37、基于多目标粒子群优化的无人机群复杂地形实时路径规划

基于多目标粒子群优化的无人机群复杂地形实时路径规划

1. 引言

近年来，无人机群在国防、电力维护、植保检测等方面发挥着越来越重要的作用，相关技术成为研究热点。路径规划旨在依据一定评估标准和约束条件，找到从初始位置到目标位置无碰撞的最优路径。多机路径规划时，需考虑群内避碰问题，且随着地形和任务规模增大，路径规划的求解时间呈指数级增长。为降低计算复杂度，主要采用经典和启发式两类解决方案。

经典方法中，代表性的有 A* 算法、Voronoi 图算法和势场算法等，这些方法的优势在于简单、通用且高效。启发式算法基于自然认知过程，为机器人路径规划问题提供了另一种解决方案，如遗传算法、蚁群优化算法和多目标粒子群优化算法（MOPSO）等，特别适用于多目标最优解集的搜索。

目前，路径规划问题主要集中在单无人机，多无人机的相关研究多采用离线或并行方式，可靠性和可行性有待提高。本文提出的方法将多无人机路径规划分为两个阶段：第一阶段采用多目标粒子群优化算法快速处理静态环境信息，基于参考点法选择若干非支配可行路径作为无人机群的预设飞行方向；第二阶段考虑四旋翼无人机的动态特性，研究基于动态编队的无碰撞集群行为，实现路径中的避碰和避障。

2. 问题描述

2.1 可分解极坐标法（DPM）

从卫星或雷达视角建模，将外层空间视为由 N 层等效幕布环绕的球体。第 i 层的路径点可表示为 $P_i = [x_i, y_i, z_i]$。为降低向量维度并简化计算，使用极坐标转换点：
[
\begin{cases}
x(i) = r \cdot i \cdot \cos(\frac{1}{4}\pi + \rho_{i1})