基于多階段航跡預(yù)測的無人機任務(wù)規(guī)劃方法研究.pdf

1、無人機應(yīng)用中對自主性的要求越來越高，未來發(fā)展的最終目標(biāo)是實現(xiàn)全自主集群控制。而無人機任務(wù)規(guī)劃技術(shù)是該目標(biāo)實現(xiàn)的基礎(chǔ)，主要包括任務(wù)分配與航跡規(guī)劃兩部分。無人機的飛行航跡取決于任務(wù)分配結(jié)果，而分配過程的任務(wù)目標(biāo)價值又與無人機的航程相關(guān)，故將任務(wù)規(guī)劃過程作為整體研究更具實際意義。為此，提出了基于多階段航跡預(yù)測（Multi-Stage Path Prediction,MSPP）的無人機任務(wù)規(guī)劃方法。
　　首先，根據(jù)航跡規(guī)劃應(yīng)用中需要實現(xiàn)的

2、功能，研究了一種MSPP算法，包括路徑估計、路徑規(guī)劃、航跡平滑、交會航跡生成四個階段。各階段的計算結(jié)果均為近似程度不同的航跡參考。以航跡航程最短作為航跡規(guī)劃的性能指標(biāo)。將無人機的禁飛區(qū)建模為多邊形。為實現(xiàn)快速性，局部A*算法使用無人機當(dāng)前位置的臨近區(qū)域內(nèi)的多邊形頂點作為搜索節(jié)點，建立算法的搜索空間，并隨飛行過程不斷更新。該臨近區(qū)域可對應(yīng)為實際場景中的探測范圍。而為實現(xiàn)最優(yōu)性，全局A*算法實時進行，并隨飛行過程不斷將探測范圍內(nèi)的節(jié)點添加至

3、搜索空間。MSPP算法原理和具體功能如下：
　　1.路徑估計階段：在每個規(guī)劃周期開始，各無人機利用局部A*算法快速估算當(dāng)前時刻所有任務(wù)目標(biāo)相對自身航程，作為任務(wù)分配過程的主要參考；
　　2.折線路徑規(guī)劃階段：任務(wù)分配完成后，無人機采用全局A*算法計算至指派目標(biāo)的最短折線路徑，包括探測范圍內(nèi)的真實路徑和至目標(biāo)的啟發(fā)式路徑，并隨飛行過程持續(xù)實時更新；
　　3.航跡平滑階段：使用三次B樣條曲線同步平滑上述最短路徑，通過優(yōu)化控

4、制點，生成滿足約束的可飛行航跡，作為飛行過程中的航跡參考；
　　4.交會航跡生成階段：針對交會目標(biāo)，采用基于Dubins路徑的協(xié)同航跡規(guī)劃方法，生成多無人機的交會航跡。在航跡末段，用Dubins路徑替代B樣條曲線，生成參考航跡。根據(jù)無人機間航程差，近程無人機選擇航跡較短的迂回機動或航跡較長的盤旋機動方式，以等待其他無人機完成協(xié)同執(zhí)行任務(wù)。
　　然后，基于MSPP的路徑估計算法計算無人機至任務(wù)目標(biāo)的近似航程，從集中式和分布式兩

5、方面展開任務(wù)分配過程。集中式分配采用改進PSO算法，通過修改粒子結(jié)構(gòu)，實現(xiàn)快速迭代尋優(yōu)。改進粒子為無人機與各任務(wù)目標(biāo)間的分配關(guān)系，其元素為布爾型變量，相對于傳統(tǒng)PSO粒子元素的連續(xù)變化范圍，搜索空間大大減小。改進PSO算法能以較快的計算速度收斂至全局最優(yōu)解。另一方面，鑒于集中式算法的應(yīng)用局限性，研究了基于路徑估計及聚類算法的分布式任務(wù)分配。現(xiàn)有算法為考慮全局任務(wù)信息，一般在任務(wù)初始階段完成整個分配過程。出現(xiàn)突發(fā)目標(biāo)后，需重新分配整體任務(wù)

6、，造成計算冗余?；诰垲惖娜蝿?wù)分配過程逐周期展開，各無人機根據(jù)路徑估計結(jié)果，采用聚類算法，修改任務(wù)目標(biāo)價值向量，使無人機傾向于執(zhí)行價值總和更高的目標(biāo)集合，而不是個體價值最高的單個目標(biāo)。每個規(guī)劃周期僅分配給將完成任務(wù)的無人機一個目標(biāo)，為避免陷入局部最優(yōu)，其他無人機也基于當(dāng)前狀態(tài)參與虛擬分配。出現(xiàn)突發(fā)目標(biāo)則添加至下一規(guī)劃周期，可實現(xiàn)近似全局最優(yōu)的任務(wù)分配結(jié)果。
　　最后，結(jié)合MSPP算法，根據(jù)任務(wù)分配的兩種實現(xiàn)方式，進行了任務(wù)規(guī)劃整體