1.一种基于混合灰狼-粒子群算法的旋翼无人机路径规划方法,其特征在于,具体包括以下步骤:步骤1、构建无人机路径障碍物模型并进行环境建模;
步骤2、设计无人机性能约束和代价函数;性能约束包括最大电量约束、无人机自身性能约束、障碍物约束;
步骤3、进行粒子群初始化,初始化种群的数量以及初始化搜索空间中每个个体的速度和位置;计算所有粒子的适应度,将所有个体的极值进行对比获得所有个体的种群极值,并记录粒子群的最优位置;具体过程如下:步骤3.1、进行粒子群初始化,初始化种群的数量以及初始化搜索空间中每个个体的速度和位置,如下所示:式中,
步骤3.2、采用步骤2.4中的代价函数对当前种群中所有个体的最优极值进行一一对比,获得最优极值的个体f其中,f
其中,f
步骤4、判断是否达到最大迭代次数,若是,输出搜索结果,结束算法;否则,通过个体和种群的最优位置进行个体的速度和位置更新,判断粒子是否进行灰狼算法部分,进行灰狼算法部分后不断迭代更新粒子的最佳位置,判断是否达到最小迭代次数,若达到则以最佳位置的平均值替换当前粒子位置;具体过程如下:步骤4.1、判断是否达到最大迭代次数,若是,输出搜索结果,结束;否则,通过个体和种群的最优位置进行个体的速度和位置更新,表示如下:v
式中,v
位置更新为:
x
式中,x
步骤4.2、判断当前粒子的随机数是否小于设定的概率值0.5,如果否,回到步骤3.2,如果是,该粒子个体进入灰狼算法进行个体位置更新优化;将灰狼分为4个等级,即α狼,β狼,δ狼和ω狼;α狼、β狼和δ狼构成领导小组领导着ω狼;ω狼是狼群中最低级的灰狼,它们总是服从于其他类型的狼;
灰狼捕食猎物的包围过程,小种群个体更新位置如下:D
X
其中,k是当前迭代次数,X
A
C
a=2-2k/k
其中r
狩猎过程:通过比较所有粒子的适应度值,选出最优、次优和次次优的粒子形成领导组,领导组包括α、β和δ,领导组有猎物的位置信息,每个ω狼根据最佳搜索代理更新其位置:D
D
D
X
X
X
X
其中,D
步骤5、继续进行粒子群算法部分,直到达到最大迭代次数后结束整个算法,得到规划出来的最优路径。
2.根据权利要求1所述基于混合灰狼-粒子群算法的旋翼无人机路径规划方法,其特征在于,所述步骤1的具体过程如下:步骤1.1、构建无人机路径障碍物模型,采用不同形状的障碍物来模拟飞行环境中的各式各样的实际物体,包括采用柱体障碍物来模拟无人机在飞行过程中遇到的各式各样的建筑物,采用球体来模拟无人机在飞行过程中遇到的巨石以及土丘;
步骤1.2、基于步骤1.1,在搜索空间中选用俯视图分别为圆形、正方形和L型的障碍物模型来模拟无人机飞行的路径环境。
3.根据权利要求1所述基于混合灰狼-粒子群算法的旋翼无人机路径规划方法,其特征在于,所述步骤2的具体过程如下:步骤2.1、设计最大电量约束;假定飞机的飞行路径分为n段,最大航程为Lx
由于算法搜索生成的路径不能满足无人机飞行的需要,需要对生成的路径进行平滑处理,引入曲率代价函数f其中,y
无人机电池的能耗f
f
步骤2.2、设计无人机自身性能约束函数f其中,从当前点到下个中间点的俯仰角约束函数f式中,θ为无人机的俯仰角度,θ从当前点到下个位置的偏航角约束函数f式中,Ψ
飞行高度的约束函数f
其中,H是根据环境分析以及任务需要所推算出的最优飞行高度,h步骤2.3、设计障碍物约束:无人机在飞行过程中会遇到各种各样的障碍物,障碍物约束函数f式中,Q表示障碍物的个数,d
步骤2.4、通过对以上各个约束函数的分析,得到无人机飞行轨迹的代价函数为:f=ω
代价函数中ω
4.根据权利要求1所述基于混合灰狼-粒子群算法的旋翼无人机路径规划方法,其特征在于,所述步骤5的具体过程如下:步骤5.1、粒子群算法的初始态是一群随机分布的粒子,这些粒子各自会被初始化一个随机速度,经过不断迭代,最优解会逐渐产生;在迭代过程中,每个粒子会根据其惯性、自身历史最优位置和全局最优位置进行位置更新,公式如下:v
x
式中,k为迭代次数;μ为惯性权重,其值越大,全局寻优能力强,局部寻优能力弱;c步骤5.2、基于步骤5.1不断更新记录粒子群的最优值,且每一次迭代更新都将无人机的位置替换为当前粒子群的种群最优位置,达到最大迭代次数后将每次迭代后的无人机位置用光滑的曲线连接起来,从而得到使用灰狼-粒子群算法规划出来的最优路径。