买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学;南京航空航天大学;南京硕航科技有限公司

摘要：本发明公开一种仿鸽群多学习智能的无人靶机协同航路动态规划方法：步骤一：无人靶机协同航路规划建模、步骤二：威胁联网下的威胁建模、步骤三：航路代价函数的设计、步骤四：无人靶机飞行约束、步骤五：仿鸽群多学习智能、步骤六：航点坐标转换及轨迹平滑。本发明优点：1建立了无人靶机协同航路规划模型，满足多无人靶机协同航路规划中的时间一致性约束条件；建立了联网下的通信质量模型，并设计由威胁单元、障碍构成的威胁代价。2通过基本仿鸽群智能算法分析，保留原有算法基本步骤的同时，对个体学习对象进行改进，尽可能少引入其他参数保证算法快速性和收敛性，增加种群多样性，解决多约束条件下多无人靶机协同航路规划问题。

主权项：1.一种仿鸽群多学习智能的无人靶机协同航路动态规划方法的实现步骤如下：步骤一：无人靶机协同航路规划建模，根据航路点的个数、起飞时间、到达时间，建立每架无人靶机的局部坐标系，并确定全局坐标系和局部坐标系的转换关系；步骤二：威胁联网下的威胁建模，具体包括：S21、威胁联网通信质量模型在威胁联网的情况下，首先计算网络中节点的邻居数的平均值；其次，计算网络中节点之间的联接概率的平均值和节点之间的最大跳变次数；从而得到节点之间的网络联通度模型；最后，考虑节点之间通信可靠性和质量因素，最终建立威胁联网通信质量模型；S22、联网下的威胁模型；基于威胁联网通信质量模型，建立威胁联网下的威胁模型，该威胁模型又包括：探测概率模型和毁伤概率模型；在探测概率模型中，各威胁单元利用其他威胁单元的探测概率修正本威胁单元的探测概率；在探测概率模型的基础上，针对防空导弹系统，计算其毁伤概率模型；步骤三：航路代价函数的设计，包括：探测代价、毁伤代价、避撞代价、协同代价、航程代价；步骤四：无人靶机飞行约束，主要包括无人靶机本体和航路规划时间约束；步骤五：仿鸽群多学习智能，具体包括：S51、地图和指南针算子阶段首先，按照适应度值进行排序，选取代价函数值较优个体构成学习对象集合；其次，为较优个体分配权重，从而得到较优个体的中心位置；最后，利用速度和位置公式进行更新；S52、地标算子阶段首先，将所有个体首尾相连构成闭环拓扑结构；其次，将该拓扑结构随机划分成若干子部分，构建学习对象的集合，从而确定每个个体的中心位置；最后，利用位置公式进行更新；步骤六：航点坐标转换及轨迹平滑，将仿鸽群多学习智能得到的局部坐标系下的速度转化为全局坐标系下的航点，最后进行轨迹平滑处理；所述步骤S21威胁联网通信质量模型，具体如下：假设探测雷达Nr个，防空导弹系统Na套，为了描述威胁单元的联网特性，建立了威胁联网通信质量模型；假设网络中的节点i有di条边与其他节点相连，这di个邻居节点之间实际存在的边数为lindi，最多可能存在边数为didi-12，则网络中所有节点的邻居数的平均值表示为： 其中，Nn＝Nr+Na表示网络中节点的数目，di为第i个节点的邻居数目；网络中任意节点i与其他节点之间存在联接关系的可能性用ci表示，即： 因此，网络中所有节点之间联接概率的平均值表示为： 节点i和j间最大跳变次数表示为： 其中，li,j表示节点i和节点j之间跳变次数；因此，节点i和节点j网络联通度模型表示为： 考虑节点之间通信不可避免存在延迟因素影响通信可靠性和质量，建立网络通信可靠性模型，记作： 其中，σ∈0,1.nc表示当前航点nc的编号，nb表示第nb个航点的编号，nb≤nc；综合网络节点的联通度模型和网络通信可靠性模型，可以得到节点i和节点j之间的通信质量qi,j，记为：qi,j＝pi,j·ξ；所述步骤S22联网下的威胁模型，具体如下：基于威胁联网通信质量模型，建立联网下的威胁模型，该联网下的威胁模型又包括：探测概率模型和毁伤概率模型；在威胁联网的情况下，某一威胁单元可参考其他威胁单元的探测概率修正自身探测概率，参考概率表示为： 其中，Nt表示无人靶机m已经穿越的威胁单元的个数，表示在没有参考概率的情况下，节点j对航点n的探测概率，表示为： 其中，r1,r2由威胁单元类型确定，Rj,m,n表示无人靶机m在航点n处与威胁网络中节点j的中心距，σj,m,n表示无人靶机m的雷达散射截面积，服从指数分布σj,m,n～Eμ；因此，无人靶机m在航点n处的综合探测概率表示为： 其中，假设第u套防空导弹系统的最大和最小作用距离分别为和则防空导弹系统的威胁势场函数表示为： 其中，Ru,m,n表示无人靶机m在航点n处与第u∈{1,2,...,Na}套防空导弹系统之间的距离，因此，结合探测概率，得到无人靶机m在航点n处的毁伤概率，记作： 所述步骤五仿鸽群多学习智能具体过程如下：S51、地图和指南针算子阶段假设种群规模为NG，该阶段最大迭代次数为Tmax1，个体i的速度和位置分别记作Vit＝{vi,1t,vi,2t,...,vi,Nt}，Xit＝{xi,1t,xi,2t,...,xi,Nt}；首先，将个体按照适应度值从小到大进行排序，选取代价函数值较优的前个个体构成学习对象集合，记作：此外，较优个体代价值满足结合无人靶机协同航路规划，存在其次，针对S0t集合中的个体，生成均值为方差为的影响权重并且这些权重满足权重生成公式表示为： 其中，表示个范围为0,1之间的随机数；最后，利用得到的权重值，计算较优个体的位置平均值得到对应阶段的速度和位置更新公式为： Xit+1＝Xit+Vit+1其中，t表示迭代次数，R表示地图和指南针因子，N表示解空间的维度，在这里其含义与每架无人靶机规划航点数相同，rand∈0,1；当迭代次数t＞Tmax1时，循环迭代进入地标算子阶段，否则，继续执行地图和指南针算子阶段循环；S52、地标算子阶段假设地标算子阶段的最大迭代次数为Tmax2；首先，将所有个体首尾随机相连构成一个闭环的拓扑结构，并将该闭环拓扑随机划分成Nc个子部分；其次，确定每个个体对应的邻居集合SiXi，进而可以得到每个个体的邻居的中心位置，此时每个个体的学习对象变为其邻居个体的中心位置，得到该阶段的位置更新公式为： 其中，表示个体i的邻居中心位置，表示该集合的元素个数；当迭代次数t＞Tmax1+Tmax2时，结束循环，输出优化结果；否者继续执行地标算子阶段循环。

全文数据：

权利要求：

百度查询： 北京航空航天大学 南京航空航天大学 南京硕航科技有限公司 一种仿鸽群多学习智能的无人靶机协同航路动态规划方法