34 / 2024-06-28 14:32:08

基于运动学约束的特种车辆作战路径规划方法研究

路径规划,RRT,运动学约束,栅格地图

七、大模型与智能无人系统 > 8.智能作战与人机融合

       随着科技进步和战争形态演变，特种车辆在战场上的作用越来越重要，甚至会直接影响战争结果。在现代信息化战争背景下，作战环境复杂多变，需要应对充满不确定性的自然因素及敌方潜在打击，传统路径规划方法对复杂动态环境适应性不足，也很少考虑到环境因素的影响。特种车辆作为一类特殊车辆，其性能参数与传统车辆有较大不同，对路径的可通行性要求也有所不同，如何在这些条件下迅速有效地规划出与作战任务相匹配的可行路径，确保任务单元在任务时间内安全到达，对作战行动的执行具有十分重要的意义。本文拟基于快速搜索随机树算法（Rapidly-exploring Random Trees）开展特种车辆的路径规划方法研究，旨在提高路径规划的效率，并形成适用于特种车辆的作战路径规划方法。

       本文的主要内容包括以下几个方面：

1. 一是引入环境模型，将环境对通行性的影响进行量化评估。本文采用多图层策略，构造存储各类信息的栅格地图，以提高地图模型的准确性；同时运用叠置分析法，将多要素评价综合映射为单一指标。具体方式为：使用模糊综合评价法对规划区域不同层级的因素进行评估，随后使用叠置分析法将各影响因子的评价综合映射为道路可通行性，路径规划基于使用可通行性修正的地图，从而确保路径规划能够紧密结合实际环境因素的影响，实现更为合理和有效的规划。


2. 二是引入运动学模型，在路径规划的过程中加入运动学约束。传统路径规划算法在寻求达到目标点的路径过程中，主要侧重于路径的可达性，即如何有效地从起点到达终点，但这些算法往往忽略了路径的实际可通行性，这种局限性在特种车辆的路径规划中尤为明显，因为特种车辆往往具有特殊的尺寸、重量、动力要求或其他特性，这些特性使得特种车辆不能简单地使用传统规划方法所规划的路径。本文综合考虑特种车辆的特性及其在运动过程中需遵循的约束，使用单车模型对特种车辆进行抽象简化，较为合理地考虑特种车辆的实际通行能力，从而规划出既可达又可行的路径。


3. 三是分析并引入优化策略改进Rapidly-exploring Random Trees（RRT）算法。分析发现，由于传统RRT算法在搜索过程中具有很强的随机性，使得其搜索空间变得极为庞大，算法效率在面对大规模数据时十分低下，且由于这种随机性使得算法难以应对动态障碍物的情况。这些问题限制了RRT算法在动态战场环境中的适用性。本文针对性地引入了双向搜索、动态避障、概率引导等优化策略，对算法在采样、扩展等各个执行阶段的效率进行优化提升，同时也在一定程度上对算法在复杂多变环境中进行规划的适应性进行了提升。


4. 四是运用测试集对算法性能进行评估。本文基于公开数据集进行测试集构建，并将Dynamic A*算法（D*）、A*算法、传统RRT算法以及改进RRT算法的规划结果进行对比。实验在动态环境以及静态环境下进行，算法性能的评估基于路径长度、规划时间、稳定性、适应性、路径平滑性五个指标，并通过仿真展示不同算法所规划路径的差异。实验结果表明，改进RRT算法相较于传统RRT算法，在路径长度、规划时间、动态环境适应性上均有了较大程度的提升，算法能够更有效地找到短且平滑的路径，能够更好地适应实际的作战规划任务。相较于A*算法与D*算法，虽然在运行效率和路径长度上还存在着一定的差距，但是这种差距在复杂环境及高度变化的战场环境任务规划中会变得十分微小，而改进RRT算法在路径平滑性、可行性上相较A*算法与D*算法有着明显的优势，这对于高危的战场环境是十分必要的，而且改进算法对于高动态环境有着更高的适应性，这一点也十分符合实际的需要。

         本文通过引入环境模型、运动学模型，对特种车辆及其规划环境进行了描述，并将其综合到路径规划中，随后通过优化策略改进了RRT算法，使本文提出的方法更好地适应了特种车辆作战路径规划的要求。

关键词：路径规划；快速搜索随机树算法；栅格地图；运动学约束