基于粒子群优化算法的无人战斗机路径规划方法

UCAV 的导航要求 。
k2 Dist min
i =1
WP ∑
i
为距离代价 , 是航点之间的距离之和的
平方 , h2 为高度代价 , k1 , k2 , k3 为权系数 , 是指人们根据任 务要求而做出的倾向性选择 , 其中距离代价和 UCAV 的燃 油消耗相关 , 高度代价和威胁代价影响 UCAV 的生存概 率。 对于上述三维路径规划问题 , 0 ≤ k1 , k2 , k3 ≤1 , 且 k1 +
e2mailnawswrew2hotmailcom基于粒子群优化算法的无人战斗机路径规划方法南京航空航天大学自动化学院江苏南京210016空军装备研究院通信导航与指挥自动化研究所北京100085北京航空航天大学自动化科学与电气工程学院北京100083对于无人机的路径规划问题从和机器人路径规划问题的差别入手通过粒子群优化算法对有限数目的采样航点的优化使用高次b样条曲线拟合出满足路径最短且威胁最小的无人战斗机的飞行路径
本文 的 路 径 点 为 UCAV 状 态 发 生 变 化 的 转 折 点 ;
n
确定起点坐标 ( x0 , y0 ) 和终点坐标 ( xe , ye ) 后 , UCAV 的路径就是从起点到终点的线簇 。根据 UCAV 路径规划 的特点可知 , 随着威胁数目的增多 , UCAV 的路径包含多 个曲率 ,因此多项式拟合和移动平均拟合方法满足 UCAV 路径规划的要求 。根据生成的大量路径点 , 使用 B 样条曲 线也可以拟合出包含多个曲率的曲线 , 因此同样满足路径 规划的要求 。于是在下面使用多项式拟合 、 移动平均拟合 和 B 样条曲线拟合的方法 , 使用 PSO 算法为 UCAV 规划 出满足要求的最优路径 。在确定路径曲线形式以后 , 就可 以确定 UCAV 从起点到目标点中所有的航点坐标 , 利于
Abstract : Based o n t he difference of t he pat h planned for robot s and unmanned arial vehicles ( UAV ) , a un2 inhabited co mbat arial vehicle ( UCAV ) pat h planning algorit hm based on t he high2order B2spline curve fitting is presented , which t he finite sample UCAV flight point s are optimized by particle swarm optimization ( PSO) al2 gorit hm. The UCAV pat h planning const raint s model and t he st ruct ures of t he particles and t he fit ness value e2 quations of particles are st udied. The two curve fitting met hods , t he polyno mial curve fitting met hod and t he proposed s B2spline curve fitting met hod , are co mpared. Simulation shows t hat t he B2spline curve fitting met hod is a more reasonable and effective pat h planning met hod.
( 1 . Dept. of A utom ation , N anj i n g Uni v . of A eronautics and A st ronautics , N anj i n g 210016 , Chi na; 2 . Com m unication N avi gation and Com m and A utom ation I nst . , A i r Force Equi pment A cadem y , B ei j i ng 100085 , Chi na; 3. School of A utomation Science and Elect rical Engineering , Bei jing Univ. of A eronautics and Ast ronautics , Bei jing 100083 , China)
( 1) xi
k+1
的方法为代表 。它们通过对所有通过起点和终点
的路径进行优化 , 得到满足 UAV 飞行性能和路径规划问 题约束条件的最优路径 。由于随机搜索法得到的路径容易 陷入局部最小值 ,同时基于概略图会造成采样航点之间最 优路径变化趋势信息的丢失 ; 使用整体寻优法则一定程度 上消除了局部极值问题对最优解的影响 , 易于获得全局最 优解 。 PSO 算法最早是美国的 Kennedy J . 和 Eberhart R. C. 受鸟群觅食行为的启发于 1995 年提出的 。由于 PSO 算法 概念简单 ,实现容易 , 短短几年时间 PSO 算法便获得了很 大的发展[ 5 ] 。PSO 算法在求解 TSP 问题时取得了较好的 效果[ 123 ] 。文献 [ 4 ] 提出了基于 PSO 算法的 UCAV 路径规 划问题 ,它利用有限项的多项式逼近三位路径在二维平面 上的投影 ,将三维路径规划问题简化成为二维问题去研究 。 本文根据上述文献的思想提出使用高次 B 样条曲线拟合 UCAV 路径的方法 ,通过仿真验证了两种方法的优劣 。
收稿日期 :2007209226 ; 修回日期 :2007211202 。 基金项目 : 航空科学基金资助课题 (2006ZC51039)
同时侦查多个目标 ,并且在很大程度上忽略地面各种威胁 对其执行任务的所造成的影响 。因此 U RAV 的路径规划 问题大多转化为 TSP 问题来研究 , 以选择合适的路径以确 定它所侦察的目标的位置和所探测区域的大小 , 使它们所 能侦查到的区域最大化[ 1 ] 。然而由于 UCAV 飞行高度较 低难以忽略地面障碍物和威胁的影响 , 而且同时攻击目标 的个数有限 ( 在本文中假设每架 UCAV 一次只能攻击一个
第 30 卷 第3期 2008 年 3 月
文章编号 : 10012506X(2008) 0320506205
系统工程与电子技术 Systems Engineering and Elect ro nics
Vol. 30 No . 3 Mar. 2008
基于粒子群优化算法的无人战斗 机路径规划方法
作者简介 : 张雷 (19782) ,男 ,工程师 ,博士研究生 ,主要研究方向为无人机任务规划 。E2mail :nawswrew2 @hot mail . co m
第3期
张雷等 : 基于粒子群优化算法的无人战斗机路径规划方法
1. 1 PSO 算法[ 526]
・ 507 ・
目标) 。这样就需要为 UCAV 规划出从起点到目标点之间 的安全路径 。所谓安全路径通常指能够使 UCAV 受到威 胁最小且路径最短的最优路径 。 目前常用的障碍规避和路径规划算法大体上有随机搜 索法和整体寻优法两类 。其中随机搜索法以 A 3 和 D 3 为 代表 ,往往需要和概略图结合使用 。整体寻优法以基于遗 传算法[ 2 ] 和粒子群优化 ( particle swarm optimizatio n , PSO ) 算法
= x i + vi
k
k
( 2)
式中 , k 代表迭代次数 ,ω为惯性因子 , c1 和 c2 为加速因子 ,
R1 和 R2 分别表示两个取值范围从 ( 0 , 1) 的随机数 。
惯性因子 ω代表微粒保持自身运动的惯性 , 使其有能 ω取值大有助于搜索一个新的区域 ( 全 力探索新的区域 。 局搜索) , 而 ω 取值小则有助于粒子在当前区域仔细搜索 ( 局部搜索) , 于是 ω的变化应该逐渐减小 , 变化公式如下 ( inter - 1) ×(ω max - ω min ) ω=ω max 0 . 75 ×intermax 式中 , i nter 为目前的迭代次数 , i ntermax 是最大迭代次数 , ω max = 0 . 9 ,ω min = 0 . 4 , 分别表示 ω的最大值和最小值 。 加速因子 c1 和 c2 的作用是使每个微粒向 pb 和 g b 位 置加速运动 。c1 表示微粒对它自己取得的当前最优位置的 认可 , c2 表示微粒间的信息共享与相互合作 , 通常 c1 = c2 =
Study on uninhabited combat arial vehicle path planning method based on particle swarm optimization algorithm
ZHAN G Lei1 ,2 , WAN G Dao2bo 1 , DU AN Hai2bin3
2 。微粒的速度 v ≤vmax , 其中 vmax 决定了微粒在解空间的搜
1 基于 PSO 算法的 UCAV 路径规划
UAV 的路径规划问题不同于机器人 ,由于它飞行速度 快 ,不能进行大机动运动 , UCAV 的路径往往是由曲线构 成的 ( 如图 1 所示 , S 为机器人的起点 , G 为目标点) 。
张 雷1 ,2 , 王道波1 , 段海滨3
( 1. 南京航空航天大学自动化学院 , 江苏 南京 210016 ; 2. 空军装备研究院通信导航与指挥自动化研究所 , 北京 100085 ; 3. 北京航空航天大学自动化科学与电气工程学院 , 北京 100083)
摘 要 : 对于无人机的路径规划问题 ,从和机器人路径规划问题的差别入手 , 通过粒子群优化算法对有限数 目的采样航点的优化 ,使用高次 B 样条曲线拟合出满足路径最短且威胁最小的无人战斗机的飞行路径 。研究了 路径规划约束的数学模型 、 粒子构造方式和粒子的评价适应度函数 。通过仿真对目前出现的基于粒子群优化算 法的无人机路径的多项式拟合方法和所提出的基于 B 样条拟合的方法进行了比较 。仿真结果表明 , 使用粒子群 算法优化出来的 B 样条曲线比多项式拟合法和几何方法更加合理有效 。 关键词 : 无人战斗机 ; 路径规划 ; 粒子群优化 ; B 样条曲线 中图分类号 : V 279 ; V 37 ; TP 301 文献标志码 : A
索精度 。如果 vmax 太大 , 微粒可能会飞过最优解 ; 如果 vmax 太小 , 微粒可能陷入局部搜索空间而无法进行全局搜索 。
PSO 通过局部的和全局的搜索 , 既可以快速的求出极值 , 又 避免出现进入局部最小值而难以自拔 。 1. 2 基于 PSO 算法的 UCAV 路径规划问题建模
Keywords : uninhabited co mbat arial vehicle ( UCAV ) ; pat h planning ; particle swarm optimization ( PSO) ;
B2spline curve
0 引 言
无人机 ( unmanned arial vehicle , UAV ) 大体可以分为 无人侦察机 ( unmanned reconnaissance air vehicle , U RAV ) 和无人战斗机 (uninhabited combat air vehicle ,UCAV) 两种 类型 。U RAV 飞行高度高并且具有较强的反侦查能力 , 相 比 UCAV 的路径规划问题 ,U RAV 在执行侦察任务时可以
[ 324 ]
PSO 算法将每个个体看作 L 维搜索空间中的一个没
有体积的微粒点 , 在搜索空间中以一定的速度飞行 , 它的速 度需要根据它本身的飞行经验以及同伴的飞行经验进行动 态调整 , 它经历过的最好位置有最好的适应值 , 设为 pb , 在 群体所有微粒经历过的最好位置设为 gb 。设第 i 个 L 维粒 子的第 o ( 1 ≤o ≤L ) 维元素的速度 v 和位置 x 的更新函数如 下所示 k+1 k k k vi , o = ω v i , o + c1 R1 ×( pb - x i , o ) + c2 R2 ×( gb - x i , o )
路径规划就是规划从起点到目标点的 UCAV 路径 , 使 其满足路径最短 、 威胁最小的要求 , 即
n
J opt = k1 J min
threat
+ k2 Dist min
i =1
WP ∑
i
+ Байду номын сангаас3 h
2
( 3)
式中 , W P i 代表从起点到终点的任意路径点 ( way point ) ,
图 1 UAV 路径与机器人路径