基于定位的主从式无人机编队航迹规划研究.pdfVIP

基于定位的主从式无人机编队航迹规划研究

摘要

本文围绕在电子侦察系统中的基于定位的无人机编队航迹规划问题展开研究，基于

主从式无人机编队控制方案，提出无人机编队航迹规划方法和面向定位精度的无人机编

队队形优化方法。本文主要研究内容包括：

针对无人机编队进行时差定位时的编队队形会对定位精度产生影响的问题，本文将

克拉美-罗界作为定位精度方面的优化目标，与路程代价、威胁代价一起引入无人机编

队代价体系，使无人机编队在飞行过程中保持良好的编队队形，确保时差定位的精度。

同时，引入主从式无人机编队控制模型，简化编队航迹规划问题的求解。

主机航迹规划方面：静态环境下，针对传统的稀疏A*算法精度差、容易出现大量

冗余点，并且在大地图环境下容易陷入维度爆炸等缺点，引入自适应步长、粒子群算法

节点选择策略，提出混合A*算法，提升航迹规划的效果和效率，并针对障碍物群环境

提出相应避障策略；存在突发障碍物的动态环境下，针对传统的人工势场法(Artificial

PotentialField,APF)中存在的目标不可达、局部极小值等缺点，通过改进势场函数、引

入垂直力场对传统APF进行优化，使之具有更好的动态适应性，实现航迹局部重规划。

最后通过仿真实验表明：静态环境下，混合A*算法具有更优异的综合性能，并且在障

碍物群环境下也可以实现良好的规划效果；动态环境下，改进的APF可以生成可靠的

重规划航迹。

针对面向目标定位精度的无人机编队队形优化问题，本文基于量子粒子群算法

(Multi-objectiveParticleSwarmOptimization,MPSO)，将多目标优化策略、粒子混合更新

策略、非劣解优势选取策略和Y型布站策略引入该算法，提出改进的多目标量子粒子群

算法(ImprovedMulti-objectiveQuantum-behavedParticleSwarmOptimization,IMQPSO)。

引入球坐标系，简化从机航迹规划的数学模型。最后仿真结果表明IMQPSO算法可规划

出拥有良好定位效果的可靠的航迹，在算法运行时间基本持平的情况下相较于MPSO算

法，综合代价减小了4.7%，相较于多目标量子粒子群(Multi-objectiveQuantum-behaved

ParticleSwarmOptimization,MQPSO)算法，综合代价减小了1.4%。

关键词：航迹规划；定位；群智能算法；A*算法；人工势场法

基于定位的主从式无人机编队航迹规划研究

Abstract

ThisarticlefocusesonthelocalizationbasedUAVformationtrajectoryplanning

probleminelectronicreconnaissancesystems.Basedonthemaster-slaveUAV

formationcontrolscheme,aUAVformationrouteplanningmethodandapositioning

accuracyorientedUAVformationoptimizationmethodareproposed.Themain

researchcontentofthisarticleincludes:

TodealwiththeissuethattheformationshapeofUAVformationscanaffectthe

positioningaccuracyduringtimedifferencepositioning,thisarticletakestheCramer

RaoLowerBound(CRLB)astheoptimizationobjectiveintermsofpositioning

accuracy,andintroducesitintotheUAVformationcostsystemalongwithd