一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统技术方案

本公开公开了一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统，该方法包括：接收无人艇的导航数据、船舶日志和状态信息；将导航数据转换坐标系并绘制坐标图，在坐标图中标记目标点和无人艇实时位置；采用数据正向驱动线性变化参数遗传算法或数据正向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹。将无人艇路径规划的最优轨迹整合船舶日志和状态信息，获得无人艇的航行轨迹以及与目标点之间的距离和偏转角度，用于控制舵机进行航迹偏移修正及船速调整。

A path planning method and system of unmanned boat based on data forward and reverse driving linear variable parameter genetic algorithm

The invention discloses a path planning method and system of unmanned boat based on data forward and reverse driving linear variable parameter genetic algorithm, the method includes: receiving navigation data, ship log and state information of unmanned boat; transforming navigation data into coordinate system and drawing coordinate map, marking target point and real-time position of unmanned boat in coordinate map; using data forward driving linear change parameter Digital genetic algorithm or data forward driven linear variable parameter genetic algorithm generate the optimal path planning of unmanned aerial vehicle. The optimal trajectory of the path planning of the unmanned boat is integrated with the ship log and state information to obtain the navigation trajectory of the unmanned boat and the distance and deflection angle between the unmanned boat and the target point, which are used to control the steering gear for track deviation correction and ship speed adjustment.

【技术实现步骤摘要】
一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统
本公开属于无人艇路径规划的
，涉及一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。近年来，无人艇(USV)的发展引起了全世界的关注，无人艇的路径规划问题是一个典型的NP困难问题。智能算法是解决无人艇的路径规划问题的有效途径，其中遗传算法，模拟退火算法，蚁群算法、灰狼优化算法和神经网络算法等启发式算法的研究是现阶段发展的主流。与其他智能算法相比，遗传算法(GA)允许在结构对象上直接操作，而无需对导数和函数连续性进行限制的特点使得该算法具有更便捷的操纵性和更好的全局搜索能力。此外，GA避免了固化的通过利用率获取最佳搜索空间和搜索方向的问题。由于遗传算法的快速性和高质量，其已成为解决NP难题的最有效方法之一。然而，专利技术人在研究过程中发现，传统的遗传算法(CGA)在解决无人艇的路径规划问题中存在遗传算法收敛速度慢、计算效率低、容易出现早熟收敛(局部最优)的问题。
技术实现思路
针对现有技术中存在的不足，本公开的一个或多个实施例提供了一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统，通过数据正向驱动线性变参数遗传算法或数据反向驱动线性变参数遗传算法，自适应动然调整交叉概率和变异概率，有效快速遍历所有候选方案，在更广阔的领域找到最优路径，同时具有较短的最优路径、较快的收敛速度和较好的鲁棒性。根据本公开的一个或多个实施例的一个方面，提供一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法。一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，该方法包括：接收无人艇的导航数据、船舶日志和状态信息；将导航数据转换坐标系并绘制坐标图，在坐标图中标记目标点和无人艇实时位置；采用数据正向驱动线性变化参数遗传算法或数据正向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹。进一步地，无人艇的所述导航数据为无人艇导航系统采集的经纬度数值，所述将导航数据转换坐标系并绘制坐标图的具体步骤包括：将无人艇导航系统采集的经纬度数值转换为直角坐标系坐标值；基于直角坐标系绘制当前海面环境坐标图。进一步地，在该方法中，所述采用数据正向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹的具体步骤包括：进行参数初始化，所述参数包括种群规模、最大迭代次数、当前迭代次数、交叉概率和变异概率；确定染色体长度并对任务序列进行编码生成初始种群；计算适应度值，并对初始种群进行排序；计算自适应交叉概率和变异概率，随着迭代次数的增加，交叉概率从0.9线性递减到0.1，变异概率从0.001线性递增到0.1；根据自适应交叉概率和变异概率对染色体进行自适应交叉、变异操作；判断是否满足迭代终止条件；若满足迭代终止条件，从各迭代保留结果中选择最优个体作为正向驱动线性变化参数遗传算法的最优解，否则继续迭代。进一步地，在该方法中，根据当前迭代次数与交叉概率最终值和初始值差值的乘积除以最大迭代次数与交叉概率的初始值的和计算自适应交叉概率；根据当前迭代次数与变异概率最终值和初始值差值的乘积除以最大迭代次数与变异概率的初始值的和计算自适应变异概率。进一步地，在该方法中，所述采用数据反向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹的具体步骤包括：进行参数初始化，所述参数包括种群规模、最大迭代次数、当前迭代次数、交叉概率和变异概率；确定染色体长度并对任务序列进行编码生成初始种群；计算适应度值，并对初始种群进行排序；计算自适应交叉概率和变异概率，随着迭代次数的增加，交叉概率从0.1线性增加到0.9，而变异概率从0.001线性递增到0.1；根据自适应交叉概率和变异概率对染色体进行自适应交叉、变异操作；判断是否满足迭代终止条件；若满足迭代终止条件，从各迭代保留结果中选择最优个体作为正向驱动线性变化参数遗传算法的最优解，否则继续迭代。进一步地，在该方法中，根据最大迭代次数和当前迭代次数差值与交叉概率最终值和初始值差值的乘积除以最大迭代次数与交叉概率的初始值的和计算自适应交叉概率；根据当前迭代次数与变异概率最终值和初始值差值的乘积除以最大迭代次数与变异概率的初始值的和计算自适应变异概率。进一步地，该方法还包括，将无人艇路径规划的最优轨迹整合船舶日志和状态信息，获得无人艇的航行轨迹以及与目标点之间的距离和偏转角度，用于控制舵机进行航迹偏移修正及船速调整。根据本公开的一个或多个实施例的一个方面，提供一种计算机可读存储介质。一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法。根据本公开的一个或多个实施例的一个方面，提供一种终端设备。一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法。根据本公开的一个或多个实施例的一个方面，提供一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划装置。一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划装置，基于所述的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，包括：数据获取模块，被配置为接收无人艇的导航数据、船舶日志和状态信息；数据处理模块，被配置为将导航数据转换坐标系并绘制坐标图，在坐标图中标记目标点和无人艇实时位置，整合船舶日志和状态信息；路径规划模块，被配置为采用数据正向驱动线性变化参数遗传算法或数据正向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹。公开的有益效果：本公开提供的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统，克服传统遗传算法收敛速度慢、计算效率低、容易出现早熟收敛(局部最优)等缺点，与CGA算法相比，两种改进算法都能有效地避免局部最优，在以后的迭代过程中保持更高的种群多样性，减少平均最优距离，并具有更好的鲁棒性，特别是对于规划点较多的情况下。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1是本公开一个或多个实施例提供的一种基于数据正向驱动线性变参数遗传算法的无人艇路径规划方法流程图；图2是本公开一个或多个实施例提供的遗传算法流程图；图3是本公开一个或多个实施例提供的五种待规划点数下的最优路径对图；图4是本公开一个或多个实施例提供的最优路径距离与待规划点数的平均路本文档来自技高网...

【技术保护点】
1.一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，其特征在于，该方法包括：/n接收无人艇的导航数据、船舶日志和状态信息；/n将导航数据转换坐标系并绘制坐标图，在坐标图中标记目标点和无人艇实时位置；/n采用数据正向驱动线性变化参数遗传算法或数据正向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹。/n

【技术特征摘要】
1.一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，其特征在于，该方法包括：
接收无人艇的导航数据、船舶日志和状态信息；
将导航数据转换坐标系并绘制坐标图，在坐标图中标记目标点和无人艇实时位置；
采用数据正向驱动线性变化参数遗传算法或数据正向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹。


2.如权利要求1所述的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，其特征在于，无人艇的所述导航数据为无人艇导航系统采集的经纬度数值，所述将导航数据转换坐标系并绘制坐标图的具体步骤包括：
将无人艇导航系统采集的经纬度数值转换为直角坐标系坐标值；
基于直角坐标系绘制当前海面环境坐标图。


3.如权利要求1所述的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，其特征在于，在该方法中，所述采用数据正向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹的具体步骤包括：
进行参数初始化，所述参数包括种群规模、最大迭代次数、当前迭代次数、交叉概率和变异概率；
确定染色体长度并对任务序列进行编码生成初始种群；
计算适应度值，并对初始种群进行排序；
计算自适应交叉概率和变异概率，随着迭代次数的增加，交叉概率从0.9线性递减到0.1，变异概率从0.001线性递增到0.1；
根据自适应交叉概率和变异概率对染色体进行自适应交叉、变异操作；
判断是否满足迭代终止条件；
若满足迭代终止条件，从各迭代保留结果中选择最优个体作为正向驱动线性变化参数遗传算法的最优解，否则继续迭代。


4.如权利要求3所述的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，其特征在于，在该方法中，根据当前迭代次数与交叉概率最终值和初始值差值的乘积除以最大迭代次数与交叉概率的初始值的和计算自适应交叉概率；
根据当前迭代次数与变异概率最终值和初始值差值的乘积除以最大迭代次数与变异概率的初始值的和计算自适应变异概率。


5.如权利要求1所述的一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法，其特征在于，在该方法中，所述采用数据反向驱动线性变化参数遗传算法生成无人艇路径规划的最优轨迹的具体步骤包括：
进行参数初始化，所述参数包括种群规模、最大迭代次数、当前迭代次数、交叉概率和变异概率；
确定...

【专利技术属性】
技术研发人员：辛峻峰，张永波，李鹏昊，李世鑫，杨奉儒，
申请(专利权)人：青岛蓝海未来海洋科技有限责任公司，
类型：发明
国别省市：山东;37