【技术实现步骤摘要】
基于传教士优化算法的无人机航迹规划方法
[0001]本专利技术属于机器人控制领域,具体涉及无人机航迹规划方法,是一种利用飞行器控制与导航技术、最优化以及计算机科学与技术等来实现基于传教士优化的无人机航迹规划方法。
技术介绍
[0002]随着自动控制以及人工智能领域的蓬勃发展,无人机(Unmanned Aerial Vehicle,UAV) 被广泛应用于各种场景之中,如灾难营救、未知环境勘探,战场中远程精确打击目标以及针对某一环境的覆盖式探索。这一领域的发展可以极大的提高任务完成效率并避免不必要的人员伤亡,对于军事领域以及民用领域都具有重要意义。
[0003]目前常见的群智能优化算法包括蚁群算法(Ant Colony Optimization,ACO)、差分进化算法(Differential Evolution,DE),果蝇优化算法(Fruit Fly Optimization Algorithm, FOA)、粒子群优化算法(Particle Swarm Optimization,PSO)等。其中,专业人员改进了 ACO算法中的信息素分布以及转移概率,实现了复杂障碍环境下的UAV航迹规划。针对存在U型障碍物环境的航迹规划场景,可以利用Splicing Method和DijkstraMethod搜索算法消除多余的路径,以避免蚂蚁陷入U型障碍的死胡同。为了提升航迹规划算法的性能,可以将DE算法与逼近策略结合,形成一种混合差分进化算法,并用于固定翼UAV 在复杂三维环境下的航迹规划。此外,基于拐点的DE/best/1 ...
【技术保护点】
【技术特征摘要】
1.基于传教士优化算法的无人机航迹规划方法,其特征在于:所述方法具体过程为:步骤一:初始化参数,主要包括地形图三维笛卡尔坐标(x,y,z)、UAV最小飞行安全距离d
safe
、UAV最大飞行高度H、线性插值步长d、传教士数量p、迭代次数N
iter
、继承人个数in以及精英数量ein;步骤二:根据旋转坐标系生成p个初始航迹作为传教士优化算法的个体,每个初始航迹为航迹点组成的集合,并将第i个个体的航迹点集合记作loc(i)={w
n
|1≤n≤N},其中i=1,2,...,p,w
n
为UAV航迹点坐标w
n
=(x
n
,y
n
,z
n
),N为1个个体的航迹点个数,w
n
为UAV第n个航迹点坐标,x
n
为UAV第n个航迹点的x轴坐标,y
n
为UAV第n个航迹点的y轴坐标,z
n
为UAV第n个航迹点的z轴坐标;迭代索引n
iter
=1,目标函数最小值f
min
(0)=+∞;步骤三:利用第i个个体的航迹点集合loc(i)计算在第n
iter
次迭代中所有个体航迹的目标函数数值f(i,n
iter
)及目标函数数值f(i,n
iter
)最小值步骤四:若|f
min
(n
iter
)
‑
f
min
(n
iter
‑
1)|≤τ或n
iter
>N
iter
停止迭代,执行步骤九;否则进行步骤五;其中τ为迭代停止门限;步骤五:确定高斯分布方差r
x
/3,r
y
/3以及r
z
/3,并向继承人传播知识生成loc
′
(i);步骤六:经步骤五后POA算法共生成了p
×
(in+1)个个体,包括p个传教士以及p
×
in个继承人;计算p
×
(in+1)个个体中每个个体的目标函数数值,将目标函数数值由小到大排列,取前ein个个体直接成为传教士loc
″
(i)的一部分;然后计算除去精英的p
×
(in+1)
‑
ein个个体的权重weight(i),将权重由大到小排序,选择前p
‑
ein个个体作为传教士loc
″
(i)的另一部分;生成loc
″
(i);步骤七:进行局部搜索生成loc
″′
(i);步骤八:比较目标函数并对loc(i)进行更新,即此外,令n
iter
=n
iter
+1,重复步骤三至步骤八;步骤九:输出最优航迹loc(j),2.根据权利要求1所述基于传教士优化算法的无人机航迹规划方法,其特征在于:所述步骤二中根据旋转坐标系生成初始航迹;具体过程为:步骤二一:根据UAV起始点和终点构建旋转坐标系x
′
y
′
z
′
,其中UAV起始点为x
′
y
′
z
′
的坐标原点o
′
,起始点与终点的连线为x
′
轴,x
′
o
′
y
′
平面与笛卡尔坐标系中的xoy平面平行,z
′
轴垂直于x
′
o
′
y
′
平面,同时x
′
y
′
z
′
满足右手系;为航迹点在x
′
o
′
y
′
平面投影与旋转坐标系原点连线和旋转坐标系x
′
轴的夹角,φ为旋转坐标系x
′
轴和笛卡尔坐标系x轴的夹角;步骤二二:通过N
‑
3条与y
′
轴平行且在x
′
o
′
y
′
平面上的直线将x
′
o
′
y
′
平面沿x
′
轴方向
等分为N
‑
2份,其中N为1个个体的航迹点个数;步骤二三:除了起始点和终点外的航迹点坐标依次在这N
‑
2个区域内随机选择且服从均匀分布;对应的其中,z
n
为UAV初始航迹的飞行高度,d
safe
为UAV最小飞行安全距离,H为UAV最大飞行高度,为(x
n
,y
n
)处的地形高度,U(a,b)表示参数为a,b的均匀分布随机变量,则表示UAV初始航迹的飞行高度在之间且服从均匀分布。3.根据权利要求1或2所述基于传教士优化算法的无人机航迹规划方法,其特征在于:所述步骤三中利用第i个个体的航迹点集合loc(i)计算在第n
iter
次迭代中所有个体航迹的目标函数数值f(i,n
iter
);具体过程为:步骤三一:根据地图大小确定UAV飞行的范围;具体过程为:利用三维笛卡尔坐标(x,y,z)来表示地形图,其中x与y分别表示地形图在水平面上的横纵坐标,z表示(x,y)处的地形高度;若UAV航迹点的总个数为N,N中任意的第n个航迹点坐标w
n
=(x
n
,y
n
,z
n
)应在地形图范围内,即其中,x
min
、y
min
、z
min
分别对应于地形图x轴、y轴、z轴坐标的最小值,x
max
、y
max
、z
max
分别对应于地形图x轴、y轴、z轴坐标的最大值;步骤三二:通过UAV飞行的航迹点计算路径长度比率,并将路径长度比率设置为航迹长度代价;具体过程为:采用路径长度比率来描述UAV航迹长度代价f
L
,即其中,||
·
||2为向量的二范数;步骤三三:结合地形高度、UAV最小飞行安全距离以及UAV航迹点计算地形代价;步骤三四:结合地形高度,UAV最大飞行高度以及UAV航迹点计算飞行高度代价;步骤三五:将航迹长度代价,地形代价以及飞行高度代价加权得到UAV航迹规划总代价。4.根据权利要求3所述基于传教士优化算法的无人机航迹规划方法,其特征在于:所述步骤三三中结合地形高度、UAV最小飞行安全距离以及UAV航迹点计算地形代价;具体过程为:将相邻航迹点按线性插值间距d分为M
n
份,w
n
‑1与w
n
之间第m个点的坐标w
m,n
通过线性插值获得;
地形代价f
T
表示为且其中,A
m,n
为w
m,n
是否满足最小安全距离限制,A
m,n
=1表示w
m,n
与地形图坐标之间的垂直距离小于等于最小安全距离d
safe
;A
m,n
=0则表示w
m,n
与地形图坐标之间的垂直距离大于最小安全距离d
safe
;w
m,n
为w
n
‑1与w
n
之间经过线性插值的第m个点;x
m,n
为w
m,n
的x轴坐标,y
m,n
为w
m,n
的y轴坐标,z
m,n
为w
m,n
的z轴坐标,为(x
【专利技术属性】
技术研发人员:马琳,贾汉博,魏守明,陈舒怡,叶亮,何晨光,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:
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。