论文部分内容阅读
航迹规划是无人飞行器任务规划系统的核心研究内容之一,是无人飞行器实现自主飞行的技术保障。在实际的战场环境中,由于战场环境是动态变化的,很难获得全局环境的准确信息,存在着战场环境多变性、动态威胁时变性等诸多不确定性因素,因此动态不确定环境下航迹规划问题已成为无人飞行器任务规划中亟待解决的重要难题。动态不确定环境下的无人机航迹规划就是无人机在执行任务过程中考虑定位误差的不确定性及动态威胁的不确定性,在满足到达时间、性能约束、威胁等飞行约束的前提下为无人机快速规划出可行的飞行航迹。围绕无人机在不确定性环境中的航迹规划问题,本文的主要研究内容如下:(1)针对定位误差引起的静态威胁不确定特性和无人机系统自身定位的不确定性,建立线性概率约束模型,并通过机会约束机制把概率约束模型转换为确定性约束模型。将机会约束模型引入到快速扩展随机树算法(RRT)中,提出了机会约束RRT算法(CC-RRT)求解考虑静态威胁不确定性的航迹规划问题。通过两个仿真测试想定验证了机会约束模型及其CC-RRT算法的有效性与规划结果的可靠性。(2)针对传统目标跟踪模型不足的缺陷,引入了运动行为模式概念,对移动威胁的运动倾向进行描述。利用高斯随机过程(Gaussian Process)模型对移动威胁的运动模式进行建模,确定移动威胁位置与速度间的映射关系。针对移动威胁存在多种运动模式的情况,基于贝叶斯统计学理论建立了多模式混合运动模型。(3)在建立移动威胁运动行为模式模型的基础上,应用机器学习领域的高斯过程回归方法(Gaussian Process Regression)在函数空间上对移动威胁位置与速度间的相关关系进行推理,通过后验分布估计移动威胁当前观测位置对应的速度,进而对移动威胁的轨迹进行预测。针对高斯过程回归轨迹预测算法对训练样本需求量大、求解计算量高等不足之处,将快速扩展随机树的轨迹发生机制应用到轨迹预测过程中,设计了利用可达树的高斯过程(RR-GP)轨迹估计算法。仿真试验验证了RR-GP算法对移动威胁运动预测的准确性(4)结合CC-RRT航迹规划方法与RR-GP轨迹估计算法,设计了动态不确定环境下的无人机在线航迹规划算法。针对采用不同的安全性要求,通过仿真试验对算法有效性和鲁棒性进行了验证,仿真结果表明:本文所设计的动态不确定环境下航迹规划算法能满足在线规划的实效性要求,规划得到航迹使无人机在动态不确定性环境中能以不低于预设安全下限的概率规避所有的静态威胁和动态威胁。