一种新型无人机路径规划方法技术

本发明专利技术公开了一种新型无人机路径规划方法。首先确定无人机飞行数学模型，包括无人机机体运动模型和无人机动力学模型；然后采用Maklink图论法对二维路径进行建模；最后通过粒子群算法对蚁群算法参数进行优化，通过优化后的蚁群算法在Maklink环境模型中找出最优路径。本发明专利技术通过在蚁群算法中引入粒子群算法，可使原蚁群算法中需手动调整的参数实现在线自我整定，大大缩短了算法优化时间。在与传统算法进行路径规划的比较中，本发明专利技术算法能够在找出最优路径的基础上缩短算法运行时间，为节约运行成本提供了方法。约运行成本提供了方法。约运行成本提供了方法。

【技术实现步骤摘要】
一种新型无人机路径规划方法


[0001]本专利技术属于无人机路径规划领域，尤其针对单架无人机的飞行路径，具体设计了一种新型无人机路径规划系统。

技术介绍

[0002]路径规划是机器人领域里的重要分支，其目的是在机器人能够感知周围环境的情况下，根据自身的传感器计算出一条能够避开路径上的障碍物到达目标位置的最短路径。国外的路径规划专家将路径规划方法归结为栅格法、Maklink图论、蚁群算法、Dijkstra算法、A
*
算法。
[0003]本专利技术针对传统蚁群算法存在着效率低下，优化不足的问题设计了一种结合了粒子群算法与蚁群算法的路径规划方法并以最短时间和最短路径作为路径准则。
[0004]四旋翼飞行器具备高机动性、垂直起降以及自主飞行等特点以及面对复杂的环境条件下平稳性，因此它被越来越多地应用到现实生活中。四旋翼飞行器是通过控制机体的俯仰角(θ)、偏航角(ψ)、横滚角完成机体在空中的一系列复杂的飞行运动，但在实际飞行过程中，针对复杂的飞行条件，如飞行路径上的障碍物，这就需要在尽可能躲避障碍物的同时找到最短路径。因此将路径规划引入到四旋翼飞行器中。
[0005]蚁群算法是由Drigo,Maniezzo和Colorni提出的，这种算法是通过模拟自然界中的蚂蚁觅食时释放的一种称为信息素的特殊化学物质而实现的。但由于蚁群算法中参数α、β、ρ的设置不当会严重影响到算法的求解速度和所得解的质量，因此引入粒子群算法对参数进行优化。
[0006]粒子群算法是由kennedy等提出的一种种群搜索的自适应进化计算技术。种群中每个粒子代表一个可行解，而食物的位置代表全局最优解。每个粒子通过不断更新全局最佳位置和个体最佳位置，最终接近食物得到最优解。

技术实现思路

[0007]针对现有技术中存在的不足，本专利技术提供一种新型无人机路径规划方法。
[0008]本专利技术的目的是针对传统蚁群算法在路径规划方面存在的误差较大、运算时间过长问题，引入了粒子群算法，通过粒子群算法中粒子的不断更新对蚁群算法参数进行优化,从而缩短了蚁群算法的运行时间。本专利技术解决其技术问题所采用的技术方案具体包括如下步骤：
[0009]步骤1、确定无人机飞行数学模型
[0010]无人机飞行数学模型包括无人机机体运动模型和无人机动力学模型，具体如下：
[0011]无人机机体运动模型
[0012]四旋翼飞行器通过控制四个旋翼的转速从而对俯仰角(θ)、偏航角(ψ)、横滚角进行调节进而完成机体的一系列飞行运动。
[0013]首先建立两个坐标系：机体坐标系、惯用坐标系。
[0014]惯用坐标系E(OXYZ)相对于地球表面不动。
[0015]机体坐标系A(oxyz)与机体质心重合，横轴ox指向一号电机，纵轴oy指向四号电机，oz垂直于oxy面。
[0016]四旋翼飞行器欧拉角：
[0017](1)横滚角机体绕ox轴转动角度。
[0018](2)俯仰角(θ)：机体绕oy轴转动角度。
[0019](3)偏航角(ψ)：机体绕oz轴转动飞行器纵轴在水平面内投影与惯性坐标系OX轴之间的夹角。
[0020]无人机动力学模型
[0021]根据四旋翼的姿态矢量其中为横滚角，ψ为偏航角，θ为俯仰角，以及位移矢量[x,y,z]，其动力学方程：
[0022][0023][0024][0025][0026][0027][0028]其中：
[0029][0030][0031][0032][0033]u1表示四个旋翼总升力，u2表示横滚力矩，u3表示俯仰力矩，u4表示偏航力矩，w1、w2、w3、w4分别表示四个旋翼的转速，I
x
、I
y
、I
z
表示机体在xyz轴上的转动惯量。
[0034]步骤2、Maklink环境模型构建
[0035]采用Maklink图论法对二维路径进行建模：
[0036](1)选择一个障碍物，选取障碍物上的一顶点，连接该点与其他障碍物的定点，作该点到环境空间边界的垂线段；
[0037](2)将得到的所有顶点和定点的连接线段按照长度从短到长的顺序，加入到线段存储表；
[0038](3)选择线段存储表中的表头线段；
[0039](4)检查该表头线段是否穿越环境空间中任意障碍物边界，如果发生相交，那么这条线段就不是一条自由连接线。因此，放弃当前线段并选择线段存储表中的下一条线段。重复检查过程，直至找到一条线段与所有障碍物边界不相交；
[0040](5)将线段储存表中的各连接线段的中点相连，检查链接线段是否穿越障碍物边界，若链接线段穿越障碍物，则删除该线段。
[0041]步骤3、采用粒子群算法对蚁群算法参数进行优化，通过优化后的蚁群算法进行二维路径规划；
[0042]通过粒子群算法对蚁群算法参数进行优化，通过优化后的蚁群算法在Maklink环境模型中找出最优路径。路径长度通过公式(11)计算得出：
[0043][0044]其中x
i
y
i
为当前位置坐标，x
i+1
y
i+1
为下一点位置坐标，m为起始点到目标点的节点个数。Dist为路径总长度。
[0045]确定蚁群算法信息素更新方法：
[0046]信息素更新包括实时信息素更新和路径信息素更新，其中实时信息素更新是指每一只蚂蚁在选择某个节点后都必须对该节点的信息素τ
i，j
进行更新，即:
[0047]τ
ij
＝(1-ρ)τ
ij
+ρτ0ꢀꢀꢀ
(12)
[0048]其中τ0为信息素初始值，ρ为区间(01)之间的可调参数。
[0049]路径信息素更新表示，当所有蚂蚁从初始点走到终点，依次完成迭代搜索时，选择所有蚂蚁经过路径中长度最短的一条，更新该路径上每一点的信息素，即：
[0050]τ
ij
＝(1-ρ)τ
ij
+ρΔτ
ij
ꢀꢀꢀ
(13)
[0051]其中Δτ
ij
＝1/L
*
,L
*
位最短路径长度，ρ为区间(0，1)之间的可调参数。
[0052]在进行路径搜索时，可根据公式(14)选择下一节点位置。
[0053][0054]其中τ
i，j
为信息素，为η
i，j
为启发值，α、β分别为τ
i，j
、η
i，j
权重系数。
[0055]但在实际仿真过程中传统的蚁群算法进行路径搜索时会出现过早收敛的情况，为了避免这种情况的发生且防止停滞状态，因此采用全局异步与新型信息素更新策略相结合的方法进行蚁群算法信息素更新。
[0056]新型信息素更新策略为：
[0057][0058]其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新型无人机路径规划方法，其特征在于，包括如下步骤：步骤1、确定无人机飞行数学模型无人机飞行数学模型包括无人机机体运动模型和无人机动力学模型，具体如下：无人机机体运动模型：四旋翼飞行器通过控制四个旋翼的转速从而对俯仰角(θ)、偏航角(ψ)、横滚角进行调节进而完成机体的一系列飞行运动；首先建立两个坐标系：机体坐标系、惯用坐标系；惯用坐标系E(OXYZ)相对于地球表面不动；机体坐标系A(oxyz)与机体质心重合，横轴ox指向一号电机，纵轴oy指向四号电机，oz垂直于oxy面；四旋翼飞行器欧拉角：(1)横滚角机体绕ox轴转动角度；(2)俯仰角(θ)：机体绕oy轴转动角度；(3)偏航角(ψ)：机体绕oz轴转动飞行器纵轴在水平面内投影与惯性坐标系OX轴之间的夹角；无人机动力学模型：根据四旋翼的姿态矢量其中为横滚角，ψ为偏航角，θ为俯仰角，以及位移矢量[x,y,z]，其动力学方程：其动力学方程：其动力学方程：其动力学方程：其动力学方程：其动力学方程：其中：其中：其中：其中：u1表示四个旋翼总升力，u2表示横滚力矩，u3表示俯仰力矩，u4表示偏航力矩，w1、w2、w3、w4分别表示四个旋翼的转速，I
x
、I
y
、I
z
表示机体在xyz轴上的转动惯量；
步骤2、Maklink环境模型构建采用Maklink图论法对二维路径进行建模：(1)选择一个障碍物，选取障碍物上的一顶点，连接该点与其他障碍物的定点，作该点到环境空间边界的垂线段；(2)将得到的所有顶点和定点的连接线段按照长度从短到长的顺序，加入到线段存储表；(3)选择线段存储表中的表头线段；(4)检查该表头线段是否穿越环境空间中任意障碍物边界，如果发生相交，那么这条线段就不是一条自由连接线；因此，放弃当前线段并选择线段存储表中的下一条线段；重复检查过程，直至找到一条线段与所有障碍物边界不相交；(5)将线段储存表中的各连接线段的中点相连，检查链接线段是否穿越障碍物边界，若链接线段穿越障碍物，则删除该线段；步骤3、采用粒子群算法对蚁群算法参数进行优化，通过优化后的蚁群算法进行二维路径规划；通过粒子群算法对蚁群算法参数进行优化，通过优化后的蚁群算法在Maklink环境模型中找出最优路径；路径长度通过公式(11)计算得出：其中x
i y
i
为当前位置坐标，x
i+1 y
i+1
为下一点位置坐标，m为起始点到目标点的节点个数；Dist为路径总长度。2.根据权利要求1所述的一种新型无人机路径规划方法，其特征在于，蚁群算法信息素更新方法的确定，具体操作如下：信息素更新包括实时信息素更新和路径信息素更新，其中实时信息素更新是指每一只蚂蚁在选择某个节点后都必须对该节点的信息素τ
i，j
进行更新，即:τ
ij
＝(1-ρ)τ
ij
+ρτ0ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)其中τ0为信息素初始值，ρ为区间(01)之间的可调参数；路径信息素更新表示，当所有蚂蚁从初始点走到终点，依次完成迭代搜索时，选择所有蚂蚁经过路径中长度最短的一条，更新该路径上每一点的信息素，即：τ
ij
＝(1-ρ)τ
ij
+ρΔτ
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)其中Δτ...

【专利技术属性】
技术研发人员：颜成钢，万斌，王廷宇，孙垚棋，张继勇，张勇东，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：