通用航空山区救援安全航迹规划模型_艾洪舟.pdf

文章编号:1009-6094(2023)02-0506-09通用航空山区救援安全航迹规划模型*艾洪舟，何鑫，刘全义，胡茂绮(中国民用航空飞行学院民航安全工程学院，四川广汉 618307)摘要:针对通用航空山区救援飞行环境的高复杂度地形问题，提出了一种基于改进型蚁群算法的三维救援航迹规划模型。首先，获取真实的山区地形环境数据，根据安全飞行规则，利用格栅法建立三维飞行环境模型。然后，以路径最短为目标函数、以航空性能为约束条件建立航迹规划模型。最后，利用改进型蚁群算法对模型求解，通过合理设置初始信息素分布和信息素更新规则，改进型蚁群算法，并对西南山区某次通航救援进行了救援航迹规划仿真。改进算法得到的飞行路径与球面直线的距离误差控制在 15%以内，且飞行航路的俯仰角和偏转角均满足安全飞行规则，偏航次数较少。研究表明，对于山区环境下的通航应急救援航迹规划问题，提出的改进蚁群算法能够实现对障碍物的规避和对最优航迹的快速搜寻，保证了救援任务的安全性、高效性和可靠性。关键词:安全社会工程;应急救援;三维航迹规划;蚁群算法;数字高程模型;飞行安全中图分类号:X949文献标志码:ADOI:10.13637/j issn 1009-6094.2021.1713*收稿日期:20211019作者简介:艾洪舟，讲师，从事通航应急救援研究、安全科学与应急管理研究，。基金项目:国 家 重 点 研 发 计 划 重 点 专 项(2018YFC0810600);中国民用航空飞行学院面上项目(J2020072，J2021103)0引言近年来，各类灾害在世界各国频有发生，其中受灾地区多为山区，如 2018 年金沙江发生的山体滑坡堵江形成白格堰塞湖的受灾点，地形复杂，地面救援方式难以及时有效开展。当地面道路中断时，通用航空救援因其快速、高效、受地理空间限制少的优势，往往是应急救援的首选方式。根据通用航空的众多特性，救援航空器需要穿行于山谷中进行救援前的灾情侦察、搜索营救及物资运送等任务，但地形环境复杂等诸多因素的干扰使得救援航空器在具体实施过程中往往面临安全风险高、救援效率低等问题，因此，要安全、高效地完成山区救援任务，提升航空应急救援能力，需要对救援航空器的救援路径进行合理规划1。路径规划问题是指充分考虑各种约束限制，为运动体规划出起始点和目标点间最优或最满足目标需求的运动轨迹，其方法的优劣决定运动体路径的准确性和高效性。航空器的路径规划问题是在三维空间中，充分考虑飞行器、地形及目标要求等多种约束条件，寻找最优飞行轨迹的过程。针对该类问题的解决，主要可以分为空间划分和路径寻优两个步骤。现从以下两个方面进行总结。空间划分问题从几何学上可以分为栅格法和图形法两类2。栅格法是将目标空间分解为若干的简单单元，确定起始点和目标点的单元，其中连通起始单元和目标单元的一系列单元即是一组可行解。栅格法应用于航空器路径规划问题时，通常与迪杰斯特拉(Dijkstra)算法、A*算法3 及改进的 A*算法结合。图形法是将目标空间表示成一个由一维线段构成的网络图，然后采用某一搜索算法在该网络图上进行航迹搜索，从而将路径规划问题转化为网络图搜索问题。其主要的方法有最短路径 Voronoi 图法和随机路标法(Probabilistie Roadmap Method，PRM)，分别由 Aurenhammer4 于 1991 年 和 Overmars5 于1992 年首次提出。徐政超6 采用基于 Voronoi 图的最短路径规划方法解决了二维平面的运输机路径选择问题。潘卫军等7 运用地理信息系统(GeographicInformation System，GIS)技术和 Voronoi 图法解决了直升机参与山区救援的路径规划问题，最终得到可飞的救援路径。丁明跃等8对无人飞行器路径规划的研究方法如路标图法、栅格法和进化规划法等进行分析与总结，同时分析了上述方法的应用前景。当前航路规划问题涉及地形信息、气候信息、多目标决策问题等，信息处理量巨大，为充分发挥计算机优势，普遍采用人工智能算法，包括遗传算法、人工免疫算法和蚁群算法等。刘丽峰等9 针对双机林火救援三维路径规划问题，考虑航空器的可飞行性、航程代价和地形信息等因素，采用人工免疫算法规划出有效飞行路径，但其约束条件如偏转角等范围设置较大，得到的三维航迹路线需进一步平滑处理，本文根据安全运行指南设置约束条件，得到的航迹规划路径直接满足安全飞行要求。夏正洪等10 和陈通11 探讨了通航救援的路径选择问题，根据直升机执行目标任务的可行性对直升机进行合理指派，并采用遗传算法和启发式算法对其进行三维路径规605第 23 卷第 2 期2023 年 2 月安全 与 环 境 学 报Journal of Safety and EnvironmentVol 23No 2Feb，2023划。Kulida 等12 通过改变航迹长度来避免飞机与障碍物、飞机与飞机间的碰撞，提出了一种低空飞行路径规划的遗传算法，并将其应用于机载航迹安全系统。杜实等13 针对影响航行安全的动态危险天气，提出了一种基于改进的多目标粒子群算法的改航路径规划方法，其环境建模使用的是二维栅格法，采用危险系数确保飞行器与危险区域的安全距离。为使模型更贴近真实情况，本文采用三维格栅法建模，同时使用合理信息素分布确保飞行器与地形障碍的安全距离。从现有研究成果看，关于路径规划问题已经有了大量研究，为通航应急救援路径规划的研究工作奠定了良好的基础，但仍存在一些不足之处:一方面，现有研究主要集中在无人飞行器的路径规划方面14 16，无人飞行器的作业区域及飞行性能等与救援航空器相比，具有较大差异，因而不能简单地将上述路径规划方法直接应用到救援航空器的路径规划中;另一方面，为了确保救援航空器能够安全、高效地完成救援任务，必须综合考虑三维地形环境、性能约束等诸多因素，及时为救援航空器规划可飞的路径，而现有研究成果中路径规划算法的选取和运用方面，传统搜索算法，如人工势场法，具有一定的局限性且常用于二维路径规划，其他三维路径规划算法，如遗传算法、粒子群法，计算过程耗费较大的存储空间，在全局路径规划中应用有一定困难，而最常见的 A*算法只能保证救援成本最低，无法兼顾其他性能要求。1996 年，Dorigo 等17 首次提出蚁群算法。蚁群算法属于概率型随机搜索算法，广泛应用于路径搜索领域，可以有效地控制优化时间和避免局部最优解问题。针对上述问题，本文从飞行安全和救援高效角度来考虑，结合真实的山区地形环境、安全飞行规则、救援航空器性能等多元约束信息，建立救援环境和航迹规划模型，提出一种改进的蚁群算法，通过在初始信息素分布上增加一个安全函数来调整各路径上的初始信息素强度，以避免蚁群的盲目搜索，将改进的蚁群算法应用于通航山区救援的三维航迹规划中，实现对最优航迹的快速搜索及对障碍物的有效回避。1通航应急救援航迹规划模型1.1航迹表达方法救援航空器的飞行航迹通常由一系列三维空间位置点构成，飞行航迹内的空间点构成航迹规划问题的解空间内的可行解，其中的最优可行解对应最优飞行航迹方案。假设规划出的路径节点序列为 P0，P1，P2，Pn 1，Pn，在该有序序列中，P0为起始点，Pn为目标点，P1，P2，Pn 1为中间点，共有 n+1 个路径节点，设单次救援任务的航空器救援路径总长度为 D，则D=P0P1+P1P2+Pn1Pn(1)每个路径节点包括经度、纬度、高度等信息，节点信息记为 Pi=(xi，yi，zi)(i=0，1，2，n)。航迹规划问题转化为路径节点集的选择，通过找寻最优节点集确定最优飞行航迹方案。1.2基于数字高程模型的飞行环境建模数字高程模型(Digital Elevation Model，DEM)是用一组有序数值阵列形式表示现实地形特征的实体地面模型，它是有限的、离散的坐标数据。基于DEM 可以生成栅格空间，从而建立救援航空器飞行的空间环境。考虑到后期模型的求解效率和精度，最终的栅格尺寸需满足救援航空器的飞行性能要求，因此对数据进行均匀化插值处理，即对经度、纬度、高度坐标系列进行等间隔取点，对缺失的数据则根据插值算法进行补充。若空间内任意一栅格节点的坐标表示为(x，y，z)，则飞行环境空间 PE 可以表示为集合。PE=(x，y，z)|Xmin x Xmax，Yminy Ymax，Zmin z Zmax(2)图 1当前节点搜索范围Fig 1Search scope of current node用于路径规划的三维空间实际上是由众多一定间距的栅格构成，栅格间距需要满足航空器的最小直飞距离、最大偏航角、最大俯仰角等约束。因此每个栅格长大于等于最小直飞距离 dmin，栅格宽根据最大偏航角 设为 dmintan，栅格高根据最大俯仰角 设为 dmintan，则栅格尺寸(长 宽 高)可设定为:dmin dmintan dmintan。图1 为当前节点搜7052023 年 2 月艾洪舟，等:通用航空山区救援安全航迹规划模型Feb，2023索范围示意图，根据约束条件将每个节点的可扩展节点限制在一定范围内，假设航空器处于节点 O，并沿 x 轴飞行，可供选择的下一个可行节点分别为 A、B、C、D、O、E、F、G、H，这样既可以减少计算量，还可以提高搜索效率。1.3航迹规划模型航迹规划的目标为降低飞行成本和控制飞行风险，即以路径长度最短为目标函数，同时满足救援飞行过程中自主安全避障，以及航空器飞行的物理性能限制等约束，建立航迹规划模型，获得最佳的救援飞行路径。航迹规划模型的目标函数为minD=ni=1di(3)式中di为节点 Pi 1到节点 Pi的飞行距离。航空性能约束条件主要包括最小直飞距离 dmin、最大俯仰角、最大偏航角、最大航距 Lmax、最大飞行高度Hmax和最小飞行高度 Hmin等，见式(4)(8)。di dmini=1，n(4)zi zi1(xi xi1)2+(yi yi1)2tani=1，n(5)(xi xi1)(xi+1 xi)+(yi yi1)(yi+1 yi)(xi xi1)2+(yi yi1)2(xi+1 xi)2+(yi+1 yi)2 cosi=1，n(6)ni=1di Lmaxi=1，n(7)Hmax Hi Hmini=1，n(8)约束条件(4)保证航空器在任意两相邻节点间的飞行距离 di不小于其最小直飞距离 dmin;约束条件(5)保证航空器在任意节点的俯仰角不超过其最大俯仰角;约束条件(6)保证航空器在任意节点的偏转角不超过其最大偏转角;约束条件(7)保证航空器单次救援的总飞行距离不超过其最大航距;约束条件(8)保证航空器在飞行救援过程中保持在可飞行范围内。此外，为确保航空器能够远离障碍区域、实现安全飞行，需要考虑避障这一约束条件。避障的原理是判断三维飞行环境空间中的规划路径节点是否处于障碍区域内，针对该问题进行两方面的处理:一是通过考虑安全距离改变蚁群算法中的初始信息素浓度;二是确保任一规划路径节点的高度超过该点处的 DEM 等效地形高程与安全间隔之和，该安全间隔保证飞行器于地面保持足够的安全距离。2改进蚁群算法2.1改进初始信息素分布为了使蚁群算法适用于求解救援航空器的路径规划问题，需要改进传统的蚁群算法模型。本文提出的飞行环境模型是一个栅格化的空间，因此每只蚂蚁只能在栅格的节点上移动，信息素浓度也相应存储在栅格节点上。传统的蚁群算法模型在迭代初期每个节点的信息素浓度完全一致，蚂蚁在选择其他可行节点时的概率也就相同，这种方式存在搜索范围大和搜索盲目性等问题，对迭代初期的收敛速度有很大影响。为了提高搜索效率和改善搜索盲目性，对传统蚁群算法的初始信息素分布进行改变，根据搜索路径过程中各节点到目标点的欧式距离 Mie和各节点距最近障碍物的距离 Mio，为各个节点设定不同的初始信息素浓度。确定 Mio的依据是中国民用航空局直升机安全运行指南18 和一般运行和飞行规则19，计算公式见式(9)和(10)，由此可以判别各节点是否为安全节点，以及确保救援航空器的安全性。0=a+a/Mie+b0(9)0=0Mio 150(M