1.一种基于天牛群算法的旋翼无人机自主路径规划方法，其特征在于，具体包括以下步骤：步骤1、构建旋翼无人机路径障碍物模型并进行环境建模；

步骤2、无人机性能约束和代价函数的设计；

所述步骤2中，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；

所述步骤2具体包括以下子步骤：步骤2.1、最大电量约束：旋翼无人机在航行过程中携带的电量是有限的，飞机的飞行距离受到电池容量的限制，无人机的电量消耗与无人机的飞行路径以及飞行路径的曲率成本有关；假定飞机的飞行路径分为n段，最大航程为L式中x

其中，y

无人机电池的能耗f

f

其中f

步骤2.2、无人机自身性能约束函数f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、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

式中代价函数中ω

步骤3、基于天牛群算法进行搜索迭代，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，得到旋翼无人机的最优路径；

天牛群算法的搜索过程如下：

(1)首先进行天牛群初始化；初始化种群的数量、初始步长以及初始化搜索空间中每个个体的速度和位置，得到天牛左右触须的坐标；

(2)获取天牛种群的个体极值和种群极值；计算所有个体的适应度值作为代价函数值，将所有个体的极值一一进行比对获得所有天牛的种群极值；

(3)进入迭代过程，每一次迭代之后都进行步长的更新，并得到新的惯性权重和步长因子值，进而获得新的增量函数值；

(4)通过天牛的个体最优位置和种群最优位置进行天牛的速度和位置更新；

(5)循环终止条件：判断迭代次数是否到达最大迭代次数，当满足终止条件时，运行终止。

2.根据权利要求1所述基于天牛群算法的旋翼无人机自主路径规划方法，其特征在于，所述步骤1具体包括以下子步骤：步骤1.1、构建旋翼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，具体为，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旋翼无人机飞行的路径环境。

3.根据权利要求1所述基于天牛群算法的旋翼无人机自主路径规划方法，其特征在于，所述步骤3中，基于天牛群算法得到旋翼无人机最优路径的具体步骤为：步骤3.1、进行天牛群初始化，初始化种群数量以及初始化搜索空间中每个天牛的速度和位置；具体过程如下：在三维搜索空间中有s只天牛，首先定义生成的天牛须的朝向和天牛的位置，并进行标准化处理，用其中，rands(.)是随机函数，3表示随机函数为三维，1表示将坐标进行归一化处理；

第m只天牛在三维空间里的位置向量表示为：式中，

创建天牛的初始的左右触角的空间坐标：其中x

其中

步骤3.2、设置初始步长；具体过程如下：天牛群中天牛的初始步长为step，初始步长的值设定为：step＝(ub-lb)*2  (17)式中ub代表搜索空间中边界值的上限，lb代表搜索空间中边界值的下限；

步骤3.3、计算所有天牛的适应度值并比较得到的全局最优；具体过程如下：采用适用于旋翼无人机的代价函数来获取种群的个体极值和种群极值，代价函数如步骤2.4所示；

通过个体最优极值f

第m个个体个最优极值f

其中，f

天牛群体的种群最优位置表示为：其中，f

接下来设置步长的更新规则，

eta＝step1*(step0/step1)δ

在这一步中，将天牛左右触角的位置扩展到高维度，δ左触角和右触角的位置坐标更新规则分别表示为：第k+1迭代时增量函数

其中m＝1,2…,s；k是当前的迭代次数；

进行天牛种群速度和位置的更新，第m个天牛、k+1次迭代所进行的速度更新为：其中

第m个天牛、k+1次迭代时的位置更新为：其中λ是一个正数，

步骤3.4、设置惯性权重；

设置部分系数的值，采用降低惯性权重的策略，公式如下：c

c

其中，学习因子c

步骤3.5、每次迭代更新完天牛的速度和位置后，均需要更新步长系数、惯性权重和步长，然后重新计算每个天牛的适应度值并重新比较得到全局最优，并使迭代次数加一，直到达到最大迭代次数后结束算法；

步骤3.6、基于上述步骤不断更新得到天牛群体的最优值，且每一次迭代更新都将旋翼无人机的位置替换为当前天牛群的种群最优位置，达到最大迭代次数后将每次迭代后的旋翼无人机位置用光滑的曲线连接起来，最终得到了使用天牛群算法规划出来的最优路径。