基于模糊虚拟力的无人机航路规划方法

摘要

解决基于虚拟力航路规划方法出现的局部极小问题，并实现规划过程中实时的自适应规划参数设置，本发明采用基于模糊虚拟力(FVF)的无人机航路规划方法，其采用贝叶斯网络和模糊逻辑推理相结合进行实时的自适应规划参数设置，并提出威胁合并法解决虚拟力法的局部极小问题。本发明的基于模糊虚拟力的无人机航路规划方法包含以下步骤：1)设置无人机航路规划的初始条件，包括规划起始点、目标点、威胁分布及属性；2)设置无人机航路规划的迭代步长；3)设置规划参数，从而确定虚拟斥力系数与虚拟引力系数之间的关系；4)进行航路规划；5)判断是否进入局部极小，若是，则进行威胁合并，若否，则继续进行航路规划直至目标点。

主权项

1.一种基于模糊虚拟力的无人机航路规划方法，其特征在于包含以下步骤：1)设置无人机航路规划的初始条件，包括规划起始点、目标点、威胁分布及属性；2)设置无人机航路规划的迭代步长；3)设置规划参数k，从而确定虚拟斥力系数与虚拟引力系数之间的关系，其中，k＝G_R/G_A，G_A表示虚拟引力系数，G_R表示虚拟斥力系数；4)进行航路规划，航路规划坐标变化量Δx和Δy为：$\left\{\begin{array}{c}\mathrm{\Delta x}=\delta ·\alpha ·(F_{\mathrm{Ax}}+\Sigma F_{\mathrm{Rx}})\\ \mathrm{\Delta y}=\delta ·\alpha ·(F_{\mathrm{Ay}}+\Sigma F_{\mathrm{Ry}})\end{array}\right.$其中，$\left\{\begin{array}{c}{F}_{\mathrm{Ax}}=G_A·\cos \left({\theta }_A\right)/{R_A}^2\\ F_{\mathrm{Ay}}=G_A·\sin \left({\theta }_A\right)/{R_A}^2\end{array}\right.$F_Ax和F_Ay分别表示虚拟引力在x轴和y轴的投影，R_A是当前点和目标点间的距离，θ_A是当前点与目标点连线和x轴的夹角；$\left\{\begin{array}{c}{F}_{\mathrm{Rx}}=-G_R·\cos \left({\theta }_R\right)·e^{(-R_R/r_0)}\\ F_{\mathrm{Ry}}=-G_R·\sin \left({\theta }_R\right)·e^{(-R_R/r_0)}\end{array}\right.$F_Rx和F_Ry分别表示虚拟斥力在x轴和y轴的投影，R_R是当前点和威胁间的距离，r₀是常量可设置为威胁的半径，θ_R是当前点与威胁连线和x轴的夹角；δ为航路规划的迭代步长，且α＝[(F_Ax+∑F_Rx)²+(F_Ay+∑F_Ry)²]^-1/2；5)判断是否进入局部极小，若是，则按照步骤5.1)和5.2)进行威胁合并，若否，则继续进行航路规划直至目标点；5.1)根据任意两个威胁所对应的规划参数k₁、k₂模糊推理得到两个威胁间CritiDis为临界间距；定义为威胁间距，其中TTDis为两个威胁中心之间的距离，GapDis为两个威胁影响范围间的最短距离，r和R分别为两个威胁的影响半径；5.2)将ThrtDis进行归一化处理，使之处于[0，1]之间，比较任意两个威胁对应的ThrtDis和依据重心法解模糊后的CritiDis之间关系，得到合并标志CmbVal为：$\mathrm{CmbVal}=\left\{\begin{array}{cc}1& \mathrm{ThrtDis}\le \mathrm{CritiDis}\\ 0& \mathrm{ThrtDis}>\mathrm{CritiDis}\end{array}\right.,$合并标志CmbVal为1的两个威胁构成一个威胁组。