欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022111382019
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于分层粒子群算法的无人机路径规划方法,其特征在于,是按如下步骤进行:步骤1、获取一目标区域,并以所述目标区域的外接矩形的一个顶点为原点,以与原点相连的两条边分别作为x轴和y轴,以垂直于oxy水平面的方向为z轴,从而建立三维坐标系;令表示无人机的第个路径点,的坐标为,令起点S的坐标为,令终点E的坐标为;

步骤2、构建目标函数:

步骤2.1、最小化路径长度:

利用式(1)构建使无人机从起点S到终点E的飞行距离最小的路径长度,并作为第1个目标函数:(1)

式(1)中,表示从第个路径点到第个路径点的欧几里得距离,是路径点的个数,是路径段的个数;

步骤2.2、最小化威胁代价函数:

利用式(2)和式(3)构建无人机飞行的威胁代价,并作为第2个目标函数:(2)

(3)

式(2)和式(3)中,为障碍物的数目,为第个障碍物的半径,为碰撞区的危险距离,D为无人机的直径,表示从第个路径点到第个路径点构成的向量,表示路径段到第个障碍物的圆心之间的距离;表示第个障碍物的威胁代价;

步骤2.3、最小化高度代价:

利用式(4)和式(5)构建无人机在飞行过程中的高度代价,并作为第3个目标函数:(4)

(5)

式(4)和式(5)中,表示无人机在第个路径点相对于地面的飞行高度,和分别为无人机飞行的最小高度和最大高度,表示无人机在第个路径点的高度代价;

步骤2.4、最小化平滑代价:

利用式(6)计算两个连续路径段和之间的转角:(6)

式(6)中,表示在第个路径点在oxy水平面的投影点,表示在第个路径点在oxy水平面的投影点,表示在第个路径点指向第个路径点构成的向量在oxy水平面的投影,表示在第个路径点指向第个路径点构成的向量在oxy水平面的投影;

利用式(7)计算无人机在路径段与其在oxy水平面上的投影之间的爬升角:(7)

式(7)中,表示在第个路径点的轴坐标,表示在第个路径点的轴坐标;

利用式(8)构建无人机的平滑成本,并作为第4个目标函数:(8)

式(8)中,和分别为转角和爬升角的惩罚系数;表示从第个路径点到第个路径点构成的向量,表示在第个路径点指向第个路径点构成的向量在oxy水平面的投影,表示无人机在路径段与其在oxy水平面上的投影之间的爬升角;

利用式(9)构建无人机路径规划模型:

(9)

式(9)中,是无人机路径的目标函数,是第个目标函数的权重系数;

步骤3、基于改进的分层粒子群算法求解无人机路径规划模型:步骤3.1、根据障碍物信息初始化种群:

步骤3.1.1、定义障碍物的数目为,定义、、为障碍物的编号,并初始化、、;

步骤3.1.2、定义第个障碍物的圆心为,定义第个障碍物的圆心为,定义第个障碍物的圆心为,定义第个障碍物的半径为;

步骤3.1.3、判断或是否成立,若成立,则执行步骤3.1.5;否则,执行步骤3.1.4;

步骤3.1.4、根据第个障碍物的圆心到第个障碍物的圆心所构成的直线;判断第个障碍物圆心到直线的垂直距离是否小于第个障碍物的半径,若是,则执行步骤3.1.7;否则,执行步骤3.1.5;

步骤3.1.5、将赋值给,判断是否成立,若成立,则执行步骤3.1.3;否则,执行步骤3.1.6;

步骤3.1.6、计算第个障碍物的圆心与其相邻第个障碍物的圆心的中点坐标为;

步骤3.1.7、将赋值给后,初始化,并判断是否成立,若成立,则执行步骤3.1.3;否则,执行步骤3.1.8;

步骤3.1.8、将赋值给后,将赋值给,判断是否成立,若成立,则执行步骤3.1.3;否则,表示得到所有相邻障碍物之间的中点并形成中点列表,并将中点列表中所有相邻障碍物之间的中点的个数记为,执行步骤3.1.9;

步骤3.1.9、将终点E加入所述中点列表中,定义、为中点的编号,并初始化,;

步骤3.1.10、定义为障碍物的编号,并初始化;

步骤3.1.11、定义第个障碍物的圆心为,定义第个障碍物的半径为;

步骤3.1.12、当时,建立起点S与中点坐标之间的直线,否则,建立中点与中点之间的直线;

步骤3.1.13、判断或是否成立,若成立,表示中点的轴坐标相对中点的轴坐标是增加,执行步骤3.1.14;否则,执行步骤3.1.18;

步骤3.1.14、判断和是否成立,若成立,表示中点的轴坐标相对中点的轴坐标是增加的,执行步骤3.1.15;否则,执行步骤3.1.18;其中,表示一个固定值;

步骤3.1.15、判断第个障碍物的圆心到直线的垂直距离是否小于第个障碍物的半径,若是,则执行步骤3.1.18;否则,执行步骤3.1.16;

步骤3.1.16、将赋值给,判断是否成立,若成立,则执行步骤3.1.12;否则,执行步骤3.1.17;

步骤3.1.17、当时,记中点坐标为起点S的可达点,否则,记中点为中点的下一个可达点;

步骤3.1.18、将赋值给,初始化,判断是否成立,若成立,则执行步骤3.1.12;否则,执行步骤3.1.19;

步骤3.1.19、将赋值给,初始化,判断是否成立,若成立,则执行步骤3.1.12;否则,表示得到起点S以及每个中点的可达点列表;

步骤3.1.20、定义为当前迭代次数,令为最大迭代次数,并初始化;

步骤3.1.21、定义并初始化种群大小为,定义为粒子的编号,并初始化;

步骤3.1.22、定义并初始化路径点的总个数为,并初始化;

定义第代种群第个粒子的速度为并初始化为全零向量;其中,表示第代第个粒子的第个路径点的速度;

定义第代种群第个粒子的位置为;其中,表示第代种群第个粒子的第个路径点的位置;

定义第代种群第个粒子的局部最优解为;其中,表示第代种群第个粒子的第个路径点的局部最优解;

定义第代种群的全局最优解为;其中,表示第代种群的第个路径点的全局最优解;

步骤3.1.23、当时,令起点S为第代种群第个粒子的第个路径点;

假设存在路径点存在个可达点,则第代第个粒子的第个路径点的第个可达点记为,其中,;

步骤3.1.24、计算第代种群第个粒子的第个路径点与其第个可达点的距离为,从而利用式(10)计算第代第个粒子的第个路径点的第个可达点的选择概率:(10)

步骤3.1.25、令随机选择的概率为之间的随机数,当时,选择中点作为第代种群第个粒子的第个路径点的下一个可达点;

当且时,选择中点作为第代种群第个粒子的第个路径点的下一个可达点;

当时,选择中点作为第代种群第个粒子的第个路径点的下一个可达点;从而得到第代种群第个粒子的第个路径点;

步骤3.1.26、将赋值给,判断第代种群第个粒子的第个路径点是否为终点,若是,则表示找到一条从起点S到终点E的路径,执行步骤3.1.28;否则,执行步骤3.1.27;

步骤3.1.27、判断是否成立,若成立,执行步骤3.1.23;否则,未找到一条从起点S到终点E的路径,令,重新执行步骤3.1.23;

步骤3.1.28、判断是否成立,若成立,则表示找到的路径点的数目小于N,执行步骤3.1.29;否则,表示完成对第代种群第个粒子的迭代,并获得第代种群第个粒子的初始位置,并执行步骤3.1.30;

步骤3.1.29、将最后一个路径段均分成段,以获得个点,并作为剩下的个路径点;从而完成对第代种群第个粒子的迭代,并获得第代种群第个粒子的初始位置;

步骤3.1.30、利用式(9)计算第代第个粒子的适应度的值;

步骤3.1.31、将第代第个粒子的局部最优解初始化为第代种群第个粒子的初始位置;

步骤3.1.32、将赋值给,初始化,判断是否成立,若成立,则执行步骤3.1.23;否则,表示完成对第代种群的迭代,并获得第代种群的初始全局最优解为;

步骤3.2、利用分层粒子群算法更新种群;

步骤3.2.1、根据式(11)得到第次迭代的惯性权重为:(11)

式(11)中,表示惯性权重的初始值;

步骤3.2.2、定义第次迭代的第一个学习因子为并初始化为固定值,根据式(12)-式(14)计算第次迭代的四个学习因子、、和:(12)

(13)

(14)

式(12)和(13)中,为学习因子的最小值,为学习因子的最大值;

步骤3.2.3、利用式(9)计算第代种群的适应度值,并根据适应度值对第代种群中的粒子进行升序排序,得到排序后的第代种群;

步骤3.2.4、根据适应度值将排序后的第代种群划分为三层,并将第代种群的粒子数目划分为、和,从而根据式(15)-式(17)分别计算排序后的第代种群的第一层的粒子数目、第二层的粒子数目和第三层的粒子数目;

(15)

(16)

(17)

式(15)-式(17)中,为向下取整,为向上取整,参数、、和取固定的参数,且满足;

步骤3.2.5、初始化;

步骤3.2.6、初始化;

步骤3.2.7、当时,利用式(18)更新排序后的第代种群的第一层粒子的速度;

当时,利用式(19)更新排序后的第代种群的第二层粒子的速度;

否则,利用式(20)更新排序后的第代种群的第三层粒子的速度;

(18)

(19)

(20)

式(18)-式(20)中,表示第代第个粒子的第个路径点的位置,表示从第一层随机选取的粒子的序号,表示第代第个粒子的第个路径点的位置,表示从第二层随机选取的粒子的序号,表示第代第个粒子的第个路径点的位置,表示第代第个粒子的第个路径点的速度,表示第代第个粒子的第个路径点的速度,表示第代第个粒子的第个路径点的局部最优解,表示第代的第个路径点的全局最优解,表示第代种群的惯性权重,、、、和为第次迭代之间的随机数;

步骤3.2.8、利用式(21)计算第代第个粒子的新位置;

(21)

式(21)中,表示排序后的第代种群中第个粒子的第个路径点的位置;

步骤3.2.9、将赋值给,判断是否成立,若成立,则执行步骤3.2.7;否则,表示完成对排序后的第代种群中第个粒子的迭代;

步骤3.2.10、利用式(9)计算第代种群中第个粒子的适应度值;

步骤3.2.11、比较第代种群和第代种群中第个粒子的适应度值,选择具有较小适应度值的第个粒子的位置作为第代种群第个粒子的局部最优解;

步骤3.2.12、将赋值给,判断是否成立,若成立,则执行步骤3.2.6;否则,表示完成对排序后的第代种群的迭代,并获得第代种群的全局最优解为;

步骤3.2.13、将赋值给,判断是否成立,若成立,则执行步骤3.2.1;否则,表示获得第代种群的全局最优解,并以全局最优解对应的路径为最佳路径。

2.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1所述的无人机路径规划方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。

3.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1所述的无人机路径规划方法的步骤。