The invention provides a path planning method based on UTMD algorithm, including S1: establishing an optimal mathematical model of path planning; S21: delineating the optimal solution search range of path planning; S2201: releasing a number of microbubbles in the optimal solution search range; S2202: initializing the maximum transfer number, the maximum differentiation number is L, the maximum combination mutation number; S2203: microbubbles transfer; S2204: repeated steps. Suddenly S2203, until the number of microbubbles transferred equals M; S2205: release target MiRNAs; S2206: target transfer, differentiation and combination mutation until the number of transfer, differentiation and combination mutation meet the convergence conditions of transfer, differentiation and combination mutation, respectively, to obtain the optimal solution set of path planning; The invention uses UTMD (targeted microbubbles destruction) algorithm to consider road slope in three-dimensional. Real-time path optimization planning in space can effectively reduce the iteration computation and search time in the process of path planning, prevent local optimal solution, and improve the accuracy of path planning.
【技术实现步骤摘要】
基于UTMD算法的路径规划方法
本专利技术涉及路径规划领域，具体涉及一种基于UTMD算法的路径规划方法。
技术介绍
路径规划是现代社会中一个复杂的问题，其渗透到许多工程问题中，例如机器人、飞行器以及汽车的路径规划，航海的航迹规划，导弹轨迹预测和规划，定位与导航，交通规划，市政规划，物流规划等等，其精确度与效率直接与其对象的工作效率和经济效率所相关。一般来说，规划的最终期望是要求路径是最短路径，且保证车辆安全性能，这样可以使工作对象在具有良好的节能效果的同时缩短行程所花时间。路径规划的主要目的是研究在各种环境下系统的自主推理、规划和控制的能力。路径规划涉及了数学、统计学、生物仿生学等学科。路径规划分为全局路径规划和局部路径规划，两者的环境信息、计算量以及建模方法不同，所针对的算法也不相同。全局路径规划属于静态的路径规划，是在GPS或者卫星定位了解环境状态的情况下，根据起始位置和目标位置，建立环境模型，利用合理的算法规划出合理的路径。全局路径规划算法发展较为成熟，但计算量大，实时性差。局部路径规划属于动态路径规划，是在未知环境中车辆根据自带的传感器、视频摄像头、雷达测...
【技术保护点】
1.一种基于UTMD算法的路径规划方法，其特征在于：包括步骤S1：建立路径规划的优化数学模型；S2：运用UTMD算法对路径进行规划和优化，具体如下：S21：圈定路径规划的最优解搜索范围；S22：在最优解搜索范围内，运用UTMD算法，获得路径规划的最优解集。
【技术特征摘要】
1.一种基于UTMD算法的路径规划方法，其特征在于：包括步骤S1：建立路径规划的优化数学模型；S2：运用UTMD算法对路径进行规划和优化，具体如下：S21：圈定路径规划的最优解搜索范围；S22：在最优解搜索范围内，运用UTMD算法，获得路径规划的最优解集。2.根据权利要求1所述基于UTMD算法的路径规划方法，其特征在于：所述路径规划的优化数学模型包括：路径规划的目标函数；所述路径规划的目标函数为：minf(i)(1-1)其中，f(i)为路径i的评价函数，f(i)的计算公式为：其中，d(j)为组成路径i的第j-1个节点与第j个节点之间的曼哈顿距离；g(i)为路径i的起点和组成路径i的第j个节点的连线与路径i的起点和路径i的终点连线夹角的正弦值；k表示路径i由k个节点之间的连线组成，即由k个节点中互为相邻节点之间的连线首尾相连组成；所述d(j)的计算公式为：d(j)＝|xj-xj-1|+|yj-yj-1|(1-3)其中，(xj，yj)为组成路径i的第j个节点的水平坐标位置，(xj-1，yj-1)为组成路径i的第j-1个节点的水平坐标位置，所述g(j)的计算公式为：其中，k1-k为路径i的起点和路径i的终点连线的斜率，k1-j为路径i的起点和组成路径i的第j个节点的连线的斜率；所述k1-k的计算公式为：其中，(x1，y1)为路径i起点的水平坐标位置，(xk，yk)为路径i终点的水平坐标位置；所述k1-j的计算公式为：其中，(x1，y1)为路径i起点的水平坐标位置，(xj，yj)为组成路径i的第j个节点的水平坐标位置。3.根据权利要求2所述基于UTMD算法的路径规划方法，其特征在于：所述路径规划的优化数学模型还包括：路径规划的约束条件；所述约束条件包括速度约束条件、车辆后轴中心所在路径曲率约束条件和车辆前轮转角约束条件；所述速度约束条件为：其中，v表示车辆速度，μl表示横向附着系数，ip表示路面超高横向坡度，g为重力加速度，r表示车辆曲率半径，h表示路面超高高度，b表示车辆质心到后轴的距离；所述车辆后轴中心所在路径曲率约束条件为：其中，ρ表示车辆后轴中心所在路径曲率，l表示车辆前后轮距离；所述车辆前轮转角约束条件为：δ1∈(-33.5°，39.6°)(2-3)其中，δ1表示车辆前轮转角。4.根据权利要求1所述基于UTMD算法的路径规划方法，其特征在于：所述步骤S21包括步骤：确定路径规划的起点和终点；在起点与终点之间的行车方向道路范围内，识别非解区域的节点坐标位置；所述非解区域由在起点与终点之间的行车方向道路范围内的所有不相连通的障碍物区域组成；在起点与终点之间的行车方向道路范围内排除非解区域，得到路径规划的最优解搜索范围，即组成最优路径的节点搜索范围。5.根据权利要求2所述基于UTMD算法的路径规划方法，其特征在于：所述步骤S22包括：S2201：将路径规划的最优解搜索范围作为微泡释放区域，在微泡释放区域释放若干微泡，所述若干微泡在初始释放时均匀分布在微泡释放区域；其中，所述每个微泡内携带均有一个靶向物MiRNAs；S2202：初始化微泡最大转移次数和靶向物MiRNAs最大转移次数均为M，初始化靶向物MiRNAs最大分化次数为L，初始化靶向物MiRNAs最大结合变异次数为N；初始化靶向物MiRNAs的起始转移速度为V0；S2203：微泡在自身携带的靶向物MiRNAs的转移运动下从当前位置转移到下一位置；其中，微泡的转移速度和转移方向与其自身携带的靶向物MiRNAs的转移速度和转移方向相同；S2204：重复步骤S2203，直到微泡转移次数等于M，进入步骤S2205；S2205：微泡破裂释放其携带的靶向物MiRNAs；S2206：靶向物MiRNAs在最优解搜索范围进行转移、分化和结合变异；靶向物MiRNAs在最优解搜索范围进行转移是指靶向物MiRNAs在最优解搜索范围从当前位置转移到下一位置；重复转移、分化和结合变异，直到转移次数、分化次数和结合变异次数分别满足转移、分化和结合变异的收敛条件，获得路径规划的最优解集；所述转移收敛条件为：靶向物MiRNAs每次发生分化后，判断靶向物MiRNAs已发生的分化次数是否等于L，若等于则停止靶向物MiRNAs的分化；所述分化收敛条件为：靶向物MiRNAs每次发生结合变异后，判断靶向物MiRNAs已发生的结合变异次数是否等于N，若等于则停止靶向物MiRNAs的结合变异；所述结合变异收敛条件为：靶向物MiRNAs每次发生转移后，判断靶向物MiRNAs已发生的转移次数是否等于M，如果等于，则停止靶向物MiRNAs转移、分化和结合变异，获得路径规...
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。