基于人工势场法与蚁群算法的混合多飞行器冲突解脱方法
【技术领域】
[0001] 本发明设及一种多飞行器冲突解脱方法，尤其设及一种基于人工势场法与蚁群算 法的混合多飞行器冲突解脱方法。
【背景技术】
[0002] 在传统的空管体制中，对于空中交通的规划、监控、指挥全部由地面的各管理部口 承担，但随着我国航空业的快速发展，航空业务量与日俱增，飞行流量大大增加，空域中飞 行器的密度增大，传统空管体制低下的管理效率与管理需求之间的矛盾越来越突出，因此， 需要打破传统的效率低下的航行管理规则，即采用自由飞行模式，使得飞行器可W自由地 选择飞行路径。要顺利实现自由飞行关键就是要确保飞行器之间始终有安全的间隔距离W 避免相撞的危险。由于自由飞行允许自由选择航路，飞行器之间发生冲突的可能性将大大 增加，如何为飞行员提供实时的辅助决策来解决自由飞行中的冲突问题显得尤为重要。
[0003] 飞行器的冲突解脱是保证飞行器飞行安全的重要手段，现有的飞行器冲突解脱方 法采用局部调整飞行路径、即时速度或飞行高度层来实现，虽然可W消除当前的冲突，但 是，局部调整可能会带来与其他飞行器的新的冲突。
[0004] 为了解决上述问题，在专利号为化201210368083.0的中国发明专利中提出了一种 飞行冲突解脱方法及装置，包括:根据获取的n架飞机的飞行计划信息，确定存在飞行冲突， 各飞行计划信息包括每一架飞机对应航路的各航路点位置、飞行速度、起飞时间;根据预设 的最大起飞延迟时间，对n架飞机中的每一架飞机随机生成m个起飞延迟时间，生成mXn阶 初始化变量种群，初始化变量种群为父种群;应用改进的遗传算法对父种群进行X次遗传迭 代优化，生成父种群的第X子代种群，X表示预设的遗传迭代次数;在第X子代种群中，确定整 体适应度最高的染色体，根据整体适应度最高的染色体，获得所述n架飞机各自对应的最优 化的起飞延迟时间；在一定程度上解决了现有的飞行器冲突解脱方法不能提供全局解脱 方法的问题。
【发明内容】
[0005] 针对现有技术的不足，本发明所要解决的技术问题在于提供一种基于人工势场法 与蚁群算法的混合多飞行器冲突解脱方法。
[0006] 为实现上述发明目的，本发明采用下述的技术方案：
[0007] -种基于人工势场法与蚁群算法的混合多飞行器冲突解脱方法，包括如下步骤： [000引Sl，将飞机和目的地进行电荷转换，利用人工势场法得到初始路径；
[0009] S2,将人工势场法得到的初始路径进行调整，对调整后的路径进行编码，得到权威 妈蚁的觅食路径；
[0010] S3,由权威妈蚁衍生权威蚁群，并利用权威蚁群初始化信息素矩阵；
[0011] S4,根据初始化的信息素矩阵，利用蚁群算法迭代寻优，获得最终的冲突解脱方 案。
[0012]其中较优地，在步骤SI中，利用人工势场法得到初始路径，包括如下步骤：
[oou] S11，在目的地4二(x,A，yJ设置弓巧场;其中，势场函数为：U"民，XJ=臺柄-. 飞机与目的地之间产生的引力为：
[0014] S12,当飞机相遇时，飞机产生斥力场为：
[0015] 9
[0016] 其中表示飞机i和飞机j的距离;rj是飞机j的保护半 径，Ou是斥力场的作用区域；
[0017] 两架飞机之间产生的斥力为:巧(Xi'，X/) = Vt/,(X,'，X/).
[0018] S13,设置遇到冲突时使飞机向同一方向转弯的满旋场：
[0019]
[0020] 其中，所述满旋场产生的满旋力与所述斥力场产生的斥力相切；r 00211 Si4.悠击驢Si 1~Si 3由的二个九扬叠巾n.俱刮多机情况下动态的路径规划方程；
其中j = l，…，m，i辛j;kri为斥力系 ? 数;kvi为满旋系数。
[0022] 其中较优地，在步骤S2中，将人工势场法得到的初始路径进行调整，包括如下步 骤：
[0023] 将所述初始路径划分为K步，在每一步中，飞机保持一定的速度和航向；
[0024] 在进入每一步之前，判断飞机沿着之前的航向飞行与人工势场法要求的航向的偏 差是否在容许误差内；
[0025] 如果在容许误差内，则飞机沿原航向飞行;否则，按照人工势场法要求的航向对飞 机航向进行调整。
[0026] 其中较优地，在步骤S2中，对调整后的路径进行编码，得到权威妈蚁的觅食路径， 包括如下步骤：
[0027] 将N架飞机在冲突解脱过程中的路径均分为K步进行调整；
[0028] 将每步的调整方式用1代表右转度数阔值，-1代表左转度数阔值，0代表保持原航 向进行编码；
[0029] 将每一种冲突解脱方案对应的路径编码为一个N体维的向量玄=知1而，…， XiE {-1 1 0}，每k个分量对应一条初始路径；实现将初始路径转化为权威妈蚁的觅食路 径。
[0030] 其中较优地，在步骤S3中，由权威妈蚁衍生权威蚁群，包括如下步骤：
[0031] S311，从权威妈蚁的觅食路径包含的N*K个分量中随机选取若干分量，令所述若 干分量中的每个分量等概地向另外两种可取值变异；
[0032] S312,对变异后产生的新个体进行安全性检验;如果满足安全性要求，则成功衍生 另一只权威妈蚁；
[0033] S313,重复步骤S311~S312,得到多只权威妈蚁，并将获得的权威妈蚁构成权威蚁 群。
[0034] 其中较优地，在步骤S312中，对变异后产生的新个体进行安全性检验，包括如下步 骤：
[0035] S3121，将变异后的觅食路径进行解码，得到飞机在冲突解脱过程中的路径；
[0036] S3122,判断飞机按照所述路径进行航行，与其他飞机之间的距离是否满足约束条 件；
[0037] S3123，如果满足约束条件，则变异后产生的新个体满足安全性要求，成功衍生另 一只权威妈蚁;否则，变异后产生的新个体未满足安全性要求。
[003引其中较优地，在步骤S3122中，所述约束条件为：Ia^广8/1|>0;1 = 1，2，。'山其中， I 广i I表示第i步A、B两架飞机的直线距离。
[0039] 其中较优地，在步骤S3中，利用权威蚁群初始化信息素矩阵，包括如下步骤：
[0040] S321，对权威蚁群中每只权威妈蚁进行解码，得到飞机在冲突解脱过程中的路径， 并获得飞机冲突解脱过程中到达的目的地；
[0041] S322,根据飞机冲突解脱过程中到达的目的地和预设的飞行目的地计算飞机的延 误;其中，飞机的延误Si= IA^k-AkI ;Ak为无延误时预设的飞行目的地，Al/为飞机冲突解脱过 程中到达的目的地。
[0042] S323,冲突解脱方案的延误S为所有飞机的延误的和，目[ 根据所述冲突 9 解脱方案的延误对觅食路径上每一节点的信息素进行更新；
[0043] S324，重复步骤S321~S323，直至权威蚁群中没有未被处理的权威妈蚁，完成初始 化信息素矩阵。
[0044] 其中较优地，在步骤S323中，根据飞机的延误对觅食路径上每一节点的信息素进 行更新，义用的更新方程为:Tij (t + 1) = (I-P) Tij (t)+Q/S;
[0045] 其中，P为挥发系数;S为冲突解脱方案的延误;Q为增益系数。
[0046] 其中较优地，在步骤S4中，利用蚁群算法迭代寻优，获得最终的冲突解脱方案，包 括如下步骤：
[0047] S41，根据初始化的信息素矩阵，妈蚁W转移概率Pu选择节点；妈蚁选择每一节点 的概率和所述节点信息素的强度成正比，即：
TU表示第j列第i