搜索 分析 新世界 法规 图书 网址导航 更多
高级用户登录 | 登录 | |

基于差分进化的GEO-UAV双基SAR路径规划方法
审中-实审

申请号:201510786306.9 申请日:2015-11-16
摘要:本发明公开了一种基于差分进化的GEO-UAV双基SAR路径规划方法,具体包括:(1)生成三维地形;(2)UAV接收站路径建模;(3)将路径规划建模为约束条件的多目标优化问题;(4)采用多目标差分进化算法求解;(5)得到最优解,并生成UAV最优路径,实现UAV在三维复杂地形中的自主导航与双基SAR成像。本发明的方法将综合考虑路径长度、飞行安全和SAR成像性能的UAV路径规划问题,建模为多目标最优化问题,并采用改进的差分进化算法求解,得到一组最优UAV接收站飞行路径。
申请人: 电子科技大学
地址: 611731 四川省成都市高新区(西区)西源大道2006号
发明(设计)人: 武俊杰 孙稚超 安洪阳 杨建宇 黄钰林 杨海光 杨晓波 李财品 李东涛
主分类号: G06Q10/04(2012.01)I
分类号: G06Q10/04(2012.01)I
  • 法律状态
2016-02-24  实质审查的生效IPC(主分类):G06Q 10/04申请日:20151116
2016-01-27  公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
  • 其他信息
主权项  一种GEO?UAV双基SAR路径规划方法,具体包括如下步骤:步骤1:生成三维地形根据成像场景的地理位置,通过数字地图生成UAV路径的背景三维地形,具体通过下式数值模拟得到仿真地形:<mrow><mtable><mtr><mtd><mrow><mi>z</mi><mrow><mo>(</mo><mrow><mi>x</mi><mo>,</mo><mi>y</mi></mrow><mo>)</mo></mrow><mo>=</mo><mi>sin</mi><mrow><mo>(</mo><mrow><mi>y</mi><mo>+</mo><mi>a</mi></mrow><mo>)</mo></mrow><mo>+</mo><mi>b</mi><mo>&CenterDot;</mo><mi>sin</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>+</mo><mi>c</mi><mo>&CenterDot;</mo><mi>cos</mi><mrow><mo>(</mo><mrow><mi>d</mi><mo>&CenterDot;</mo><msqrt><mrow><msup><mi>y</mi><mn>2</mn></msup><mo>+</mo><msup><mi>x</mi><mn>2</mn></msup></mrow></msqrt></mrow><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><mo>+</mo><mi>e</mi><mo>&CenterDot;</mo><mi>c</mi><mi>o</mi><mi>s</mi><mrow><mo>(</mo><mi>y</mi><mo>)</mo></mrow><mo>+</mo><mi>f</mi><mo>&CenterDot;</mo><mi>sin</mi><mrow><mo>(</mo><mrow><mi>f</mi><mo>&CenterDot;</mo><msqrt><mrow><msup><mi>y</mi><mn>2</mn></msup><mo>+</mo><msup><mi>x</mi><mn>2</mn></msup></mrow></msqrt></mrow><mo>)</mo></mrow><mo>+</mo><mi>g</mi><mo>&CenterDot;</mo><mi>cos</mi><mrow><mo>(</mo><mi>y</mi><mo>)</mo></mrow></mrow></mtd></mtr></mtable><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>其中,x,y分别为地面的二维水平方向坐标,z为地面高度,a,b,c,d,e,f,g分别为一阶至七阶地形参数;步骤2:UAV接收站路径建模UAV接收站的路径建模为样条曲线的一组控制点,假设控制点个数为Nc,路径起始点和终止点分别记为Pstart和Pend,UAV接收站路径经过的成像点为Pim,剩余的Nc?3个控制点为自由控制点,样条曲线的控制点序列可以表示为:Sctrl=(Pstart,P1,...,Pmid,Pim,Pmid+1,...Pn,Pend)???(2)其中,Pmid和Pmid+1为成像点Pim的相邻控制点,mid=(Nc?3)/2,且Pim的三维坐标由Pmid和Pmid+1求解:<mrow><msub><mi>P</mi><mrow><mi>i</mi><mi>m</mi></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>P</mi><mrow><mi>m</mi><mi>i</mi><mi>d</mi></mrow></msub><mo>+</mo><msub><mi>P</mi><mrow><mi>m</mi><mi>i</mi><mi>d</mi><mo>+</mo><mn>1</mn></mrow></msub></mrow><mn>2</mn></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>通过式(2)、(3)的UAV接收站路径建模,由Sctrl所生成的样条曲线的UAV路径从要求的起始点Pstart运动到Pend,并通过成像点Pim;步骤3:将路径规划建模为多目标优化将UAV路径离散化,并把路径离散点表示为Ndis为离散点个数,那么路径距离通过下式计算得到:其中,为第i段离散路径的长度,UAV接收站需要与地面保持一定的安全距离,假设最小安全距离为rsafe,那么地形对UAV路径的威胁值如下式:<mrow><msub><mi>f</mi><mrow><mi>t</mi><mi>h</mi><mi>r</mi><mi>e</mi><mi>a</mi><mi>t</mi></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msub><mi>N</mi><mrow><mi>d</mi><mi>i</mi><mi>s</mi></mrow></msub></munderover><munderover><mo>&Sigma;</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mrow><mi>N</mi><mi>g</mi></mrow></munderover><msup><mrow><mo>(</mo><msub><mi>r</mi><mrow><mi>s</mi><mi>a</mi><mi>f</mi><mi>e</mi></mrow></msub><mo>/</mo><msub><mi>r</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>其中,Ng为地形网格点个数,ri,j为第i个路径离散点和第j个地形网格点的距离;UAV的路径还要满足两个条件:路径不能与地形相撞;UAV路径的转角不能超过实际的最大转角θmax;记路径离散点中与地形相撞的点的个数为Ncons1,转角超过θmax的离散点个数为Ncons2。则要求Ncons1=0且Ncons2=0;针对GEO?UAV双基SAR的成像性能,采用分辨单元面积作为衡量指标,分辨单元面积表示为:<mrow><msub><mi>S</mi><mrow><mi>c</mi><mi>e</mi><mi>l</mi><mi>l</mi></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>&rho;</mi><mrow><mi>a</mi><mi>z</mi></mrow></msub><mo>&CenterDot;</mo><msub><mi>&rho;</mi><mrow><mi>g</mi><mi>r</mi></mrow></msub></mrow><mrow><mi>sin</mi><mi>&alpha;</mi></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>其中,ρgr为距离分辨率:<mrow><msub><mi>&rho;</mi><mrow><mi>g</mi><mi>r</mi></mrow></msub><mo>=</mo><mfrac><mrow><mn>0.886</mn><mi>c</mi></mrow><mrow><msub><mi>B</mi><mi>r</mi></msub><mo>|</mo><mo>|</mo><msup><mi>H</mi><mo>&perp;</mo></msup><msup><mrow><mo>(</mo><msub><mi>u</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo><mo>+</mo><msub><mi>u</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo><mo>)</mo></mrow><mi>T</mi></msup><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>其中,c是光速,t0是成像中心时刻,Br是信号带宽,H是地面投影矩阵可以表示为:<mrow><msup><mi>H</mi><mo>&perp;</mo></msup><mo>=</mo><mi>I</mi><mo>-</mo><msub><mi>P</mi><mi>G</mi></msub><mo>&CenterDot;</mo><msubsup><mi>P</mi><mi>G</mi><mi>T</mi></msubsup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>其中,I是单位矩阵,PG是成像区域坐标系的法向单位矢量,是PG的转置,uTA(t0)是在t0时刻目标到发射站的单位向量,通过星地坐标转换得到;uRA(t0)是在t0时刻目标到接收站的单位向量:<mrow><msub><mi>u</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>P</mi><mi>A</mi></msub><mo>-</mo><msub><mi>P</mi><mrow><mi>i</mi><mi>m</mi></mrow></msub></mrow><mrow><mo>|</mo><mo>|</mo><msub><mi>P</mi><mi>A</mi></msub><mo>-</mo><msub><mi>P</mi><mrow><mi>i</mi><mi>m</mi></mrow></msub><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow></mrow>其中,PA为目标点位置,Pim为接收站的位置。方位分辨率:<mrow><msub><mi>&rho;</mi><mrow><mi>a</mi><mi>z</mi></mrow></msub><mo>=</mo><mfrac><mrow><mn>0.886</mn><mi>&lambda;</mi></mrow><mrow><msubsup><mo>&Integral;</mo><mrow><msub><mi>t</mi><mn>0</mn></msub><mo>-</mo><msub><mi>T</mi><mi>a</mi></msub><mo>/</mo><mn>2</mn></mrow><mrow><msub><mi>t</mi><mn>0</mn></msub><mo>+</mo><msub><mi>T</mi><mi>a</mi></msub><mo>/</mo><mn>2</mn></mrow></msubsup><mo>|</mo><mo>|</mo><msup><mi>H</mi><mo>&perp;</mo></msup><mrow><mo>(</mo><msub><mi>&omega;</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mo>(</mo><mi>t</mi><mo>)</mo><mo>+</mo><msub><mi>&omega;</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mo>(</mo><mi>t</mi><mo>)</mo><mo>)</mo></mrow><mo>|</mo><mo>|</mo><mi>d</mi><mi>t</mi></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow>其中,λ为载波波长,Ta为合成孔径时间,ωTA(t)为发射站的角速度,ωRA(t)为接收站的角速度:<mrow><msub><mi>&omega;</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mo>&lsqb;</mo><mi>I</mi><mo>-</mo><msubsup><mi>u</mi><mrow><mi>T</mi><mi>A</mi></mrow><mi>T</mi></msubsup><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><msub><mi>u</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>&rsqb;</mo><msubsup><mi>V</mi><mi>T</mi><mi>T</mi></msubsup></mrow><mrow><mo>|</mo><mo>|</mo><msub><mi>P</mi><mi>A</mi></msub><mo>-</mo><msub><mi>R</mi><mi>T</mi></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>11</mn><mo>)</mo></mrow></mrow><mrow><msub><mi>&omega;</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mo>&lsqb;</mo><mi>I</mi><mo>-</mo><msubsup><mi>u</mi><mrow><mi>R</mi><mi>A</mi></mrow><mi>T</mi></msubsup><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><msub><mi>u</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>&rsqb;</mo><msubsup><mi>V</mi><mi>R</mi><mi>T</mi></msubsup></mrow><mrow><mo>|</mo><mo>|</mo><msub><mi>P</mi><mi>A</mi></msub><mo>-</mo><msub><mi>P</mi><mrow><mi>i</mi><mi>m</mi></mrow></msub><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>12</mn><mo>)</mo></mrow></mrow>其中,RT(t0)为发射站在成像中心时刻的位置坐标,为发射站的速度矢量的转置,为发射站速度矢量的转置;分辨方向夹角:α=cos?1(Ξ·Θ)???(13)其中,Θ表示距离分辨方向的单位矢量,Ξ表示方位分辨方向的单位矢量:<mrow><mi>&Theta;</mi><mo>=</mo><mfrac><mrow><msup><mi>H</mi><mo>&perp;</mo></msup><msup><mrow><mo>(</mo><msub><mi>u</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo><mo>+</mo><msub><mi>u</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo><mo>)</mo></mrow><mi>T</mi></msup></mrow><mrow><mo>|</mo><mo>|</mo><msub><mi>u</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>+</mo><msub><mi>u</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>14</mn><mo>)</mo></mrow></mrow><mrow><mi>&Xi;</mi><mo>=</mo><mfrac><mrow><msup><mi>H</mi><mo>&perp;</mo></msup><msup><mrow><mo>(</mo><msub><mi>&omega;</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo><mo>+</mo><msub><mi>&omega;</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo><mo>)</mo></mrow><mi>T</mi></msup></mrow><mrow><mo>|</mo><mo>|</mo><msub><mi>&omega;</mi><mrow><mi>T</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>+</mo><msub><mi>&omega;</mi><mrow><mi>R</mi><mi>A</mi></mrow></msub><mrow><mo>(</mo><msub><mi>t</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>15</mn><mo>)</mo></mrow></mrow>将路径规划问题建模所得到的多目标优化问题表示为:<mrow><mfenced open="{" close=""><mtable><mtr><mtd><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow></mtd><mtd><mrow><msub><mi>F</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>w</mi><mn>1</mn></msub><msub><mi>f</mi><mrow><mi>d</mi><mi>i</mi><mi>s</mi></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><mn>2</mn></msub><msub><mi>f</mi><mrow><mi>t</mi><mi>h</mi><mi>r</mi><mi>e</mi><mi>a</mi><mi>t</mi></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow></mtd><mtd><mrow><msub><mi>F</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>S</mi><mrow><mi>c</mi><mi>e</mi><mi>l</mi><mi>l</mi></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>16</mn><mo>)</mo></mrow></mrow>s.t.Nconsi=0,i=1,2其中,w1和w2分别为路径长度函数和地形威胁函数的加权系数;步骤4:采用多目标差分进化算法求解4.1?初始化迭代参数初始化多目标差分进化算法的迭代参数,包括:群体大小N,最大迭代次数Gmax,变标因子F以及交叉率Cr;随机生成初始群体XG,G=0,包含N个个体;4.2?交叉变异对于第G代群体XG中的每一个个体xi,G,i=1,2,…,N,产生新个体vi,G<mrow><msub><mi>v</mi><mrow><mi>i</mi><mo>,</mo><mi>G</mi></mrow></msub><mo>=</mo><msub><mi>x</mi><mrow><msubsup><mi>r</mi><mn>1</mn><mi>i</mi></msubsup><mo>,</mo><mi>G</mi></mrow></msub><mo>+</mo><mi>F</mi><mo>&CenterDot;</mo><mo>(</mo><mrow><msub><mi>x</mi><mrow><msubsup><mi>r</mi><mn>2</mn><mi>i</mi></msubsup><mo>,</mo><mi>G</mi></mrow></msub><mo>-</mo><msub><mi>x</mi><mrow><msubsup><mi>r</mi><mn>3</mn><mi>i</mi></msubsup><mo>,</mo><mi>G</mi></mrow></msub></mrow><mo>)</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>17</mn><mo>)</mo></mrow></mrow>其中,为XG中随机选出的三个个体;得到N个新个体vi,G,i=1,2,…,N后,进行变异操作,得到试验群体UG,试验群体UG中的每个个体ui,G可以表示为ui,G=[u1,i,G,u2,i,G,...,uD,i,G],其中,D为决策变量的数目;每一个决策变量uj,i,G由下式得出:<mrow><msub><mi>u</mi><mrow><mi>j</mi><mo>,</mo><mi>i</mi><mo>,</mo><mi>G</mi></mrow></msub><mo>=</mo><mfenced open="{" close=""><mtable><mtr><mtd><msub><mi>v</mi><mrow><mi>j</mi><mo>,</mo><mi>i</mi><mo>,</mo><mi>G</mi></mrow></msub></mtd><mtd><mrow><mi>i</mi><mi>f</mi><mrow><mo>(</mo><msub><mi>rand</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>&lsqb;</mo><mn>0</mn><mo>,</mo><mn>1</mn><mo>&rsqb;</mo><mo>&le;</mo><mi>C</mi><mi>r</mi><mi></mi><mi>o</mi><mi>r</mi><mi></mi><mi>j</mi><mo>=</mo><msub><mi>j</mi><mrow><mi>r</mi><mi>a</mi><mi>n</mi><mi>d</mi></mrow></msub><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><msub><mi>x</mi><mrow><mi>j</mi><mo>,</mo><mi>i</mi><mo>,</mo><mi>G</mi></mrow></msub></mtd><mtd><mrow><mi>o</mi><mi>t</mi><mi>h</mi><mi>e</mi><mi>r</mi><mi>w</mi><mi>i</mi><mi>s</mi><mi>e</mi></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>18</mn><mo>)</mo></mrow></mrow>其中,vj,i,G和xj,i,G分别为vi,G和xi,G的第j个决策变量,randi,j[0,1]为0到1之间的随机数,jrand为0到D之间的随机整数;通过交叉变异操作,得到了对应于第G代群体XG的试验群体UG,并将XG与UG合并得到群体RG=XG∪UG;4.3?非支配排序和下一代群体选择使用约束条件下非支配选择算法对RG中的2N个个体进行排序,对于合并后群体RG中任意给定两个个体xi,G和xj,G;若xi,G满足约束条件而xj,G不满足约束条件,则xi,G支配xj,G;若都不满足约束条件,且xi,G的约束值小于xj,G,xi,G支配xj,G;如果xi,G和xj,G都满足约束条件,则比较他们的目标函数值,也就是(16)式中的F1和F2,若xi,G的目标函数值小于xj,G,则xi,G支配xj,G;对RG中每一个个体之间进行支配关系比较,并按照群体中的支配关系对2N个个体进行排序;选择其中N个支配级别最高的个体组成下一代群体XG+1;4.4?判断循环终止条件更新迭代次数G=G+1,如果迭代次数G=Gmax,则执行步骤5,若迭代次数G<Gmax,则返回步骤4.2;步骤5:生成UAV接收站最优路径通过步骤4中的迭代得到的最后一代群体即为多目标优化问题(16)的最优解。对于每一个最优解可以生成UAV接收站路径,并在成像点Pim实现GEO?UAV双基SAR成像。
公开号  105279581A
公开日  2016-01-27
专利代理机构  成都宏顺专利代理事务所(普通合伙) 51227
代理人  周永宏 王伟
颁证日  
优先权  
国际申请  
国际公布  
进入国家日期