[發明專利]一種基于無人機的大氣監測最優路徑航跡規劃算法

有效

• 申請號: 202011168902.8
• 申請日: 2020-10-28
• 公開（公告）號: CN112414406B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 丁濤;徐銘馳
• 申請（專利權）人: 中國計量大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于無人機的大氣監測最優路徑航跡規劃算法，涉及最優路徑規劃和計算機領域。本發明根據無人機在進行大氣監測任務時監測航點分布的特征，基于布谷鳥算法對監測航線進行了最優路線的規劃，減少了資源消耗，提高了工作效率。所述最優路徑航跡規劃算法基于布谷鳥算法，先使用K?means聚類方法對航點進行聚類，根據Levy飛行的步長長短，在聚類內進行小范圍搜索，在全局內采用大擾動算子進行搜索，在減少破壞已有優質路線可能性的基礎上，尋求更優解。在全局優化方式上，采用Metropolis接收準則接受候選解，減少了算法陷入局部最優的可能性。本發明根據無人機監測航點多數聚集，少數分散的特點，有針對性地對算法做出改進，提高了搜索效率。

技術領域

本發明涉及最優路徑規劃和計算機領域，特別涉及一種基于無人機的大氣監測最優路徑航跡規劃算法。

背景技術

大氣環境質量監測是我國環境保護工作的重要組成部分。無人機作為近年來的新興科技，被廣泛的應用于大氣監測領域。無人機需要飛行至各個監測點位進行監測，并且需要懸停合適的時間采集足夠的樣本，才能獲取準確的數據。而無人機的續航能力有限，如何以最短路徑遍歷所有的監測航點，對于無人機在大氣監測任務時減少能源消耗，提高監測效率具有重要意義。

無人機以最短路徑遍歷所有航點的問題可以轉化為同一平面內的旅行商問題。目前解決該問題的算法有經典的智能優化算法，如遺傳算法，蟻群算法，粒子群算法。遺傳算法具有很好的全局搜索能力，但存在運行速度慢，容易陷入早熟等缺點。進而許多學者對此類算法做了進一步的優化，如公開號為CN107122843A的中國發明專利，公開了“一種基于改進遺傳算法的旅行商問題求解方法”，其在算法編碼、適應度設定和染色體交叉等問題上進行了優化，提高了搜索效率，改善了算法容易早熟收斂的問題。

目前旅行商問題的求解方法多適用于求解通用的旅行商問題，而不同行業領域內有其各自的具體問題、固有特征和特定的約束條件等。無人機在進行大氣監測任務時，通常根據不同的功能區域、污染源數量、人口分布情況等因素布設合理的監測點位。例如在工業區域，由于污染問題較為嚴重，應合理增加點位數量，而在居住區則可以相對減少監測點位的數量。無人機監測航點在平面上呈現出同一功能區監測點位多且聚集、整體上監測點位較分散的特點。

發明內容

針對上述問題，本發明基于布谷鳥算法，結合大氣監測的具體問題，在其局部優化算子、全局優化方式等方面進行了改進。提供了如下技術方案：一種基于無人機的大氣監測最優路徑航跡規劃算法，包括如下步驟：

步驟1：根據大氣監測布點規范和方法確定各監測點的位置。

步驟2：設置布谷鳥算法的參數，包括最大迭代次數Smax，鳥巢數量N，其它相關參數包括溫度T，聚類數量n，聚類簇K，標準步長x。

步驟3：使用K-means聚類方法對n個無人機監測航點聚類，劃分成K個聚類簇。

步驟4：所述步驟2中的鳥巢數量N，為鳥巢設定一個初始解，即代表一種監測航點次序列表。

步驟5：計算每一個鳥巢中解的目標值評價函數f(x)，并將鳥巢中最優解作為全局最優解xbest。

步驟6：對于每一個鳥巢中的解，進行Levy飛行獲取候選解y。

步驟7：若接收候選解y，則xbest＝y,否則xbest＝xbest。

步驟8：更新溫度T。

步驟9：判斷當前迭代次數是否達到所設定最大迭代次數Smax，若達到，則返回當前最優解xbest；否則，返回步驟5。

步驟10：根據最優解xbest，無人機進行大氣監測任務。