1.一种基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：包括以下步骤：(1)建立翼伞在风固定坐标系下的降阶质点模型：

式中：x、y、h为翼伞在风固定坐标系下的位置分量；us为翼伞水平方向速度；uz为垂直方向速度；ψ为航向角； 为航向角速率；u为与翼伞非对称下偏量对应的控制量；

(2)建立翼伞飞行区域山峰障碍的模型：

其中，h(x,y)为水平面坐标(x,y)处的山峰障碍高度值；m为翼伞飞行区域山峰障碍的数量，hi为第i个山峰障碍的峰顶高度，(x0i,y0i)为第i个山峰障碍的中心坐标，xsi为第i个山峰障碍沿x轴的坡度相关量，ysi为第i个山峰障碍沿y轴的坡度相关量；

(3)确定翼伞初始状态和着陆期望状态，进而确定翼伞在空投初始时刻t0的位置(x0,y0,h0)和航向角ψ0、翼伞在着陆时刻tf的期望位置(xf,yf,hf)和期望航向角ψf、翼伞操纵绳的最大下拉量umax；

(4)建立翼伞航迹规划的目标函数：J＝f1J1+f2J2+f3J3+f4J4；

2 2

其中，J1＝(x(tf)‑xf)+(y(tf)‑yf) 为着陆点水平位置误差指标；J2＝cos(ψ(tf))+1,为着陆点航向误差指标； 为控制能耗指标； 为安全避障指标；f1、f2、f3和f4为加权因子；x(tf)为规划航迹上翼伞在着陆时刻的水平面x方向的坐标，y(tf)为规划航迹上翼伞在着陆时刻的水平面y方向的坐标，ψ(tf)为规划航迹上翼伞在着陆时刻的航向角；

其中，di(t)为t时刻翼伞距第i个山峰障碍表面的距离；

Rsafe为预设的翼伞距山峰障碍表面的安全间距；

(5)划分飞行时段区间；

(6)利用改进的差分进化算法求解每个时间段翼伞最优的航向角，首先通过随机初始化u(t)得到大小为N的种群，通过变异和交叉得到当前代数的输出种群，最后得出种群中最优的解，即最优规划轨迹对应的时段区间的航向角xG,best，进而推导出最优的航迹path(t)＝(x(t),y(t),h(t)),t∈[t0,tf]。

2.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：步骤(5)中，将翼伞飞行时段[t0,tf]划分为n个相邻区间，每个子区间内u(t)取常数值以控制翼伞。

3.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：步骤(6)包括以下步骤：

j

(6.1)生成N个代表六个时段区间的个体Xi,0；表达式如下：其中rand(0,1)表示随机生成一个0‑1之间的数， 代表航向角的最大边界值， 代表航向角的最小边界值；

(6.2)将数量为N的种群随机分成三份，采用变异算子进行变异；

(6.3)将步骤(6.2)得出的种群按照下式进行自适应交叉：其中， 表示按照第j‑1维的交叉方式进行第j维的交叉，p为动态续交叉长度，其中，初始值设置为0；

j j

(6.4)将得到的ui,g与第一代的X i,0代入到翼伞的目标函数中进行航迹比较，最后在两个种群中找出效果最优的N个个体组成新的种群；

(6.5)若当前迭代代数没有达到终止条件Gmax，则将新种群带入(6.2)迭代优化，若达到终止条件则停止迭代输出最优解。

4.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：步骤(6.3)中，若动态连续交叉长度p≠0，则执行连续交叉。

5.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：步骤(6.3)中，在交叉过程中，当试验向量Ui,g从目标向量Xi,g得到元素时，p设置为：其中，A表示伯努利试验中用于判断的事件，p表示以事件A成功的片段开始到事件A失败的累加长度。

6.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：当试验向量Ui,g从突变向量Vi,g得到元素时，p设置为：其中，A表示伯努利试验中用于判断的事件，p表示以事件A成功的片段开始到事件A失败的累加长度。

7.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：由降阶质点模型得出x＝us*cosψ，其中，ψ代表xG,best中某一个时间段的航向角，x(t)＝x(t‑

1)+x，当t为1时x(t)表示设定的起点位置的x值x0，进而推导出最优航迹中的x(t)。

8.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：步骤(6)中，采用如下差异策略进行差分变异：

Vi,g＝Xr1,g+F×(Xr2,g‑Xr3,g)其中，r1、r2、r3表示[1,N]范围内随机生成的互斥整数；F∈[0,1]为变异因子；Xbest,g为第g代种群中适应度值最佳的个体向量；K为[0,1]范围内随机数。

9.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：步骤(6)中，采用如下差异策略进行差分变异：

Vi,g＝Xbest,g+F×(Xr1,g‑Xr3,g)其中，r1、r2、r3表示[1,N]范围内随机生成的互斥整数；F∈[0,1]为变异因子；Xbest,g为第g代种群中适应度值最佳的个体向量；K为[0,1]范围内随机数。

10.根据权利要求1所述的基于差分进化改进的翼伞无人机轨迹优化方法，其特征在于：步骤(6)中，采用如下差异策略进行差分变异：Vi,g＝Xi,g+K×(Xbest,g‑Xi,g)+F×(Xr1,g‑Xr2,g)其中，r1、r2、r3表示[1,N]范围内随机生成的互斥整数；F∈[0,1]为变异因子；Xbest,g为第g代种群中适应度值最佳的个体向量；K为[0,1]范围内随机数。