【路径规划】多 Dubins路径段多用途无人机粒子群算法合作路径规划，适用于无人机群在复杂威胁环境下的突防需求附Matlab代码

本文链接：https://blog.youkuaiyun.com/Matlab_dashi/article/details/148961859

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

本文针对无人机群在复杂威胁环境下的突防需求，提出基于多 Dubins 路径段的多用途无人机粒子群算法合作路径规划方法。首先分析复杂威胁环境下无人机群路径规划面临的挑战，引入 Dubins 路径段描述无人机飞行轨迹的特性。然后构建多用途无人机合作路径规划模型，以路径长度最短、威胁最小化、避免无人机间碰撞为目标函数，考虑无人机性能和环境约束。在此基础上，设计改进的粒子群算法，通过合理编码粒子、设计适应度函数和优化粒子更新策略，实现多无人机的合作路径规划。仿真实验表明，该方法能够有效规划出满足突防需求的路径，在路径长度、威胁规避和协同性方面表现良好，为无人机群在复杂威胁环境下的突防提供了可行的解决方案。

关键词：多用途无人机；粒子群算法；Dubins 路径段；合作路径规划；复杂威胁环境；突防

一、引言

随着无人机技术的飞速发展，无人机群在军事侦察、打击、通信中继等多种任务中发挥着越来越重要的作用。在执行任务时，无人机群常常需要穿越存在敌方雷达、防空火力等多种威胁的复杂环境，实现安全突防。路径规划作为无人机群执行任务的关键环节，其规划结果直接影响任务的成败和无人机的生存概率。

传统的路径规划方法，如 A * 算法、Dijkstra 算法等，在处理小规模路径规划问题时表现良好，但在复杂威胁环境下的多无人机合作路径规划中，存在计算复杂度高、难以兼顾多目标优化和协同性等问题。粒子群算法（Particle Swarm Optimization，PSO）作为一种高效的智能优化算法，具有结构简单、收敛速度快等优点，在路径规划领域得到广泛应用。Dubins 路径是一种满足无人机运动学约束的最短路径，由直线段和圆弧段组成，能够准确描述无人机的飞行轨迹。将多 Dubins 路径段与粒子群算法相结合，用于多用途无人机在复杂威胁环境下的合作路径规划，有望提高路径规划的效率和质量，满足无人机群的突防需求。因此，开展相关研究具有重要的理论和实际意义。

二、复杂威胁环境下无人机群路径规划的挑战

2.1 威胁因素复杂多样

复杂威胁环境中包含多种类型的威胁源，如敌方的防空雷达、地对空导弹、高射炮等。这些威胁源具有不同的探测范围、攻击范围和威胁等级，无人机在规划路径时需要综合考虑这些因素，避开威胁区域，确保飞行安全。

2.2 无人机性能约束

多用途无人机具有不同的性能参数，如最大飞行速度、最小转弯半径、续航能力等。路径规划必须满足无人机的性能约束，避免规划出的路径超出无人机的能力范围，导致无法执行或增加飞行风险。

2.3 多无人机协同要求

无人机群执行任务时，需要多架无人机之间相互配合、协同作业。路径规划不仅要保证每架无人机的路径安全，还要避免无人机之间发生碰撞，确保无人机群能够按照预定的协同策略完成任务。

三、多 Dubins 路径段与多用途无人机合作路径规划模型构建

3.1 Dubins 路径段介绍

Dubins 路径是在二维空间中，满足无人机最小转弯半径约束的两点之间的最短路径，由直线段（L）和圆弧段（C）组成，共有六种基本组合形式：LSL、LCL、LSR、LCR、RSL、RCL（其中 S 表示直线段，C 表示圆弧段，L 表示左转，R 表示右转）。通过选择合适的 Dubins 路径段组合，可以生成满足无人机运动学约束的飞行轨迹。

⛳️ 运行结果

📣 部分代码

n_Trajectory');

%% Initialize Data

Property.obs_last=0; % Record the obstacles avoided during current trajectory planning

Property.invasion=0; % Record whether there is any intrusion into obstacles (threat areas) during trajectory planning

Property.mode=2; % Set trajectory generation mode 1: shortest path; 2: Conventional path

Property.ns=50; % Set the number of discrete points in the starting arc segment

Property.nl=50; % Set the number of discrete points in the straight line segment

Property.nf=50; % Set the number of discrete points at the end of the arc segment

Property.max_obs_num=5; % Set the maximum number of obstacles to be detected for each path planning

Property.max_info_num=40; % Set the maximum number of stored path segments for each planning step

Property.max_step_num=6; % Set the maximum number of planned steps for the path

Property.Info_length=33; % Set the length of

🔗 参考文献

* Z. Liu, Y. Liu, H. Zhao, H. Lu and M. Hao, "Multi-UAV Cooperative Path-Planning Under Complex Threat Environment," 2023 42nd Chinese Control Conference (CCC), Tianjin, China, 2023, pp. 5589-5594, doi: 10.23919/CCC58697.2023.10241081.