一种基于改进樽海鞘算法的无人机航迹规划方法技术

本发明专利技术提供了一种基于改进樽海鞘算法的无人机航迹规划方法，属于无人机航迹规划领域。本发明专利技术首先确定起始点、目标点位置及威胁区范围；通过路径代价、威胁代价建立航迹规划代价模型；对建立的代价模型进行寻优，在基本樽海鞘算法的基础上，采用正弦变化的迭代因子更新种群的位置，嵌入自适应遗传算子以改进其寻优能力；达到迭代上限后，得到最优个体位置，即为从起始点到目标点的无人机最优航迹点；对寻得的最优航迹点的连线进行平滑处理，得到最优航迹，实现航迹规划。本发明专利技术可以规划从起始点到目标点的最优航迹，并避免航迹进入威胁区域，其计算过程灵活、简单、快速，较好地解决了现有航迹规划优化算法收敛速度较慢、极易陷入局部最优的问题。

An UAV Route Planning Method Based on Improved Bowl Sheath Algorithms

The invention provides a UAV path planning method based on improved Bohai sheath algorithm, which belongs to the field of UAV path planning. The invention firstly determines the starting point, the location of the target point and the range of the threat area; establishes the cost model of the route planning through the path cost and the threat cost; optimizes the cost model established, updates the position of the population using sinusoidal iteration factors on the basis of the basic Bowl Sheath algorithm, and embeds the adaptive genetic operator. In order to improve its optimization ability, the optimal individual position is obtained after reaching the iteration upper limit, that is, the optimal track point of UAV from the starting point to the target point; the optimal track point is obtained by smoothing the connection lines of the optimal track points, and the optimal track is obtained to realize the track planning. The invention can plan the optimal track from the starting point to the target point, and avoid the route entering the threatening area. The calculation process is flexible, simple and fast, which can solve the problems of slow convergence speed and easy falling into local optimum of the existing route planning optimization algorithm.

【技术实现步骤摘要】
一种基于改进樽海鞘算法的无人机航迹规划方法
本专利技术属于无人机航迹规划领域，具体涉及一种基于改进樽海鞘算法的无人机航迹规划方法。
技术介绍
随着无人机相关技术的成熟以及人们日益增加的兴趣，无人机在军事、工作、生活中的使用日趋广泛。无人机航迹规划是在给定的飞行空间内，寻找无人机从起始点到达目标点的最优飞行轨迹，同时要规避飞行区域内的威胁，完成飞行任务要求。在无人机航迹规划领域已存在许多规划方法，随机搜索优化算法是其中重要的一类方法。目前常用的应用于航迹规划的随机搜索优化算法有：粒子群算法、鸽群算法、蚁群算法等。这些算法模拟了自然界中生物群体的行为特征，通过种群中个体间的信息分享、相互协作，模仿生物体的社会行为和生活习性的思想来完成搜索最优解。这些算法具有较好的灵活性，且实施简单，因此在航迹规划领域被广泛地使用。但是这些算法具有收敛速度较慢的问题，且极易陷入局部最优解，很难满足航迹规划的实际需要。为了克服上述方法的缺点，不断有一些新的自然启发方法提出。Mirjalili等人在“SalpSwarmAlgorithm:Abio-inspiredoptimizerforengineering本文档来自技高网...

【技术保护点】
1.一种基于改进樽海鞘算法的无人机航迹规划方法，其特征在于，包括以下步骤：步骤1：确定无人机航迹规划的初始条件；首先，设置起始点与目标点的位置，无人机飞行区域的范围的横坐标矩阵和纵坐标矩阵；其次，设定威胁中心点及威胁范围，建立威胁信息矩阵；步骤2：建立航迹规划代价函数模型，航迹规划代价函数模型包括路径代价函数和威胁代价函数；步骤3：应用改进樽海鞘算法对步骤2中建立的航迹规划代价函数模型进行寻优，得到最优航迹点；步骤4：通过三次样条插值对寻优得到的航迹点的连线进行平滑处理，得到无人机航迹。

【技术特征摘要】
1.一种基于改进樽海鞘算法的无人机航迹规划方法，其特征在于，包括以下步骤：步骤1：确定无人机航迹规划的初始条件；首先，设置起始点与目标点的位置，无人机飞行区域的范围的横坐标矩阵和纵坐标矩阵；其次，设定威胁中心点及威胁范围，建立威胁信息矩阵；步骤2：建立航迹规划代价函数模型，航迹规划代价函数模型包括路径代价函数和威胁代价函数；步骤3：应用改进樽海鞘算法对步骤2中建立的航迹规划代价函数模型进行寻优，得到最优航迹点；步骤4：通过三次样条插值对寻优得到的航迹点的连线进行平滑处理，得到无人机航迹。2.根据权利要求1所述的一种基于改进樽海鞘算法的无人机航迹规划方法，其特征在于，所述步骤2中，路径代价函数建立过程为：设定飞行区域内起始点与目标点分别为(xS,yS),(xT,yT)，起始点与目标点之间共有D个路径点，依次为(x1,y1),...,(xj,yj),...,(xD,yD)，整个无人机的飞行轨迹共有D+1段路径，依次为l1,l2,...,lk,...,lD+1，则无人机航迹规划的路径代价函数为：威胁代价函数建立过程为：设定飞行区域内共有m个威胁，威胁中心的坐标依次为(x'1,y'1),...,(x'm,y'm)，威胁与无人机的安全距离依次为r1,r2,...,rm，在每段路径取3个采样点，计算包括路径段起始点与终止点共5个点与威胁中心的距离，则无人机航迹规划的威胁代价函数为：其中，k＝1,2,…,D+1，i＝1,2,…,m；表示第k段路径的0.25个采样点与第i个威胁间的距离；表示第k段路径的起始点与第i个威胁间的距离，表示第k段路径的终止点与第i个威胁间的距离；则航迹规划代价函数模型为：minWcost＝λ·JL+(1-λ)·JT(3)；其中，λ为(0,1)的随机数。3.根据权利要求1所述的一种基于改进樽海鞘算法的无人机航迹规划方法，其特征在于，所述步骤3具体包括以下子步骤：步骤3.1：种群初始化初始化种群中的个体变量及相关参数，包括种群个数M、搜索空间的上限ub、搜索空间的下限lb、搜索空间的维度D，及最大迭代次数MaxGen，其中随机初始化产生的种群位置为：Xi...

【专利技术属性】
技术研发人员：盖文东，曲承志，钟麦英，孙成贤，张婧，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东,37