改進(jìn)蟻群算法的多無(wú)人機(jī)沖突解脫技術(shù)研究*

揭 東 湯新民 陳濟(jì)達(dá) 李 騰

(南京航空航天大學(xué)民航學(xué)院 南京 210016)

0 引 言

無(wú)人機(jī)具有成本低、操作簡(jiǎn)便、機(jī)動(dòng)性能強(qiáng)等特點(diǎn)，在農(nóng)業(yè)植保、公安警用、森林消防等多個(gè)領(lǐng)域得到廣泛應(yīng)用[1].無(wú)人機(jī)市場(chǎng)規(guī)模的擴(kuò)大給空域管理帶來(lái)嚴(yán)峻考驗(yàn).截至目前為止，對(duì)于無(wú)人機(jī)的運(yùn)行管控策略主要是設(shè)定固定空域的方法，以避免或者嚴(yán)控其他類型的航空器進(jìn)入該劃設(shè)空域中，降低安全風(fēng)險(xiǎn).但是，由于空域資源是有限的，無(wú)人機(jī)數(shù)量陡增，因此，必須研究基于地面站的無(wú)人機(jī)沖突探測(cè)技術(shù)，給出多機(jī)沖突的解脫策略，進(jìn)而保證無(wú)人機(jī)的運(yùn)行安全.

國(guó)內(nèi)外學(xué)者對(duì)于多無(wú)人機(jī)沖突路徑規(guī)劃問(wèn)題，可細(xì)分為沖突探測(cè)與解脫路徑規(guī)劃兩部分，沖突探測(cè)方面，Reich等[2-4]從建立飛行安全間隔，以概率形式量化沖突幾率等方面開(kāi)展研究；湯新民等[5-6]考慮無(wú)人機(jī)性能約束，建立機(jī)載沖突探測(cè)模型，劃分沖突告警等級(jí)；并據(jù)此給出相應(yīng)解脫策略.這些研究給出了多機(jī)沖突探測(cè)的思路.對(duì)于多機(jī)解脫路徑規(guī)劃方面，目前成熟、普及度較高的算法有A*算法、人工勢(shì)場(chǎng)法和蟻群算法等.唐曉東等[7]假定已知無(wú)人機(jī)的目的地，引入改進(jìn)open表的A*算法以降低計(jì)算復(fù)雜度，并能夠考慮無(wú)人機(jī)性能且給出解脫路徑規(guī)劃.Zhu等[8]研究了如何運(yùn)用人工勢(shì)場(chǎng)法在動(dòng)態(tài)環(huán)境中為無(wú)人機(jī)規(guī)劃沖突解脫路徑；吳學(xué)禮等[9]對(duì)于單目標(biāo)單障礙物的追蹤，提出人工勢(shì)場(chǎng)引導(dǎo)進(jìn)化算法.人工勢(shì)場(chǎng)法的優(yōu)勢(shì)在于可以規(guī)劃出平滑航路，但同時(shí)容易陷入局部最優(yōu)點(diǎn).Dorigo[10]第一次提出了蟻群算法，通過(guò)對(duì)不同的可行路徑釋放不同量的信息素，進(jìn)而控制不同路徑的信息素濃度，在最優(yōu)線路中增加濃度，以逐漸搜索最優(yōu)路徑.該算法擅長(zhǎng)解決函數(shù)優(yōu)化和路徑規(guī)劃問(wèn)題.Sara等[11]研究了基于目標(biāo)的概率和空間屬性的優(yōu)化蟻群算法，有效降低了搜尋目標(biāo)所需時(shí)間；Li等[12]綜合無(wú)人機(jī)性能指標(biāo)，在蟻群算法的基礎(chǔ)上，采用人工勢(shì)場(chǎng)法獲取先驗(yàn)值，縮短了多無(wú)人機(jī)執(zhí)行任務(wù)的飛行距離；倪壯等[13]基于角度信息與精英策略改進(jìn)蟻群算法，獲得了多架飛機(jī)的沖突解脫策略更優(yōu)的效果.

綜上所述，目前對(duì)于多無(wú)人機(jī)路徑規(guī)劃問(wèn)題，蟻群算法能夠提供路徑規(guī)劃方案，但通常只采用調(diào)向策略，沒(méi)有結(jié)合無(wú)人機(jī)靈活機(jī)動(dòng)的優(yōu)勢(shì).另外，由于算法初始階段搜索量大，收斂出最優(yōu)路徑的結(jié)果所需時(shí)間較長(zhǎng),因此，本文充分考慮無(wú)人機(jī)的性能，建立無(wú)人機(jī)飛行保護(hù)區(qū)，基于地面站對(duì)空域中飛行沖突進(jìn)行探測(cè)預(yù)警.在基本蟻群算法基礎(chǔ)上提出加入角度信息、排序系統(tǒng)的改進(jìn)蟻群算法，對(duì)沖突的多無(wú)人機(jī)引入聯(lián)動(dòng)調(diào)速、調(diào)向策略以規(guī)劃無(wú)沖突路徑，以最小總延誤距離為目標(biāo)函數(shù)，給出多機(jī)沖突情景下最優(yōu)的聯(lián)動(dòng)解脫策略.

1 無(wú)人機(jī)沖突探測(cè)

對(duì)基于地面站的無(wú)人機(jī)沖突探測(cè)分為三步：①為無(wú)人機(jī)設(shè)定飛行保護(hù)區(qū)，將獲取的監(jiān)視數(shù)據(jù)轉(zhuǎn)換為以地面站為原點(diǎn)的空間坐標(biāo).②對(duì)空域中無(wú)人機(jī)按不同高度分層，對(duì)同一高度層無(wú)人機(jī)目標(biāo)航跡進(jìn)行分析，初篩出具有潛在沖突的目標(biāo)對(duì).③采取線性外推法對(duì)通過(guò)初篩的無(wú)人機(jī)進(jìn)行具體分析計(jì)算，進(jìn)一步確定沖突情況.

1.1 無(wú)人機(jī)安全間隔

對(duì)無(wú)人機(jī)建立相應(yīng)的飛行保護(hù)區(qū)，以確保無(wú)人機(jī)在執(zhí)行飛行任務(wù)時(shí)，有一個(gè)合理的間距，避免碰撞的風(fēng)險(xiǎn).對(duì)于無(wú)人機(jī)的飛行保護(hù)區(qū)的構(gòu)建，要依據(jù)無(wú)人機(jī)的飛行性能，包括無(wú)人機(jī)最大運(yùn)行速度、執(zhí)行命令做出反應(yīng)的時(shí)間等；基于以上因素，飛行保護(hù)區(qū)要大于無(wú)人機(jī)自身大小.本章中保護(hù)區(qū)包含兩個(gè)要素，垂直安全間隔Dver，水平安全間隔Dhor[14].以無(wú)人機(jī)為中心的保護(hù)區(qū)模型見(jiàn)圖1.

圖1 無(wú)人機(jī)飛行保護(hù)區(qū)

1.2 基于線性外推法的沖突預(yù)判算法

利用WGS84坐標(biāo)轉(zhuǎn)局部空間直角坐標(biāo)系的方法，建立以地面基站為原點(diǎn)的本地直角坐標(biāo)系；通過(guò)坐標(biāo)轉(zhuǎn)換方法，將空域內(nèi)的無(wú)人機(jī)經(jīng)緯度和速度轉(zhuǎn)換為相對(duì)地面站的位置矢量和速度矢量.不同高度的無(wú)人機(jī)對(duì)應(yīng)不同的二維平面.

1) 沖突初篩 對(duì)處于一個(gè)二維平面的N架無(wú)人機(jī)，對(duì)于其中的任意一架無(wú)人機(jī)，需要判斷N-1次.對(duì)于所有的無(wú)人機(jī)，理論上需要判斷N(N-1)/2次.而實(shí)際情況中，存在很多目標(biāo)與自身相距很遠(yuǎn)，在一段時(shí)間內(nèi)不可能存在沖突.因此，設(shè)定距離的閾值，可以減少探測(cè)的次數(shù)，提高沖突探測(cè)的效率.

在二維平面內(nèi)，設(shè)定水平距離閾值RTA，當(dāng)水平間隔大于閾值.則過(guò)濾該目標(biāo).RTA設(shè)置為

RTA=2TA·νmh+Dhor

(4)

式中：TA為設(shè)定的預(yù)警時(shí)間；vmh為目標(biāo)最大的水平飛行速度；Dhor為目標(biāo)保護(hù)區(qū)的水平間隔.

線性外推法適用于線性運(yùn)動(dòng)的對(duì)象，算法基于兩機(jī)當(dāng)前的位置與速度矢量，計(jì)算在預(yù)警時(shí)間[0,TA]內(nèi)，兩對(duì)象之間是否有小于安全水平間隔及安全高度間隔的可能，即是否有相撞的可能.

2) 水平方向上的沖突預(yù)警探測(cè) 在水平方向上，假設(shè)判斷的兩對(duì)象分別為a，b，根據(jù)建立的局部坐標(biāo)系a的水平標(biāo)坐標(biāo)為(vax,vay) ，水平速度為(vax,vay) ，b的水平標(biāo)坐標(biāo)為(vb,vb).平速度為(vbx ,vby).以下給出關(guān)于a，b在水平面內(nèi)飛行相對(duì)狀態(tài)的幾個(gè)定義.

定義1a,b之間的真實(shí)距離為

(5)

定義2入侵機(jī)b相對(duì)無(wú)人機(jī)a的x軸方向速度

Δvbx=vbx-vax

(6)

定義3入侵機(jī)b相對(duì)無(wú)人機(jī)a的y軸方向速度

Δvby=vby-vay

(7)

水平方向上沖突探測(cè)步驟如下.

步驟1根據(jù)無(wú)人機(jī)速度信息，求相對(duì)速度ΔV，若|ΔV|=0，進(jìn)入步驟2，若|ΔV|≠0，進(jìn)入步驟3.

步驟2計(jì)算水平間隔Dab(0)與安全間隔Dhor為比較，當(dāng)Dab(0)

步驟3按照水平間隔計(jì)算公式

Dab(t)=

解出Dab(0)

2 多機(jī)沖突解脫建模

2.1 基本蟻群算法應(yīng)用建模

對(duì)基于地面站的多機(jī)沖突解脫規(guī)劃問(wèn)題進(jìn)行簡(jiǎn)化建模：

1) 無(wú)人機(jī)具有較好的機(jī)動(dòng)性能，在空中甚至可以懸停，但由于懸停過(guò)程中功耗遠(yuǎn)遠(yuǎn)大于工作功耗，因此假定無(wú)人機(jī)在沖突發(fā)生時(shí)，不采用懸停策略，可以采用三種調(diào)速策略，即低速、中速、高速.

2) 假定無(wú)人機(jī)在執(zhí)行解脫策略時(shí)，可以采用三種調(diào)向機(jī)動(dòng)策略，即保持原航向，向左偏航 30°和向右偏航30°.

3) 假定無(wú)人機(jī)都裝備ADS-B監(jiān)視設(shè)備，可以獲得無(wú)人機(jī)每個(gè)時(shí)間點(diǎn)的位置、速度和高度信息，無(wú)人機(jī)的目標(biāo)位置已知.

將n架無(wú)人機(jī)沿當(dāng)前位置與其目標(biāo)位置劃分成l步，往前推進(jìn)過(guò)程中，無(wú)人機(jī)有三種航向策略以及三種速度策略，由假設(shè)可知，當(dāng)一架無(wú)人機(jī)從t-1時(shí)刻的A位置在t時(shí)刻運(yùn)動(dòng)到B位置，則在t+1時(shí)刻，該無(wú)人機(jī)可能到達(dá)的位置C共有9種可能，見(jiàn)圖2.C1，C2，C3分別為保持高速、中速、低速左偏航 30°抵達(dá)位置，C4，C5，C6為保持高速、中速、低速沿原航向抵達(dá)的位置，C7，C8，C9為保持高速、中速、低速沿右偏航 30°所抵達(dá)的位置，9種可能路徑為BC1，BC2…，BC9.當(dāng)前無(wú)人機(jī)位置、速度矢量矩陣表示為Ak[x,y,θ,v]，下一步無(wú)人機(jī)矩陣為

Ak+1=[x+vtcosθ′,y+vtsinθ′,θ′,v′]

(9)

圖2 無(wú)人機(jī)路徑選擇

基于以上三個(gè)條件假設(shè)，對(duì)空域中所有無(wú)人機(jī)進(jìn)行沖突探測(cè)，當(dāng)滿足沖突條件時(shí)，可以采用調(diào)節(jié)無(wú)人機(jī)航向和速度的方式改變軌跡，在解脫沖突前提下，保證偏離的距離最短.

將無(wú)人機(jī)i運(yùn)行k步后的三維坐標(biāo)表示為Aki；算法的目標(biāo)函數(shù)為

(10)

目標(biāo)函數(shù)要求f最小，也就是要沖突解脫中無(wú)人機(jī)偏離原目標(biāo)的距離越短，Delayi為無(wú)人機(jī)i在此次航向改變中帶來(lái)的延誤距離，無(wú)人機(jī)產(chǎn)生的延誤距離可以表示為l步后位置Ali(xi,yi)與目的地坐標(biāo)Bi(Xi,Yi)之間距離，表達(dá)式為

Delayi=‖Ali-Bi‖

(11)

表達(dá)式展開(kāi)為

Delayi=‖Ali-Bi‖=

(12)

為使沖突解脫過(guò)程合理，在機(jī)動(dòng)過(guò)程中，加入最小水平間隔約束條件，即要求每一時(shí)刻，空域中無(wú)人機(jī)兩兩之間需要保持最小水平間隔，假設(shè)無(wú)人機(jī)i(xi,yi)和j(xj,yj)為

(13)

式中：δ為無(wú)人機(jī)運(yùn)行時(shí)的最小安全間隔.

針對(duì)前文的假設(shè)和定義，對(duì)空域中的n架無(wú)人機(jī)開(kāi)展蟻群算法的地基沖突解脫計(jì)算.

首先計(jì)算無(wú)人機(jī)在時(shí)刻t通過(guò)某一段路徑k至另一空間位置的概率Pk(t)為

(14)

式中：τk(t)為t時(shí)刻路徑k的信息素值.該值在一次迭代完成后更新，更新的表達(dá)式為

τk(t+1)=(1-ρ)τk(t)+Δτk(t)，0<ρ<1

(15)

式中：τk(t+1)為t+1時(shí)在k段航跡上的信息素值；ρ為信息素值的衰減系數(shù)；1-ρ為信息素存留系數(shù)；Δτk(t)為此次迭代過(guò)程中該段路徑k所獲得的信息素總量.

對(duì)蟻群算法運(yùn)行過(guò)程中信息素分布的問(wèn)題，通常采用的模型有三種，計(jì)算表達(dá)式為

1) ant cycle system模型.

式中：Q為一只螞蟻每次循環(huán)能夠產(chǎn)生的信息素之和，是一個(gè)常量；Li為螞蟻i走過(guò)的總路程.

2) ant density system模型.

(17)

3) ant quantity system模型.

式中：di為螞蟻i經(jīng)過(guò)該段的路程.

由表達(dá)式可知各個(gè)模型考慮的范圍不同， ant density system模型均為從螞蟻經(jīng)過(guò)路程進(jìn)行考慮；ant quantity system模型與ant cycle system模型分別從局部和整體考慮了螞蟻經(jīng)過(guò)路程，進(jìn)而分配信息素濃度，本文要從全局優(yōu)化的角度考慮，得出延誤最小的路徑，因此，采用ant cycle system釋放模型，當(dāng)路徑越短，每次迭代過(guò)程中獲得的信息素增量越多.

依據(jù)ant cycle system模型的計(jì)算表達(dá)式，信息素釋放量Δτk(t)表達(dá)式為

(19)

式中：Q為一架無(wú)人機(jī)走完全程留下的信息素總量；f為所有無(wú)人機(jī)最終延誤距離之和.

確定目標(biāo)函數(shù)、約束條件、路徑選擇方式以及信息素釋放方法后，基本蟻群算法的運(yùn)行流程見(jiàn)圖3.

圖3 蟻群法執(zhí)行流程

2.2 改進(jìn)蟻群算法應(yīng)用建模

1) 角度信息的引入 無(wú)人機(jī)在某一時(shí)刻t對(duì)下一時(shí)刻目標(biāo)的選擇過(guò)程中，基本蟻群算法唯一依據(jù)為下一節(jié)點(diǎn)信息素占所有可行節(jié)點(diǎn)信息素總量的比重，比重與選擇節(jié)點(diǎn)的幾率成正比.在此基礎(chǔ)上，約束無(wú)人機(jī)在選擇下一節(jié)點(diǎn)時(shí)考慮節(jié)點(diǎn)t+1與起點(diǎn)連線同終點(diǎn)與起點(diǎn)連線之間的夾角，增大選擇較小夾角節(jié)點(diǎn)的概率，見(jiàn)圖4.

圖4 優(yōu)選夾角示意圖

S，D兩點(diǎn)分別為無(wú)人機(jī)起始點(diǎn)和目的地，無(wú)人機(jī)在時(shí)刻t有九個(gè)節(jié)點(diǎn)可供選擇，將可供選擇的節(jié)點(diǎn)與起始點(diǎn)連線，起始點(diǎn)與目標(biāo)點(diǎn)連線，兩線構(gòu)成的夾角越小，則增加其被選擇的概率，該例中，選擇節(jié)點(diǎn)F，構(gòu)成的夾角α最小，因此在選擇下一節(jié)點(diǎn)過(guò)程中增大節(jié)點(diǎn)F被選中的概率.

2) 基于排序的螞蟻系統(tǒng)引入 引入基于排序的蟻群系統(tǒng)，每次迭代完成，對(duì)所有批次計(jì)算出的目標(biāo)函數(shù)值f進(jìn)行排序，f值越小，排名越靠前，僅在排序前γ的無(wú)人機(jī)經(jīng)過(guò)路徑釋放信息素，在不錯(cuò)過(guò)最優(yōu)解的情況下，保證較優(yōu)路徑有更多的信息素疊加，加快算法的收斂速度，更快得出最優(yōu)解.

信息素更新公式為

τk(t+1)=(1-ρ)τk(t)+Δτ*k(t),0<ρ<1

(20)

(21)

式中：f為一批無(wú)人機(jī)最終延誤距離之和；pk為排名前k的路徑集合；Δτ*k(t)引入排序后一次迭代中無(wú)人機(jī)在路徑k上所釋放信息素之和.

引入角度信息和排序螞蟻系統(tǒng)后的，總結(jié)蟻群算法的運(yùn)行可以分為5步：

步驟1對(duì)蟻群算法運(yùn)行過(guò)程中需要用到的變量和參數(shù)賦初值，模擬無(wú)人機(jī)的數(shù)量M=N×m、各節(jié)點(diǎn)起始信息素φ、揮發(fā)因子ρ、最大循環(huán)迭代次數(shù)Cmax、無(wú)人機(jī)每次循環(huán)信息素釋放總和Q、迭代代數(shù)起始值k.

步驟2將M架無(wú)人機(jī)分成N組，m批次，放置在N個(gè)不同的出發(fā)點(diǎn)，以權(quán)值的方式，加入角度選擇的因素，結(jié)合信息素濃度，求出通向下一目標(biāo)的幾率，按該幾率進(jìn)行隨機(jī)選擇，引導(dǎo)無(wú)人機(jī)完成l步節(jié)點(diǎn)選擇.

步驟3按照應(yīng)滿足無(wú)人機(jī)最小安全間隔約束條件式(13)，來(lái)約束每一批無(wú)人機(jī)節(jié)點(diǎn)的選擇，若選擇的路徑不滿足約束條件，則該批無(wú)人機(jī)重新選擇，并不再同時(shí)選該路徑組合，以保證任意時(shí)刻任意無(wú)人機(jī)，與其它無(wú)人機(jī)之間無(wú)沖突發(fā)生.

步驟4計(jì)算各無(wú)人機(jī)走完路徑后與目標(biāo)點(diǎn)的間距，由式(10)來(lái)計(jì)算每批次無(wú)人機(jī)目標(biāo)函數(shù)值f，并且對(duì)一次循環(huán)中目標(biāo)函數(shù)值進(jìn)行比較，得出最小目標(biāo)函數(shù)值，對(duì)最小目標(biāo)函數(shù)值由小到大排序，記錄排前γ的值，同時(shí)根據(jù)改進(jìn)的信息素釋放表達(dá)式，更新各節(jié)點(diǎn)上的信息素濃度.

步驟5若循環(huán)數(shù)小于設(shè)定的最大迭代次數(shù)，回到步驟2，迭代繼續(xù)進(jìn)行；否則，停止迭代，給出解脫路徑.

3 多機(jī)沖突解脫仿真

3.1 基本蟻群算法仿真

根據(jù)上述建模，設(shè)計(jì)仿真場(chǎng)景；設(shè)定在18 km×18 km的空域范圍中，存在如下四架無(wú)人機(jī)，分別為U1，U2，U3，U4；4架無(wú)人機(jī)的起始狀態(tài)見(jiàn)表1.

表1 無(wú)人機(jī)起始狀態(tài)

將無(wú)人機(jī)從起始點(diǎn)接近目標(biāo)點(diǎn)的過(guò)程按距離分解為固定步數(shù)20步；無(wú)人機(jī)可以采取三種飛行速度5,10,15 m/s；圖5為無(wú)人機(jī)以當(dāng)前狀態(tài)運(yùn)行的路徑，因此，采用基本蟻群算法，加入排序系統(tǒng)的改進(jìn)蟻群算法，加入排序系統(tǒng)、角度信息的改進(jìn)蟻群算法分別進(jìn)行沖突解脫仿真.仿真過(guò)程中，設(shè)置無(wú)人機(jī)總數(shù)M=80、分成4組，ρ=0.3，Q=100、最大迭代次數(shù)Cmax=200.

圖5 仿真方案設(shè)計(jì)圖

對(duì)基于地面站的多無(wú)人機(jī)沖突問(wèn)題，采用基本蟻群算法仿真，算法規(guī)劃出的沖突解脫路徑見(jiàn)圖6.

圖6 基本蟻群算法解脫路徑規(guī)劃

由圖6可知，通過(guò)該算法，多機(jī)之間的沖突狀況得到解脫，但最終各無(wú)人機(jī)距離目標(biāo)位置遠(yuǎn)，解脫路徑規(guī)劃的質(zhì)量低；產(chǎn)生結(jié)果的原因是，通過(guò)起始沖突路徑選擇不僅運(yùn)算量大，低質(zhì)量的先驗(yàn)路徑結(jié)果導(dǎo)致基本蟻群算法最終收斂于局部最優(yōu)解，而非全局最優(yōu)解；因此，對(duì)算法進(jìn)行改進(jìn)，加入角度信息、排序系統(tǒng)，以減小方位的偏差，減少計(jì)算量，縮短計(jì)算時(shí)間，并驗(yàn)證改進(jìn)算法的效果.

3.2 改進(jìn)蟻群算法仿真

保證較優(yōu)路徑有更多的信息素疊加，加快算法的收斂速度，更快得出最優(yōu)解.圖7為解脫路徑規(guī)劃結(jié)果，改進(jìn)算法目標(biāo)函數(shù)值優(yōu)于基本蟻群算法，通過(guò)引入排序系統(tǒng)、角度信息的改進(jìn)算法產(chǎn)生的延誤大大減小.

圖7 改進(jìn)蟻群算法沖突解脫結(jié)果

在多架無(wú)人機(jī)沖突解脫過(guò)程中，無(wú)人機(jī)需要保持最小間隔，無(wú)人機(jī)解脫過(guò)程中無(wú)人機(jī)之間的實(shí)時(shí)距離見(jiàn)圖8，此時(shí)UAV2與UAV3在運(yùn)行到第14步時(shí)距離最小為1.58 km，大于最小間隔，滿足沖突解脫過(guò)程中最小間隔要求.

圖8 無(wú)人機(jī)兩兩之間距離

對(duì)兩種算法各仿真30次，并記錄采用不同算法所產(chǎn)生的f值，每3次取其中最小值最終延誤長(zhǎng)度見(jiàn)圖9.由圖9可知，改進(jìn)蟻群算法降低了最終總延誤距離.

圖9 沖突解脫算法最終延誤距離

在仿真過(guò)程中，每種算法仿真30次，并記錄采用不同算法計(jì)算所用時(shí)間，選取其中最小的10做記錄.可見(jiàn)改進(jìn)蟻群算法減少了計(jì)算時(shí)間.

表2 優(yōu)化算法計(jì)算時(shí)間

3.3 無(wú)人機(jī)優(yōu)先調(diào)配

根據(jù)無(wú)人機(jī)在空中等待的時(shí)長(zhǎng)，與無(wú)人機(jī)運(yùn)行的優(yōu)先等級(jí)，確定無(wú)人機(jī)是否需要優(yōu)先調(diào)配.通過(guò)增加優(yōu)先調(diào)配無(wú)人機(jī)結(jié)果在最優(yōu)目標(biāo)中的比重，使系統(tǒng)保證需優(yōu)先調(diào)配的無(wú)人機(jī)保持較優(yōu)方案，見(jiàn)圖10.在仿真過(guò)程中，增加了UAV1、UAV2的優(yōu)先等級(jí)，保證其優(yōu)先到達(dá)目的地的情況下，對(duì)解脫路徑進(jìn)行仿真，結(jié)果顯示，可以實(shí)現(xiàn)無(wú)人機(jī)的沖突解脫，優(yōu)先保證的無(wú)人機(jī)能夠在仿真過(guò)程中得到更優(yōu)的路徑規(guī)劃，在按規(guī)劃路線完成運(yùn)行后距離目標(biāo)點(diǎn)越近，而其它的無(wú)人機(jī)在與目標(biāo)點(diǎn)距離上做出犧牲.進(jìn)行多次仿真，取平均計(jì)算完成時(shí)間為28.4 s，與本文的優(yōu)化算法差別不大，取平均延誤距離為13.3 km，較無(wú)優(yōu)先情況增加了13%，因此可以看出此方法，能夠在犧牲少量整體優(yōu)化效果的前提下有效實(shí)現(xiàn)優(yōu)先無(wú)人機(jī)優(yōu)先路徑規(guī)劃.

圖10 無(wú)人機(jī)優(yōu)先調(diào)配解脫結(jié)果

4 結(jié)束語(yǔ)

針對(duì)空域中無(wú)人機(jī)運(yùn)行可能出現(xiàn)的多機(jī)沖突狀況，本文提出了一種平面內(nèi)線性外推的沖突探測(cè)的方法，確定可能存在的多機(jī)沖突情況，基于基本蟻群算法，加入排序系統(tǒng)與角度信息，考慮無(wú)人機(jī)的速度調(diào)整策略與航向調(diào)整策略，以總延誤距離最小為優(yōu)化目標(biāo)，規(guī)劃無(wú)人機(jī)沖突解脫的路徑.通過(guò)案例分析，可以得到，基本蟻群算法能夠?yàn)槎嗉軣o(wú)人機(jī)沖突解脫提供方案，但是，總延誤距離大，計(jì)算時(shí)間長(zhǎng)；經(jīng)過(guò)本章提出的改進(jìn)蟻群算法，提高了計(jì)算效率，收斂出最優(yōu)化目標(biāo)路徑所需時(shí)間減少了43.9%，且最終總延誤距離減少了58.4%.