無人機多目標偵察航跡規(guī)劃方法

劉志陽， 江 濤

(1.空軍工程大學航空機務士官學校，河南 信陽 464000； 2.陸軍工程大學石家莊校區(qū)，石家莊 050003)

0 引言

無人機航跡規(guī)劃是任務規(guī)劃的重要內容，可以有效地提升無人機的作戰(zhàn)效能。偵察型無人機執(zhí)行任務時通常不會針對單一目標，往往是單次任務包含多個目標，這就涉及到任務分配問題中的多目標時序分配問題[1]。

一般任務分配問題可以轉化為典型的組合優(yōu)化問題模型，然后利用與之相關的理論求解。目前典型的任務分配模型有：旅行商問題(TSP)模型[2]、車輛路由問題(VRP)模型[3]、混合整數線性規(guī)劃(MILP)模型[4]、動態(tài)網絡流優(yōu)化(DNFO)模型[5]等。

本文的研究背景選定為偵察型無人機在任務區(qū)域對多類型的多個目標進行偵察,因此選擇TSP模型。

目前用于無人機航跡規(guī)劃的尋優(yōu)方法有很多，本文選擇的航跡規(guī)劃方法為改進智能單粒子優(yōu)化(ISPO)算法，該算法在筆者前一階段的研究中已充分論證了其可靠性和優(yōu)越性。在本文中對航跡初始化方法和航跡編碼方式進行了調整和優(yōu)化，并通過Matlab仿真實驗比較了改進ISPO算法、帶動態(tài)變化慣性權系數的PSO算法及具備反向學習和局部學習能力的粒子群(RLPSO)算法[6]的性能。結果表明，3種算法能有效完成航跡規(guī)劃的尋優(yōu)計算，規(guī)劃結果的質量、穩(wěn)定性和計算效率由高到低的順序為改進ISPO算法、RLPSO算法和帶動態(tài)變化慣性權系數的PSO算法。在后文中提到的PSO算法都是帶動態(tài)變化慣性權系數的PSO算法。

針對TSP問題，文獻[7]提出了一種改進帝國競爭算法(ICA)，該算法在求解TSP問題時有較高的求解質量和效率?！?br>