[發明專利]基于改進粒子群算法的無人艇路徑規劃方法及系統

在審

• 申請號: 202010170289.7
• 申請日: 2020-03-12
• 公開（公告）號: CN111174794A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 辛峻峰;李鵬昊;楊奉儒;李世鑫;李書悅
• 申請（專利權）人: 青島藍海未來海洋科技有限責任公司
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本發明公開了基于改進粒子群算法的無人艇路徑規劃方法及系統，包括：獲取無人艇的待經過的若干個位置點；基于改進的粒子群算法，將無人艇的待經過的若干個位置點作為輸入值，經過迭代計算后，獲得一條無人艇的最優移動路徑；其中，改進的粒子群算法，是基于線性下降慣性權重、自適應控制加速度系數和隨機分組反演的優化策略對粒子群算法進行改進得到的；根據最優移動路徑，控制無人艇進行移動。

技術領域

本公開涉及無人艇路徑規劃技術領域，特別是涉及基于改進粒子群算法的無人艇路徑規劃方法及系統。

背景技術

本部分的陳述僅僅是提到了與本公開相關的背景技術，并不必然構成現有技術。

眾所周知，多傳感器融合是無人飛行器自主導航的一個重要問題，特別是在實際環境中進行非預期變化時。借助于溫濕度傳感器、碰撞傳感器、流速和流速傳感器、位移傳感器等多種傳感器，無人駕駛飛行器已有效地應用于探空探測、環境監測、水聲、海上救援、目標跟蹤，以及水監測。在這些情況下，來自多個傳感器的所有感知信息被組合起來并有效地利用，以生成無人駕駛車輛跟蹤的理想軌跡，這通常被表述為旅行商問題(TSP)。

TSP在1979年被證明是一個典型的非確定性多項式硬組合優化問題。它的目標是設計出一條最短的路線，讓旅行者無需重復地游覽每個城市，最終返回出發城市。隨著搜索空間趨于無窮大和復雜，傳統的精確算法，如枚舉法，無法在精確的計算時間內接近精確解。因此，需要開發具有自組織和自適應能力的新算法，以發現適當的解決方案，犧牲運行速度的最優性、準確性和完整性。受自然進化模型和自適應種群進化的啟發，集體智能方法包括遺傳算法、粒子群優化(PSO)、蟻群優化(ACO)、人工魚群算法和人工蜂群算法，TSP已進入快速發展階段。

粒子群優化是1995年由Eberhart和Kennedy提出的一種進化元啟發式技術。它通過一組候選解(稱為粒子)在多維搜索空間中以一定的速度移動這些粒子來解決優化問題。通過一個適應度函數來評估每個解，所有粒子的運動都由它們自己的經驗以及整個群體的經驗動態引導。最后，預計蜂群將朝著最滿意的解決方案前進。PSO算法具有收斂速度快、參數設置簡單、易于實現等優點，在函數優化、神經網絡訓練、模糊系統控制等領域得到了廣泛的應用。

眾所周知，粒子群優化算法的性能很大程度上取決于探索(即搜索更廣闊的空間)和開發(即移動到局部最優)之間的適當平衡。指出PSO參數的調整對優化性能有重要影響。因此，選擇合適的參數來提高算法的有效性一直是許多研究的熱點。

此外，隨著智能算法和自主導航技術的快速發展，粒子群算法也成功地應用于車輛路徑規劃問題。但是，發明人發現，現有技術中基于粒子群算法實現的無人艇路徑規劃，存在規劃路徑過長、路徑規劃結果容易陷入局部最優、路徑規劃結果不夠準確的技術問題。

發明內容

為了解決現有技術的不足，本公開提供了基于改進粒子群算法的無人艇路徑規劃方法及系統；

第一方面，本公開提供了基于改進粒子群算法的無人艇路徑規劃方法；

基于改進粒子群算法的無人艇路徑規劃方法，包括：

獲取無人艇的待經過的若干個位置點；

基于改進的粒子群算法，將無人艇的待經過的若干個位置點作為輸入值，經過迭代計算后，獲得一條無人艇的最優移動路徑；

其中，改進的粒子群算法，是基于線性下降慣性權重、自適應控制加速度系數和隨機分組反演的優化策略對粒子群算法進行改進得到的；

根據最優移動路徑，控制無人艇進行移動。

第二方面，本公開還提供了基于改進粒子群算法的無人艇路徑規劃系統；

基于改進粒子群算法的無人艇路徑規劃系統，包括：

獲取模塊，其被配置為：獲取無人艇的待經過的若干個位置點；