靜態威脅下的無人機航跡規劃?

劉洲洲，潘魯寧

（1.西安航空學院，西安710077；2.遼寧公安司法管理干部學院，沈陽110161）

靜態威脅下的無人機航跡規劃?

劉洲洲1，潘魯寧2

（1.西安航空學院，西安710077；2.遼寧公安司法管理干部學院，沈陽110161）

無人機（Uninhabited Air Vehicle，UAV）由于其自身優點，已經在軍事以及民用領域取得廣泛使用。無人機的航跡規劃本質可歸結為一個多目標多約束條件的最優化問題。簡單介紹無人機航跡規劃的基本理論。運用神經網絡算法針對靜態環境下的火力威脅和非火力分別建模。運用遺傳算法對無人機進行航跡規劃。通過建立不同環境的模型仿真驗證算法的優越性。

無人機；航跡規劃；神經網絡；遺傳算法

1 引 言

無人機（Uninhabited Air Vehicle，UAV）由于其用途廣泛，零人員傷亡風險，制作成本較低，機動性能好等眾多優點，在現代戰爭甚至民用領域的使用越發廣泛。

無人機航跡規劃是指在特定的地形條件、敵情限制和燃油約束下，找到從起始點到目標點之間UAV生存概率最大的飛行航線，其本質可歸結為一個多目標多約束條件的最優化問題。

文章結合神經網絡算法和遺傳算法針對靜態威脅下的UAV進行航跡規劃，通過仿真實驗來驗證算法的優越性。

2 無人機航跡規劃基本理論

航跡規劃的關鍵有三點：航路規劃算法、飛行信息、威脅回避。

航跡規劃基本步驟為：

（1）劃定UAV飛行區域，確定地形條件、目標任務、飛行威脅等信息，并進行仿真建模。

（2）運用航跡規劃算法，根據飛行任務結合環境模型以及燃油限制等約束條件規劃出UAV最優航跡。

2.1 航跡飛行建模

采用加權因子將多個目標的優化問題轉化為單個目標優化問題，目標函數取為最短航跡和最小威脅的加權。描述如下：

其中，xij為0時，表示目標點i到目標點j之間不可行，為1時表示可行；cij為點i與點j之間的距離。

2.2 威脅模型

UAV在飛行過程中主要遭遇威脅的模型如下：

其中，（x，y）為UAV在飛行途中的即時坐標，（xn，yn）為所受威脅的坐標，當UAV飛出威脅范圍時，則威脅為0。

3 仿真實驗

無人機航跡規劃中受到的威脅可以分為非火力威脅和火力威脅兩種，在此用不同的神經網絡模型來表示這兩種威脅。

3.1 非火力威脅模型

非火力威脅是指UAV在飛行過程中受到的無攻擊性威脅，比如地形限制，禁飛區等。非火力威脅區域可以用不等式組表示，例如：

表示如圖1所示。

非火力模型數學表達式為：

3.2 火力威脅模型

火力威脅是指UAV在飛行過程中受到的類似防空導彈和高射炮等具有主動攻擊性的威脅。不同的火力威脅具有不同的有效射程，因此可用不同半徑的圓表示，例如：

表示如圖2所示。

圖1 任務空間中的非火力威脅及其神經網絡模型

圖2 任務空間中的火力威脅及其神經網絡模型

火力模型數學表達式為：

Ai表示UAV所受威脅的加權和，若Ai＝0，則表示UAV還未進入威脅區，否則Ai＞0。

3.3 靜態威脅下的航跡規劃

3.3.1 代價函數

UAV的總路徑可分為若干段航跡，每個航跡的代價都由燃油代價和威脅代價加權而成：

其中，k取值為0～1，是加權系數。

當pipi＋1I tzone＝0

3.3.2 仿真流程圖

仿真流程如圖3所示。

圖3 UAV航跡規劃流程圖

3.3.3 UAV航跡規劃仿真

采用遺傳算法對UAV路徑規劃進行仿真，n＝100，max gen＝100，pc＝0.8，pm＝0.1，設計兩種靜態威脅環境，分別進行仿真，其結果如圖4所示。

圖4 UAV航跡規劃仿真圖

可以看出，UAV能夠以最短路徑回避各種威脅，進而驗證了該算法的優越性。

4 結束語

研究了UAV航跡規劃的基本原理，通過使用神經網絡和遺傳算法的結合對UAV進行路徑規劃，用最短最優路徑來回避各種威脅，通過仿真驗證了算法的優越性。

［1］張延松.基于遺傳算法的無人機航跡規劃研究［J］.中國西部科技，2010，9（11）：44－46.ZHANG Yan song.Study on a Path Planning for UAV with Genetic Algorithm［J］.Science and Technology of West China，2010，9（11）：44－46.

［2］徐劍，周德云，黃鶴.基于改進遺傳算法的多無人機路徑規劃［J］.航空計算技術，2009，39（4）：43－46.XU Jian，ZHOU De yun，HUANG He.Path Planning of Multiple UAVs Based on a Improved Genetic Algorithm［J］.Aeronautical Computing Technique，2009，39（4）：43－46.

［3］符小衛，高曉光.一種無人機路徑規劃算法研究［J］.系統仿真學報，2004，16（1）：20－21，34.FU Xiao wei，GAO Xiao guang.Study on a Kind of Path Planning Algorithm for UAV［J］.JOURNAL OF SYSTEM SIMULATION，2004，16（1）：20－21，34.

［4］馬云紅，周德云.一種無人機路徑規劃的混沌遺傳算法［J］.西北工業大學學報，2009，24（4）：468－471.Ma Yun hong，ZHOU De yun.A Chaotic Genetic Algorithm（CGA）for Path Planning of UAVs（Unmanned Air Vehicles）［Jl］.Journal of Northwestern Polytechnical University，2009，24（4）：468－471.

［5］柳長安.無人機航路規劃方法研究［D］.西安：西北工業大學，2003.

［6］黃獻龍，梁斌，吳宏鑫.機器人避碰規劃綜述［J］.航天控制，2002（1）：34－46.HUANG Xian long，LIANG Bin，WU Hong xin.A Survey on Robotics Collision Avoidance Planning［J］.Aerospace Control，2002（1）：34－46.

UAV Path Planning in Static Threats

LIU Zhou－zhou1，PAN Lu－ning2
（1.Xi’an Aeronautical University，Xi’an 710077，China；2.Liaoning Administrator College of Police and Justice，Shenyang 110161，China）

The UAV（Uninhabited Air Vehicle），duing to its advantages，has been widely used in military and civilian fields.The essential of the UAV path planning is optimization formulti－objective and multi－constraint.This article introduces the crucial theory of the UAV path planning.The neural network algorithm is used to setmodels for the fired and non－fired threats in a static environmentand the genetic algorithm is used for UAV path planning.The superiority of the algorithm is verified by simulation of different environmentmodels.

UAV；Path planning；Neural networks；Genetic algorithms

10.3969／j.issn.1002－2279.2014.06.016

TP24

：A

：1002－2279（2014）06－0055－03

國家自然科學基金資助項目（61103242）

劉洲洲（1981－），男，山西運城人，博士研究生，講師，主研方向：無線傳感器網絡，系統仿真。

2014－08－01