基于遗传算法的ADS—B飞行航迹规划方法研究

袁小凯 傅强 侯明利

摘要：ADS-B是广播式自动相关监视，是一种比较先进的监视技术，也是未来监视系统的发展走向，因此研究ADS-B飞行航迹规划具有重要意义，在此将研究如何利用遗传算法优化ADS-B飞行航迹，优化过程中，采用特定的编码方法和适应度函数。

关键词：遗传算法；ADS-B；飞行航迹

中图分类号：V249.1文献标识码：A文章编号：1008-4428（2019）03-0170-02

一、 引言

广播式自动相关监视（ADS-B）是空管领域中的一项革命性技术，这项技术实现的是空对空、空对地、地对空以及地对地的信息传递和监控。它是以广播的形式向外发送信息，其信息可以包含多种，比如高度、速度、位置等信息，发送效率高，而且自动的，无须人工干预，监视设备费用比较低，易于安装。该监视系统是全球最为认可的监视系统，它是未来监视手段的发展走向，未来它将达到普及。广播式自动相关监视系统将使民航飞行更加安全和高效，国际民航组织也将其确定为未来发展的主方向，现在许多欧美国家以及澳大利亚正在大量使用该系统，未来中国也会将其普及。它不像雷达监视系统那样具有局限的覆盖范围，会有探测盲区，自动相关监视系统发射范围广，投资费用不高，而且后期维护费用也不高，可以更长时间使用。另外，可以提高空域利用率，原来雷达覆盖盲区，通过使用自动相关监视系统，使得空域利用增加。这种监视系统可以实现信息的交互，无论是在天上还是地上，只要有接收设备都可以收到发射机发射的信息，因此可以形成互相监视，使得运行更加安全。在天上时，其中一架飞机可以得知其他飞机的位置、高度、航班号等信息，而地面人员也能够得知该架飞机的信息；在地面上时，地面上运动体通过该系统相互得知位置，一旦有冲突就会及时发现，及时处理。广播式自动相关监视系统功能比较强大，意义深远，可以提高安全性、空域利用容量，还可以降低投资成本，为建设民航强国奠定基础。

遗传算法是一种人工智能算法，它模仿了生物进化的思想，生物进化中的自然选择和进化机制被有效地借鉴，它具有高度并行、随机、自我适应的功能。遗传算法应用比较广泛，它被越来越多的应用于各个领域，其中路径规划就是典型的应用例子，对于路径规划的研究方法，遗传算法比较适用。通过整体搜索的方法，在一定的约束条件下，进行一系列的操作，主要包括选择、交叉、遗传操作，使得复杂的问题逐一解决。

飞行器航迹规划是实现飞行器自动导航的一项关键技术。对飞行器航迹进行规划，要在一定的特定约束条件下，飞行器从起点到终点，航迹规划就是从许多的航迹中挑选出最优的航迹。在航迹规划中，其主要内容就是在满足一系列约束条件下，找到那条最优航迹。路径规划是一个复杂的问题，它涉及满足物理无人机的约束条件操作环境和其他操作要求。最重要的是要满足的约束路径必须是可飞的。可以飞的路径是那些满足飞行器的运动约束，满足这个约束确保飞行器的运动在最大范围内操纵，路径的安全性是通过能力来衡量的，避免威胁、障碍和其他无人机的冲突。

在执行飞行任务时，飞行器需要以任务规划所得的参考航线为基准，该航线上的威胁信息都可以展示出来，依据威胁信息，可以计算得到飞行器的最优航迹，监控整个过程直到任务完成。虽然当前的方法比较实用，但是仍然存在着许多问题：在航迹优化的过程中，函数收敛比较慢，而且在执行飞行任务时，从起点出发，过程中不能更有效的收敛于终点，要想达到结果，就要设置优化方程，这样一来，整个过程就显得愈加复杂，整个优化过程中最重要的就是收敛于终点。

二、 进行航迹规划

（一）编码

在此，将遗传算法归纳为以下五个元素：

GA={Mu，Cv，Pc，Ea}（1）

假设一次飞行器的飞行任务，从M点到N点，由于飞行任务的过程是连续的，所以飞行路线很可能在A和B之间的菱形区域内。

通过设置坐标函数，我们将飞行轨迹描述为

f（x）=a0sin（ω0x）+a1sin（ω1x）+…+aN-1sin（ωN-1x）（2）

为了保证所得的航线能够肯定经过航迹的起点和终点，将正弦波的角频率确定为：

ω0=π/L，ωn=2ωn-1，n=1，…，N-1（3）

幅值的限制：|an|≤1λnC（4）

在这种整体范围下，保持整体的不变性，单独扩大基因的数量，可以得到比较理想的飞行器航迹，但是，在此情况下，却使得总体规模的多样性变低了，使得航迹优化遇到瓶颈。rmin需要满足：

2rmin<12N-1（5）

所以，在進行整体判断或者基因选择时，需要考虑一些其他因素，比如整体总群的多样性，以及飞行器的性能，以此达到最优。

（二）初始化种群

种群的初始化就是依据编码规则给出种群的初始解。算法在开始时都要进行种群的初始化，在随机方法中，比较常用的是RNG。而定值设定法则比较偏向于在搜索空间中产生均匀分布的点。

（三）最优化函数

为达到要求，获得最优解，必须选取合适的适应度函数，这个函数必须满足一定的条件，其中的变量要设置好，它是所有内容中最重要的组成部分，这个函数的构成影响到最终结果的确定性和遗传算法中收敛的速度。在设计这个函数的时候，要尽可能地考虑全面，而且最重要的是不要设计得太过于复杂，因为函数的复杂程度决定了遗传算法的复杂程度，简单点，这样计算时间也会更少。本文使用如下代价函数：

J=∫t0（ω1C2t+ω2h2+ω3fTA）dt（6）

在一定程度上，这个公式反映了在飞行器航迹规划上的几个重要因素对航迹规划的影响。

（四）选择策略

广义的决策策略选择则包含判断与决策两个部分。基于马尔科夫决策策略选择方法，解决具有复杂目标间关联的多阶段目标选择问题。使用决策策略描述目标体系各层状态间的影响关联，并以目标体系整体失效为求解目的，建立了基于离散时间 MDP 的多阶段打击目标选择模型。

（五）交叉运算

将交叉算子作用于群体，在遗传算法中，最为重要的就是交叉算子，它发挥着重要作用。

三、 改进算法

利用遗传算法进行飞行器的航迹规划，航迹中的每个航路点对应着染色体中的每个基因。其中，任何一个航路点都由（xi，yi）来表示。

算法中的定义和实际情况下的内容是有一定区别的，因此在运算过程中可能会出现“航线回头”“过早收敛”和“越界”等一系列的问题。为避免这种情况，以下采用改进后的算法：

（一）编码方式

编码的时候，对起始点和目标点默认为必须经过的点，仅为航迹线的中间部分节点编码。最终，才能确保任何一条航迹线都能真正的通过起止点。

（二）“航线回头”的现象

为了确保没有“航线回头”的现象，在此选择（8）方程式限定条件，这就确保了无论哪一条染色体都能相互对应起来，进行延伸下去。

xib≥xi+1，i=1，2，…，N-1（7）

在上面方程式中，N代表了染色体中的基因数量。

（三）“过早收敛”的现象

在进行航迹优化的时候，可能会有还没到达终点就在早期出现收敛的现象。在选择上，优化参数比较重要，参数会影响到结果，在一定情况下，选择合适的参数会得出更好的优化结果。

（四）“越界”的现象

当某航路点（xi，yi）满足式（7）时，称为“越界”：

xi（0，L），yi（-H，H）

i=1，2，…，N（8）

式中，L=（yN-y1）2+（xN-x1）2為航线长度；H为飞行器允许的最大偏航距离；N为每条染色体的基因数目。

（五）自然选择

在生存斗争中，具有有利变异的个体，容易在生存斗争中获胜而生存下去。反之，具有不利变异的个体，则容易在生存斗争中失败而死亡。这就是说，凡是生存下来的生物都是适应环境的，而被淘汰的生物都是对环境不适应的，这就是适者生存。达尔文把在生存斗争中，适者生存、不适者被淘汰的过程叫作自然选择。在此对剩余个体采用随机竞争的方法进行自然选择操作。

四、 结论

在未来，ADS-B监视手段会慢慢普及达到全面，这种广播式自动相关监视系统会更加适用。对于目前以及将来使用ADS-B进行监视的飞行器，相互之间知道位置等信息，使用模拟遗传算法对飞行器的航迹进行规划，有效利用空域资源，减少飞行器与障碍物或与其他飞行器之间的冲突。

参考文献：

[1]Stiles P， Glickstein I. Route planning[A]. 10thDASC[C].420-425.

[2]Mahmoud Tarokh. Genetic path planning with fuzzy logic adaptation for rovers traversing rough terrain[J]. San Diego： Springer-Verlag Berlin Heidelberg 2007：215-218.

[3]何珮，屈香菊.应用自适应航迹规划算法进行参考航迹规划[J].航空学报，2003，24（6）：499-502.

[4]刘慧英.基于数字地图的无人战斗机低空突防轨迹规划方法研究[D].西安：西北工业大学，2004.

[5]何珮，金长江，武哲.低空突防航迹规划方法研究[D].北京：北京航空航天大学，2003，6.

[6]王栋.低空突防航迹规划、航迹控制的工程实现[D].南京：南京航空航天大学，1999.

作者简介：

袁小凯，男，山东淄博人，中国民用航空飞行学院硕士研究生，研究方向：空中交通管理；

傅强，男，四川广汉人，中国民用航空飞行学院研究员，研究方向：计算机；

侯明利，女，河北唐山人，中国民用航空飞行学院硕士研究生，研究方向：空中交通管理。