一种基于空间网格的无人机群安全作业航线自动生成方法

技术领域

本发明涉及集群无人机改航路径规划方法，尤其涉及一种基于空间网格的无人机群安全作业航线自动生成方法。

背景技术

对于大规模无人机的集群前往作业地点时，一方面需要规避人工划设的禁入区域，例如下方有居民区，周边有危险地形等；另一方面也需要考虑无人机集群内部特点。因此在无人机集群改航时需要对集群内每个无人机生成一条安全航线，这本质上是一种路径规划问题，自上世纪90年代起，国内外学者开始对改航路径规划问题进行研究，根据实施时间的不同可将改航路径规划问题分为飞行前规划和实时规划两种，前者为静态路径规划，后者为动态路径规划。

其中，飞行前改航路径规划的主要方法包括：(1)基于多边形的改航路径规划法：考虑影响飞行区域的多边形边界特点，运用几何方法对航路进行规划；(2)基于网格的改航路径规划法：在网格改航环境模型中运用路径搜索算法规划改航飞行路径；(3)基于可视图和权重的改航路径规划法：将影响飞行区域划分为不同等级并赋予权重，运用可视图确定权重距离最短的飞机改航路径；(4)基于已有航路点的改航路径规划法：将改航策略与地面等待模型结合，运用A*算法在现有航线网络中搜索改航路径。

静态路径规划的常用算法为：栅格法、可视图法、构型空间法、Dijkstra算法和A*算法等，实时改航路径规划的主要方法包括：(1)基于标准进离场程序的改航路径规划法：以标准进离场程序中的航路点为参考，通过适当的选取改航点进行改航路径规划；(2)基于自由飞行的改航路径规划法：将移动的飞行危险天气区域视为一个区域较大、移动速率较慢的航空器，寻找规避飞行冲突的避让路径；(3)基于椭圆边界的改航路径规划法：通过沿椭圆状危险天气影响区域的边缘绕飞，在满足容量约束的前提下，选取距离最短者作为最终的改航路径；动态路径规划的常用算法为：遗传算法、神经网络法、人工势场法和模糊逻辑算法等。

以上这些方法虽可有效进行无人机改航路径规划，但大多针对单个无人机，未考虑多无人机甚至是大量无人机时的路径规划问题,且未考虑无人机内部的相互影响，同时考虑的限制因素较为单一，不具备限制因素的可扩展性,而且对大量无人机通过狭窄路口时的可通过性问题都没涉及。

发明内容

发明目的：本发明的目的是提供一种基于空间网格的无人机群安全作业航线自动生成方法，一方面改进了势场法容易陷入局部最优解的问题；另一方面也避免了大量无人机通过狭窄路径时无法求解的问题。

技术方案：本发明包括如下步骤：

（1）按照无人机作业高度，将空间细分为空间网格，将居民区、危险地形作为危险区域，同时圈定外围作业边界，将危险区域和作业边界映射到空间网格上形成禁入区网格，并对禁入区域进行形状补全，对禁入区外侧随机添加一个最小单位的威胁网格区块；

（2）结合无人机集群的特点，构建蜂群约束模型，按照无人机的最小相邻安全距离，建立分离性加速度公式，避免撞机，按照无人机集群平均速度与预设飞行速度，建立一致性加速度公式，使集群中各个体的速度趋于一致，并往预设飞行速度靠近，按照无人机与集群中心点的位置关系，建立凝聚性加速度公式，使单体无人机与周围无人机保持在一定区间范围内；

（3）在空间网格离散空间内构建基于禁入区域的斥力场和基于目标点的引力场，建立离散势能场的模型计算函数，模拟无人机对禁入区的规避行为与飞往作业地点的趋近行为；

（4）对空间内各个网格的势能情况进行并行计算，求解出各个网格的势能值，生成完整势能场。将无人机集群中的内部约束叠加到势能场上，通过对无人机在该网格内的速度的上下左右四个方向做分量计算，选择最优方向，同时考虑无人机的可通过顺序,不断迭代求出从起始点到目标点的完整无人机航线。

进一步地，所述步骤（1）包括：

（1.1）将环境空间分别在X轴和Y轴方向划分空间网格，将飞行边界数据映射到网格中，形成可活动的空间网格集合；

（1.2）按照相邻边向量叉乘的方法判断禁入区域是否为凹多边形，如果是，则对凹多边形进行补全，然后将补全后的禁入区域映射到网格中；

（1.3）在空间内随机选择一个网格，计算各禁入区距离该网格最近的网格，并从该网格相邻的非禁入区域网格中随机选择一个作为扰动因子，设置为禁入区域。

进一步地，所述步骤（2）包括：

（2.1）按照分离性原则，建立分离性受力公式，无人机的相邻安全距离设为

其中，

（2.2）按照凝聚性原则，集群内各无人机之间的距离不能相隔太远，即无人机会向无人机集群中心靠拢，因此当无人机发生偏离时，会产生一个向中心的聚合力，t时刻的集群中心点位置为

其中，

用

其中，

（2.3）根据一致性原则，无人机自身的速度需要与集群速度的方向保持一致，并不断趋近预设速度，即无人机i的一致性力用加速度可表示为：

其中，

（2.4）根据步骤（2.1）-（2.3）可得无人机i在t时刻的集群内合加速度为：

进一步地，所述步骤（3）包括：

（3.1）构建引力场计算函数，引力场影响的是无人机的加速度，会随无人机所在的网格发生变化， 其在网格

其中，

（3.2）构建斥力场计算函数，斥力场同样影响无人机的加速度，其在网格

其中，

（3.3）综合叠加势能场后，空间内任意一点（m，n）的加速度为：

进一步地，所述步骤（4）包括：

（4.1）预先对整个网格内的势能场进行计算，遍历网格空间，对区域的属性进行一遍初始设置，即：

其中，B为禁入区域网格集合；

（4.2）计算综合加速度与速度，将势能场与集群内部影响进行叠加，则无人机i在t时刻的加速度为：

由于空间是网格化的，因此无人机每次移动的距离固定为两个相邻网格间的距离，表示为

（4.3）每个无人机在单元格内的移动方向有四个，即上、下、左、右，计算无人机在t时刻在(m，n)格内的速度，则可以计算出

（4.4）对

若

（4.5）更新无人机i的位置后，更新

有益效果：本发明与现有技术相比，具有如下显著优点：

（1）以蜂群模型表示大批量无人机的集群内行为，避免了无人机集群出动时各自飞行易发生冲撞的问题；

（2）利用凹多边形补全和随机因子，避免陷入局部最优解；

（3）势能场模型为宏观计算模型，通过建立势能场可为大量无人机的改航活动计算改航最优路径；

（4）建立可通过性集合，避免无人机在狭窄通道口“堵死”的问题。

附图说明

图1为本发明的流程图；

图2为禁入区域处理方法流程图；

图3为无人机集群的蜂群模型示意图；

图4为无人机路径选择算法流程图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

如图1所示，本发明基于空间网格的无人机群安全作业航线自动生成方法，步骤如下：

（1）对空间进行栅格化，根据预设的空间范围分别在X方向和Y方向划分M*N个单元格，对于每一个单元格可以用坐标（m，n）来标识，然后将处理禁入区域，进行区域补全，最后对进入区域增加随机扰动因子，其具体实施步骤如下：

（1.1）空间栅格化：将空间在X方向和Y方向划分网格，将划分单元格的面积越小，计算结果越精细，但也会导致计算速度越慢。为了兼顾速度与精度，需要根据场景选择适当大小的网格；

（1.2）禁入区调整与投影：如图2所示，将对形状为凹多边形的区域进行形状补全，投影到空间网格内，然后在每个禁入区域周边增加随机禁入区域因子，具体步骤如下：

（1.2.1）提取每个禁入区的点集，顺时针依次计算相邻边的叉乘，如果为负，则停止计算，并删掉这两个相邻边的连接点，然后更新该禁入区的点集，重新计算，直至全部相邻边叉乘为正；

（1.2.2）在空间网格内随机确定一个网格，如图2所示，内圆点所在网格，依次遍历各禁入区包含的网格到圆点网格的距离，找到最近的网格，并在其外侧随机设置一个禁入区域，生成禁入区域网格集合B。

（2）感知获取集群内的无人机信息，按照无人机的最小相邻安全距离，建立分离性加速度公式，避免撞机，按照无人机集群平均速度与预设飞行速度，建立一致性加速度公式，使集群中各个体的速度趋于一致，并往预设飞行速度靠近，按照无人机与集群中心点的位置关系，建立凝聚性加速度公式，使单体无人机与周围无人机之间保持在一定区间范围内，如图3所示，其具体实施步骤如下：

（2.1）按照分离性原则，建立分离性受力公式，无人机的相邻安全距离设为

其中，

（2.2）按照凝聚性原则，集群内各无人机之间的距离不能相隔太远，即无人机会向无人机集群中心靠拢，因此当无人机发生偏离时，会产生一个向中心的聚合力，t时刻的集群中心点位置为

其中，

用

其中，

（2.3）根据一致性原则，无人机自身的速度需要与集群速度的方向保持一致，并不断趋近预设速度，即无人机i的一致性力用加速度可表示为：

其中，

（2.4）根据步骤（2.1）-（2.3）可得无人机i在t时刻的集群内合加速度为：

（3）构建引力场和斥力场，预先对整个网格内的势能场进行计算：

（3.1）构建引力场计算函数，引力场影响的是无人机的加速度，会随无人机所在的网格发生变化， 其在网格

其中，

（3.2）构建斥力场计算函数，斥力场同样影响无人机的加速度，其在网格

其中，

（3.3）综合叠加势能场后，空间内任意一点（m，n）的加速度为：

（4）在得到整个网格空间内各网格的势能后，通过对无人机的受力分析计算，得到其在各个方向的速度分量，同时更新集群内无人机的位置信息，不断迭代，最终令无人机抵达目标点附近，如图4所示，其具体实施步骤如下：

（4.1）将M行，N列的空间网格按列划分N个组，对每组数据并行用势能场计算公式求解，并遍历网格空间，将禁入区域设为不可进入，其他区域设为可进入；

（4.2）从初始位置开始，如果无人机集群E中存在无人机与目标点G的距离大于一个阈值，则依次对S中的无人机分别按照步骤（4.3）的方式求解其加速度信息，并求出在上下左右四个方向的梯度下降情况，从大到小依次对可移动方向进行排序，并判断待移动网格是否可进入，若可进入则进行移动，移动后将移动到达的网格设置为不可进入，并将原本所在的网格设置为可进入；

（4.3）迭代上述过程，直至集合E中的所有无人机与目标点G的距离均小于阈值，即达到目标点附近。