优航迹平面图 图 2.2至图 2.4表明，最优个体在经过150迭代后其代价值已经保持不变，说明进化算法收敛到了全局最优解，代价值最小的个体即为最优航迹。从图 2.5最优航迹平面图中可以看出，最优航迹成功的避开了威胁和障碍，而且整条航迹的航迹点少，拐弯角小，飞行过程中不用频繁转弯，有利于飞行安全。 3.1 A*算法原