基于改进双向快速扩展随机树算法的无人机路径优化方法技术

技术编号:19216122 阅读:65 留言:0更新日期:2018-10-20 06:51
本发明专利技术公开了基于改进双向快速扩展随机树算法的无人机路径优化方法,该方法包括以下几个步骤:一、建立无人机运动学约束模型和确定二维空间内起始点和目标点;二、基于后向扇形区域采样方法扩展双向随机树的节点;三、基于动态自适应步长方法解决在障碍物附近生长局限性的问题;四、通过连接双向搜索树的节点,形成一条完整的飞行路径。本发明专利技术在经典B‑RRT*算法的基础上,基于后向扇形区域采样方法,当节点扩展时把随机树采样点限制在后向扇形区域,同时基于动态自适应步长方法解决了在障碍物附近生长局限性的问题,最后连接各节点,生成一条符合无人机真实可飞的飞行路径,为低空下无人机自主导航飞行提供了可行的方法。

【技术实现步骤摘要】
基于改进双向快速扩展随机树算法的无人机路径优化方法
本专利技术涉及基于改进双向快速扩展随机树算法的无人机路径优化方法,属于低空下无人机自主导航飞行及运行安全保障

技术介绍
随着电子信息技术的进步和科技的发展,无人机UAV(UnmannedAerialVehicle)凭借体积小、成本低、效率较高、无人员伤亡、生存能力强、机动性能好、使用方便等优点,越来越受到各国的青睐。并且无人机的用途从一开始仅限于军用领域扩展到了民用领域。随着军民用无人机市场的迅猛发展,考虑到无人机的种类繁多,执行任务也各不相同,对每一架无人机进行路径规划是很有必要的。随着未来低空空域逐步放开,无人机数量持续增加,如何保证在低空空域下多无人机执行不同任务的安全飞行就成为研究的一个重点。因此对无人机进行路径规划,实现自主导航是很有必要的。无人机路径规划算法很多,最常见的有以下几种:传统的路径规划算法如遗传算法、蚁群算法、粒子群算法等,这些算法在处理简单的路径规划问题时具有一定的优越性,但是在复杂环境下和高维空间中时,这些算法的复杂性会急剧增加,导致收敛时间长、求解困难。另外,基于启发式函数和人工势场的算法,如A*、D*和人工势场法,在处理规划问题时虽然能满足最优性和实时性等要求,但是因并未考虑到无人机自身性能约束和运动学限制,使得规划的路径不一定能被无人机所执行。基于采样的航迹规划算法已被证明可以高效地解决航迹规划问题,概率路线图算法(ProbabilityRoadmapMethod,PRM)和快速扩展随机树算法(Rapidly-exploringRandom-Tree,RRT)是目前两种主要的采样方法。RRT算法收敛速度快,效率高,且树的航迹搜索比图的航迹搜索更容易实现。RRT算法是随机在空间生成采样点,利用树结构进行节点扩展,最后通过对节点连接,形成完整路径的一种算法。但是RRT算法在算法复杂度和收敛速度上都存在局限,针对此,近些年也相继出现了很多基于RRT算法的改进型算法。如RRT*算法,有效改进了由基本RRT算法产生的并非概率最优解的问题;利用一个轻微变异的贪心RRT-connect作为启发函数来连接两颗随机树的B-RRT*算法,提升了算法的趋向性和智能性;还有基于三角几何选择节点提出的TG-RRT*算法,解决了得到最优解所需要的迭代次数,从而加速算法快速收敛;基于双向快速扩展随机树算法,通过智能样本插入的启发函数使得B-RRT*算法快速收敛到最优路径,但是该算法并未考虑到无人机自身性能约束和运动学约束模型的限制。
技术实现思路
本专利技术所要解决的技术问题是:提供基于改进双向快速扩展随机树算法的无人机路径优化方法,解决了现有技术中B-RRT*算法不能直接用于无人机路径规划和效率不佳的问题。本专利技术为解决上述技术问题采用以下技术方案:基于改进双向快速扩展随机树算法的无人机路径优化方法,包括以下步骤:步骤1,考虑无人机自身的飞行性能约束,建立无人机动力学约束模型,同时确定无人机在二维空间内的起始点和目标点;步骤2,分别从起始点和目标点开始,基于改进双向快速扩展随机树算法扩展对应的两个随机树节点,且在扩展时基于后向扇形区域采样方法对节点进行采样;具体方法为:从起始点xinit开始,扩展随机树T1,当随机树T1进行第n个节点的扩展时,依据已经扩展好的第n-2、n-1个节点,以第n-2个节点为端点形成一条射线,该射线经过第n-1个节点,以第n-1个节点为圆心、两倍的最大转弯角为圆心角、最小航迹段长度为弦长形成后向扇形区域,且该后向扇形区域被射线划分为两个对称的扇形,n为大于等于3的正整数,基于改进双向快速扩展随机树算法生成采样点,判断该采样点是否位于上述形成的后向扇形区域内;若采样点位于后向扇形区域内,则第n个节点表示为:若采样点不位于后向扇形区域内,则第n个节点表示为:其中,xn表示第n个节点,xn-1表示已经扩展好的第n-1个节点,μ为步长,x采样点表示基于改进双向快速扩展随机树算法生成的采样点,ξ为随机变量,ξ∈[-1,1],为最大转弯角;从目标点xgoal开始,扩展随机树T2的方法与起始点相同;步骤3,基于动态自适应步长方法,根据节点在扩展过程中距离障碍物的远近动态调整步长;步骤4,根据步骤2和步骤3对随机树T1、T2进行扩展,直至随机树T1、T2相遇,当随机树T1、T2相遇后,连接起始点、随机数T1的节点、随机树T2的节点、目标点,生成最终的无人机规划路径。作为本专利技术的一种优选方案,步骤1所述无人机动力学约束模型为:其中,x,y分别表示无人机在惯性坐标系中的横,纵坐标,v为无人机的速度,ψ为无人机的航向角,Rmin为无人机的最小转弯半径,u∈{-1,0,1},为无人机的转弯角,为最大转弯角,Path为无人机的规划航迹长度,M为最大航迹长度。作为本专利技术的一种优选方案,所述步骤3的具体方法为:对于随机树T1,调整步骤2扩展的第n个节点与第n-1个节点之间的步长,以第n-1个节点为圆心、两倍的最大转弯角为圆心角、最小航迹段长度为弦长形成后向扇形区域,该后向扇形区域被以第n-1个节点为端点的射线划分为两个对称的扇形,检测该后向扇形区域内是否有障碍物,若存在障碍物,则根据下式调整步长:μmin≤μ′≤μmax;若不存在障碍物,则μ′=μmax;其中,μ′表示调整后的步长,D表示距离第n个节点最近障碍物的距离,K为常数,μmin、μmax分别为最小、最大步长;对于随机树T2的步长调整与随机树T1相同。作为本专利技术的一种优选方案,步骤4所述随机树T1、T2相遇的判断条件为:|xinit-xgoal|≤L其中,xinit表示起始点,xgoal表示目标点,L为最小航迹段长度。作为本专利技术的一种优选方案,所述最大转弯角为60°。本专利技术采用以上技术方案与现有技术相比,具有以下技术效果:1、本专利技术根据实际任务进行简化,建立无人机运动学约束模型,为后续的航迹规划算法提供了基础。2、本专利技术所提出的基于经典B-RRT*算法的后向扇形区域采样方法,能够提高算法趋向性,减少随机点扩展,使生成的飞行路径更符合无人机自身性能条件约束。3、本专利技术所提出的动态自适应步长方法能够有效解决固定步长在障碍物附近生长局限的问题,提高算法收敛速度。附图说明图1是本专利技术基于改进双向快速扩展随机树算法的无人机路径优化方法的流程图。图2是本专利技术后向扇形区域采样示意图。图3是动态自适应步长示意图,其中,(a)、(b)为障碍物位于检测范围内的情况;(c)、(d)为障碍物位于检测范围外的情况。图4是双向快速扩展随机树扩展情况分布示意图,其中,(a)为经典B-RRT*算法;(b)为本专利技术算法。图5是经典B-RRT*算法得到的无人机规划路径与本专利技术算法得到的无人机规划路径对比示意图。图6是经典B-RRT*算法与本专利技术算法下的渐近最优性验证对比图。具体实施方式下面详细描述本专利技术的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本专利技术,而不能解释为对本专利技术的限制。如图1所示,为本专利技术基于改进双向快速扩展随机树算法的无人机路径优化方法的流程图。包括如下步骤:步骤一、建立无人机运动学约束模型,并在一定的条件下,对无人机实际任务进行简化,确定二维空间内本文档来自技高网
...

【技术保护点】
1.基于改进双向快速扩展随机树算法的无人机路径优化方法,其特征在于,包括以下步骤:步骤1,考虑无人机自身的飞行性能约束,建立无人机动力学约束模型,同时确定无人机在二维空间内的起始点和目标点;步骤2,分别从起始点和目标点开始,基于改进双向快速扩展随机树算法扩展对应的两个随机树节点,且在扩展时基于后向扇形区域采样方法对节点进行采样;具体方法为:从起始点xinit开始,扩展随机树T1,当随机树T1进行第n个节点的扩展时,依据已经扩展好的第n‑2、n‑1个节点,以第n‑2个节点为端点形成一条射线,该射线经过第n‑1个节点,以第n‑1个节点为圆心、两倍的最大转弯角为圆心角、最小航迹段长度为弦长形成后向扇形区域,且该后向扇形区域被射线划分为两个对称的扇形,n为大于等于3的正整数,基于改进双向快速扩展随机树算法生成采样点,判断该采样点是否位于上述形成的后向扇形区域内;若采样点位于后向扇形区域内,则第n个节点表示为:

【技术特征摘要】
1.基于改进双向快速扩展随机树算法的无人机路径优化方法,其特征在于,包括以下步骤:步骤1,考虑无人机自身的飞行性能约束,建立无人机动力学约束模型,同时确定无人机在二维空间内的起始点和目标点;步骤2,分别从起始点和目标点开始,基于改进双向快速扩展随机树算法扩展对应的两个随机树节点,且在扩展时基于后向扇形区域采样方法对节点进行采样;具体方法为:从起始点xinit开始,扩展随机树T1,当随机树T1进行第n个节点的扩展时,依据已经扩展好的第n-2、n-1个节点,以第n-2个节点为端点形成一条射线,该射线经过第n-1个节点,以第n-1个节点为圆心、两倍的最大转弯角为圆心角、最小航迹段长度为弦长形成后向扇形区域,且该后向扇形区域被射线划分为两个对称的扇形,n为大于等于3的正整数,基于改进双向快速扩展随机树算法生成采样点,判断该采样点是否位于上述形成的后向扇形区域内;若采样点位于后向扇形区域内,则第n个节点表示为:若采样点不位于后向扇形区域内,则第n个节点表示为:其中,xn表示第n个节点,xn-1表示已经扩展好的第n-1个节点,μ为步长,x采样点表示基于改进双向快速扩展随机树算法生成的采样点,ξ为随机变量,ξ∈[-1,1],为最大转弯角;从目标点xgoal开始,扩展随机树T2的方法与起始点相同;步骤3,基于动态自适应步长方法,根据节点在扩展过程中距离障碍物的远近动态调整步长;步骤4,根据步骤2和步骤3对随机树T1、T2进行扩展,直至随机树T1、T2相遇,当随机树T1、T2相遇后,连接起始点、随机数T1的节点、随机树T2的节点、目标...

【专利技术属性】
技术研发人员:沈志远赵帅卢朝阳
申请(专利权)人:南京航空航天大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1