一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法、系统及存储介质技术方案

本发明专利技术提供了一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法、系统及存储介质，无人机航路规划方法包括：确定无人机航路规划的性能评价指标，根据无人机航路的飞行代价函数、约束条件建立无人机航路规划问题的系统模型；基于改进了迁移模型和精英策略并融入了蝙蝠算法的生物地理学优化算法对无人机航路进行初始规划；采用动态步长规则对原始航路采样得到贝塞尔函数的控制点来平滑初始无人机航路。本发明专利技术的有益效果是：1.本发明专利技术的一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法在三维航路规划中具有良好的适用性与稳定性，所规划的航路更加迎合无人机的飞行约束，是一种具有实际应用意义的航路规划方法。

A route planning method, system and storage medium of UAV Based on improved biogeography algorithm and Bessel function

【技术实现步骤摘要】
一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法、系统及存储介质
本专利技术涉及智能控制
，尤其涉及一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法、系统及存储介质。
技术介绍
近年来，由于无人机快速、灵活和高效等特性，其在物流、巡逻和勘探等许多领域中发挥着越来越重要的作用，而航迹规划就是无人机进行这一系列自主活动的基础和前提。无人机航迹规划是指在无人机的动态飞行特性约束下，寻找一条从起始点到目标点的无人机可飞航路的过程。传统的如人工势场法以及快速随机树搜索等规划方法存在收敛慢的缺点，并且在三维环境中的规划能力较差，所规划出的航路也不一定是最优的。因此，群智能算法开始普遍被国内外研究者应用于解决无人机航路规划问题。黄心等通过构建地形启发因子来改进蚁群算法进行无人机航路规划，并利用B样条曲线对航路进行平滑，但是收敛速度较慢。郭蕴华等提出一种改进的量子粒子群算法，可以根据粒子和可行边界的距离动态修正粒子的更新位置，但是缺乏三维环境的验证。受蝙蝠的回声定位行为启发，Yang于2010年首次提出蝙蝠算法，经过与粒子群算法和遗传算法对比，蝙蝠算法表现出更强大的性能。在此之后，蝙蝠算法便开始应用于解决无人机的航路规划问题。刘景森等通过将反向学习于正切随机探索机制融入蝙蝠算法中，并结合三次样条插值平滑无人机航路，提出了可行的无人机航路规划方法，但是航路平滑方式不够灵活。Simon在2008年首先提出基于生物地理学的优化算法，这是一种基于种群的进化算法。Upadhyay等用生物地理学优化算法评估该地区负荷与发电中心之间的最短路径。但是目前将生物地理学优化算法应用到无人机的航路规划中的方案还并不多。
技术实现思路
本专利技术提供了一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法，包括执行以下步骤：步骤一：确定无人机航路规划的性能评价指标，根据无人机航路的飞行代价函数、约束条件建立无人机航路规划问题的系统模型；步骤二：基于改进了迁移模型和精英策略并融入了蝙蝠算法的生物地理学优化算法对无人机航路进行初始规划；步骤三：采用动态步长规则对原始航路采样得到贝塞尔函数的控制点来平滑初始无人机航路，最终得到可飞的无人机平滑航路。作为本专利技术的进一步改进，在所述步骤一中，还包括执行以下步骤：第1步骤：在三维环境中将起点定义为S，将目标点定义为G，则最佳航路规划即是指在无人机飞行系统动态特性的约束下找到从S到G的无碰撞初始航迹引入两个指标来评价航路：航路长度代价JL和航路风险代价JR，因此，得到基于航路长度代价JL和航路风险代价JR的加权总和作为航路规划总代价函数；和JL的定义如下：其中，(xT1，yT1，zT1)、(xT2，yT2，zT2)、(xTl，yTl，zTl)分别是无碰撞初始航迹中的第1个、第2个和最后一个航迹节点；(xTi+1，yTi+1，zTi+1)、(xTi，yTi，zTi)分别是无碰撞初始航迹中的第i个和第i+1个航迹节点；第2步骤：对于任意给定的点用di表示从该点到障碍物的最小欧氏距离，则航路危险代价指标JR以及总代价函数则由如下定义：J＝τJL+(1+τ)JR其中，J是航路总代价；τ∈(0，1)是权重系数；此外，我们定义dc为无人机航路规划的约束条件，其计算公式如下：因此，无人机航路规划问题模型描述为：minJ＝τJL+(1-τ)JR其中，η是无人机飞行过程中的安全半径大小，B代表对无碰撞初始航迹采样生成的航迹节点集，B{q}为其中第q个节点。作为本专利技术的进一步改进，在所述步骤二中，通过双曲正切函数的变形来调整了生物地理学算法中的迁移模型，使其更符合自然环境中的物种迁移规律，双曲正切迁移模型如下式定义：其中，λnew和μnew分别是迁入率和迁出率；E和I分别代表最大移民率和最大移民率；Smax是栖息地可以容纳的最大的物种数量，底数K是常数取1.4，自变量S为物种数量。作为本专利技术的进一步改进，在所述步骤二中,将蝙蝠算法的更新策略融入生物地理学优化算法的迁移过程，得到如下迁移规则：其中，Hi代表迁出栖息地，Hindex代表迁出栖息地，Hbest代表当前全局最优栖息地；SIV代表每个栖息地中的适应度变量；J是栖息地所代表的航路的总代价；v是蝙蝠算法中蝙蝠的速度值；f是蝙蝠算法中脉冲的频率值；σ是用户定义的系数。作为本专利技术的进一步改进，在所述步骤二中,为了确保算法中种群总体始终在朝着更优的方向迭代，还引入了优化检查，即仅当修改后的栖息地Hnew的总代价是优于原始栖息地Hi时，我们才接受这个新的解，我们将蝙蝠算法中的脉冲响度属性A加入到生物地理学优化算法的栖息地中，每当接受一个新的解时，将更新栖息地的响度。更新规则如下：其中，α∈(0，1)是响度的衰减系数。作为本专利技术的进一步改进，在所述步骤二中，所述精英策略为局部游走精英策略，所述局部游走精英策略会将精英解在下一个迁移过程中暂时保留，但同时在Hbest附近会游走产生一个新的解如果新产生的解的总代价成本比当前精英解还要低，那么就用它替换当前精英解，否则保留原始精英解并进入下一次迭代，精英解局部游走规则由下式定义：Hnew_best＝Hbest+∈AI其中，AI是第I次迭代后的平均响度，∈是常系数。作为本专利技术的进一步改进，在所述步骤三中，还包括执行以下步骤：根据步骤一生成的无碰撞初始航迹设定初始采样步长为h0,在初始航路点集中每隔h0进行一次采样，最终生成新的点集点集可作为贝塞尔函数的控制点集来计算生成贝塞尔曲线；在最终确定生成平滑的无人机航路之前，要对本次生成的贝塞尔曲线进行碰撞检测,如果该贝塞尔曲线不符合无人机飞行的安全要求，即该曲线穿过了障碍物的边缘，则对初始步长h0的取值进行减小操作，然后重复采样过程，直到新生成的控制点集满足无人机飞行安全要求。本专利技术还公开了一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划系统，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现本专利技术所述的无人机航路规划方法的步骤。本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现本专利技术所述的多无人机航路规划方法的步骤。本专利技术的有益效果是：1.本专利技术的一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法在三维航路规划中具有良好的适用性与稳定性，所规划的航路更加迎合无人机的飞行约束，是一种具有实际应用意义的航路规划方法；2.利用MATLAB仿真平台，可以证明本专利技术提出的无人机航路规划方法可以有效规划出长度短且平滑的无人机航路，并且改进后的算法具有更好的收敛性及鲁棒性。附图说明图1是本文档来自技高网...

【技术保护点】
1.一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法，其特征在于，包括执行以下步骤：/n步骤一：确定无人机航路规划的性能评价指标，根据无人机航路的飞行代价函数、约束条件建立无人机航路规划问题的系统模型；/n步骤二：基于改进了迁移模型和精英策略并融入了蝙蝠算法的生物地理学优化算法对无人机航路进行初始规划；/n步骤三：采用动态步长规则对原始航路采样得到贝塞尔函数的控制点来平滑初始无人机航路，最终得到可飞的无人机平滑航路。/n

【技术特征摘要】
1.一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法，其特征在于，包括执行以下步骤：
步骤一：确定无人机航路规划的性能评价指标，根据无人机航路的飞行代价函数、约束条件建立无人机航路规划问题的系统模型；
步骤二：基于改进了迁移模型和精英策略并融入了蝙蝠算法的生物地理学优化算法对无人机航路进行初始规划；
步骤三：采用动态步长规则对原始航路采样得到贝塞尔函数的控制点来平滑初始无人机航路，最终得到可飞的无人机平滑航路。


2.根据权利要求1所述的无人机航路规划方法，其特征在于，在所述步骤一中，还包括执行以下步骤：
第1步骤：在三维环境中将起点定义为S，将目标点定义为G，则最佳航路规划即是指在无人机飞行系统动态特性的约束下找到从S到G的无碰撞初始航迹引入两个指标来评价航路：航路长度代价JL和航路风险代价JR，因此，得到基于航路长度代价JL和航路风险代价JR的加权总和作为航路规划总代价函数；

和JL的定义如下：






其中，(xT1，yT1，zT1)、(xT2，yT2，zT2)、(xTl，yTl，zTl)分别是无碰撞初始航迹中的第1个、第2个和最后一个航迹节点；(xTi+1，yTi+1，zTi+1)、(xTi，yTi，zTi)分别是无碰撞初始航迹中的第i个和第i+1个航迹节点；
第2步骤：对于任意给定的点用di表示从该点到障碍物的最小欧氏距离，则航路危险代价指标JR以及总代价函数则由如下定义：






J＝τJL+(1-τ)JR
其中，J是航路总代价；τ∈(0，1)是权重系数；
此外，我们定义dc为无人机航路规划的约束条件，其计算公式如下：






因此，无人机航路规划问题模型描述为：
minJ＝τJL+(1-τ)JR



其中，η是无人机飞行过程中的安全半径大小，B代表对无碰撞初始航迹采样生成的航迹节点集，B{q}为其中第q个节点。


3.根据权利要求1所述的无人机航路规划方法，其特征在于，在所述步骤二中，通过双曲正切函数的变形来调整了生物地理学算法中的迁移模型，使其更符合自然环境中的物种迁移规律，双曲正切迁移模型如下式定义：



其中，λnew和μnew分别是迁入率和迁出率；E和I分别代表最大移民率和最大移民率；Smax是栖息地可以容纳的最大的物种数量，底数K是常数取1.4，自变量S为物种数量。


4.根据权利要求3所述的无人机航路规划方法，其特征在于，在所述...

【专利技术属性】
技术研发人员：杨志华，种竟争，齐晓晗，袁敏鑫，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：广东;44