基于多目标搜索的无人机协同轨迹智能规划

寇丽君

（大连东软信息学院，辽宁 大连 116000）

0 引言

1 设计方法

1.1 无人机动力学模型构造

以双坐标系为量化基准，构造无人机动力学模型时特做以下假设：将无人机视为对称且形状均匀的刚体；在较小风速的情况下无人机悬停或低速飞行时，忽略近地效应。

构造双坐标系的步骤如下：

（1）将无人机机身坐标系记为O -XYZ。其中O为坐标原点位于机身重心处，X轴与Y轴均从重心指向无人机电机，而Z轴则与地面垂直且向上，形成右手坐标系，能够描述姿态信息。

（2）惯性坐标系记为o-xyz，将o这一原点置于地面，x轴与y轴互相垂直并且与地面平行，东方向定义为x轴正向。z轴向上与地面垂直，符合直角右手正交系，能够描述无人机与地面相对的空间位置。

无人机的运动形式分为绕轴转动与沿轴平动。通过4 个变化状态量进行表示。(x，y，z)T表示位置坐标；（vx，vy，vz）T表示沿轴速度；(φ，θ，Φ)T表示绕轴姿态；(p，q，r)T表示绕轴角速度。

其中，T代表状态阈值；x、y、z分别代表惯性坐标系中，无人机的轴向位置信息；vx、vy、vz分别代表3 个轴向的沿轴速度；φ、θ、Φ分别代表3 个轴向的绕轴姿态；p、q、r分别代表3 个轴向的绕轴角速度。

根据以上状态变量构造无人机动力学模型，如下式所示：

新课标明确指出，在语文学习的过程中，要培养学生健康的审美情趣。在古诗文教学中除了从诗词句的诵读与理解中让学生受到感染熏陶，还可以结合课文插图来培养学生健康的人格和审美情趣。例如在教学杜甫的《江畔独步寻花》时，可以引导学生仔细观察课文插图，并与学生探讨：你觉得图画美吗？美在哪里？一般学生都能道出花美、景美、动静结合等。这时，教师及时引导学生感受画面表现的生活美、人情美。继续看图探讨：诗人置身于繁花似锦、蝶舞莺啼的美好春景中，你能感受到诗人怎样的情感？这时，学生就能感受到诗人愉悦的心情和对美好春景的热爱。这样学生在潜移默化中受到熏陶，提高审美情趣。

1.2 初始路径规划

根据构造的无人机动力学模型，通过蚁群算法规划无人机运行的初始路径。具体步骤如下：

（1）对相关参数进行初始化。其中包括总蚂蚁数M、迭代总次数D、信息素数量权重系数、启发式信息权重系数等。设置当前迭代次数为1。

（2）对应M只蚂蚁，构建M个禁忌表，并将节点禁忌链表初始化为空。

（3）若当前迭代次数≤迭代总次数D，则使当前迭代次数为1，并转到下一步骤；若当前迭代次数＞迭代总次数D，使当前迭代次数为1，并转到第（7）步骤。

（4）将各蚂蚁起始点放入相应的节点禁忌链表中，将加入表中的节点视为当前节点。

（5）若各蚂蚁当前节点不是目标点，则对各可行节点的对应转移概率进行计算，并通过轮盘赌法对下一节点j进行选取。将其加入各自的节点禁忌链表内，使其成为当前节点。当全部蚂蚁都找到其目标点，则转到下一步骤；当无可行解，且不是当前节点，则跳转至第（7）步骤，否则当前迭代次数加一，并在本步骤循环运行。

（6）对当前代数是否为总次数与迭代周期数的比值的倍数进行确定。不为其倍数，则对全局信息素进行更新；否则对信息素进行更新，清空各蚂蚁的节点禁忌链表，转至第（3）步骤。

（7）对无可行解时的末尾路径进行记录，对该条路径的对应惩罚因子进行增加，并对其启发式因子进行修改，使目前迭代次数加一，跳转至第（4）步骤。

1.3 协同轨迹智能规划

基于多目标搜索，通过蚁群算法实现无人机协同轨迹智能规划。具体规划流程如下：

（1）构建二维维诺图。图中包含N个威胁源，以及S组无人机终止点与起始点的对应坐标对。

（2）通过蚁群算法针对S个无人机实施最短路径搜索，获取初始路径S组。

（3）对获取路径实施平滑处理，获取其对应路径平滑初始区间。

（4）设定置信度，对路径平滑初始区间是否存在交集进行判断。若存在交集，转向步骤（5）；否则，判断区间距离是否大于置信度。若大于置信度，则无法进行协同轨迹智能规划；小于置信度，转向步骤（6）继续执行。

（5）将交集里的中间值当做公共路径长度，计算其与初始路径S的距离，转向步骤（7）。

（6）针对平滑长度区间，选择上限最小的区间与上限最大的区间，计算其路径的平滑长度。其余区间，则将其中心作为路径的平滑长度。之后计算路径原始长度与路径平滑长度的距离。

（7）各条路径获取一个总体平滑因子值，对上面的各点实施各角度的路径平滑操作。

（8）完成操作后，实现无人机协同轨迹智能规划，结束算法。

2 实验研究

2.1 实验设计

实验中选用5 台无人机，通过本文方法和二种传统方法对其规划。实验中设置威胁源为9 个，给定二维平面中的起始点与目标点，要求实验无人机从同一基地出发，并同时到达实验中设置的目标点。获取起始点与目标点的距离为5 000 m～5 500 m 的飞行耗时数据，作为实验数据而进行对比分析。

2.2 结果分析

在起始点与目标点的距离为5 000m～5 500 m，本文方法与原有的二种方法飞行耗时实验对比数据见表1。

根据表1 数据可知，在起始点与目标点距离为5 000 m～5 500 m，本文提出方法的飞行耗时低于原有二种方法。

3 结束语

基于多目标搜索的无人机协同轨迹智能规划方法，实现了特定距离内飞行耗时的降低，对于无人机任务的协同执行有很大意义。