2023.4电脑编程技巧与维护1协同侦察任务路径规划模型设计1.1任务场景描述路径规划作为无人车执行协同侦察任务的核心技术之一，决定了任务完成的效果。因此，以多个无人车在复杂地形环境下，执行协同侦察任务作为应用场景，提出一种基于改进粒子群算法的路径规划方法，为无人车寻找最佳行驶路径提供决策参考，并为最终任务路径规划提供理论依据。针对多无人车执行协同侦察任务路径规划的问题，考虑到各目标点地理位置、障碍区域等信息已由航天卫星和雷达探测得知，为了得到任务执行最优解，需要考虑以下3个方面：（1）如何在协同侦察任务中确定任务的先后执行顺序；（2）如何保证整体侦察路径的最优性，例如，距离最短、性能指标最优等；（3）如何获取高精度多维度路径指令，为指挥控制系统提供良好参考。无人车在复杂任务场景中执行协同侦察任务，任务场景如图1所示，图中圆形表示无人车；星形表示任务目标；锥体表示障碍物，目标间连线表示侦察序列与行驶路径。1.2路径规划模型1.2.1边界约束在路径规划中，边界约束限制了无人车可行驶的区域，即无人车在执行任务过程中不得超出可行驶范围，故在行驶规划过程中需满足以下边界约束条件：其中，x、y、z分别为无人车在惯性坐标系下的相对原点的位置，无人车可行驶区域边界值用xmin、xmax、ymin、ymax、zmin、zmax表示。1.2.2速度约束无人车在行驶过程中应满足速度约束：vmin≤v≤vmax其中，v为无人车飞行速度；vmin和vmax分别为无人车可达到的最小、最大行驶速度。1.2.3性能指标从无人车行驶时效角度考虑，将躲避障碍物并以最短路程到达目标点作为路径规划问题性能指标。具体如公式（1）所示：（1）其中，F为总代价；f为路程代价；k为两目标点间路径点数量，i=1,2,3…,k；fT为威胁代价；（x1,y1,z1）为无人车相对坐标原点的当前位置点；（xk,yk,zk）为在坐标系中任务目标的位置点；k为路径规划中的节点数量。为进一步提高求解精度，获得无人车实际行驶路径，首先建立状态变量与控制变量间的数学关系，通过求解目标函数的最优值，获得无人车行驶路径。该问题可用一般最优控制方法进行数学描述，通常表示为Bolza型性能指标函数，如公式（2）所示：（2）基于改进粒子群算法的多无人车协同侦察路径规划江浩（西南电子设备研究所，成都610036）摘要：为了解决多无人车协同侦察任务中的路径规划问题，采用一种改进的粒子群算法。传统的粒子群算法因为其收敛速度较慢，容易陷入局部最优，所以采用混沌初始化...
