本發(fā)明屬于運(yùn)動(dòng)體路徑規(guī)劃研究
技術(shù)領(lǐng)域：
，具體涉及一種多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)的協(xié)同路徑規(guī)劃方法，適用于解決無(wú)人機(jī)集群作戰(zhàn)場(chǎng)景下的多個(gè)無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)中的協(xié)同路徑規(guī)劃問(wèn)題。
背景技術(shù)：
：多無(wú)人機(jī)協(xié)同控制問(wèn)題可以分解為協(xié)同目標(biāo)分配、協(xié)同路徑規(guī)劃問(wèn)題、多無(wú)人機(jī)協(xié)同編隊(duì)控制等多個(gè)子問(wèn)題。其中協(xié)同路徑規(guī)劃問(wèn)題是實(shí)現(xiàn)多無(wú)人機(jī)協(xié)同控制中的一個(gè)關(guān)鍵問(wèn)題。多無(wú)人機(jī)協(xié)同航路規(guī)劃是指在滿(mǎn)足各種約束條件(空間約束、時(shí)間約束、環(huán)境約束、任務(wù)約束等)的前提下，為整個(gè)無(wú)人機(jī)群中的每架無(wú)人機(jī)規(guī)劃出一條從起始點(diǎn)到目標(biāo)點(diǎn)的航跡，并且使得無(wú)人機(jī)群的整體性能達(dá)到最優(yōu)。一般的路徑規(guī)劃問(wèn)題多考慮在起始位置和目標(biāo)位置確定條件下的路徑規(guī)劃問(wèn)題，且各個(gè)無(wú)人機(jī)的路徑規(guī)劃相互獨(dú)立，針對(duì)目標(biāo)的機(jī)動(dòng)性、威脅度的實(shí)時(shí)計(jì)算以及密集的無(wú)人機(jī)群作戰(zhàn)場(chǎng)景，是多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)路徑規(guī)劃問(wèn)題的難點(diǎn)。與無(wú)人機(jī)單機(jī)路徑規(guī)劃相比，無(wú)人機(jī)集群作戰(zhàn)場(chǎng)景下的多無(wú)人機(jī)協(xié)同路徑規(guī)劃更加復(fù)雜化和智能化，可以以更小的代價(jià)合作完成更復(fù)雜的任務(wù)，靈活性更強(qiáng)，更能提高飛行器的生存能力和任務(wù)的成功率。技術(shù)實(shí)現(xiàn)要素：本發(fā)明針對(duì)無(wú)人機(jī)集群作戰(zhàn)場(chǎng)景下的多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)的路徑規(guī)劃問(wèn)題，提出一種多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)的協(xié)同路徑規(guī)劃方法，該方法考慮在無(wú)人機(jī)-目標(biāo)分配方案已經(jīng)確定的前提下，為多個(gè)無(wú)人機(jī)規(guī)劃出滿(mǎn)足多無(wú)人機(jī)相互之間無(wú)碰撞、無(wú)人機(jī)最大轉(zhuǎn)彎角約束并且使無(wú)人機(jī)群聯(lián)合目標(biāo)探測(cè)概率最大的較易執(zhí)行路徑。實(shí)現(xiàn)本發(fā)明的技術(shù)方案如下：一種多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)的協(xié)同路徑規(guī)劃方法，包括如下步驟：步驟1：初始化無(wú)人機(jī)和多機(jī)動(dòng)目標(biāo)的參數(shù)信息；步驟2：通過(guò)交互多模型濾波器對(duì)多個(gè)機(jī)動(dòng)目標(biāo)的軌跡進(jìn)行跟蹤，預(yù)測(cè)下一個(gè)采樣時(shí)刻各個(gè)目標(biāo)的運(yùn)動(dòng)狀態(tài)信息，包括各個(gè)目標(biāo)的位置坐標(biāo)和速度；步驟3：綜合考慮目標(biāo)威脅度影響因素，利用層次分析法計(jì)算下一時(shí)刻各個(gè)目標(biāo)的威脅度；步驟4：基于各目標(biāo)的運(yùn)動(dòng)狀態(tài)信息和威脅度，利用差分進(jìn)化算法同時(shí)為多架無(wú)人機(jī)規(guī)劃出下一時(shí)刻的位置。進(jìn)一步地，本發(fā)明步驟4利用差分進(jìn)化算法同時(shí)為多架無(wú)人機(jī)規(guī)劃出下一時(shí)刻的位置，具體包括如下步驟：S401、初始化無(wú)人機(jī)位置種群；根據(jù)多架無(wú)人機(jī)當(dāng)前時(shí)刻的位置坐標(biāo)及航向角，在滿(mǎn)足無(wú)人機(jī)最大轉(zhuǎn)彎角約束的前提下，為多架無(wú)人機(jī)隨機(jī)生成下一時(shí)刻的位置；多架無(wú)人機(jī)在下一時(shí)刻的位置聯(lián)合表示為一個(gè)個(gè)體，隨機(jī)生成多個(gè)個(gè)體組成初始位置種群；S402、對(duì)初始位置種群進(jìn)行評(píng)價(jià)；評(píng)價(jià)指標(biāo)包括目標(biāo)函數(shù)值和約束違反程度；所述目標(biāo)函數(shù)綜合考慮對(duì)多個(gè)目標(biāo)的聯(lián)合探測(cè)概率和多架無(wú)人機(jī)的轉(zhuǎn)彎角之和；所述約束違反程度是指多無(wú)人機(jī)相互之間無(wú)碰撞約束的違反程度；S403、記錄當(dāng)前種群的最佳個(gè)體；若初始位置種群中存在約束違反程度為0的個(gè)體，則在約束違反程度為0的個(gè)體中選取目標(biāo)函數(shù)值最小的個(gè)體作為初始位置種群的最佳個(gè)體；若初始位置種群所有個(gè)體的約束違反程度均大于0，則選取約束違反程度最小的個(gè)體作為初始種群的最佳個(gè)體；S404、針對(duì)初始位置種群中的每一個(gè)體，通過(guò)變異、交叉操作產(chǎn)生新的個(gè)體；S405、按照步驟S402的方式對(duì)新個(gè)體進(jìn)行評(píng)價(jià)；S406、通過(guò)選擇操作在新個(gè)體和產(chǎn)生該新個(gè)體的舊個(gè)體中留下較優(yōu)者，作為當(dāng)前種群；選擇操作的原則為：當(dāng)兩者的約束違反程度相等時(shí)，留下目標(biāo)函數(shù)值較小的個(gè)體，當(dāng)兩者的約束違反程度不相等時(shí)，留下約束違反程度較小的個(gè)體；S407、更新當(dāng)前種群的最佳個(gè)體：將通過(guò)選擇操作留下的個(gè)體與之前記錄的種群最佳個(gè)體進(jìn)行比較，比較方法與選擇操作的原則相同，將兩者中較優(yōu)的個(gè)體作為當(dāng)前種群的最佳個(gè)體；S408、針對(duì)當(dāng)前種群，按照S404-S407的方式進(jìn)行變異、交叉和選擇操作的循環(huán)，并更新當(dāng)前種群的最佳個(gè)體，直到達(dá)到給定的最大進(jìn)化代數(shù)，即完成路徑規(guī)劃。進(jìn)一步地，在執(zhí)行步驟S401之前，對(duì)無(wú)人機(jī)當(dāng)前位置進(jìn)行編碼，具體方法如下：首先以第i(i＝1,2,...N)架無(wú)人機(jī)在當(dāng)前時(shí)刻的位置為極點(diǎn)，水平向右方向?yàn)闃O軸，逆時(shí)針為正方向，建立局部極坐標(biāo)系；其次將第i架無(wú)人機(jī)在當(dāng)前時(shí)刻的位置用變量極角θi,k表示，N架無(wú)人機(jī)在當(dāng)前時(shí)刻的位置聯(lián)合表示為θk＝[θ1,k,θ2,k,...,θN,k]；再次將N架無(wú)人機(jī)在當(dāng)前時(shí)刻的位置的解范圍映射到[0,1]區(qū)間，即將θk＝[θ1,k,θ2,k,...,θN,k]轉(zhuǎn)換為xk＝[x1,k,x2,k,...,xN,k]。進(jìn)一步地，在S402中，所述無(wú)碰撞約束違反程度，具體的計(jì)算方法如下：(1)根據(jù)N架無(wú)人機(jī)在當(dāng)前時(shí)刻的位置θk＝[θ1,k,θ2,k,...,θN,k]，通過(guò)坐標(biāo)轉(zhuǎn)換計(jì)算得到N架無(wú)人機(jī)在笛卡爾坐標(biāo)系下的位置:(xk,yk)＝[(x1,k,y1,k),(x2,k,y2,k),...,(xN,k,yN,k)]；(2)求出兩兩無(wú)人機(jī)間的距離得到距離矩陣D＝(dij)N×N；(3)根據(jù)設(shè)定的安全距離dsd，計(jì)算碰撞程度矩陣G＝(gij)N×N,計(jì)算方法如下：若dij≥dsd，則gij＝0；若dij＜dsd時(shí)，gij＝(dsd-dij)/dsd。進(jìn)一步地，所述S401和S404中，為滿(mǎn)足無(wú)人機(jī)最大轉(zhuǎn)彎角約束，在生成無(wú)人機(jī)下一時(shí)刻的位置之前，先對(duì)無(wú)人機(jī)位置范圍進(jìn)行限定，方法為：第i架無(wú)人機(jī)在當(dāng)前時(shí)刻的位置θi,k須滿(mǎn)足：θi,k∈[θi,k-1-θres,θi,k-1+θres]，其中θres表示無(wú)人機(jī)轉(zhuǎn)彎角最大值，θi,k-1表示第i架無(wú)人機(jī)上一時(shí)刻的位置；在S401和S404中，生成無(wú)人機(jī)位置的相對(duì)編碼位置xi,k之后且在個(gè)體評(píng)價(jià)之前，對(duì)無(wú)人機(jī)位置的相對(duì)編量進(jìn)行解碼，即將無(wú)人機(jī)位置相對(duì)編碼值xi,k對(duì)應(yīng)到具體的極角θi,k，xi,k∈[0,1]；解碼的方式為：θi,k＝θi,k-1-θres+xi,k·2θres。進(jìn)一步地，用層次分析法計(jì)算威脅度，具體包括如下的步驟：(1)基于目標(biāo)威脅度的評(píng)價(jià)元素，建立目標(biāo)威脅度單層次結(jié)構(gòu)模型；(2)基于所述結(jié)構(gòu)模型，計(jì)算評(píng)價(jià)元素兩兩影響之比，構(gòu)造兩兩比較判斷矩陣；(3)對(duì)判斷矩陣一致性進(jìn)行檢驗(yàn)，通過(guò)一致性檢驗(yàn)后得到各個(gè)評(píng)價(jià)元素的權(quán)重；(4)計(jì)算各個(gè)評(píng)價(jià)元素的效益值；(5)利用各個(gè)評(píng)價(jià)元素的權(quán)重和效益值，計(jì)算目標(biāo)當(dāng)前時(shí)刻的威脅度值。進(jìn)一步地，所述步驟3中的層次分析法中建立的目標(biāo)威脅度單層次結(jié)構(gòu)模型，具體包括如下的評(píng)價(jià)元素：(1)目標(biāo)敵我屬性：分為我方、中方、敵方三種；(2)目標(biāo)類(lèi)型：將目標(biāo)類(lèi)型按照威脅程度的順序劃分為戰(zhàn)術(shù)彈道導(dǎo)彈、大型機(jī)、小型機(jī)、武裝直升機(jī)、誘餌這五類(lèi)；(3)目標(biāo)徑向距離：表示目標(biāo)與無(wú)人機(jī)的徑向距離；(4)目標(biāo)徑向速度：表示目標(biāo)與無(wú)人機(jī)的徑向速度。進(jìn)一步地，所述步驟2的具體步驟為：(1)建立目標(biāo)運(yùn)動(dòng)模型，初始化模型參數(shù)；(2)模型條件重新初始化:選取經(jīng)過(guò)參數(shù)初始化處理的模型j(j＝1,2,...,r)，并輸入k-1時(shí)刻的初始化狀態(tài)，對(duì)模型j混合估計(jì)，得到重新初始化的狀態(tài)和協(xié)方差陣按混合估計(jì)分別為：其中，r為模型個(gè)數(shù)；pij是模型i轉(zhuǎn)到模型j的轉(zhuǎn)移概率，為歸一化常數(shù)，Mi(k-1)是k-1時(shí)刻的匹配模型，μi(k-1)是k-1時(shí)刻模型i的概率，是k-1時(shí)刻模型i的狀態(tài)估計(jì)，相應(yīng)的協(xié)方差矩陣是Pi(k-1|k-1)，Mi(k)是k時(shí)刻的模型,μij(k-1|k-1)表示模型i和模型j的混合概率；(3)模型并行濾波：根據(jù)步驟(2)中計(jì)算得到的k-1時(shí)刻模型初始條件，利用卡爾曼濾波法，計(jì)算k時(shí)刻各個(gè)模型的狀態(tài)估計(jì)和協(xié)方差矩陣(4)模型概率更新：利用步驟(2)中求出的k-1時(shí)刻的預(yù)測(cè)模型概率μij(k-1|k-1)，通過(guò)以下算式計(jì)算得到更新概率：其中，c為歸一化常數(shù)，且而Λj(k)為觀測(cè)Z(k)的似然函數(shù)，Sj(k)＝H(k)Pj(k|k-1)HT(k)+R(k)(5)估計(jì)融合(輸出交互)：利用組合各濾波器得到k時(shí)刻目標(biāo)狀態(tài)的最終總體估計(jì)及其協(xié)方差矩陣P(k|k)。本發(fā)明的有益效果是：第一、本發(fā)明采用了多無(wú)人機(jī)協(xié)同路徑規(guī)劃方式，綜合考慮了多無(wú)人機(jī)無(wú)碰撞約束和無(wú)人機(jī)最大轉(zhuǎn)彎角約束，為多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)任務(wù)實(shí)時(shí)規(guī)劃出滿(mǎn)足以上約束并且聯(lián)合探測(cè)概率最大且較易執(zhí)行的路徑，使得無(wú)人機(jī)群對(duì)目標(biāo)的整體跟蹤價(jià)值最大化。第二、本發(fā)明具有在線(xiàn)實(shí)時(shí)路徑規(guī)劃的優(yōu)點(diǎn)，多無(wú)人機(jī)在執(zhí)行任務(wù)的過(guò)程中可以根據(jù)外部環(huán)境的變化，適時(shí)調(diào)整路徑重新規(guī)劃，提高了任務(wù)完成的概率，具有更高的可靠性。第三、本發(fā)明采用了角度編碼的方式，通過(guò)角度(一個(gè)變量)代替坐標(biāo)(兩個(gè)變量)來(lái)表示無(wú)人機(jī)位置，既壓縮了解空間，又便于路徑表示和約束處理。第四、本發(fā)明可以同時(shí)為多無(wú)人機(jī)規(guī)劃出滿(mǎn)足要求的路徑，縮短了路徑規(guī)劃時(shí)間，提高了路徑規(guī)劃效率。第五、本發(fā)明適用于復(fù)雜的無(wú)人機(jī)集群作戰(zhàn)場(chǎng)景，可以改善無(wú)人機(jī)群在戰(zhàn)場(chǎng)上的生存能力和任務(wù)完成能力。附圖說(shuō)明圖1為協(xié)同路徑規(guī)劃方法的流程圖；圖2為無(wú)人機(jī)與目標(biāo)運(yùn)動(dòng)場(chǎng)景示意圖；圖3為交互多模型濾波器示意圖；圖4為目標(biāo)層次結(jié)構(gòu)模型圖；圖5為差分進(jìn)化算法流程圖；圖6為位置的表示方法示意圖。具體實(shí)施方式本發(fā)明是針對(duì)無(wú)人機(jī)集群作戰(zhàn)場(chǎng)景下的多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)的路徑規(guī)劃問(wèn)題的解決方法，在無(wú)人機(jī)-目標(biāo)分配方案給定的前提下，為N架無(wú)人機(jī)跟蹤M個(gè)目標(biāo)規(guī)劃出滿(mǎn)足無(wú)人機(jī)最大轉(zhuǎn)彎角約束和相互之間無(wú)碰撞約束的對(duì)多個(gè)目標(biāo)聯(lián)合探測(cè)概率最大且較易執(zhí)行的路徑；無(wú)人機(jī)集群作戰(zhàn)是指一組具備部分自主能力的無(wú)人機(jī)系統(tǒng)通過(guò)有人/無(wú)人操作裝置的輔助，在人的監(jiān)控下，完成作戰(zhàn)任務(wù)的過(guò)程，集群內(nèi)無(wú)人機(jī)數(shù)量密集，各無(wú)人機(jī)接受任務(wù)請(qǐng)求自主飛向任務(wù)區(qū)域(指定的目標(biāo)或者坐標(biāo))，同時(shí)要避免與其他無(wú)人機(jī)發(fā)生碰撞。本發(fā)明中設(shè)定無(wú)人機(jī)和目標(biāo)在二維平面內(nèi)運(yùn)動(dòng)，運(yùn)動(dòng)場(chǎng)景的示意圖如圖2所示，設(shè)共有N架無(wú)人機(jī)跟蹤M個(gè)目標(biāo)，假定目標(biāo)分配方案給定；多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)的協(xié)同路徑規(guī)劃方法整體思路如下：首先參數(shù)初始化，然后建立目標(biāo)運(yùn)動(dòng)模型，使用交互多模型濾波器對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)，估計(jì)目標(biāo)在下個(gè)采樣時(shí)刻的運(yùn)動(dòng)狀態(tài)信息；接著利用估計(jì)目標(biāo)的運(yùn)動(dòng)狀態(tài)信息，綜合考慮目標(biāo)威脅度影響因素，采用層次分析法實(shí)時(shí)計(jì)算各個(gè)目標(biāo)的威脅度；最后采用差分進(jìn)化算法為多架無(wú)人機(jī)同時(shí)規(guī)劃出下一時(shí)刻各自滿(mǎn)足其最大轉(zhuǎn)彎角約束和相互之間無(wú)碰撞約束的對(duì)多個(gè)目標(biāo)聯(lián)合探測(cè)概率最大且較易執(zhí)行的路徑；循環(huán)執(zhí)行以上“預(yù)測(cè)目標(biāo)運(yùn)動(dòng)狀態(tài)-計(jì)算目標(biāo)威脅度-無(wú)人機(jī)路徑規(guī)劃”過(guò)程，直至目標(biāo)分配方案更新，輸出無(wú)人機(jī)群在這段時(shí)間內(nèi)的路徑。下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作詳細(xì)說(shuō)明。本發(fā)明一種多無(wú)人機(jī)跟蹤多機(jī)動(dòng)目標(biāo)的協(xié)同路徑規(guī)劃方法，如圖1所示，包括以下步驟：步驟1：初始化無(wú)人機(jī)和多機(jī)動(dòng)目標(biāo)的參數(shù)信息；具體包括：目標(biāo)的位置坐標(biāo)和徑向速度、無(wú)人機(jī)的位置坐標(biāo)和航向角、無(wú)人機(jī)轉(zhuǎn)彎角約束范圍、無(wú)人機(jī)群無(wú)碰撞約束信息、目標(biāo)敵我屬性、目標(biāo)類(lèi)型、目標(biāo)徑向速度、目標(biāo)徑向距離信息、目標(biāo)采樣時(shí)間間隔、無(wú)人機(jī)之間的安全距離、無(wú)人機(jī)-目標(biāo)分配方案信息；所述無(wú)人機(jī)轉(zhuǎn)彎角約束范圍是指無(wú)人機(jī)的轉(zhuǎn)彎角不能超過(guò)其最大值θres；所述無(wú)人機(jī)轉(zhuǎn)彎角是指無(wú)人機(jī)轉(zhuǎn)彎前后航向角的差值；所述無(wú)人機(jī)群無(wú)碰撞約束信息是指兩兩無(wú)人機(jī)之間的距離不小于設(shè)定的安全距離dsd等等。步驟2、采用交互多模型濾波器對(duì)多個(gè)機(jī)動(dòng)目標(biāo)的軌跡進(jìn)行跟蹤，預(yù)測(cè)下一時(shí)刻多個(gè)機(jī)動(dòng)目標(biāo)的位置和速度，具體包括如下步驟：S201、目標(biāo)建模及參數(shù)初始化；本發(fā)明中設(shè)定目標(biāo)在二維平面內(nèi)運(yùn)動(dòng)，其狀態(tài)由位置和速度組成，即設(shè)采樣間隔為T(mén)，在采樣時(shí)刻k，笛卡爾坐標(biāo)系下目標(biāo)的離散運(yùn)動(dòng)模型和觀測(cè)模型為：X(k+1)＝FX(k)+Gv(k)(1)測(cè)量方程為：Z(k)＝HX(k)+w(k)(2)其中，X(k)為k時(shí)刻目標(biāo)狀態(tài)向量，Z(k)為k時(shí)刻觀測(cè)向量，F(xiàn)為狀態(tài)轉(zhuǎn)移矩陣，G為輸入矩陣，H為觀測(cè)矩陣，v(k)和w(k)分別為k時(shí)刻狀態(tài)噪聲和量測(cè)噪聲，且為互不相關(guān)的高斯白噪聲序列，其協(xié)方差矩陣分別為R(k)和Q(k)；并初始化所建模型的狀態(tài)轉(zhuǎn)移矩陣F，觀測(cè)矩陣H，輸入矩陣G，目標(biāo)狀態(tài)向量X(k)，觀測(cè)向量Z(k)，狀態(tài)噪聲協(xié)方差矩陣Q(k)，量測(cè)噪聲協(xié)方差矩陣R(k)，協(xié)方差矩陣P(k)，模型概率μi(k)以及模型i轉(zhuǎn)到模型j的轉(zhuǎn)移概率矩陣pij；構(gòu)建勻速運(yùn)動(dòng)模型(CV模型)和勻速轉(zhuǎn)彎運(yùn)動(dòng)模型(CT模型)兩種運(yùn)動(dòng)模型，作為交互多模型濾波器的模型集；1.CV：勻速運(yùn)動(dòng)模型取CV模型的目標(biāo)狀態(tài)向量則狀態(tài)轉(zhuǎn)移矩陣F，輸入矩陣G和觀測(cè)矩陣H分別為：2.CT：勻速轉(zhuǎn)彎運(yùn)動(dòng)模型只考慮運(yùn)動(dòng)角速度ω已知的CT模型。則狀態(tài)轉(zhuǎn)移矩陣F，輸入矩陣G和觀測(cè)矩陣H分別為：S202、模型條件重新初始化(輸入交互):選取經(jīng)過(guò)參數(shù)初始化處理的模型j(j＝1,2)，并輸入k-1時(shí)刻的初始化狀態(tài)，對(duì)模型j混合估計(jì)，得到重新初始化的狀態(tài)和協(xié)方差陣按混合估計(jì)分別為；其中，為歸一化常數(shù)，Mi(k-1)是k-1時(shí)刻的匹配模型，μi(k-1)是k-1時(shí)刻模型i的概率，是k-1時(shí)刻模型i的狀態(tài)估計(jì)，相應(yīng)的協(xié)方差矩陣是Pi(k-1|k-1)，Mi(k)是k時(shí)刻的模型,μij(k-1|k-1)表示模型i和模型j的混合概率；S203、模型并行濾波：對(duì)k時(shí)刻第j個(gè)并行濾波器以及Z(k)作為輸入進(jìn)行卡爾曼濾波，計(jì)算出各個(gè)模型的狀態(tài)估計(jì)和協(xié)方差陣Pj(k|k)，具體計(jì)算包括以下步驟：(1)預(yù)測(cè)：(2)預(yù)測(cè)誤差方差陣：(3)卡爾曼增益：(4)濾波：(5)濾波誤差方差S204、模型概率更新：其中，c為歸一化常數(shù)，且而Λj(k)為觀測(cè)Z(k)的似然函數(shù)，Sj(k)＝HPj(k|k-1)HT+R(k)(13)S205、估計(jì)融合(輸出交互)：利用組合各濾波器得到k時(shí)刻目標(biāo)狀態(tài)的最終總體估計(jì)及其協(xié)方差矩陣P(k|k)，具體的計(jì)算公式如下：k時(shí)刻，交互多模型濾波器算法流程示意圖如圖3所示。步驟3、利用步驟2中得到的k時(shí)刻的目標(biāo)狀態(tài)信息其中包括k時(shí)刻x和y方向上目標(biāo)位置估計(jì)值和跟蹤速度的估計(jì)值計(jì)算目標(biāo)徑向速度和徑向距離，采用層次分析法，求取各個(gè)威脅度影響因素的權(quán)重，然后計(jì)算當(dāng)前影響因素值的效用值從而得到目標(biāo)下一個(gè)采樣時(shí)刻的威脅度值；所述層次分析法是將復(fù)雜的問(wèn)題分解成按支配關(guān)系分組而形成有序低階層次結(jié)構(gòu)中的不同因素，通過(guò)兩兩比較的方式確定層次結(jié)構(gòu)中各因素的相對(duì)重要性，然后綜合判斷比較判斷結(jié)果以確定各個(gè)因素相對(duì)重要性的總順序；具體包括如下步驟：S301、建立目標(biāo)層次結(jié)構(gòu)模型如圖4所示；設(shè)目標(biāo)威脅度為P，目標(biāo)威脅度受以下評(píng)價(jià)因素的影響：(1)目標(biāo)敵我屬性C1：分為我方、中立、敵方三種，分別用0,1,2表示；(2)目標(biāo)類(lèi)型C2：將目標(biāo)類(lèi)型按照威脅程度的順序劃分為戰(zhàn)術(shù)彈道導(dǎo)彈、大型機(jī)、小型機(jī)、武裝直升機(jī)、誘餌這五類(lèi)，分別用量化值9、7、6、4、2表示；(3)目標(biāo)徑向距離C3：表示目標(biāo)與無(wú)人機(jī)徑向距離，距離越近，威脅度越大；(4)目標(biāo)徑向速度C4：表示目標(biāo)與無(wú)人機(jī)的徑向速度，所述徑向速度是指無(wú)人機(jī)和目標(biāo)的相對(duì)速度矢量在無(wú)人機(jī)目標(biāo)連線(xiàn)上的分量；正值表示目標(biāo)向無(wú)人機(jī)靠近，負(fù)值表示目標(biāo)遠(yuǎn)離無(wú)人機(jī)，徑向速度越大，威脅度越高。S302、構(gòu)造P-C判斷矩陣：采用1-9標(biāo)度法構(gòu)造P-C判斷矩陣，矩陣中元素aij表示影響因素Ci和Cj對(duì)P的影響之比，其含義如表1所示；表2顯示了本發(fā)明中所涉及的判斷矩陣；表1P-C判斷矩陣含義表2判斷矩陣aijC1C2C3C4C11a12a13a14C21/a121a23a24C31/a131/a231a34C41/a141/a241/a341S303、計(jì)算各個(gè)影響因素的權(quán)重；令權(quán)重向量W＝[w1w2w3…wn]，采用行和歸一法計(jì)算每個(gè)影響因素的權(quán)重wi：其中，n為所有影響因素的個(gè)數(shù)。得到每個(gè)影響因素的權(quán)重后，對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)，首先計(jì)算最大特征根λmax：然后計(jì)算一致性指標(biāo)CI：CI＝(λmax-n)/(n-1)(18)根據(jù)影響因素個(gè)數(shù)n查找對(duì)應(yīng)的隨機(jī)一致性指標(biāo)RI，隨機(jī)一致性指標(biāo)RI的值如下表：表3隨機(jī)一致性指標(biāo)階數(shù)123456789RI000.580.901.121.241.321.411.45最后計(jì)算一致性比例CR：CR＝CI/RI(19)如果CR＜0.1，則認(rèn)為此判斷矩陣通過(guò)一致性檢驗(yàn)，wi可作為各個(gè)影響因素的權(quán)重；否則重新構(gòu)造P-C判斷矩陣，再次求解權(quán)重并進(jìn)行隨機(jī)一致性檢驗(yàn)，直到通過(guò)為止。S304、計(jì)算各個(gè)影響因素的效益值；令目標(biāo)當(dāng)前影響因素向量為C＝[C1C2C3...Cn]，定義效益向量U＝[u1u2u3...un]，下面給出ui的具體計(jì)算公式：(1)如果影響因素Ci越大，目標(biāo)威脅度越大，則ui的效用函數(shù)為：(2)如果影響因素Ci越小，目標(biāo)威脅度越大，則ui的效用函數(shù)為：上面兩式中：Cimin＝min{Ci}，Cimax＝max{Ci}(22)本發(fā)明中目標(biāo)徑向距離越小，目標(biāo)威脅度越大，效用計(jì)算采用式(21)，其余三個(gè)影響因素均是值越大，威脅度越大，效益計(jì)算采用式(20)。S305、計(jì)算目標(biāo)威脅度值；利用各個(gè)影響因素的權(quán)重向量W和目標(biāo)當(dāng)前效用向量U，即能夠計(jì)算每個(gè)目標(biāo)當(dāng)前時(shí)刻的威脅度值：σ＝W*UT(23)步驟4、設(shè)無(wú)人機(jī)勻速運(yùn)動(dòng)且速度大小已知，無(wú)人機(jī)路徑規(guī)劃采樣時(shí)間間隔與目標(biāo)采樣時(shí)間間隔一樣都為T(mén)，利用差分進(jìn)化算法同時(shí)為多個(gè)無(wú)人機(jī)規(guī)劃出下一個(gè)采樣時(shí)刻滿(mǎn)足無(wú)碰撞和無(wú)人機(jī)最大轉(zhuǎn)彎角約束并使得目標(biāo)聯(lián)合探測(cè)概率最大、轉(zhuǎn)彎角之和最小的路徑；算法流程圖如圖5所示，具體包括如下步驟：S401、初始化無(wú)人機(jī)位置種群；定義第i(i＝1,2,...,N)架無(wú)人機(jī)在kT時(shí)刻的位置為無(wú)人機(jī)起點(diǎn)的位置已知，初始的航向角已知；一架無(wú)人機(jī)在第k個(gè)采樣時(shí)間間隔內(nèi)的路徑由無(wú)人機(jī)在kT時(shí)刻的位置和(k+1)T時(shí)刻的位置連接而成，一架無(wú)人機(jī)在(k+1)T時(shí)刻的航向角為從kT時(shí)刻位置到(k+1)T時(shí)刻位置的矢量方向；位置的表示方法如圖6所示，圖中為k-1時(shí)刻的位置，為k時(shí)刻的位置；以位置為極點(diǎn)，水平向右方向?yàn)闃O軸，逆時(shí)針為正方向，建立局部坐標(biāo)系，位置可以用極角θ和極徑ρ表示，由于無(wú)人機(jī)的速度和采樣時(shí)間間隔均已知，極徑ρ很容易算得，所以位置可以用一個(gè)變量極角θ來(lái)表示，因此，第i架無(wú)人機(jī)在kT時(shí)刻的位置可以用極角表示為θi,k；由此，N架無(wú)人機(jī)在kT時(shí)刻的位置可以由位置極角聯(lián)合表示為θk＝[θ1,k,θ2,k,...,θN,k]，根據(jù)給定的多架無(wú)人機(jī)在初始時(shí)刻的位置(針對(duì)初次計(jì)算時(shí))，或者根據(jù)優(yōu)化得到的多架無(wú)人機(jī)在當(dāng)前時(shí)刻的位置，在滿(mǎn)足無(wú)人機(jī)最大轉(zhuǎn)彎角約束的前提下，為多無(wú)人機(jī)隨機(jī)生成下一時(shí)刻的位置，多架無(wú)人機(jī)在下一時(shí)刻的位置聯(lián)合表示為一個(gè)個(gè)體，隨機(jī)生成多個(gè)個(gè)體組成初始位置種群。本發(fā)明采用相對(duì)編碼的方式，將N架無(wú)人機(jī)在kT時(shí)刻的位置的解范圍映射到[0,1]區(qū)間，即將θk＝[θ1,k,θ2,k,...,θN,k]轉(zhuǎn)換為xk＝[x1,k,x2,k,...,xN,k]，xi,k∈[0,1](i＝1,2,...N)，其中xi,k在[0,1]區(qū)間內(nèi)隨機(jī)生成。S402、考慮無(wú)人機(jī)最大轉(zhuǎn)彎角約束，在生成無(wú)人機(jī)下一時(shí)刻的位置之前，先對(duì)無(wú)人機(jī)位置范圍進(jìn)行限定；如圖6中的陰影范圍所示，k時(shí)刻的航向角限制在以k-1時(shí)刻航向角為軸心，小于等于轉(zhuǎn)彎角最大值θres的范圍內(nèi)；通過(guò)計(jì)算得到滿(mǎn)足最大轉(zhuǎn)彎角約束的位置極角范圍，壓縮了解空間，從而達(dá)到加快算法收斂速度的目的；第i架無(wú)人機(jī)在kT時(shí)刻的位置θi,k須滿(mǎn)足：θi,k∈[θi,k-1-θres,θi,k-1+θres](26)S403、對(duì)位置的相對(duì)編碼值進(jìn)行解碼，即將位置相對(duì)編碼值xi,k對(duì)應(yīng)到具體的極角θi,k，xi,k∈[0,1](i＝1,2,...N)；解碼的方法如下：θi,k＝θi,k-1-θres+xi,k·2θres(27)S404、對(duì)初始種群進(jìn)行評(píng)價(jià)：評(píng)價(jià)指標(biāo)為目標(biāo)函數(shù)值f和約束違反程度f(wàn)cv；所述目標(biāo)函數(shù)綜合考慮對(duì)多個(gè)目標(biāo)的聯(lián)合探測(cè)概率和多架無(wú)人機(jī)的轉(zhuǎn)彎角之和；所述對(duì)多個(gè)目標(biāo)的聯(lián)合探測(cè)概率是指對(duì)多個(gè)目標(biāo)的探測(cè)概率加權(quán)和，權(quán)重為單個(gè)目標(biāo)的威脅度占所有目標(biāo)威脅度之和的比重；所述約束違反程度是指多無(wú)人機(jī)相互之間無(wú)碰撞約束的違反程度，具體是指無(wú)人機(jī)群里兩兩無(wú)人機(jī)之間的碰撞程度的平均值；所述碰撞程度用gij表示，具體的計(jì)算方法如下：(1)根據(jù)N架無(wú)人機(jī)在kT時(shí)刻的位置θk＝[θ1,k,θ2,k,...,θN,k]，通過(guò)坐標(biāo)轉(zhuǎn)換計(jì)算得到N架無(wú)人機(jī)在笛卡爾坐標(biāo)系下的位置:(xk,yk)＝[(x1,k,y1,k),(x2,k,y2,k),...,(xN,k,yN,k)]；(2)求出兩兩無(wú)人機(jī)間的距離得到距離矩陣D＝(dij)N×N,其中dij的計(jì)算公式如下：其中，i＝1,2,...,N,j＝1,2,...,N，當(dāng)i＝j(luò)時(shí)，dij＝0；(3)根據(jù)設(shè)定的安全距離dsd，計(jì)算碰撞程度矩陣G＝(gij)N×N,計(jì)算方法如下：當(dāng)兩兩無(wú)人機(jī)間的距離小于給定的安全距離dsd時(shí)，即dij＜dsd，gij＝(dsd-dij)/dsd，否則gij＝0，表示兩者之間無(wú)碰撞；本發(fā)明中的最優(yōu)路徑規(guī)劃問(wèn)題考慮兩個(gè)約束條件：最大轉(zhuǎn)彎角約束和無(wú)碰撞約束，該帶約束的路徑優(yōu)化問(wèn)題模型表述如下：其中，1-f1表示k時(shí)刻N(yùn)個(gè)無(wú)人機(jī)雷達(dá)對(duì)M個(gè)目標(biāo)的聯(lián)合探測(cè)概率的歸一化加權(quán)和，f2表示k時(shí)刻N(yùn)個(gè)無(wú)人機(jī)平均轉(zhuǎn)彎角；μj,k表示k時(shí)刻目標(biāo)j(j＝1,2,...,M)的威脅權(quán)重，σj,k表示k時(shí)刻目標(biāo)j威脅度，通過(guò)步驟3求出；θi,k表示第i架無(wú)人機(jī)在k時(shí)刻的位置的極角，pi,j表示第i(i＝1,2,...,N)個(gè)無(wú)人機(jī)雷達(dá)對(duì)第j個(gè)目標(biāo)的探測(cè)概率，pd0表示雷達(dá)的最大探測(cè)范圍處的探測(cè)概率，pfa表示虛警概率，Rimax表示無(wú)人機(jī)雷達(dá)i的最大探測(cè)距離，rij表示無(wú)人機(jī)i與目標(biāo)j的相對(duì)距離。雷達(dá)虛警概率pfa為設(shè)定值，一般取10-6,10-7等幾個(gè)常用數(shù)值，這里取pfa＝10-7；的取值一般是根據(jù)雷達(dá)的不同用途而確定的，一般本發(fā)明中主要用于目標(biāo)跟蹤，取雷達(dá)的最大探測(cè)距離Rimax的計(jì)算根據(jù)雷達(dá)的用途不同也有不同，一般用于跟蹤的相控陣?yán)走_(dá)的探測(cè)范圍為60～300km，本發(fā)明中取Rimax＝100km。所述約束違反程度f(wàn)cv考慮無(wú)碰撞約束的違反程度，計(jì)算方法如下：S405、記錄初始種群的最佳個(gè)體；若初始位置種群中存在約束違反程度f(wàn)cv＝0的個(gè)體，則在約束違反程度f(wàn)cv＝0的個(gè)體中選取目標(biāo)函數(shù)值f最小的個(gè)體作為初始位置種群的最佳個(gè)體；若初始位置種群所有個(gè)體的約束違反程度f(wàn)cv均大于0，則選取約束違反程度最小的個(gè)體作為初始種群的最佳個(gè)體；S406、判斷種群進(jìn)化代數(shù)是否達(dá)到給定的最大進(jìn)化代數(shù)，若未達(dá)到轉(zhuǎn)S407，否則轉(zhuǎn)S413；S407、針對(duì)當(dāng)前位置種群，首先通過(guò)變異、交叉操作產(chǎn)生新的個(gè)體；S408、考慮最大轉(zhuǎn)彎角約束，計(jì)算位置的角度范圍，具體方法同S402；S409、對(duì)新的個(gè)體進(jìn)行解碼，既將相對(duì)編碼的量對(duì)應(yīng)到具體的角度范圍，具體方法同S403；S410、對(duì)新生成的個(gè)體進(jìn)行評(píng)價(jià)，具體方法同S404；S411、通過(guò)選擇操作在新個(gè)體和舊個(gè)體中留下較優(yōu)者，作為當(dāng)前種群的個(gè)體；選擇操作的原則為：當(dāng)兩個(gè)個(gè)體的約束違反程度f(wàn)cv相等時(shí)，留下目標(biāo)函數(shù)值f較小的那個(gè)個(gè)體，當(dāng)兩個(gè)個(gè)體的約束違反程度f(wàn)cv不相等時(shí)，留下約束違反程度f(wàn)cv較小的那個(gè)個(gè)體；S412、更新當(dāng)前種群的最佳個(gè)體：將通過(guò)選擇操作留下的個(gè)體與之前記錄的種群最佳個(gè)體進(jìn)行比較，比較方法與選擇操作的原則相同，將兩者中較優(yōu)的個(gè)體作為當(dāng)前種群的最佳個(gè)體，轉(zhuǎn)S406；S413、輸出當(dāng)前種群的最優(yōu)個(gè)體，作為無(wú)人機(jī)群下一時(shí)刻的位置。循環(huán)執(zhí)行步驟2-4，得到無(wú)人機(jī)群在連續(xù)的多個(gè)采樣時(shí)間間隔內(nèi)的高質(zhì)量路徑。綜上所述，以上僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3