融合動(dòng)態(tài)風(fēng)險(xiǎn)圖和改進(jìn)A^*算法的動(dòng)態(tài)改航規(guī)劃

李海 郭水林 周曄

摘要：結(jié)合機(jī)載氣象雷達(dá)探測(cè)信息，本文提出了一種融合動(dòng)態(tài)風(fēng)險(xiǎn)圖和改進(jìn)A^*算法的動(dòng)態(tài)改航規(guī)劃方法。該方法首先利用機(jī)載氣象雷達(dá)的探測(cè)結(jié)果，將其進(jìn)行離散化處理，建立一個(gè)定期更新的動(dòng)態(tài)風(fēng)險(xiǎn)圖，以此作為算法的仿真環(huán)境；然后，綜合考慮了航跡長(zhǎng)度、航跡偏離度和管制約束等因素來(lái)構(gòu)造算法的代價(jià)函數(shù)，基于該代價(jià)函數(shù)進(jìn)行航跡規(guī)劃。同時(shí)，對(duì)A^*算法的搜索方式進(jìn)行了改進(jìn)，并對(duì)規(guī)劃后的航跡進(jìn)行了平滑優(yōu)化處理；最后，提出兩種不同策略進(jìn)行了仿真分析試驗(yàn)，試驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性，并且適用于動(dòng)態(tài)改航規(guī)劃。

關(guān)鍵詞：機(jī)載氣象雷達(dá)；風(fēng)險(xiǎn)圖；A^*算法；航跡平滑；動(dòng)態(tài)改航

中圖分類號(hào)：V355文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.19452/j.issn1007-5453.2021.05.009

目前，國(guó)內(nèi)外在航跡規(guī)劃方面的研究主要分為飛行前航跡規(guī)劃和實(shí)時(shí)航跡規(guī)劃[1]。參考文獻(xiàn)[2]、參考文獻(xiàn)[3]運(yùn)用傳統(tǒng)規(guī)劃算法對(duì)飛行航跡進(jìn)行規(guī)劃，為解決傳統(tǒng)算法易陷入局部最優(yōu)的問(wèn)題，對(duì)算法進(jìn)行了改進(jìn)，但是規(guī)劃后的航跡不夠平滑。參考文獻(xiàn)[4]～參考文獻(xiàn)[6]采用智能仿生學(xué)算法進(jìn)行航跡規(guī)劃，此類算法具有容易實(shí)現(xiàn)、魯棒性強(qiáng)等優(yōu)勢(shì)，但算法的計(jì)算量大，而且無(wú)法保證所規(guī)劃的航跡是全局最優(yōu)的航跡。參考文獻(xiàn)[7]、參考文獻(xiàn)[8]結(jié)合了圖形學(xué)的規(guī)劃方法，規(guī)劃過(guò)程直觀，而且能夠兼顧規(guī)劃時(shí)間和航跡質(zhì)量，但算法復(fù)雜度隨著危險(xiǎn)區(qū)域增多時(shí)提升，因此不適用于復(fù)雜的危險(xiǎn)氣象場(chǎng)景。A^*算法[9-10]作為一種啟發(fā)式搜索算法，在應(yīng)用于復(fù)雜的氣象環(huán)境場(chǎng)景下時(shí)，可能會(huì)出現(xiàn)搜索陷入死循環(huán)無(wú)法跳出，以及規(guī)劃后的航跡不夠平滑。

綜上所述，目前關(guān)于航跡規(guī)劃的研究大多數(shù)都沒(méi)有利用機(jī)載氣象雷達(dá)的探測(cè)信息，在這種情況下，規(guī)劃的航跡就容易產(chǎn)生冗余的繞飛距離，導(dǎo)致無(wú)謂的航油消耗。機(jī)載氣象雷達(dá)作為民航飛機(jī)的“雙眼”，能夠?qū)崟r(shí)探測(cè)飛行航路前方的危險(xiǎn)氣象，為飛行員繞飛策略的制定提供了最直接的先驗(yàn)信息?，F(xiàn)行的機(jī)載氣象雷達(dá)采用的是單極化雷達(dá)，單極化雷達(dá)發(fā)射時(shí)發(fā)射垂直或水平單一極化信號(hào)，接收時(shí)接收同一單一極化的雷達(dá)回波信號(hào)，目標(biāo)在單極化雷達(dá)照射下只受垂直或水平單一極化電磁波激勵(lì)。因此，單極化雷達(dá)僅能通過(guò)雷達(dá)反射率對(duì)降水目標(biāo)的含水量予以檢測(cè)，并用不同的顏色來(lái)表示不同的降水等級(jí)，并不具備降水粒子區(qū)分的功能[11]。而作為下一代的機(jī)載氣象雷達(dá)——雙極化雷達(dá)，能夠同時(shí)接收目標(biāo)雷達(dá)回波信號(hào)的同極化和交叉極化分量。因此，雙極化雷達(dá)能夠?qū)涤炅Ｗ舆M(jìn)行精確的分類[12]，揭示各種降水系統(tǒng)中小雨滴、大雨滴、霰、冰雹、雪花、冰晶等多種水凝物粒子的分布，為飛行員繞飛策略的制定提供了更加精確的先驗(yàn)信息。

本文利用機(jī)載氣象雷達(dá)的探測(cè)結(jié)果，并結(jié)合改進(jìn)A^*算法，提出了一種融合動(dòng)態(tài)風(fēng)險(xiǎn)圖和改進(jìn)A^*算法的動(dòng)態(tài)改航規(guī)劃方法。首先，在改航約束條件下，根據(jù)機(jī)載氣象雷達(dá)的探測(cè)結(jié)果對(duì)空域進(jìn)行離散化處理，建立一個(gè)飛行區(qū)域初始化風(fēng)險(xiǎn)圖，并利用實(shí)時(shí)得到的機(jī)載氣象雷達(dá)的探測(cè)結(jié)果對(duì)初始化風(fēng)險(xiǎn)圖進(jìn)行定期更新，得到一個(gè)動(dòng)態(tài)風(fēng)險(xiǎn)圖，以此作為改進(jìn)A^*算法的搜索環(huán)境。然后，對(duì)傳統(tǒng)A^*算法的代價(jià)函數(shù)和搜索方式（即航跡規(guī)劃）進(jìn)行了改進(jìn)，并增加了航跡平滑優(yōu)化處理。最后，從航油消耗、經(jīng)濟(jì)環(huán)保、空域利用率等角度考慮，對(duì)雷達(dá)回波強(qiáng)度小于41dBZ的危險(xiǎn)區(qū)域提出了保守策略和非保守策略[13]的兩種不同規(guī)避策略，并設(shè)計(jì)了本文方法與A^*算法、蟻群算法、遺傳算法和人工勢(shì)場(chǎng)算法[14]，以及與基于改進(jìn)人工勢(shì)場(chǎng)法的動(dòng)態(tài)改航規(guī)劃[2]、基于改進(jìn)多目標(biāo)粒子群算法的航空器改航研究[4]、利用自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法對(duì)改航路徑規(guī)劃進(jìn)行求解[15]的對(duì)比仿真試驗(yàn)。試驗(yàn)結(jié)果表明，本文方法規(guī)劃的航跡能夠安全有效地規(guī)避危險(xiǎn)氣象，并且優(yōu)于A^*算法、蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)對(duì)目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法。

1整體框架

融合動(dòng)態(tài)風(fēng)險(xiǎn)圖和改進(jìn)A^*算法的動(dòng)態(tài)改航規(guī)劃方法主要由兩部分組成：動(dòng)態(tài)風(fēng)險(xiǎn)圖和改進(jìn)A^*算法。首先，根據(jù)機(jī)載氣象雷達(dá)的探測(cè)結(jié)果對(duì)空域進(jìn)行離散化處理得到一個(gè)風(fēng)險(xiǎn)矩陣，根據(jù)風(fēng)險(xiǎn)矩陣建立一個(gè)飛行區(qū)域初始化風(fēng)險(xiǎn)圖，并利用實(shí)時(shí)得到的機(jī)載氣象雷達(dá)探測(cè)結(jié)果對(duì)初始化風(fēng)險(xiǎn)圖進(jìn)行定期更新，得到一個(gè)動(dòng)態(tài)風(fēng)險(xiǎn)圖，以此作為改進(jìn)A^*算法的搜索環(huán)境。然后，對(duì)傳統(tǒng)A^*算法的代價(jià)函數(shù)和搜索方式進(jìn)行改進(jìn)，并對(duì)規(guī)劃后的航跡進(jìn)行了平滑優(yōu)化處理。改進(jìn)A^*算法分為代價(jià)函數(shù)設(shè)計(jì)、航跡規(guī)劃和航跡平滑優(yōu)化三部分。所提方法的整體框架如圖1所示。

在圖1中，本文中設(shè)定風(fēng)險(xiǎn)圖的定期更新時(shí)間為5min[16]，每隔5min利用改進(jìn)A^*算法對(duì)動(dòng)態(tài)風(fēng)險(xiǎn)圖進(jìn)行航跡規(guī)劃。

2動(dòng)態(tài)風(fēng)險(xiǎn)圖

機(jī)載氣象雷達(dá)的最大探測(cè)距離是600km，運(yùn)輸航空完成一次轉(zhuǎn)彎至少需要7.4km[1]。因此，將機(jī)載氣象雷達(dá)的探測(cè)結(jié)果進(jìn)行離散化處理，針對(duì)不同的危險(xiǎn)氣象類型進(jìn)行數(shù)字化風(fēng)險(xiǎn)評(píng)估[17]，數(shù)字化風(fēng)險(xiǎn)評(píng)估表見(jiàn)表1。為簡(jiǎn)化模型，并保證航空器能在一個(gè)單元格內(nèi)順利執(zhí)行一次轉(zhuǎn)彎，選取距離為15km作為一個(gè)單元格的邊長(zhǎng)，則可以得到一個(gè)M×N的探測(cè)結(jié)果矩陣，其中M=40，N=40。為簡(jiǎn)單起見(jiàn)，本文只考慮航空器的巡航階段，因?yàn)閷?duì)于起飛和進(jìn)近階段也可以進(jìn)行類似的考慮。

假設(shè)某一時(shí)刻得到的機(jī)載氣象雷達(dá)的探測(cè)結(jié)果經(jīng)過(guò)離散化處理后得到的探測(cè)結(jié)果矩陣見(jiàn)表2。

利用表1的數(shù)字化風(fēng)險(xiǎn)評(píng)估表并結(jié)合雷達(dá)探測(cè)的回波強(qiáng)度，對(duì)表2的機(jī)載氣象雷達(dá)探測(cè)結(jié)果矩陣進(jìn)行數(shù)字化風(fēng)險(xiǎn)評(píng)估，并進(jìn)行歸一化處理，得到一個(gè)M×N的風(fēng)險(xiǎn)矩陣，見(jiàn)表3，表中的不同數(shù)值表示不同危險(xiǎn)氣象類型的數(shù)字化評(píng)估結(jié)果。

（3）危險(xiǎn)區(qū)域限制

通常情況對(duì)于航空器來(lái)說(shuō)，當(dāng)雷達(dá)回波強(qiáng)度大于等于41dBZ的危險(xiǎn)區(qū)域，不允許航空器穿越飛行，必須采取規(guī)避策略。

（4）改航點(diǎn)數(shù)量限制

為減少導(dǎo)航誤差，避免過(guò)度增加飛行員和管制員在實(shí)施改航過(guò)程中的工作負(fù)荷，航空器在遠(yuǎn)距離飛行時(shí)一般不希望迂回行進(jìn)和頻繁的轉(zhuǎn)彎，改航點(diǎn)數(shù)量每100km應(yīng)不多于1個(gè)。

（5）危險(xiǎn)系數(shù)設(shè)置

在規(guī)避危險(xiǎn)氣象的過(guò)程中，根據(jù)選擇策略[20]的不同可設(shè)置相應(yīng)的規(guī)避危險(xiǎn)系數(shù)T（0≤T≤1）。在保守策略下，設(shè)置的危險(xiǎn)系數(shù)T=0；在非保守策略下可設(shè)置不同的危險(xiǎn)系數(shù)T，需要注意的是設(shè)置的T越大，則規(guī)避的危險(xiǎn)系數(shù)越高。

3.2.2正向擴(kuò)展式搜索

首先，初始化截距d=3，并將飛行區(qū)域I內(nèi)風(fēng)險(xiǎn)系數(shù)Fx，y> T的單元格點(diǎn)設(shè)置為非可行單元格點(diǎn)（路障點(diǎn)）。其次，通過(guò)代價(jià)函數(shù)在A（3）內(nèi)進(jìn)行搜索，當(dāng)搜索陷入死區(qū)（被路障點(diǎn)包圍，算法無(wú)法自動(dòng)跳出的區(qū)域）時(shí)，則基于當(dāng)前單元格點(diǎn)，在其相鄰單元格點(diǎn)中隨機(jī)選取未被遍歷的可行單元格點(diǎn)繼續(xù)搜索。此時(shí)，當(dāng)搜索到達(dá)改航終點(diǎn)時(shí)，則停止搜索，輸出搜索得到的單元格點(diǎn)集合；否則，判定A（3）內(nèi)無(wú)法通行。然后，增大d值，基于A（3）約束邊界上被遍歷過(guò)的單元格點(diǎn)，隨機(jī)選擇其在A（6）內(nèi)的相鄰可行單元格點(diǎn)繼續(xù)搜索（搜索區(qū)域包含A（6）和A（3））。此時(shí)，如果沒(méi)有搜索到達(dá)改航終點(diǎn)，則繼續(xù)增大d值，基于A（6）約束邊界上被遍歷過(guò)的單元格點(diǎn)，隨機(jī)選擇其在A（9）內(nèi)的相鄰可行單元格點(diǎn)繼續(xù)搜索，并依此類推，直到A（3n）搜索到達(dá)改航終點(diǎn)為止。在增大d值進(jìn)行搜索的過(guò)程中，如果d > N時(shí)還沒(méi)有搜索到達(dá)改航終點(diǎn)，則判定該飛行區(qū)域在當(dāng)前危險(xiǎn)系數(shù)T值下，航空器無(wú)法穿越飛行，搜索結(jié)束。對(duì)于飛行區(qū)域II的搜索操作同飛行區(qū)域I一樣，在此就不再贅述。正向擴(kuò)展式搜索的具體流程圖如圖5所示。

正式擴(kuò)展式搜索結(jié)果存在以下三種可能。

情況1：飛行區(qū)域I和飛行區(qū)域II僅有一個(gè)區(qū)域能夠搜索到達(dá)改航終點(diǎn)。此時(shí)，選擇能夠搜索到達(dá)改航終點(diǎn)的飛行區(qū)域，并獲得該區(qū)域內(nèi)搜索得到的單元格點(diǎn)集合。

情況2：飛行區(qū)域I和飛行區(qū)域II都搜索到達(dá)改航終點(diǎn)。此時(shí)，根據(jù)機(jī)載氣象雷達(dá)的探測(cè)結(jié)果選擇危險(xiǎn)氣象分布比較稀疏且危險(xiǎn)氣象的風(fēng)險(xiǎn)系數(shù)比較小的飛行區(qū)域，并獲得該區(qū)域內(nèi)搜索得到的單元格點(diǎn)集合。

情況3：飛行區(qū)域I和飛行區(qū)域II都沒(méi)有搜索到達(dá)改航終點(diǎn)，則判定當(dāng)前危險(xiǎn)系數(shù)T值下航空器無(wú)法穿越飛行。此時(shí)，飛行員可以考慮在保證飛行安全的情況下，適當(dāng)增大T值重新進(jìn)行航跡規(guī)劃，或者采取其他策略（如就地備降、上升飛行高度、降低飛行高度等）。

3.4算法流程

改進(jìn)A^*算法的主要步驟如下：（1）利用機(jī)載氣象雷達(dá)的探測(cè)結(jié)果建立當(dāng)前飛行區(qū)域風(fēng)險(xiǎn)圖；（2）根據(jù)選擇的規(guī)避策略，設(shè)置不同的危險(xiǎn)系數(shù)T；（3）將風(fēng)險(xiǎn)圖中大于危險(xiǎn)系數(shù)T的單元格點(diǎn)設(shè)置為路障點(diǎn)；（4）在計(jì)劃航跡兩側(cè)進(jìn)行正向擴(kuò)展式搜索；（5）利用最小二乘法對(duì)正向擴(kuò)展式搜索得到的單元格點(diǎn)集合進(jìn)行優(yōu)化篩選；（6）對(duì)優(yōu)化篩選出來(lái)的單元格點(diǎn)進(jìn)行逆序搜索；（7）航跡平滑優(yōu)化處理；（8）輸出最優(yōu)的航跡。改進(jìn)A^*算法的流程圖如圖7所示。

4仿真分析

對(duì)本文方法進(jìn)行仿真分析。試驗(yàn)1在簡(jiǎn)單氣象環(huán)境下，本文方法和A^*算法進(jìn)行對(duì)比仿真分析；試驗(yàn)2在復(fù)雜氣象環(huán)境下，本文方法與蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法[14]、改進(jìn)人工勢(shì)場(chǎng)算法[2]、改進(jìn)多目標(biāo)粒子群算法[4]和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法[15]進(jìn)行對(duì)比仿真分析。

試驗(yàn)1：簡(jiǎn)單氣象環(huán)境下，模擬仿真試驗(yàn)數(shù)據(jù)采用本文中建立動(dòng)態(tài)風(fēng)險(xiǎn)圖的方法構(gòu)建模擬仿真環(huán)境，利用本文方法進(jìn)行仿真試驗(yàn)，并與A^*算法進(jìn)行了對(duì)比。圖8是在保守策略下，危險(xiǎn)系數(shù)T=0，兩種方法的對(duì)比仿真結(jié)果圖。圖9和圖10是在非保守策略下，危險(xiǎn)系數(shù)T=0.2和T=0.4，兩種方法的對(duì)比仿真結(jié)果圖。

航程指航空器從改航起點(diǎn)到改航終點(diǎn)所飛行經(jīng)過(guò)的航跡長(zhǎng)度，其公式定義如式（12）所示：

表5為非保守策略下，危險(xiǎn)系數(shù)T=0.2，本文方法與A^*算法關(guān)于上述三個(gè)評(píng)估指標(biāo)以及算法運(yùn)行時(shí)間的仿真結(jié)果對(duì)比數(shù)據(jù)。

表6為非保守策略下，危險(xiǎn)系數(shù)T=0.4，本文方法與A^*算法關(guān)于上述三個(gè)評(píng)估指標(biāo)以及算法運(yùn)行時(shí)間的仿真結(jié)果對(duì)比數(shù)據(jù)。

通過(guò)表4～表6的試驗(yàn)對(duì)比數(shù)據(jù)可知，在保守策略下，本文方法在航程上和算法運(yùn)行時(shí)間上都要優(yōu)于A^*算法，雖然A^*算法在側(cè)向偏離度上小于本文方法，但是綜合比較本文方法還是要優(yōu)于A^*算法；在非保守策略下，當(dāng)規(guī)避策略采取T=0.2和T=0.4時(shí)，本文方法算法在航程、側(cè)向偏離度、風(fēng)險(xiǎn)值和算法運(yùn)算時(shí)間都要小于A^*算法。綜上所述，本文方法優(yōu)于A^*算法。

試驗(yàn)2：復(fù)雜氣象環(huán)境下，模擬仿真試驗(yàn)數(shù)據(jù)采用圖2中的飛行區(qū)域風(fēng)險(xiǎn)圖，利用本文方法進(jìn)行仿真試驗(yàn)，但由于A^*搜索陷入“死區(qū)”而無(wú)法得到搜索航跡。在此，采用了蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法進(jìn)行了對(duì)比仿真試驗(yàn)。圖11是在保守策略下，當(dāng)危險(xiǎn)系數(shù)T=0的對(duì)比仿真結(jié)果；圖12是在非保守策略下，當(dāng)危險(xiǎn)系數(shù)T=0.2的對(duì)比仿真結(jié)果；圖13是在非保守策略下，當(dāng)危險(xiǎn)系數(shù)T=0.4的對(duì)比仿真結(jié)果。

為定量評(píng)估本文方法規(guī)劃的航跡與蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法所規(guī)劃的航跡的優(yōu)劣性，同樣采用試驗(yàn)1中建立的三個(gè)評(píng)估參數(shù)：航程、側(cè)向偏離度、風(fēng)險(xiǎn)值，以及算法的運(yùn)行時(shí)間進(jìn)行對(duì)比分析。

表7為保守策略下，危險(xiǎn)系數(shù)T=0，本文方法、蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法關(guān)于上述三個(gè)評(píng)估指標(biāo)以及算法運(yùn)行時(shí)間的仿真結(jié)果對(duì)比數(shù)據(jù)。

表8為非保守策略下，危險(xiǎn)系數(shù)T=0.2，本文方法、蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法關(guān)于上述三個(gè)評(píng)估指標(biāo)以及算法運(yùn)行時(shí)間的仿真結(jié)果對(duì)比數(shù)據(jù)。

表9為非保守策略下，危險(xiǎn)系數(shù)T=0.4，本文方法、蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法關(guān)于上述三個(gè)評(píng)估指標(biāo)以及算法運(yùn)行時(shí)間的仿真結(jié)果對(duì)比數(shù)據(jù)。

從表7可知，在保守策略下，本文方法在航程上除了比改進(jìn)多目標(biāo)粒子群算法的要大，比其他方法都小。雖然改進(jìn)多目標(biāo)粒子群算法的航程要比本文方法的小，但是這不足以彌補(bǔ)本文方法在側(cè)向偏離度和算法運(yùn)行時(shí)間上相對(duì)于改進(jìn)多目標(biāo)粒子群算法的優(yōu)勢(shì)；從表8可知，在非保守策略T=0.2下，本文方法在航程上除了比改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法的要大，比其他方法都小。雖然在航程上改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展A^*算法要比本文方法的更好，但是這不足彌補(bǔ)本文方法在側(cè)向偏離度、風(fēng)險(xiǎn)值和算法運(yùn)行時(shí)間上相對(duì)于這兩種方法的優(yōu)勢(shì)；從表9可知，在非保守策略T=0.4下，本文方法在航程上除了比人工勢(shì)場(chǎng)算法和改進(jìn)人工勢(shì)場(chǎng)算法的要大，比其他方法都小。雖然在航程上人工勢(shì)場(chǎng)算法和改進(jìn)人工勢(shì)場(chǎng)算法要比本文方法的小，但是這不足彌補(bǔ)本文方法在側(cè)向偏離度、風(fēng)險(xiǎn)值和算法運(yùn)行時(shí)間上相對(duì)于這兩種方法的優(yōu)勢(shì)。綜上所述，本文方法優(yōu)于蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法。

5結(jié)論

本文提出了一種融合風(fēng)險(xiǎn)圖和改進(jìn)A^*算法的動(dòng)態(tài)改航規(guī)劃方法。首先，利用機(jī)載氣象雷達(dá)的探測(cè)結(jié)果建立一個(gè)飛行區(qū)域初始化風(fēng)險(xiǎn)圖，并利用實(shí)時(shí)得到的機(jī)載氣象雷達(dá)的探測(cè)結(jié)果對(duì)初始化風(fēng)險(xiǎn)圖進(jìn)行定期更新得到一個(gè)動(dòng)態(tài)風(fēng)險(xiǎn)圖，以此作為算法的搜索環(huán)境。然后，對(duì)傳統(tǒng)A^*算法的代價(jià)函數(shù)和搜索方式進(jìn)行了改進(jìn)，并且增加了航跡平滑優(yōu)化。最后，對(duì)改進(jìn)A^*算法進(jìn)行仿真試驗(yàn)，并且還采取了保守策略和非保守策略的兩種規(guī)避策略進(jìn)行飛行航跡規(guī)劃，為飛行員安全規(guī)避危險(xiǎn)氣象提供可選擇的繞飛策略。同時(shí)，在簡(jiǎn)單氣象環(huán)境下，設(shè)計(jì)了本文方法與A^*算法的對(duì)比試驗(yàn)；在復(fù)雜氣象環(huán)境下，設(shè)計(jì)了本文方法與蟻群算法、遺傳算法、人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)對(duì)目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法的對(duì)比仿真試驗(yàn)。并設(shè)定了三個(gè)定量評(píng)估指標(biāo)和算法運(yùn)行時(shí)間來(lái)分析試驗(yàn)的仿真結(jié)果。研究結(jié)果表明，本文方法能夠在兩種規(guī)避策略下安全有效地規(guī)避危險(xiǎn)氣象，并且優(yōu)于A^*算法、蟻群算法、遺傳算法和人工勢(shì)場(chǎng)算法、改進(jìn)人工勢(shì)場(chǎng)算法、改進(jìn)多目標(biāo)粒子群算法和自適應(yīng)擴(kuò)展節(jié)點(diǎn)的A^*算法。

參考文獻(xiàn)

[1]李雄.飛行危險(xiǎn)天氣下的航班改航路徑規(guī)劃研究[D].南京：南京航空航天大學(xué)，2009. Li Xiong. Research on flight diversion route planning in dangerous weather[D]. Nanjing ： Nanjing University of Aeronautics andAstronautics， 2009. （in Chinese）

[2]陳可嘉，陳琳琳.基于改進(jìn)人工勢(shì)場(chǎng)法的動(dòng)態(tài)改航規(guī)劃[J].飛行力學(xué)，2020，38（5）：84-89. Chen Kejia， Chen Linlin. Dynamic course modification planning based on improved artificial potential field method[J]. Flight Dynamics， 2020，38（5）：84-89.（in Chinese）

[3]李憲強(qiáng)，馬戎，張伸，等.蟻群算法的改進(jìn)設(shè)計(jì)及在航跡規(guī)劃中的應(yīng)用[J].航空學(xué)報(bào)，2020，41（S2）：213-219. Li Xianqiang， Ma Rong， Zhang Shen， et al. Improved design of ant colony algorithm and its application in route planning[J]. Acta Aeronautica et Astronautica Sinica，2020，41（S2）：213-219.（in Chinese）

[4]杜實(shí)，王俊凱，任景瑞.基于改進(jìn)多目標(biāo)粒子群算法的航空器改航研究[J].安全與環(huán)境學(xué)報(bào)，2020，20（1）：177-185. Du Shi， Wang Junkai， Ren Jingrui. Research on aircraft diversion based on improved multi-objective particleswarm optimization [J]. Journal of Safety and Environment， 2020，20（1）： 177-185. （in Chinese）

[5]李根，李航，張帥陽(yáng)，等.基于蟻群算法的最優(yōu)路徑規(guī)劃及參數(shù)研究[J].中國(guó)科技論文，2018，13（16）：1909-1914. Li Gen， Li Hang， Zhang Shuaiyang， et al. Research on optimal path planning and parameters based on ant colony algorithm[J]. China Science Paper， 2018， 13 （16）： 1909-1914. （in Chinese）

[6]Norouzi A，Kazemi R，Abbasi O R. Path planning and replanning of lane change maneuvers in dynamic traffic environments[J]. International Journal of Vehicle Autonomous Systems，2019，14（3）：239-264.

[7]徐琳，宋萬(wàn)強(qiáng)，嚴(yán)沖，等.基于威脅評(píng)估和擴(kuò)展Voronoi圖的戰(zhàn)術(shù)飛行軌跡規(guī)劃方法[J].航空科學(xué)技術(shù)，2019，30（1）：35-43. Xu Lin， Song Wanqiang，Yan Chong， et al. Tactical flight path planning method based on threat assessment and extended Voronoi diagram[J]. Aeronautical Science & Technology， 2019， 30（1）：35-43. （in Chinese）

[8]陳雨童，胡明華，楊磊，等.受限航路空域自主航跡規(guī)劃與沖突管理技術(shù)[J].航空學(xué)報(bào)，2020，41（9）：253-270. Chen Yutong， Hu Minghua，Yang Lei， et al. Autonomous track planning and conflict management technology in restricted air route airspac[J]. Acta Aeronautica et Astronautica Sinica， 2020， 41（9）：253-270. （in Chinese）

[9]Xie L，Xue S，Zhang J，et al. A path planning approach based on multi-direction A^*algorithm for ships navigating within wind farm waters[J]. Ocean Engineering，2019，184（15）：311-322.

[10]劉永琦，徐丹，程歸，等.基于改進(jìn)A～*算法的無(wú)人機(jī)快速軌跡規(guī)劃方法[J].飛行力學(xué)，2020，38（2）：40-46. Liu Yongqi， Xu Dan， Cheng Gui， et al. Fast trajectory planning method of UAV based on improved A～* algorithm[J]. Flight Dynamics， 2020，38（2）：40-46.（in Chinese）

[11]Zhao C，Zhang Y，Zheng D，et al. An improved hydrometeor identification method for X-band dual-polarization radar and its application for one summer Hailstorm over Northern China[J]. Atmospheric Research，2020，245：105075.

[12]Ma Jianli. Improvement of X-Band polarization radar melting layerrecognition by the bayesian method and its impact on hydrometeorclassification[J].AdvancesinAtmospheric Sciences，2020，37（1）：105-116.

[13]Marconnet D，Norden C，Vidal L.Optimum use of weather radar[J]. Safety First，2016，22：22-43.

[14]徐肖豪，李成功，趙嶷飛，等.基于人工勢(shì)場(chǎng)算法的改航路徑規(guī)劃[J].交通運(yùn)輸工程學(xué)報(bào)，2009，9（6）：64-68. Xu Xiaohao， Li Chenggong， Zhao Yifei， et al. Path planning for course change based on artificial potential field algorithm[J]. Journal of Traffic and Transportation Engineering， 2009，9（6）：64-68.（in Chinese）

[15]趙元棣，李瑞東，吳佳馨.動(dòng)態(tài)危險(xiǎn)天氣下改航路徑快速規(guī)劃方法[J].中國(guó)科技論文，2020，15（6）：678-681. Zhao Yuandi， Li Ruidong，Wu Jiaxin. A fast planning method for course change under dynamic dangerous weather[J]. China Science Paper， 2020，15（6）：678-681.（in Chinese）

[16]Chernokulsky A，Shikhov A，Bykov A，et al. Satellite-based study and numerical forecasting of two tornado outbreaks in the Ural Region in June 2017[J]. Atmosphere，2020，11（11）：1146.

[17]Sermi F，Cuccoli F，Mugnai C，et al. Aircraft hazard evaluation for critical weather avoidance[C]// 2015 IEEE Metrology for Aerospace Conference. Benevento，Italy：IEEE，2015：454 - 459.

[18]趙元棣，付云峰，吳佳馨.航空器飛行軌跡表示方法及其應(yīng)用[J].科學(xué)技術(shù)與工程，2020，20（12）：5000-5004. Zhao Yuandi， Fu Yunfeng， Wu Jiaxin. Representation of aircraft flight path and its application[J]. Science Technology and Engineering， 2020，20（12）：5000-5004.（in Chinese）

[19]占偉偉，王偉，陳能成，等.一種利用改進(jìn)A^*算法的無(wú)人機(jī)航跡規(guī)劃[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2015，40（3）：315-320. Zhan Weiwei， Wang Wei， Chen Nengcheng， et al. An unmanned aerial vehicle （UAV） path planning using improved A^*algorithm[J]. Geomatics and Information Science of Wuhan University， 2015，40（3）：315-320.（in Chinese）

[20]胡中華，許昕，陳中.無(wú)人機(jī)三維航跡非均勻三次B樣條平滑算法[J].控制工程，2020，27（7）：1259-1266. Hu Zhonghua， Xu Xin， Chen Zhong. Three-dimensional nonuniform B-spline smoothing algorithm for unmanned aerial vehicle[J]. Control Engineering of China， 2020， 27（7）： 1259- 1266.（in Chinese）

（責(zé)任編輯皮衛(wèi)東）

作者簡(jiǎn)介

李海（1976-）男，博士，教授。主要研究方向：機(jī)載氣象雷達(dá)信號(hào)處理、分布式目標(biāo)檢測(cè)與參數(shù)估計(jì)、自適應(yīng)信號(hào)處理、陣列信號(hào)處理、動(dòng)目標(biāo)檢測(cè)與參數(shù)估計(jì)。

Tel：13602155208

E-mail：haili@cauc.edu.cn

郭水林（1996-）男，碩士研究生。主要研究方向：飛行航跡規(guī)劃。

Tel：16622986909

E-mail：ShuilinGuo@163.com

周曄（1982-）女，碩士，高級(jí)工程師。主要研究方向：機(jī)載氣象雷達(dá)系統(tǒng)技術(shù)、雷達(dá)信號(hào)檢測(cè)及識(shí)別等。

Tel：15951585397E-mail：zhouye@chinaleihua.com

Dynamic Diversion Planning Combining Dynamic Risk Map and Improved A^*Algorithm

Li Hai1，*，Guo Shuilin1，Zhou Ye2

1. Tianjin Key Lab for Advanced Signal Processing，Civil Aviation University of China，Tianjin 300300，China 2. AVIC Leihua Electronic Technology Research Institute，Wuxi 214063，China

Abstract： Combining with airborne weather radar detection information， this paper proposes a dynamic diversion planning method which combines dynamic risk map and improved A^*algorithm. Firstly， the detection results of airborne weather radar are discretized to establish a dynamic risk map which is updated regularly， which is used as the simulation environment of the algorithm. Secondly， the cost function of the algorithm is constructed by considering the track length， track deviation and control constraints etc.， the cost function is used for route planning. At the same time， the search method of A^*algorithm is improved， and the planned track is smoothed and optimized. Finally， two different strategies are proposed to carry out simulation analysis experiments. The experimental results verify the effectiveness of the proposed method which is suitable for dynamic diversion planning.

Key Words： airborne weather radar； risk map； A^*algorithm； track smoothing； dynamic diversion