本发明属于多无人机(uav)协同探测领域，涉及一种基于改进蜉蝣算法的uav编队纯方位协同探测阵型规划方法。
背景技术：
1、随着无线传感器网络的发展，目标跟踪与定位技术越来越受到人们的关注，广泛应用于无人导航、移动机器人定位等领域。纯方位传感器的无源探测主要是指利用含有噪声的角度测量来获取目标的状态估计，所以采用无人机编队对隐身机动目标进行纯方位协同探测的方案具有探测距离远、隐蔽性高和抗干扰能力强等不可替代的优势。
2、无人机编队进行纯方位协同探测的定位精度不仅受到传感器位置和角度测量的固有误差的影响，而且主要受到传感器和目标之间的几何布置的影响。因此，如何规划合理的无人机编队的纯方位探测布局，以提高系统状态估计的准确性具有重要的学术意义和不可或缺的实际工程价值，包括但不限于隐形目标跟踪、导航状态估计和移动机器人定位。无人机编队的纯方位协同探测阵型规划，需要基于三维空间的几何精度稀释，设计符合系统模型的优化指标函数。在此基础上，实现能够快速响应、规划效果优越的优化算法进行求解。
技术实现思路
1、本发明所要解决的技术问题是：
2、为了提高无人机编队纯方位协同探测的精度，本发明提供一种基于多策略融合改进蜉蝣算法的uav编队纯方位协同探测阵型规划方法，通过多策略融合改进的蜉蝣算法优化带有分层约束集的无人机编队纯方位探测阵型，进而获得几何精度稀释最小的计算结果，作为无人机编队纯方位协同探测获得更高定位精度的基础。
3、为了解决上述技术问题，本发明采用的技术方案为：
4、一种纯方位无人机编队探测阵型规划方法，其特征在于，包括以下步骤：
5、构建三维空间中纯方位探测多无人机协同探测模型，所述协同探测模型中的每个无人机可独立测量出与目标之间的俯仰角和方位角，纯方位协同定位必须基于一对无人机测得的角度信息才能解出目标的位置信息；
6、基于三角形测量原理，分析得到双机协同定位的观测条件；
7、基于无人机编队的安全飞行高度远远小于无人机与目标之间的距离，将临近的纯方位无人机聚类为同一层，构建协同探测模型的分层约束集；所述临近为相邻距离不超过安全飞行高度；
8、针对纯方位无人机编队的最优探测几何阵型规划，设计观测平面上的几何精度稀释指标函数；
9、采用多策略融合改进的蜉蝣优化算法依次规划协同探测模型中所有无人机的最优位置，包括：使用tent混沌映射来初始化蜉蝣种群，使种群在解空间中均匀分布；引入自适应惯性权重因子，重构重力系数的自适应动态调整，实现全局搜索与局部开发能力之间更有效的平衡；引入随机反向学习来增强全局搜索能力、稳定性和收敛速度；
10、在设有分层约束集的纯方位探测多无人机协同探测模型中，多策略融合改进的蜉蝣优化算法迭代计算得到几何精度稀释最小的几何阵型规划结果。
11、本发明进一步的技术方案：所述三维空间中纯方位探测多无人机协同探测模型：
12、纯方位探测多无人机系统在对机动目标t的协同定位过程中，无人机si的位置为(xi,yi,zi)，每个无人机都可独立测量出与目标之间的俯仰角θi和方位角但纯方位协同定位必须基于一对无人机测得的角度信息才能解出目标的位置信息(xt,yt,zt)，表达式如下：
13、
14、其中，下标为j的数据表示第j个无人机的信息。
15、本发明进一步的技术方案：所述双机协同定位的观测条件具体为：
16、两个纯方位探测的无人机与目标形成三角形几何关系如下：
17、
18、其中，ri表示第i个无人机到目标t的距离；rj表示第j个无人机到目标t的距离；rij表示第i个无人机到第j个无人机的距离；γij表示两个无人机与目标之间的视线角，称为视线分离角；γi是ri与rij之间的夹角；γj是rj与rij之间的夹角；
19、求ri偏导，有：
20、
21、为了保证一对纯方位无人机能够完成对目标的跟踪定位，双机与目标的三角形几何关系必须满足，被动传感器网络的节点数量n≥2；探测阵型中的相邻被动传感器基线rij保持一致情况下，当视线分离角越接近γij＝π/2，距离估计效果越好。
22、本发明进一步的技术方案：所述构建协同探测模型的分层约束集具体为：
23、在三维空间中，第一个纯方位无人机si的空间位置确定后，第二个相邻的纯方位无人机sj存在无数个最优位置，分布在两个球面的相交圆⊙i→j上；考虑无人机的安全高度控制的限制条件，将圆水平分割为q+1层；每一层的无人机处于同一个水平面，在惯性坐标系下的高度相等，探测目标的俯仰角也相等：
24、
25、当无人机编队的基线rij已知固定，无人机编队的安全飞行高度δh已知固定，则相邻纯方位无人机的最优探测布局规划的空间位置有2q个；
26、即考虑多无人机系统的安全飞行高度远远小于无人机与目标之间的距离，将临近的纯方位无人机聚类为同一层，构建协同探测模型的分层约束集。
27、本发明进一步的技术方案：所述设计观测平面上的几何精度稀释指标函数具体为：
28、针对纯方位无人机编队的最优探测几何阵型规划，设计观测平面上的几何精度稀释指标函数：
29、
30、式中，成对观测目标的纯方位无人机的测角误差相互独立且方差为即量测误差的协方差阵h为系统模型的jacobian矩阵，表示为：
31、
32、最后整理得到
33、
34、本发明进一步的技术方案：所述使用tent混沌映射来初始化蜉蝣种群具体为：
35、随机tent混沌映射序列表示为：
36、
37、式中，rt为属于(0,1)的一个随机数，影响混沌程度；m是tent混沌序列中元素的数量；是均匀分布在范围(-1,1)内的随机扰动；生成混沌序列后，将其映射到解空间：
38、z＝pmin+(pmax-pmin)·z
39、式中，pmax和pmin分别是解空间的上界和下界；由此利用纯方位无人机编队的空间位置坐标生成tent混沌序列，然后映射到解空间作为蜉蝣种群的初始解。
40、本发明进一步的技术方案：所述引入自适应惯性权重因子具体为：
41、
42、式中，t为当前时间步，d为最大迭代次数，ρ＝0.8为根据经验得出的惯性权重控制系数；γ(η,1-t/d)是不完全伽马函数；η是大于零但小于ρ的随机变量；
43、每次迭代，通过miama的飞行策略更新状态空间中的个体，并计算新位置的适应度，然后根据目标函数评估传感器布局的优劣，蜉蝣的位置更新与邻居个体有关；
44、
45、其中，和分别表示第t次迭代中的个体i；迭代中的飞行速度用表示。
46、本发明进一步的技术方案：所述引入随机反向学习具体为：
47、首先，将上界upi与下界lpi之和减去当前解，生成逆解；然后引入一个随机数μ；最后，比较当前解和逆解的适应度函数值；将最优的包含在后续迭代中，用于增强所提出算法的全局搜索能力并降低收敛到局部最优并陷入困境的可能性，表示为：
48、xrand＝(upi+lpi)-μ×xi。
49、本发明进一步的技术方案：所述迭代停止条件是算法是否达到设定的迭代次数k＝100，然后在所有迭代结果中，适应度最高的个体就是最优的计算结果。
50、一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。
51、本发明的有益效果在于：
52、本发明提供的一种纯方位无人机编队探测阵型规划方法，为提高系统的定位精度，在纯方位探测无人机编队的布阵过程中，首先考虑飞行安全高度的条件，引入一个水平切面分层产生的约束集，获得相邻无人机基于分层状态约束的最优探测几何构型的解析解。然后通过最小化几何精度稀释的优化指标，设计了多策略融合的蜉蝣优化算法来得到最优解。
53、针对传统蜉蝣算法初始种群单一、适应性差、全局搜索能力不足的局限性，分别引入tent混沌映射、自适应惯性权重因子和随机反向学习，对规划最优探测几何阵型的蜉蝣算法进行多策略融合改进。所提出的算法可以在分层约束的条件下，通过优化几何精度稀释的探测指标，规划得到最优的探测几何阵型。
54、本发明能够合理有效地解决纯方位传感器网络中目标跟踪的最优阵型规划问题。这在状态解空间中的gdop指标的下降趋势中得到了显着的体现。同时与传统蜉蝣算法、粒子群算法、遗传算法进行对比分析，通过量化迭代次数和优化目标函数值，证实了该方法在解决该问题上的优越性，该方法能够以更快的收敛速度获得更好的目标定位结果。
1.一种纯方位无人机编队探测阵型规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述三维空间中纯方位探测多无人机协同探测模型：
3.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述双机协同定位的观测条件具体为：
4.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述构建协同探测模型的分层约束集具体为：
5.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述设计观测平面上的几何精度稀释指标函数具体为：
6.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述使用tent混沌映射来初始化蜉蝣种群具体为：
7.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述引入自适应惯性权重因子具体为：
8.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述引入随机反向学习具体为：
9.根据权利要求1所述一种纯方位无人机编队探测阵型规划方法，其特征在于，所述迭代停止条件是算法是否达到设定的迭代次数k＝100，然后在所有迭代结果中，适应度最高的个体就是最优的计算结果。
10.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。
