無人機航路規劃優化設計

袁言川 龍梽熇 文園

摘要：通過對無人機航路規劃的研究，對無人機航路規劃問題進行了概括和總結，闡述了無人機航路規劃的數學框架結構，并闡述了求解此類數學問題的方法。

關鍵詞：無人機;航路規劃;群智能優化

一、無人機航路問題概述

無人機的雛形是軍事訓練中的靶機，是利用無線電遙控設備和自備的程序控制裝置操縱的不載人飛機，或者由車載計算機完全地或間歇地自主地操作[1]。最早出現在20世紀40年代出現，是一個許多國家用于描述最新一代無人駕駛飛機的術語。1945年，第二次世界大戰之后將多余或者是退役的飛機改裝成為特殊研究或者是靶機，成為近代無人機使用趨勢的先河。隨著電子技術的進步，無人機在擔任偵查任務的角色上開始展露他的彈性與重要性。如：無人偵察機可以繞過敵方的雷達威脅區而獲得重要的軍事情報。1982年以色列航空工業公司（IAI）首創以無人機擔任其他角色的軍事任務。以色列國防軍主要用無人機進行偵察，情報收集，跟蹤和通訊。20世紀90年代后，西方國家充分認識到無人機在戰爭中的作用，競相把高新技術應用到無人機的研制與發展上。早期的無人機都是按照地面任務規劃中心預先計算并設定好的航路飛行，因此一旦在既定航路段出現新的威脅，無人機將束手無策，無人機航路規劃無疑成為無人機導航任務中最重要的任務之一。

無人機航路規劃是指在特定約束條件下，尋找從起始點到目標點并滿足無人機性能指標的最優或可行的航路。其問題本質是多約束條件下，多目標函數求極值的優化問題。規劃出滿足任務要求、導航、安全性等約束的較優航路，對無人機應用性能的提高有重要意義。無人機航路規劃主要包括環境信息、飛行約束、航路目標以及航路規劃器4部分。根據不同的任務環境，按照環境模型是否實時更新，即無人機飛行環境是否確定，航路規劃可分為靜態全局航路規劃和實時的局部航路規劃。靜態全局航路規劃根據無人機飛行環境的確定信息，在無人機離線狀態下進行規劃設計，然后把預先規劃好的最優路徑裝載在無人機上，無人機自動駕駛沿預定航線飛行。這一過程一般在無人機起飛前完成，實時性要求不高，因而可以采用的規劃算法比較寬。實時局部航路規劃通過傳感器對環境變化的反饋更新后，在相應時間內對航路進行規劃設計，這種規劃實時性要求高，是提高無人機的生存概率的一種最有效的手段。按照實時性要求，可分為強實時規劃算法和弱實時規劃算法。近年來，無人機實時航路規劃技術的研究在國內明顯加強，但距實時規劃要求還有較大的差距。

二、航路規劃的數學問題

無人機的航路規劃是根據任務信息和威脅分布（目標點位置、高度、氣候和敵方防空火力與雷達的部署等）進行最優航路選擇。

設某區域為無人機執行任務范圍，其中起飛機場為A點，目標任務執行地為B點，無人機的航路為從A點到B點之間的一條符合要求的線路。具體描述為：以A為原點建立坐標軸XAY，過B點分別做平行于X軸和Y軸的直線，B與X軸和Y軸的交點分別設為C和D，進一步得到一個柵格化的矩形區域，此區域為無人機的飛行空間，將空間中危險系數較高的區域簡單的表示為圓形圖示，最后規劃好的航路為通過各個柵格節點的路線。

其中C（xi，yi）點表示第i條垂線上的第j點，則從A到B的航路可以表示為：

L={C0（x0，yk0），……，Cm（xm，yn）}，其中C0（x0，yk0）為A點，Cm（xm，yn）為B點。

航路規劃的數學問題就是求解一條最短路徑L，使得無人機在滿足安全性和航程距離等約束條件下能夠從A到達B。

三、航路規劃的求解方法

無人機的航路規劃求解即是在整個解空間內選擇不同節點，最后挑選出一個最合適的節點組合，可采用目前較為流行的群智能優化算法求解。

群體智能優化算法本質上即是一種對大范圍求解空間的搜索算法，與依賴于梯度信息逐步求解的傳統優化算法相比，群體智能優化算法具有以下特點：

1、魯棒性強。群體中所有的個體都是分布式的，沒有中心控制節點，不會因為某一個個體的異常而影響整個群體的求解精度，魯棒性較強。

2、自組織性。群智能算法的群體所體現出來的智能行為是通過眾多個體的集體行為表現出來的，自組織性較高。

3、便于擴充。群體中的每個個體都能單獨感知搜索區域的信息，可根據實際需要或運算需求擴充群體數量。

目前常用的求解方法有蟻群算法、粒子群算法、遺傳算法、魚群算法、狼群算法等，可根據求解空間的范圍和約束條件的區別選擇不同的群智能優化算法。

參考文獻：

[1]ICAOs circular 328 AN/190 ： Unmanned Aircraft Systems .icao

[2]胡中華，趙敏，姚敏等. 無人機航跡規劃技術研究及發展趨勢[J]. 航空電子技術，2009， 40（2）： 24-29， 36

[3]姚永杰，席慶彪，劉慧霞. 基于改進遺傳蟻群算法的無人機航路規劃[J]. 計算機仿真，2011， 28（6）： 44-47， 70

[4]陳含欣，李志宇，王從慶. 基于粒子群優化的小型無人機FastSLAM算法研究[J]. 電光與控制，2016， 23（9）： 24-28， 54

[5]劉永蘭，李為民，吳虎勝等. 基于狼群算法的無人機航跡規劃[J]. 系統仿真學報，2015， 27（8）： 1838-1843