[發(fā)明專利]基于改進(jìn)鴿群算法的無(wú)人機(jī)路徑規(guī)劃方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310166206.0
• 申請(qǐng)日: 2023-02-24
• 公開（公告）號(hào): CN115951714A
• 公開（公告）日: 2023-04-11
• 發(fā)明（設(shè)計(jì)）人: 代才;劉柱
• 申請(qǐng)（專利權(quán)）人: 陜西師范大學(xué)
• 主分類號(hào): G05D1/10
• 分類號(hào): G05D1/10
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 姚詠華

本發(fā)明涉及基于改進(jìn)鴿群算法的無(wú)人機(jī)路徑規(guī)劃的方法，本方法在進(jìn)行無(wú)人機(jī)的路徑規(guī)劃時(shí)，在坐標(biāo)系中將橫坐標(biāo)等分，在等分點(diǎn)處做橫坐標(biāo)的垂線，只需在垂直上尋找最優(yōu)位置，即可得到一條合理的無(wú)人機(jī)飛行軌跡。迭代過(guò)程中，算法會(huì)對(duì)鴿子采取適應(yīng)度值評(píng)估，通過(guò)更新鴿子種群的速度和位置，以此降低總體目標(biāo)函數(shù)值，從而得到一條更加合理的飛行軌跡。本發(fā)明在無(wú)人機(jī)路徑規(guī)劃實(shí)驗(yàn)中，通過(guò)本算法搜索出的最優(yōu)路徑避免了基本鴿群優(yōu)化算法易陷入局部最優(yōu)的問(wèn)題，提升了算法的收斂速度，平衡了解的收斂性和多樣性。

技術(shù)領(lǐng)域

本發(fā)明屬于無(wú)人機(jī)路徑規(guī)劃領(lǐng)域，具體涉及一種基于改進(jìn)鴿群算法的無(wú)人機(jī)路徑規(guī)劃方法。

背景技術(shù)

在現(xiàn)代社會(huì)中，無(wú)人機(jī)扮演的角色越來(lái)越多，其未來(lái)在民用和軍用的實(shí)際應(yīng)用場(chǎng)景也會(huì)越來(lái)越多。相比于載人飛行器，無(wú)人機(jī)可以更加方便迅速的到達(dá)指定位置執(zhí)行任務(wù)，例如戰(zhàn)場(chǎng)勘探、火災(zāi)險(xiǎn)情勘測(cè)等。路徑規(guī)劃是按照一定的評(píng)價(jià)標(biāo)準(zhǔn)體系，尋找運(yùn)動(dòng)物體從起始位置運(yùn)動(dòng)到目標(biāo)位置的特定約束的路徑。無(wú)人機(jī)路徑規(guī)劃需要綜合考慮飛行時(shí)間、飛行高度和障礙物威脅等因素，同時(shí)結(jié)合無(wú)人機(jī)的性能約束，規(guī)劃出一條從起始位置到達(dá)目標(biāo)位置的最優(yōu)路徑。

在現(xiàn)實(shí)生活中，有許多問(wèn)題是由多個(gè)互相沖突(互相排斥)的目標(biāo)組成的。人們需要同時(shí)優(yōu)化多個(gè)目標(biāo)，并在要求的條件下尋找到問(wèn)題的最優(yōu)解，這就是多目標(biāo)優(yōu)化問(wèn)題(Multi-objective?optimization?problem,MOP)。目前，MOP廣泛地應(yīng)用到路徑規(guī)劃問(wèn)題、生物醫(yī)學(xué)問(wèn)題、工程優(yōu)化問(wèn)題等眾多領(lǐng)域。

無(wú)人機(jī)路徑規(guī)劃是一種多目標(biāo)優(yōu)化問(wèn)題。無(wú)人機(jī)路徑規(guī)劃主要包括模型創(chuàng)建、路徑約束、路徑規(guī)劃等。常見的無(wú)人機(jī)路徑規(guī)劃算法有A*算法、Dijkstra算法、人工勢(shì)場(chǎng)法等。智能優(yōu)化算法的出現(xiàn)為無(wú)人機(jī)路徑優(yōu)化問(wèn)題提供了新的思路。以遺傳算法(GeneticAlgorithm,GA)、蜂群算法(Artificial?Bee?Colony,ABC)等為代表，這些算法是通過(guò)模擬生物、自然和進(jìn)化過(guò)程而形成的，是基于種群迭代進(jìn)化模型的全局優(yōu)化搜索算法。通過(guò)每一次迭代操作和進(jìn)化來(lái)修改解空間中的種群，再利用隨機(jī)性進(jìn)行搜索，得到更加優(yōu)秀的解集。智能優(yōu)化算法可以在規(guī)定的時(shí)間以內(nèi)，快速得到約束下的一組可行解，縮短整個(gè)搜索過(guò)程，從而提高運(yùn)行決策的效率。鴿群優(yōu)化算法(Pigen-Inspired?Optimization,PIO)是一種新的啟發(fā)式算法，于2012年由段海濱教授等人提出，它具有易實(shí)現(xiàn)、收斂速度相對(duì)較快且原理簡(jiǎn)單等優(yōu)勢(shì)，已被廣泛應(yīng)用于工程實(shí)踐等問(wèn)題。但該算法仍存在易陷入局部最優(yōu)、求解速度慢等問(wèn)題，為了改進(jìn)鴿群優(yōu)化算法的性能，不同學(xué)者對(duì)鴿群優(yōu)化算法進(jìn)行了有針對(duì)的擴(kuò)展。

Duan等提出了一種基于捕食逃逸鴿群優(yōu)化的無(wú)人機(jī)緊密編隊(duì)協(xié)同控制方法，基于人工勢(shì)場(chǎng)法設(shè)計(jì)了外環(huán)控制器，將無(wú)人機(jī)緊密編隊(duì)轉(zhuǎn)化成一種抽象的人造勢(shì)場(chǎng)中的運(yùn)動(dòng)；基于鴿群優(yōu)化算法設(shè)計(jì)了內(nèi)環(huán)控制器，進(jìn)行控制量的優(yōu)化求解、在遵循鴿群優(yōu)化基本思想的基礎(chǔ)上，對(duì)其結(jié)構(gòu)進(jìn)行調(diào)整，并針對(duì)基本鴿群優(yōu)化易陷入局部最優(yōu)的問(wèn)題，引入了捕食逃逸機(jī)制來(lái)改善鴿群優(yōu)化算法的總體性能。

Zhang等在對(duì)小型無(wú)人直升機(jī)的自抗擾控制器參數(shù)進(jìn)行優(yōu)化時(shí)，采用了一種基于萊維飛行的新型鴿群優(yōu)化算法。基于萊維飛行的新型鴿群優(yōu)化算法將基本鴿群優(yōu)化中的2個(gè)算子進(jìn)行了改進(jìn)，將萊維飛行的搜索特性引入到羅盤算子中，并使用萊維飛行將每個(gè)鴿子的搜索空間進(jìn)行擴(kuò)大，由此在一定程度上克服了基本鴿群優(yōu)化易陷入局部最優(yōu)的缺點(diǎn)；此外，使用Logsig函數(shù)對(duì)地標(biāo)算子進(jìn)行了改進(jìn)，對(duì)算法收斂性的加速起到了促進(jìn)作用，提升了算法的綜合性能。

發(fā)明內(nèi)容

為了解決無(wú)人機(jī)路徑規(guī)劃時(shí)，采用的鴿群算法存在易陷入局部最優(yōu)解和求解速度慢的問(wèn)題，本發(fā)明提供一種基于改進(jìn)鴿群算法的無(wú)人機(jī)路徑規(guī)劃方法。

本發(fā)明采用的技術(shù)方案是，本發(fā)明包括以下步驟：

S1：采用二維平面空間對(duì)無(wú)人機(jī)飛行環(huán)境建模，將大小不同的障礙物在笛卡爾坐標(biāo)系xoy中表示；