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: 2025109090054
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
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:

1.一种面向低空无人机的三维路径多阶段规划方法,其特征在于,包括以下步骤:输入三维地形模型和路径规划的起始点;基于三次B样条曲线初始化三维路径,并构建优化模型;对优化变量空间进行活跃子空间辨识及空间映射;在活跃子空间内执行改进粒子群算法,并周期性奖励种群中的最优适应度粒子;对优化后的三维路径进行多阶段细化,并对密化后的路径控制点执行模式搜索算法优化;获得优化后的全局最优三维路径其中,优化模型的优化变量为所有控制点的坐标,表示为:;

适应度函数为:

;

其中,为主优化目标,表示三维路径的长度,表示碰撞惩罚项,表示曲率惩罚项,表示绳结惩罚项;

碰撞惩罚项计算公式为:

;

其中,表示三维路径上第i个碰撞检测点的高程值,为指示函数,当时取1,否则为0;

曲率惩罚项计算公式为:

;

其中,表示三维路径上第i个曲率检测点的曲率,表示曲率最大允许值,其中,曲率通过下式进行计算:;

式中,与分别表示三维空间路径曲线关于参数u的一阶导数和二阶导数,为防止分母为零导致计算失效的极小正数;

绳结惩罚项的计算公式为:

;

活跃子空间通过梯度协方差矩阵的特征分解进行辨识,具体步骤包括:计算梯度协方差矩阵C:

;

其中,为数学期望算子,为适应度函数关于变量的梯度向量,M为抽样样本总量,为第i个抽样点;

改进粒子群算法的速度和位置更新公式为:

;

其中,和表示种群中第i个粒子在第k次迭代和第k+1次迭代时的速度向量,表示第k次迭代下第i个粒子的个体历史最优位置,表示第k次迭代的群体最优位置,和表示第k次迭代下第i个粒子的位置,、表示个体认知和社会群体经验的权重系数,表示第k次迭代的惯性权重系数,通过下列公式进行更新:;

其中,K为改进粒子群算法的总迭代次数。

2.根据权利要求1所述的一种面向低空无人机的三维路径多阶段规划方法,其特征在于,三维地形模型采用多高斯叠加技术,数学表示为:;

其中,表示空间坐标(x, y)处的高程值,表示第i个峰顶的中心坐标,表示第i个山峰的高度,和分别对应第i个山峰x轴和y轴方向的衰减系数,用于调控地形坡度梯度,n表示山峰个数。

3.根据权利要求1所述的一种面向低空无人机的三维路径多阶段规划方法,其特征在于,基于三次B样条曲线初始化三维路径的数学表达式为:;

其中,为定义在节点向量u上的三次B样条基函数,为三维空间路径曲线的m个控制点,参数化区间。

4.根据权利要求1所述的一种面向低空无人机的三维路径多阶段规划方法,其特征在于,自适应边界感知策略根据粒子与边界的邻近程度调整变异强度:;

其中,表示第j维度到最近边界的归一化距离,表示优化变量第j维度的变量值,和表示第j维度的最大允许值和最小允许值。

5.根据权利要求1所述的一种面向低空无人机的三维路径多阶段规划方法,其特征在于,变异操作包括:对选定的变异维度添加高斯扰动;若越界则采用镜像反射法修正。

6.根据权利要求1所述的一种面向低空无人机的三维路径多阶段规划方法,其特征在于,周期性奖励包括每隔T次迭代对最优适应度粒子执行模式搜索算法,步骤包括:a设置初始搜索网格和正定扩展集,其中,d表示控制点排布的方向向量;b计算当前控制点排布的适应度值;c沿随机方向搜索更优解,若未找到则收缩网格,重复直至满足终止条件;多阶段细化包括:e插入新节点至节点向量,新节点为相邻节点的平均值;f调整控制点向量,并通过模式搜索优化密化后的路径;g若适应度下降值小于阈值,终止细化,否则重复步骤e-f。