复杂环境下无人飞行器航路规划技术研究

复杂环境下无人飞行器航路规划技术研究

成小军

沈阳飞机工业（集团）有限公司 辽宁省沈阳市 110034

摘要：首先根据在复杂动力学条件下无人航空器的动态阻碍回避问题，根据合理假定构建出无人航空器的动态阻碍的运动学建模，同时结合考虑在无人航空器驾驶流程中的终端用户束缚、控制输入束缚、安全性避障条件等，以数量最小的性能指标建立了动态探测定位问题数学上的描述。之后，根据终端束缚和控制输入束缚，再根据优化模型的静态规划算法得到初始路径：根据动态探测定位问题的不等式条件，导入松弛变量并根据光滑模变结构的方法确定松弛变量动力学，从而完成了对单一、多重或同时多种动态阻碍的安全性回避；然后，再根据有限时间的微分动态规划方法实现路径选择，可以得到既符合以上各种条件而又不能避免动态问题的近似最优路径。

关键词：无人机；近似最优轨道

前言：使用各种型号的无人或驾驶飞机开展低空大尺度数据航空摄影测量，是中国最近二、三年才起步研发的高新装备与工艺，能进行这种工作的飞机大多为固定翼无人机和无人直升机。多年以来，空中摄像始终是我国测量单位、气象部门收集国内外地面数据的重要方式。航拍摄像是一个包括多机构和项目协同进行的复合型工程，不但包括航拍摄像，还涉及专业性较强的规划设计项目。航拍摄像规划设计是航空摄影项目中的一个关键部分，其精细化水平、智能化程度以及建设效率将直接关系航空摄影的品质与价值。

一、无人机航测发展过程

无人机起源于第一次世界大战时期，最初被用作战场的侦察与监视。2005年，由中国研发的高端多用途无人机遥感控制系统首航试验并取得了成功，同时，该系统在飞机特性、导航控制精度、通信技术和装备，以及在系统集成、智能化和高分辨率空间数据提取等方面，也取得了实用化水平。2009年，中国国家重点项目精密轻小型化航空遥感控制系统关键技术及制品发布会在北京市召开，该控制系统的相关产品已在北京举行的十一五期间国家重点科学技术成就展上亮相。该技术可以通过无人驾驶飞行器平台的航空数码照相机进行航空摄影，从而能够实现自主航行，在1000公里以内可以实现摸黑操作。

二、无人飞行器航路规划技术基本要求

（一）战略和战术要求

基于本国政策以及有关的政治原因，军事或无人航空器将禁止飞经如居民区、中立区、水电站大坝附近或已确定为禁飞区域的地方；无人飞行器在执行任务时，应当考虑到各种影响因素如攻击方向、航路的交叉及飞行时间等。

（二）导航要求

按照系统要求，应当首先收集整个飞机飞行范围的地形高度轮廓数据、目标位置、危险点、障碍物位置等数据；飞机相对于大地的定位数据和航行中的有关数据等，从而实现飞行器航路规划。

（三）预防性要求

要增强突防能力，除了需在设计中使航空器保持尽可能低的雷达技术散射截面之外，更关键的是飞机航路本身必须具备优异的突防特性，因为航空器通常都靠在低空突防飞向的目标，因此。敌方防卫系统、地空战略部队等将极大威胁着航空器的正常飞行，因此进行航线计划时就必须充分考虑到敌情信息，让航空器飞行时尽量地远离这些区域，从而增加了航线的隐蔽性，以降低被敌人破坏概率，从而增加了航空器的飞行的安全性。

（四）飞行器性能要求

航迹设计需要考虑飞机的能源约束以及航行路线限制。为减少被敌方防护体系破坏的可能性，飞行器通常采用TF/TA²飞行。为减少航空器遭敌方防护体系破坏甚至是碰水、碰山的概率，航空器必须进行回避、绕道航行，这样在运载燃料一定的前提下，这种航行将造成飞机行程损失。所以，飞机航程需要符合航空器的动力学特点，满足关于飞行器自身的限制。在某种意义上来说，航迹设计的核心就是寻找符合各种约束条件的最优航路，即与明确的设计目标和各种约束函数相匹配的最佳问题。既要尽可能增加飞行器的任务的效率，也要尽可能减少失事几率和被破坏可能性，同时要满足另外的约束条件。

三、无人飞行器全局航路规划

（一）粒子群优化算法的基本原理

粒子群优化算法是模拟鸟群飞行觅食的行为。在鸟类随机搜索食物时，可以不必知道食物距离的远近，只需要通过搜索离食物距离最近的鸟的位置就可以寻找到食物。每个个体在考虑其他个体的信念的同时都需要记住各自的信念，如果发觉其他个体比自己的信念优秀时，该个体就将进行调整其适应性。这其实是通过飞鸟之间的集体使群体的最优预测，因为虽然每个个体的行为准则都是最单一的，但是组合成的整个种群的行为却也是非常复杂的。

（二）粒子群优化算法在航路规划领域的应用

粒子群优化算法可以用来解决各种优化问题，在出现不到十年的时间里，已经被应用到生产过程、管理工程、控制和设计等各个领域。最近几年，一些学者开始将粒子群算法应用到路径规划领域中。其中，秦元庆等最先将粒子群优化算法应用到路径规划技术中去，运用粒子群优化算法进行优化调整路径点的位置；孙波等开始将粒子群优化算法贯穿于整个路径的求解过程，并形成了早期的基于粒子群优化算法的全局路径规划方法，其基本原理是在始终点连线的若干垂直线上的随机初始种群上的路径点，再用粒子群优化算法对路径点的位置进行优化调整，实验证明粒子群优化算法能够准确快速的求解路径。不少学者还通过改进粒子群优化算法自身的优化性能，主要方式就是靠对进化多样性的调整或者提高单独粒子个体的变异概率等，这样就是算法的求解精度更高搜索时更易避免陷入局部极小值，大大提高了算法优化效率，从而使路径规划更迅速。

结论：该文根据无人航空器在复杂的动力学条件下实施动态探测定位问题，创新性地给出了移动探测定位近似最优预测轨道设计方案。它通过对移动阻碍影响、控制条件、终端条件等分析与计算，进而选择初始轨道、规避轨道、优化轨道，以确保最终的飞行轨道具有接近于最优预期功能，从而保持移动探测位置并解决各种制约。同时，该文方法简单有效，充分利用各子算法资源。另外，该文动态障模式具有代表性，包含可以避免多种动障的特殊情形，所以该文路径设置方法具有很大的实用性，对将来无人机避障路径设置提出了全新的思考和探索。

参考文献：

[1]王明明,夏学知. 复杂环境下无人飞行器航路规划技术研究[J]. 舰船电子工程,2016,36(07):32-37+136.

[2]王明明. 复杂环境下无人飞行器航路规划技术研究[D].中国舰船研究院,2016.