孔明明 樊瑞鹏
69250部队 新疆乌鲁木齐 830000
摘要：对无人机航路规划的研究的意义十分重大，通过对研究过程中的问题总结，可以了解到无人机航路规划的具体流程，找出其顺利进行的必要条件，然后由研究人员给出精确的规划算法，以这些研究来推动无人机航路规划进行发展。
关键词：无人机；航路规划算法；
一、研究过程中问题的描述
无人机航路的规划是需要特定条件，我们要根据无人机工作的环境和地形，然后必须考虑到无人机的各种性能（比如所需要消耗的能量，滤镜到达时间等等），给出一条最优的航路。让无人机可以以最快的速度从出发点到达目标点，保证其可以高效圆满的完成所要执行的任务。我们明白了我们所需要达到的目标，然后开始对飞行路径进行规划，分为两步：第一步是要在无人机起飞前进行航路预测，就是结合当地的环境，从理论上给出一条能够圆满完成任务的路径。第二，不是在无人机飞行的过程中进行重新规划，这种事在他飞行的过程中遇到了突发状况，我们需要根据当时的情况进行紧急避险，调整危机飞行的路径，以减少各种外界因素对无人机造成的损伤。
二、具体约束条件
2.1环境条件
在无人机飞行的过程中，会遇到各种各样的外界环境条件，比如说有的地方是禁飞区，有的地方有很多的障碍物，比如森林，还有的地方地形十分复杂，因此我们在进行航路规划时，要尽量的避开这些危险的区域，提前进行实地考察，避免掉那些不必要的损失，提高无人机工作的效率。除此以外，飞行时间也会受到气象因素的影响，比如我在无人机起飞之后刮起了大风，或者下起了暴雨，这些情况都会对无人机造成不同程度的阻碍，这些都需要我们进行特定的调整工作。
2.2自身性能
无人机在飞行过程中有一个最小的转弯半径，就是在无人机转弯的过程中，需要旋转一定的距离，才能够改变方向，所以在狭小进行中，我们要考虑到这些因素。无人机有一个飞行特性，就是他有一个最小航路长度，无人机在飞行的过程中，是根据不同的航点和航点之间的距离进行飞行，两个航点之间，无人机的方向不能改变，只能沿直线飞行，最小航路长度就是两个横点之间最短的距离。同样的飞行高度也是限制无人机的一种制约因素，不同的无人机，拥有不同的最低飞行高度，如果低于此高度，无人机就有坠毁的危险。
2.3飞行目标
我们用无人机完成特定任务的时候，最主要的两个目标就是飞行到达的时间和能否到达指定目标地点，如果目标距离太远，那我无人机将没有足够的动力抵达，还有的任务比较特殊，需要从某一个特定的方向接近目标，这个条件也同样限制了无人机的飞行航路。
2.4特殊情况
虽然我们在无人机起飞之前进行了一定的预测，但是不可避免的在中途，因为各种其他的因素行赂会发生改变。这就需要无人机在中途进行行入的改变，之后才能够完满的完成任务。
三、航路规划中所用到的算法
无人机的工作环境十分复杂，约束条件众多，而且各种影响因素之间还存在着相互影响的关系，而且无人机的控制方法也十分特殊，控制起来不是十分的容易，所以在它的航路规划中，我们遇到的问题都十分困难，不能轻易的解决。在1988年的时候，国内外的学者就对航路规划的算法进行了研究，当时已经得出，对航路规划进行求解，常常会导致组合爆炸。近些年来，随着研究的不断深入，已经有了许多种不同的规划方法，下面我将给大家列举几个。
3.1动态规划算法
在分阶段决策过程中，这种算法是有着极大的优势的。它能够在复杂的环境中采用航路图分类法进行航路规划，卫航路规划解决了一个重大的难题。无人机在飞行过程中，通过外界传达给自身的约束条件，在一定范围内，对障碍物进行规避，然后到达一个新的地点，然后在此刻对周围环境再进行分析，推断出自己应到达的下一个位置，通过这种方法，无人机就可以规划出一个最优的航行线路。
这种算法所需要规划的模型十分简单，可以适应各种复杂的地形，可以很容易的被实现，但是他有着一定的弊端，比如在大范围内进行航路规划时，计算机所需要处理的信息就太过于庞大，导致计算机无法准确的得出相应的结果，所以这种算法只能在小范围内进行使用，如果用在大范围内航路规划中，这种方法就会失效。
3.2启发式算法
这种算法是预先找到一种能够解决问题的规划，然后找到一个能够完美解决这个规划的最佳答案。启发式A*搜索法，是这个算法中十分经典的方法，通过在一定的范围内进行搜索，可以降低航路规划问题的复杂程度。这种方法的搜索效率很高，因为它提供了一种智能的搜索方式。在进行启发式搜索之前，我们首先要来定义一个代价函数，在这个函数中，我们最终求得的结果是从初始点到目标点，整个路径中所需要付出的最小代价，它是有两项数值相加得到的，第一个是从初始点到无人机所到地点的真实代价，另一个是从无人机所在地点到目标点所需要付出的最小代价，然后我们可以根据得出的估计值，对整个路线的风险进行评估，然后得出一个最优的航行线路。
同样的，它也存在着一定的弊端，在进行最优航路的规划过程中，这种方法需要很长的搜索时间，还有吉他的储存空间，所以当遇到突发状况，需要用到实时求解的时候，这种方法就不实用了。
3.3遗传算法
这种算法具有一定的普遍性，他给航路规划中遇到的普遍的复杂问题，提供了一个大致的框架，它的机制是效仿了生物遗传的过程，另类的引入了这些过程中的复制杂交和变异的操作，当我们进行航路规划时，他会从一个解法慢慢的进行改变，直到接近最优解。这一算法中包括五大要素，分别是，染色体编码，初始群体适应度函数，遗传操作和控制参数。这种方法十分通用，此方法的计算速度十分快速，能够很好的满足无人机飞行的需求，比当今的很多学者应用。
这种方法同样存在着弊端，这是一种叫做早熟现象的问题，由于这个不需要无法进行平滑处理，当我们再给定起始点和目标点时，计算机在处理过程中还没有得出最优解，就已经将结果输出，这种现象就是早熟现象，它会极大的降低无人机工作的效率，饼给我们带来一定的风险。
结束语：根据上文所述，无人机航路规划过程中所用到的算法有很多种，有的算法适用于小范围，可以在无人机飞行的过程中对航路进行修改。也有的算法适用于大的范围，无人机能够通过给定的条件计算出到达目标的航路的最优解。航路规划研究发展至今，无人机在飞行过程中既可以进行人为干预，又可以通过无人机自身进行自动求解，避免与障碍物碰撞发生损伤。在今天看来，无人机的发展会越来越快，同样的人们对无人机的要求也会越来越高，所以航路规划这一领域也要进行持续的进步。在未来，无人机必须要能够在未知环境中进行独立的避险，这是我们将来发展无人机的重中之重。
参考文献：
[1]殷永涛,方元.无人机智能任务规划系统技术研究[J].航空电子技术,2018,49(01):13-19+30.
[2]欧阳志宏,李修和.基于任务区分的无人机航路规划方法[J].弹箭与制导学报,2017,37(03):114-118.
[3]张帅,李学仁,张鹏,张建业,白晗,赵晓林.基于人机合作的无人机实时航迹规划[J].北京航空航天大学学报,2017,43(04):814-822.