1.一种自适应粒子群算法的无人机动态路径规划方法,其特征在于,包括以下步骤:S1:建立无人机的状态方程,设置无人机的目标函数;
S2:建立动态障碍物的最优状态估计方程;
S21:建立障碍物的状态方程;
S22:建立观测方程;
S23:通过卡尔曼滤波增益方程建立动态障碍物的最优状态估计方程;
S3:从无人机的状态方程中获得无人机的位置坐标、加速度和速度;从最优状态估计方程中获得障碍物的位置坐标、速度;将无人机的位置坐标、加速度和速度以及障碍物的位置坐标、速度作为一个自适应粒子群算法的输入,将无人机的目标函数作为自适应粒子群算法的适应度函数,迭代求解无人机下一时刻的位置坐标;
x(k+1)=Ax(k)+Bu(k)y(k)=Cx(k)+Du(k)∈γ(k)其中,x(k)是无人机的状态向量;x(k)是无人机的状态向量;
y(k)=Cx(k)+Du(k)∈γ(k)为无人机的状态空间模型的具体形式;y(k)是系统输出向量;C=[1 0 0 0],D为空间维度;设置无人机的初始位置坐标和目标点坐标,初始化路径,将路径离散化,得到无人机在t时刻的位置P(t)以及接下来的路径点的位置表示为[P(t+1|t)|,P(t+
2|t),...P(t+j|t)],P(t)=[p目标函数包括:
路径代价函数F
其中,m为当前路径子序列的个数,L威胁代价函数F
其中,m为当前子序列的个数,n为无人机探测到的障碍物数量,步骤S21中,基于匀速直线运动、匀速转弯运动以及斜向匀速简谐运动模式的移动障碍物搭建状态方程;
动态障碍物的状态方程为:
X
Φ和Γ分别表示系统状态转移矩阵和过程噪声分布矩阵,W当障碍物处于在三维任务空间中做匀速直线运动时:当障碍物处于匀速转弯运动时:当障碍物斜向匀速简谐运动时:D
2.根据权利要求1所述的一种自适应粒子群算法的无人机动态路径规划方法,其特征在于,步骤S22中,系统观测方程为:Z
Z
3.根据权利要求2所述的一种自适应粒子群算法的无人机动态路径规划方法,其特征在于,步骤S23中,依据k-1时刻的障碍物最佳估计值其中
将状态估计值
其中,
4.根据权利要求2所述的一种自适应粒子群算法的无人机动态路径规划方法,其特征在于,步骤S3中,自适应粒子群算法的权重为:ω=ω
ω
加速度系数:
进化速度:
粒子的聚集程度由最优值F(gbest(G))与适应度函数的平均值F聚集程度:
N为迭代次数,F(x