基于蟻群算法的無人機航跡規劃研究

王輝　胡曉陽

摘? 要：現如今，無人機應用的關鍵技術無外于乎航跡規劃算法。基于這個現狀，該文將針對無人機航跡規劃進行系統研究，構建了無人機航跡規劃的空間模型，在此之中結合蟻群算法，保證規劃的真實可靠性。考慮到現在無人機應用的復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的一種新型的航跡規劃方法，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實中應用。最后，闡述了無人機航跡規劃面臨的關鍵問題及未來發展趨勢。

關鍵詞：無人機? 蟻群算法? 航跡規劃

中圖分類號：V249 ? ?文獻標識碼：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

現如今，無人機多數作用于軍事戰爭中的戰場偵查、空中巡邏、威脅避障、監視目標以及精準打擊等關鍵作用，因為諸多限制因素，一旦失敗，可能會對戰爭整個局勢造成不小的影響。由于無人機本身需要地面工作站進行預編程序進行飛行操作實現目標任務，因此航跡規劃極為重要。

航跡規劃是無人機自主飛行控制階段需要進行的重要研究內容，處于人們研究的熱點之一。航跡規劃實現方式是在一定的約束條件下[1]，滿足無人機自身飛行高度、最大轉彎角以及實戰環境因素，由出發點到目標點的最優飛行航行路徑。航跡規劃的目的生成一條可控可飛的有效路線，引導無人機去完成既定目標任務，在飛行階段，無人機可以接收到來自地面的任務指令。按照航跡規劃實用性分，可分為離線航跡規劃和在線航跡規劃[2]。傳統離線航跡規劃由于更新慢、時效性差等原因已不能滿足復雜度較高的戰場環境，因此為提高無人機戰場存活和及時精準打擊，對在線實時航跡規劃的深入研究尤為重要。

近年來，算法一直處于前沿領域研究，蟻群算法作為一種仿生算法，目前已經應用于各種不同的離散優化問題，這些方面的研究涵蓋了路徑規劃，該文基于蟻群算法應用于無人機的航跡路徑規劃。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用于諸多的領域。

1? 航跡規劃威脅模型

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

1.1 建立數字模型

公式如下：

將飛行區域的火力威脅等效成山峰加載到數字地圖，采用模型如下：

將原始隨機地形和山峰等效融合從成飛行區域中的數字地形圖，融合算法如下：

水平坐標點的地形高度為別為Z1（X，Y）和Z2（X，Y），山峰的個數記為n，第i威脅的高度記為zi，xoi、yoi為山峰最高點的橫縱坐標，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hc所構成的曲面。無人機在該曲面飛行所受威脅可以達到最小，所以無人機的飛行航跡必須在這個曲面上。最小威脅曲面為：

1.3 到達目標約束

同時到達目標是許多無人機航跡規劃需要解決的主要問題。當多架無人機飛行抵達敵方上空時，敵方防空火力在短時間內無法立即發現全部并將其一一摧毀，因此，未被摧毀的無人機可以對其進行實時目標打擊，從而增加了目標摧毀概率。

1.4 航跡代價函數

將最小威脅曲面進行投影，三維航跡規劃可以簡化成二維航跡規劃，因此航跡規劃的代價函數式為：

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

2? 基于蟻群算法的航跡規劃

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，隨著環境變化螞蟻對所走過的地方釋放信息激素，螞蟻走過的路徑越短，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，從而實現從蟻穴到食物的最短路徑，隨著環境變化，信息素濃度變化，動態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劃問題

蟻群算法主要包括有狀態轉移規則和信息素更新規則，狀態轉移原則：蟻群算法中螞蟻k（k=1，2，…，n），Pkij（t）表示在t時刻螞蟻k從當前節點i轉移到下一節點j的轉移概率：

其中nij為啟發因子，表示從節點i到j的期望程度，一般是節點距離dij的倒數，可寫為：

信息素更新規則：能夠進行全局調節的螞蟻需要生成階段最優解，搜索完一次后螞蟻在m條路徑中選擇一條最優的路徑，加大其信息素強度，提高收斂速度[1]。具體公式如下：

其中：

式中，0<ρ<1是為信息素強度的蒸發系數，Q/dij是螞蟻信息素強化量。

3? 實驗仿真

通過MATLAB軟件仿真，給定螞蟻為20×2隨機矩陣，螞蟻個數為20，迭代次數為100，信息素重要程度的參數為0.7，啟發式因子重要程度的參數為1.5，信息素蒸發系數為3，信息素增加強度系數為2.7。

（1）蟻群算法[5]涉及的參數需要提前設定。

（2）如果這一次迭代的次數值小于NC_max，進入第六步，佛則進入下一步。

（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，當然，螞蟻會在游歷過的城市留下信息激素，當這只螞蟻游歷完以后，再讓另外一只螞蟻進行游歷，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行一次游歷，接著進入下一步。

（4）當螞蟻對所有城市都進行游歷一遍，如果起點的城市沒有出現的話，跳回上一步，當作為起點的所有城市都游歷完畢，進入下一步。

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

（6）得到預期的結果，中止執行算法。

4? 結語

傳統的蟻群算法采用全局搜索方式，已經走過的節點除外，將其他相鄰的節點還會走一遍，該搜索方式的時間過大并且容易陷入局部最優，有時候還不能避開所謂的危險區，規劃出來的航跡不符合實際可飛條件。該文改進算法減少搜索臨近所有節點的次數，減少計算時間，可以得到航跡代價較小的無人機航跡。

參考文獻

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

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

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

[4] 孫勇，李妮，龔光紅，等.基于知識庫的動態蟻群算法[J].北京工業大學學報，2012，38（3）：374-379.