【《多无人机协同航迹规划仿真分析案例》3500字】

多无人机协同航迹规划仿真分析案例目录TOC\o"1-3"\h\u16701多无人机协同航迹规划仿真分析案例 1311941.1单无人机航迹规划仿真 3211571.1.1初始蝙蝠算法仿真 3171681.1.2改进后蝙蝠算法仿真 4146801.2突发威胁情况下多无人机协同航迹规划仿真 6经过对空间环境模型设定和无人机自身性能的分析，本文对无人机自身参数进行如下表5-1的设置：表5-1无人机参数表参数项赋值最大转弯角°45最大航行距离km120km最低/最高航行高度/hm5/40最小/最大航行速度20/120通过在第四章中对蝙蝠算法的学习与了解，本文对初始蝙蝠算法的参数设定如下表5-2所示：表5-2初始蝙蝠算法参数表参数项赋值最大迭代次数100维度10种群大小100最大脉冲率0.8脉冲响度系数0.1脉冲发射率系数0.85由于对初始蝙蝠算法进行两个重点方面的改进，即惯性权重和高斯扰动项，因此改进后蝙蝠算法的参数如表5-3所示：表5-3改善后蝙蝠算法参数表参数项赋值最大迭代次数100维度10种群大小100最大脉冲率0.8脉冲响度系数0.1脉冲发射率系数0.85高斯扰动系数0.011.1单无人机航迹规划仿真在对多无人机进行航迹规划之前，本文使用单无人机的航迹规划来进行仿真模拟，用来证明初始蝙蝠算法与改善后蝙蝠算法的优劣性。设置单无人机飞行器起点为(3,45,10),终点为(45,3,10)，并分别使用初始蝙蝠算法和改善后蝙蝠算法来进行航迹规划仿真。1.1.1初始蝙蝠算法仿真将表5-2中的数据带入matlab中，利用初始蝙蝠算法进行航迹规划，得到如图5-1和图5-2的航迹规划图和图5-3的收敛曲线变化趋势图。其中，北方向为y轴，东方向为x轴。图51初始蝙蝠算法单无人机航迹规划3D图图52初始蝙蝠算法单无人机航迹规划俯视图由图5-1和图5-2可得，在利用初始蝙蝠算法进行单无人机的航迹规划过程中，无人机在障碍物1的山脚出发，选择从左侧绕过障碍物1之后又绕一个半圆形的大圈，然后沿着障碍物5边缘向着终点前进，在遇到障碍物4后，选择绕行障碍物4后到达终点，无人机在障碍物1处的航迹路线显然是不合适的，因此增加了无人机航行的时间与距离。图53初始蝙蝠算法收敛曲线变化图由图5-3可得，初始蝙蝠算法的收敛变化趋势图和最短路径长度。收敛变化趋势是逐渐变小，但是在种群迭代前40次左右时波动较大且以后持续收敛，这表明初始蝙蝠算法在中期时就已经开始迅速收敛。最后由图可知，种群迭代100次后，此次航迹规划的路径长为106km。1.1.2改进后蝙蝠算法仿真将表5-3中的数据带入matlab中，利用改进后蝙蝠算法进行航迹规划，得到如图5-4和图5-5的航迹规划图和图5-6的收敛曲线变化趋势图。图54改进后蝙蝠算法单无人机航迹规划3D图图55改进后蝙蝠算法单无人机航迹规划俯视图由图5-4和图5-5可得，在利用改进后蝙蝠算法进行单无人机的航迹规划过程中，无人机从起点不断搜索最优路径到达终点。路程中间途径障碍物1，与初始蝙蝠算法的选择不同，无人机选择从障碍物1的右侧绕行，减少了无人机航行的距离与时间。然后，无人机绕行障碍物6并贴着障碍物6前进，最后选择绕行障碍物4后到达终点。图56改进后蝙蝠算法收敛曲线变化趋势图由图5-6可得，改进后蝙蝠算法中收敛曲线变化趋势图和最短路径长度。收敛趋势逐渐变小，且没有像图5-3中收敛幅度差距过大，并且算法后期收敛幅度较小。最后由图可知，种群迭代100次后，此次航迹规划的路径长为98km。由以上仿真模拟可得，初始蝙蝠算法与改进后蝙蝠算法的比较如表5-4所示：表5-4初始蝙蝠算法与改进后蝙蝠算法对比表算法路径长度航迹评价值运行时间初始蝙蝠算法106km81.59953s改进后蝙蝠算法98km67.651086s1.2突发威胁情况下多无人机协同航迹规划仿真通过上述仿真模拟对比得结果可得，在单无人机航行环境中，改进后得蝙蝠算法比初始蝙蝠算法更容易找到最优路径，因此，应用改进后的蝙蝠算法对突发威胁情况下多无人机协同航迹规划进行仿真模拟。在本文第二章中，以突发威胁用来约束多无人机的航迹规划。同样的，加入多无人机协同约束用来控制多无人机的航迹规划。天气威胁无人机在航行过程中可能会受到恶劣天气影响，将天气威胁作为突发威胁来对多无人机进行仿真，假设在投影坐标(18,28)处有半径为2km天气威胁，将表5-3中的数据带入matlab中，利用改进后蝙蝠算法进行航迹规划，得到如图5-7和图5-8的航迹规划图与图5-9和图5-10的收敛曲线变化趋势图。图57改进后蝙蝠算法多无人机协同航迹规划3D图图58改进后蝙蝠算法多无人机协同航迹规划俯视图通过图5-7和图5-8可以看出，无人机1选择向右绕过障碍物1后，因躲避天气威胁区域而选择从障碍物2上方绕行至地图右侧区域航行，最后绕过障碍物5到达终点；而无人机2选择向左绕过障碍物1后通过中间平坦区域直行，而后穿行障碍物5与障碍物6的山谷区域，最后航行至目的地。图59改进后蝙蝠算法无人机1收敛曲线变化趋势图图510改进后蝙蝠算法无人机2收敛曲线变化趋势图由图5-9可得，无人机1在整个航行过程中收敛波动较为平稳，收敛趋势也逐渐变小，没有太大的波动，由图可知种群迭代到100次后，无人机1的航迹规划路径长为126km；而由图5-10可得，无人机2在刚开始飞行时收敛波动较小，当种群迭代到24次左右时，收敛骤然下降且波动幅度较大，而后一路平稳收敛到最终迭代，最后由图可知，种群迭代100次后，无人机2航迹规划的路径长为108km。未探测雷达威胁由于可能会受到无人机自身探测性能影响，导致某些隐藏的雷达设备无法被探测到，所以无人机可能会在航行过程中受到未探测雷达的威胁从而坠毁。因此将未探测雷达威胁作为突发威胁来对多无人机进行仿真，假设在投影坐标(25,32)处有一个高1000m的未探测雷达设备，如图5-11所示：图511未探测到雷达威胁空间环境模型图将表5-3中的数据带入matlab中，利用改进后蝙蝠算法进行航迹规划，得到如图5-12和图5-13的航迹规划图与图5-14和图5-15的收敛曲线变化趋势图。图512未探测雷达威胁多无人机协同航迹规划3D图图513未探测雷达威胁多无人机协同航迹规划俯视图通过图5-7和图5-8可以看出，无人机1与无人机2均选择向右绕过障碍物1，其后两架无人机就分开航行。无人机1选择向上绕过障碍物2向地图右侧航行后从障碍物5的左侧飞行并抵达终点；而无人机2选择向上航行，穿过未探测雷达区域和障碍物6的山谷区域后，从障碍物5的右侧航行并抵达终点。图514未探测雷达无人机1收敛曲线变化趋势图图515未探测雷达无人机2收敛曲线变化趋势图由图5-14可得，无人机1在整个航行过程中收敛波动大，到迭代60次左右时，收敛波动达到峰值，然后逐渐降低，收敛速度逐渐减小，最后由图可知，种群迭代100次后，无人机1航迹规划路径长度为117km；而由图5-15可得，无人机2在整个航行过程中波动都比较大，未探测到雷达威胁严重影响了无人机2的航行，导致无人机2收敛曲线变化幅度过大，但是峰值与峰谷绝对值要比无人机1的要低，最后由图可知，种群迭代100次后，无人机1航迹规划路径长度为104km。未探测防空火炮威胁无人机在航行过程中经常会遭遇防空火炮的火炮攻击，若无人机航行到防空火炮的射程范围内，则无人机可能会被防空火炮击落。假设为了让防空火炮的范围更加清晰可见，则将防空火炮威胁转化为山峰威胁，山峰威胁的半径就是火炮的必击中范围。设置投影点(20,10)为防空火炮中心点，防空火炮射程范围为5km，则转化后的环境空间模型如下图5-16所示：图516未探测防空火炮威胁空间环境模型图将表5-3中的数据带入matlab中，利用改进后蝙蝠算法进行航迹规划，得到如图5-17和图5-18的航迹规划图与图5-19和图5-20的收敛曲线变化趋势图。图517未探测防空火炮威胁多无人机协同航迹规划3D图图518未探测防空火炮威胁多无人机协同航迹规划俯视图通过图5-17和图5-18可以看出，无人机1选择向上绕过障碍物1，并穿过地图中间的平原地带，而后向上绕过障碍物5后到达终点；而无人机2选择向右上绕过障碍物1，并且穿过障碍物2和障碍物6的山谷区域后向右直行，经未探测火炮威胁的必击中区域下方一个直角转弯后右侧向上航行直至终点。图519未探测防空火炮威胁无人机1收敛曲线变化趋势图图520未探测防空火炮无人机2收敛曲线变化趋势图由图5-19可得，无人机1在整个航行过程中收敛速度较慢，在迭代60次前，收敛速度较快，然后在迭代60次之后，收敛逐渐平稳，最后由图可知，种群迭代100次后，无人机1航迹规划路径长度为119km；而由图5-20可得，无人机2在整个航行过程中波动都比较大，且在前30次迭代时波动幅度明显比迭代30次后幅度要大，最后由图可知，种群迭代100次后，无人机1航迹规划路径长度为107km。通过多无人机的航迹规划可知，在多无人机航行的过程中，多无人机之间协同约束会影响多无人机系统在整体上的航迹规划，每架