基于改進(jìn)RRT*算法的無(wú)人機(jī)在線航跡規(guī)劃

關(guān)鍵詞：航跡規(guī)劃；ＲＲＴ*算法；模型預(yù)測(cè)控制；勢(shì)場(chǎng)法

中圖分類號(hào)：Ｖ２４９ 文獻(xiàn)標(biāo)志碼：Ａ DOI：１０．１２３０５／ｊ．ｉｓｓｎ．１００１-５０６Ｘ．２０２４．１２．２４

０引言

無(wú)人機(jī)正被廣泛應(yīng)用于偵察任務(wù)、搜救行動(dòng)、農(nóng)業(yè)服務(wù)［１３］。在執(zhí)行復(fù)雜任務(wù)時(shí)，無(wú)人機(jī)需要有一定的自主性、智能性，其中航跡規(guī)劃對(duì)提高無(wú)人機(jī)自主智能飛行能力具有重要作用。無(wú)人機(jī)航跡規(guī)劃指在滿足約束、避障等一定標(biāo)準(zhǔn)的情況下，尋找一條從初始點(diǎn)到目標(biāo)點(diǎn)的飛行軌跡。航跡規(guī)劃根據(jù)規(guī)劃階段的不同劃分為局部航跡規(guī)劃和全局航跡規(guī)劃［４］。局部規(guī)劃也稱離線規(guī)劃，是指在無(wú)人機(jī)起飛前，根據(jù)已知的環(huán)境信息和任務(wù)要求，考慮飛行任務(wù)、環(huán)境條件、飛行性能等因素，預(yù)先為無(wú)人機(jī)規(guī)劃出一條從起始點(diǎn)到目標(biāo)點(diǎn)的軌跡的過(guò)程。各類元啟發(fā)式算法、群體智能算法被應(yīng)用于離線航跡規(guī)劃，如粒子群優(yōu)化算法［５７］、遺傳算法［８１０］、蟻群算法［１１１３］、人工蜂群算法［１４］、樽海鞘算法［１５］等。全局規(guī)劃又稱在線規(guī)劃，是在環(huán)境信息未知的情況下，根據(jù)探測(cè)設(shè)備實(shí)時(shí)偵測(cè)的環(huán)境信息進(jìn)行動(dòng)態(tài)航跡規(guī)劃。這種規(guī)劃方式的特點(diǎn)在于能夠?qū)崟r(shí)應(yīng)對(duì)突發(fā)情況，使無(wú)人機(jī)能夠規(guī)避威脅，確保任務(wù)的安全完成。常用算法包括Ａ*算法［１６１７］、快速擴(kuò)展隨機(jī)樹(shù)（ｒａｐｉｄｌｙ-ｅｘｐｌｏｒｉｎｇｒａｎｄｏｍｔｒｅｅ，ＲＲＴ）算法［１８２０］等，其中基于采樣的ＲＲＴ 算法通過(guò)對(duì)采樣點(diǎn)進(jìn)行碰撞檢測(cè)，避免了對(duì)空間精確建模帶來(lái)的大計(jì)算量，因此能夠快速、有效地解決復(fù)雜約束的航跡規(guī)劃問(wèn)題。然而，傳統(tǒng)的ＲＲＴ 算法存在著路徑冗余點(diǎn)多且不平滑的局限性［２１］。

許多研究者對(duì)ＲＲＴ 算法進(jìn)行了改進(jìn)。其中，ＲＲＴ*算法［２２］是最成功的變體之一，ＲＲＴ*算法在ＲＲＴ 算法基礎(chǔ)上引入重新布線和重選父節(jié)點(diǎn)兩個(gè)過(guò)程以獲得局部最優(yōu)路徑，使得全局路徑趨于最優(yōu)。文獻(xiàn)［２３］提出雙向樣條ＲＲＴ*規(guī)劃算法，算法能夠在高度約束的空間中尋找到平滑的路徑。ＩｎｆｏｒｍｅｄＲＲＴ*算法［２４］對(duì)ＲＲＴ*的采樣區(qū)域進(jìn)行優(yōu)化，在找到可行路徑后，基于所得路徑，建立橢球體采樣區(qū)域，隨后在啟發(fā)區(qū)域內(nèi)采樣，提升路徑質(zhì)量。然而，這種算法具有一定局限性，橢球的采樣區(qū)域可能會(huì)因?yàn)槁窂匠杀靖叨^(guò)大，導(dǎo)致整個(gè)空間都被超橢球所包含。ＩＢＲＲＴ* 算法［２５］利用智能樣本插入啟發(fā)式算法擴(kuò)展雙向樹(shù)，加快算法收斂速度。文獻(xiàn)［２６］提出ＲＲＴ-ＦＮ 算法，對(duì)樹(shù)的最大節(jié)點(diǎn)數(shù)進(jìn)行限制，當(dāng)節(jié)點(diǎn)數(shù)超過(guò)預(yù)設(shè)值時(shí)，去除無(wú)益于路徑優(yōu)化的無(wú)用節(jié)點(diǎn)，提升算法搜索速度。文獻(xiàn)［２７］、文獻(xiàn)［２８］將深度學(xué)習(xí)與ＲＲＴ*算法有機(jī)結(jié)合，更有效地搜索可行的路徑。

針對(duì)ＲＲＴ*算法采樣效率低、收斂速度慢，以及航跡代價(jià)大的問(wèn)題，本文提出在擴(kuò)展樹(shù)時(shí)利用勢(shì)場(chǎng)法進(jìn)行采樣指導(dǎo)，使樹(shù)朝著目標(biāo)點(diǎn)更有效地生長(zhǎng)，在重選父節(jié)點(diǎn)及重新布線過(guò)程中考慮優(yōu)化范圍內(nèi)節(jié)點(diǎn)的父節(jié)點(diǎn)，獲得代價(jià)更小的解?；诔跏己桔E構(gòu)建啟發(fā)式采樣區(qū)域，優(yōu)化初始航跡，不斷降低航跡代價(jià)；基于模型預(yù)測(cè)控制，設(shè)計(jì)航跡規(guī)劃策略。最后，通過(guò)仿真驗(yàn)證了所設(shè)計(jì)的航跡規(guī)劃方法的性能。

作者簡(jiǎn)介

張海闊（１９９９—），男，碩士研究生，主要研究方向?yàn)轱w行器任務(wù)規(guī)劃。

孟秀云（１９６４—），女，教授，博士，主要研究方向?yàn)轱w行器動(dòng)力學(xué)與控制、飛行器任務(wù)規(guī)劃。