王輝　胡曉陽

摘? 要：現(xiàn)如今，無人機(jī)應(yīng)用的關(guān)鍵技術(shù)無外于乎航跡規(guī)劃算法?；谶@個現(xiàn)狀，該文將針對無人機(jī)航跡規(guī)劃進(jìn)行系統(tǒng)研究，構(gòu)建了無人機(jī)航跡規(guī)劃的空間模型，在此之中結(jié)合蟻群算法，保證規(guī)劃的真實(shí)可靠性。考慮到現(xiàn)在無人機(jī)應(yīng)用的復(fù)雜以及不能完全利用有效空間的問題，提出以蟻群算法為基礎(chǔ)的一種新型的航跡規(guī)劃方法，并在其中考慮到地形，約束條件等外部因素，因此保證了航跡可以在現(xiàn)實(shí)中應(yīng)用。最后，闡述了無人機(jī)航跡規(guī)劃面臨的關(guān)鍵問題及未來發(fā)展趨勢。

關(guān)鍵詞：無人機(jī)? 蟻群算法? 航跡規(guī)劃

中圖分類號：V249 ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2020）04（a）-0029-02

Abstract： Nowadays， the key technology of UAV application is nothing more than the track planning algorithm. Based on this status， this paper will systematically study the UAV path planning， and construct a space model of UAV flight path planning. In this case， the ant colony algorithm is combined to ensure the true reliability of the planning. Considering the complexity of UAV applications and the inability to fully utilize the effective space， a new type of path planning method based on ant colony algorithm is proposed， and external factors such as terrain and constraints are taken into account. The track can be applied in reality. Finally， the key issues and future development trends of UAV flight path planning are expounded.

Key Words： UAV; Ant Colony Algorithm; Track planning

現(xiàn)如今，無人機(jī)多數(shù)作用于軍事戰(zhàn)爭中的戰(zhàn)場偵查、空中巡邏、威脅避障、監(jiān)視目標(biāo)以及精準(zhǔn)打擊等關(guān)鍵作用，因?yàn)橹T多限制因素，一旦失敗，可能會對戰(zhàn)爭整個局勢造成不小的影響。由于無人機(jī)本身需要地面工作站進(jìn)行預(yù)編程序進(jìn)行飛行操作實(shí)現(xiàn)目標(biāo)任務(wù)，因此航跡規(guī)劃極為重要。

航跡規(guī)劃是無人機(jī)自主飛行控制階段需要進(jìn)行的重要研究內(nèi)容，處于人們研究的熱點(diǎn)之一。航跡規(guī)劃實(shí)現(xiàn)方式是在一定的約束條件下[1]，滿足無人機(jī)自身飛行高度、最大轉(zhuǎn)彎角以及實(shí)戰(zhàn)環(huán)境因素，由出發(fā)點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)飛行航行路徑。航跡規(guī)劃的目的生成一條可控可飛的有效路線，引導(dǎo)無人機(jī)去完成既定目標(biāo)任務(wù)，在飛行階段，無人機(jī)可以接收到來自地面的任務(wù)指令。按照航跡規(guī)劃實(shí)用性分，可分為離線航跡規(guī)劃和在線航跡規(guī)劃[2]。傳統(tǒng)離線航跡規(guī)劃由于更新慢、時效性差等原因已不能滿足復(fù)雜度較高的戰(zhàn)場環(huán)境，因此為提高無人機(jī)戰(zhàn)場存活和及時精準(zhǔn)打擊，對在線實(shí)時航跡規(guī)劃的深入研究尤為重要。

近年來，算法一直處于前沿領(lǐng)域研究，蟻群算法作為一種仿生算法，目前已經(jīng)應(yīng)用于各種不同的離散優(yōu)化問題，這些方面的研究涵蓋了路徑規(guī)劃，該文基于蟻群算法應(yīng)用于無人機(jī)的航跡路徑規(guī)劃。蟻群算法具有良好的魯棒性、抗干擾性以及全局計算能力而被應(yīng)用于諸多的領(lǐng)域。

1? 航跡規(guī)劃威脅模型

在解決航跡規(guī)劃問題時，首先根據(jù)已知的地形信息和敵方威脅構(gòu)建數(shù)字地圖。地形信息包括基礎(chǔ)地貌以及特征地形，由于無人機(jī)在一定高度飛行，在該高度下的基礎(chǔ)地貌不影響航跡規(guī)劃，所以該文將基礎(chǔ)地貌設(shè)定為平原，以山峰為代表的特征地形參與構(gòu)建數(shù)字地圖。

1.1 建立數(shù)字模型

公式如下：

將飛行區(qū)域的火力威脅等效成山峰加載到數(shù)字地圖，采用模型如下：

將原始隨機(jī)地形和山峰等效融合從成飛行區(qū)域中的數(shù)字地形圖，融合算法如下：

水平坐標(biāo)點(diǎn)的地形高度為別為Z1（X，Y）和Z2（X，Y），山峰的個數(shù)記為n，第i威脅的高度記為zi，xoi、yoi為山峰最高點(diǎn)的橫縱坐標(biāo)，xsi、ysi山峰坡度量。

1.2 建立最小威脅曲面

將火力威脅等效成為山峰威脅，數(shù)字地圖逐漸升高伴隨著威脅加深，因此威脅曲面是地形高程升高h(yuǎn)c所構(gòu)成的曲面。無人機(jī)在該曲面飛行所受威脅可以達(dá)到最小，所以無人機(jī)的飛行航跡必須在這個曲面上。最小威脅曲面為：

1.3 到達(dá)目標(biāo)約束

同時到達(dá)目標(biāo)是許多無人機(jī)航跡規(guī)劃需要解決的主要問題。當(dāng)多架無人機(jī)飛行抵達(dá)敵方上空時，敵方防空火力在短時間內(nèi)無法立即發(fā)現(xiàn)全部并將其一一摧毀，因此，未被摧毀的無人機(jī)可以對其進(jìn)行實(shí)時目標(biāo)打擊，從而增加了目標(biāo)摧毀概率。

1.4 航跡代價函數(shù)

將最小威脅曲面進(jìn)行投影，三維航跡規(guī)劃可以簡化成二維航跡規(guī)劃，因此航跡規(guī)劃的代價函數(shù)式為：

式中：航跡所包含的節(jié)點(diǎn)數(shù)目為N;r是相鄰兩點(diǎn)組成的航跡邊，該航跡邊的代價為cfij;k是權(quán)重系數(shù)，ctij=1/min（l1，l2，l3，...，lthreatunm）為節(jié)點(diǎn)j與威脅點(diǎn)的距離。

2? 基于蟻群算法的航跡規(guī)劃

2.1 算法原理

蟻群算法原理[3]是螞蟻由于個體之間存在信息共享功能，能夠在沒有任何可見性條件下找到食物后沿原路返回到蟻穴，隨著環(huán)境變化螞蟻對所走過的地方釋放信息激素，螞蟻?zhàn)哌^的路徑越短，釋放的信息激素濃度就會越高，其他螞蟻選擇路徑時對該路徑選擇的概率就越大，從而實(shí)現(xiàn)從蟻穴到食物的最短路徑，隨著環(huán)境變化，信息素濃度變化，動態(tài)更新所有的路徑選擇。算法的流程圖如圖1所示。

2.2 基于蟻群算法的航跡規(guī)劃問題

蟻群算法主要包括有狀態(tài)轉(zhuǎn)移規(guī)則和信息素更新規(guī)則，狀態(tài)轉(zhuǎn)移原則：蟻群算法中螞蟻k（k=1，2，…，n），Pkij（t）表示在t時刻螞蟻k從當(dāng)前節(jié)點(diǎn)i轉(zhuǎn)移到下一節(jié)點(diǎn)j的轉(zhuǎn)移概率：

其中nij為啟發(fā)因子，表示從節(jié)點(diǎn)i到j(luò)的期望程度，一般是節(jié)點(diǎn)距離dij的倒數(shù)，可寫為：

信息素更新規(guī)則：能夠進(jìn)行全局調(diào)節(jié)的螞蟻需要生成階段最優(yōu)解，搜索完一次后螞蟻在m條路徑中選擇一條最優(yōu)的路徑，加大其信息素強(qiáng)度，提高收斂速度[1]。具體公式如下：

其中：

式中，0<ρ<1是為信息素強(qiáng)度的蒸發(fā)系數(shù)，Q/dij是螞蟻信息素強(qiáng)化量。

3? 實(shí)驗(yàn)仿真

通過MATLAB軟件仿真，給定螞蟻為20×2隨機(jī)矩陣，螞蟻個數(shù)為20，迭代次數(shù)為100，信息素重要程度的參數(shù)為0.7，啟發(fā)式因子重要程度的參數(shù)為1.5，信息素蒸發(fā)系數(shù)為3，信息素增加強(qiáng)度系數(shù)為2.7。

（1）蟻群算法[5]涉及的參數(shù)需要提前設(shè)定。

（2）如果這一次迭代的次數(shù)值小于NC_max，進(jìn)入第六步，佛則進(jìn)入下一步。

（3）將其中一個城市定為Ni，命令其中一只螞蟻從Ni開始游歷所有的城市，當(dāng)然，螞蟻會在游歷過的城市留下信息激素，當(dāng)這只螞蟻游歷完以后，再讓另外一只螞蟻進(jìn)行游歷，同樣，該螞蟻也會在路上留下信息激素，同樣的過程，命令所有螞蟻都對所有城市進(jìn)行一次游歷，接著進(jìn)入下一步。

（4）當(dāng)螞蟻對所有城市都進(jìn)行游歷一遍，如果起點(diǎn)的城市沒有出現(xiàn)的話，跳回上一步，當(dāng)作為起點(diǎn)的所有城市都游歷完畢，進(jìn)入下一步。

（5）得到游歷的路徑值，且獲取新的信息激素值，迭代次數(shù)累計起來，返回第二步。

（6）得到預(yù)期的結(jié)果，中止執(zhí)行算法。

4? 結(jié)語

傳統(tǒng)的蟻群算法采用全局搜索方式，已經(jīng)走過的節(jié)點(diǎn)除外，將其他相鄰的節(jié)點(diǎn)還會走一遍，該搜索方式的時間過大并且容易陷入局部最優(yōu)，有時候還不能避開所謂的危險區(qū)，規(guī)劃出來的航跡不符合實(shí)際可飛條件。該文改進(jìn)算法減少搜索臨近所有節(jié)點(diǎn)的次數(shù)，減少計算時間，可以得到航跡代價較小的無人機(jī)航跡。

參考文獻(xiàn)

[1] 丁明躍，鄭昌文，周成平，等.無人飛行器航跡規(guī)劃[M].北京：電子工業(yè)出版社，2009：1-2.

[2] 胡中華，趙敏.無人飛行器在線航跡規(guī)劃技術(shù)研究[J].航天電子對抗，2010，26（4）：11-15.

[3] 胡中華，趙敏，劉世豪，等.基于自適應(yīng)蟻群算法的無人飛行器航跡規(guī)劃[J].計算機(jī)集成制造系統(tǒng)，2012，18（3）：560-565.

[4] 孫勇，李妮，龔光紅，等.基于知識庫的動態(tài)蟻群算法[J].北京工業(yè)大學(xué)學(xué)報，2012，38（3）：374-379.