廖奕 杨曼鑫 陈晓坤
广州大学华软软件学院
摘要：对于无人机的使用来讲，如果处于多雷达威胁环境下，那么无人机的使用以及飞行路线都会受到干扰，所以需要就当前多雷达威胁环境下的无人机路径规划工作进行探讨。在本文所论述内容中，基于雷达对无人机的顺序探测概率模型和无人机在飞行运作过程中的特性提出了一种语言，以蚁群算法改进为基础并和Voronoi图相结合的路径规划方法。并且将该无人机路径规划方法和其他三种方法之间进行了对比，从燃油成本以及威胁成本和总成本等多个方面进行了数据比对，对该方法在无人机路径规划中的优越性进行了评价。
关键词：无人机；多雷达威胁；路径规划
1.前言
对于当前科技发展背景下的无人机来讲，在战场侦查以及情报搜集等具有危险性的工作领域当中应用是非常普遍的，能够将人员伤亡成本大大降低，所以无人机所拥有的优越性是不可替代的。在今后的发展过程中，无人机在这些领域当中的应用前景也将变得更加广阔。但对于无人机的实际应用来讲，要在应用过程中能够保证在具有威胁环境下实现既定的任务工作要求，所以对无人机的机动性以及航程等提出了更高要求。在本文中就将对多雷达威胁环境下的无人机路径规划工作进行探讨，并进行优越性评价。
2.多雷达威胁环境下的无人机路径规划工作
当无人机处于多雷达威胁环境下，使其本身的飞行路径规划工作就显得至关重要，因为再多雷达威胁环境下，雷达能够对无人机进行高频率的探测，当发现无人机之后，可能就会对无人机采取危险行为制止无人机的相关行为。而对于无人机路径规划工作来讲，路径成本主要包括了燃油以及威胁成本，在进行路径规划时，该工作本就是一个多目标的优化问题。而且对于多雷达威胁环境本身来讲，雷达在整个空间当中分布的瞬时探测概率会更广，而且探测工作复杂程度也更高，在极大程度上增加无人机路径规划工作的难度。
从当前的多雷达威胁环境下无人机路径规划工作情况来看，以voronoi图像的路径规划算法是比较简单，而且在实际工作中非常容易实现的一项技术。正是因为如此，所以该算法在进行无人机路径规划时被广泛应用，受到了工程技术人员和学者的青睐。但该算法本身又存在一定的局限性，因为在进行该算法的应用时，需要事先假设，在探测十雷达本身的探测能力是相同的，而对于实际情况来讲，雷达本身的探测能力是具有很大的区别的，所以在实际工作当中，应用该算法进行路径规划会存在很多限制。为了将这一问题进行解决，需要对voronoi图进行改进，并且在此基础之上进行创新性的无人机路径规划工作。除了以voronoi图为基础的路径规划方法之外，蚁群算法的无人机路径规划算法是成本更低的一种方法，但是在应用时主要缺点是计算时间会变得更长。所以在近些年来，有学者及工作人员开始尝试，将两种算法进行结合选择优点进行融合，然后进行无人机路径规划工作。
3.无人机路径规划中的环境模型建立
首先对于无人机路径规划中的环境模型建立来讲，需要事先以单个雷达对无人机进行顺势探测，所出现的概率模型为基础来进行模型的建立。
其次则是需要对路径规划设计工作进行问题描述，因为对于无人机来讲，如果处于一个或者是单个雷达威胁环境下，从起点到终点整个任务执行环节，会有一条最优的路径，是无人机在进行飞行时的路径成本降低到最低程度。而对飞行路径成本进行降低时，需要结合燃油成本以及威胁成本，通过两者的加权对路径的总成本进行计算。
再次，则是基于改进蚁群算法的路径规划方法。对于该方法来讲，其原理是对蚂蚁觅食过程进行模拟，因为蚂蚁在觅食的过程中，会在沿途留下信息素，而对其他蚂蚁的运动方向产生影响，如果同一条路径上的蚂蚁行走数量越多，那么信息素的积累数量也就会越多，所以其他蚂蚁在进行觅食时，选择该路径的概率也就会越大。改进蚁群算法主要是对每次蚂蚁在运动之后，对栅格信息素的更新进行取消，然后通过仿真实验对取消后的路径优化结果进行评价。因为对于以群算法来讲，再进行栅格信息素更新时，所产生的结果对路径优化并无实际意义，而且还占用了非常多的计算时间，所以将信息素的更新过程进行取消，能够使该算法的收敛速度得到增加，便于进行路径优化。除此之外，还对蚂蚁引入了视觉功能，以及后腿功能等多项功能，大大提升了该算法的运算效率。
最后，则是以蚁群算法和voronoi图为基础的无人机路径规划方法。对于该方法来讲，是将以上两种算法的优点进行了提取，然后再进行路径规划时进行了结合既是的路径规划的优化效率达到最高，而且整个路径规划的时间也大大缩短。
4.基于蚁群算法和voronoi算法的无人机路径规划方法效果评价
通过对上述两种方法结合之后的无人机路径规划算法预约其他三种算法进行对比之后，发现在燃油成本以及威胁成本和总成本这三个指标方面，以蚁群算法和voronoi算法为基础的无人机路径规划方法，能够在燃油成本以及威胁成本和总成本这三个指标上进行大幅度降低，从而使无人机路径成本得到降低，对于多类大威胁环境下的无人机飞行来讲，将起到至关重要的作用。
5.结束语
综上所述，对于多雷达威胁环境下的无人机路径规划工作方法来讲，应当基于过去单一的路径规划算法，然后对多种不同算法之间的优势进行提取与结合，基于多种算法的共同优势以及共同特性，对无人机路径规划工作进行指导，使无人机飞行路径能够在多雷达威胁环境下得到最优配置，提高无人机飞行工作过程中的工作效率以及安全性。
参考文献：
[1]高晓静, 陈晓峰, 智勇. 无人机路径规划中的环境和威胁模型研究[J]. 航空计算技术, 2013(03):63-68.
[2]吴志峰, 吴军, 铁海峰. 无人机电子干扰条件下的路径规划[J]. 火力与指挥控制, 2009, 34(012):86-89.
[3]郜晨, 甄子洋, 龚华军. 雷达威胁环境下的多无人机协同航迹规划[J]. 应用科学学报, 2014, 32(003):287-292.
[4]胡艺铭, 孙春生, 李佳宽,等. 察打一体无人机末端突防路径规划方法研究[J]. 舰船电子工程, 2019, 39(05):24-28.
（项目：院级大学生创新创业训练项目 编号：DCXM2020008）