航空发动机内部复杂环境下的维修路径规划方法技术

本发明专利技术涉及航空发动机维修保养技术领域，具体的说是一种能够保证确定需要进行修理的损伤位置后，快速到达损伤位置的航空发动机内部复杂环境下的维修路径规划方法，通过对Quick

【技术实现步骤摘要】
航空发动机内部复杂环境下的维修路径规划方法

：
[0001]本专利技术涉及航空发动机维修保养
，具体的说是一种能够保证确定需要进行修理的损伤位置后，快速到达损伤位置的航空发动机内部复杂环境下的维修路径规划方法。

技术介绍
：
[0002]航空发动机维修保养时，确定需要进行修理的损伤位置后，需要进行当前位置到达叶片损伤维修位置的路径规划。在传统的三维空间路径规划问题中，通常是在开放的环境中，将障碍物简化为球体、圆柱体、长方体等简单的几何体，以此来简化路径与障碍物之间的碰撞检验，只需判断直线上的点到球心的距离与球体半径的大小、在XOY平面内的投影是否在圆内以及坐标是否在某范围内等条件即可。然而，在发动机内部这样的复杂狭小的内部环境内，这样的化简显然是不可行的，因此需要对精细的环境模型和路径之间进行碰撞检验来实现复杂环境下的路径规划。

技术实现思路
：
[0003]本专利技术针对现有技术中存在的缺点和不足，提出了一种能够保证确定需要进行修理的损伤位置后，快速到达损伤位置的航空发动机内部复杂环境下的维修路径规划方法。
[0004]本专利技术通过以下措施达到：
[0005]一种航空发动机内部复杂环境下的维修路径规划方法，其特征在于，包括以下步骤：
[0006]步骤1：搜索域内随机获得采样点x
rand
；
[0007]步骤2：计算随机树上与x
rand
距离最近的节点x
nearest
；
[0008]步骤3：计算x
>nearest
到x
rand
距离，如果x
nearest
到x
rand
距离大于步长σ，则x
nearest
向x
rand
方向生长一个步长σ，得到新节点x
new
，如果x
nearest
到x
rand
距离小于步长σ，则将x
rand
作为新的节点x
new
；
[0009]步骤4：在节点x
new
和x
nearest
之间进行障碍物检测CollisionCheck(x
new
，x
nearst
)，判断路径与环境是否发生碰撞，若存在碰撞，则跳回步骤1；
[0010]步骤5：对节点x
new
进行父节点重选操作，对潜在父节点集合的选择范围进行调整，除了r1半径范围内的潜在父节点集合x
near
，内所有节点的深度为n的祖先节点集合x
near
′
也被纳入重选范围内，扩大了搜索范围：给定重选半径r1，对于树上的全部节点，若有其一符合：与节点x
new
之间的欧式距离小于重选半径r1，将这些节点加入一个集合x
near
，称为潜在父节点集合，x
new
也属于集合x
near
，集合x
near
中，若存在一个节点：该节点与路径起点x
start
之间的累积路径长度c和与节点x
new
之间欧式距离c
′
之和最小，该节点记为x
min
，进行x
min
到x
new
线段与障碍物之间的碰撞检测CollisionCheck(x
new
，x
min
)，检测结果没有碰撞发生，则将x
new
作为x
min
子节点，并将x
new
和x
min
连接起来，若检测结果为真，则将节点x
min
在集合x
near
中剔除，重新对x
new
在集合x
near
中进行；
[0011]步骤6：剪枝操作，将x
new
的n阶祖先节点纳入剪枝过程考虑范围内，一起作为x
near
的父节点进行剪枝操作：对于集合x
near
中的全部节点x，若x与x
new
两节点之间满足条件：节点连线与障碍物之间的碰撞碰撞检测不为真，且x到x
new
的欧式距离与路径起点x
start
到x
new
的累积路径长度之和，比路径起点x
start
到节点x的路径长度更短，即：c(x
new
,x
start
)+c
′
(x
new
,x)＜c(x,x
start
)，将x
new
取代节点x的原父节点，将x作为x
new
的子节点，连接x
new
和x；
[0012]步骤7：判断x
new
到终点x
goal
的欧式距离与搜索终止条件r的大小关系，若小于r，直接将x
goal
作为x
new
的子节点，将x
new
与x
goal
进行连接，路径搜索终止，搜索结束，得到最终路径，否则跳转回步骤1。
[0013]本专利技术中对重选父节点集合范围调整如下所示：
[0014]Step1：遍历树T，得到x
new
节点的潜在父节点集合x
near
；
[0015]Step2：遍历x
near
集合内所有节点，得到所有节点的n阶的祖先节点，构成集合x
near
′
；
[0016]Step3：将集合x
near
与x
near
′
合并为x
near
，作为x
new
节点的重选父节点集合范围。
[0017]本专利技术针对Quick
‑
RRT*算法存在采样导向性、目标性差，节点利用率低的缺点，对采样方式进行如下改进：
[0018](1)目标点向导的采样方式：将目标点x
goal
作为采样导向，使得生成的采样点更具目标性，以减少不必要的无效节点，具体为：
[0019]Ⅰ.以概率p，将目标点x
goal
直接作为采样点进行流程；
[0020]Ⅱ.以概率q，在整个搜索域内均匀随机采样，获得采样点，且p+q＝1；
[0021](2)变步长策略：在算法开始之前，除了给定搜索步长σ之外，给定一个最小步长单元σ
min
和最大累积步长上限σ
max
，且σ
min
＝σ/n，σ
max
＝m
×
σ。在路径拓展的过程中，依然使用步长σ进行搜索，在对新节点x
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空发动机内部复杂环境下的维修路径规划方法，其特征在于，包括以下步骤：步骤1：搜索域内随机获得采样点x
rand
；步骤2：计算随机树上与x
rand
距离最近的节点x
nearest
；步骤3：计算x
nearest
到x
rand
距离，如果x
nearest
到x
rand
距离大于步长σ，则x
nearest
向x
rand
方向生长一个步长σ，得到新节点x
new
，如果x
nearest
到x
rand
距离小于步长σ，则将x
rand
作为新的节点x
new
；步骤4：在节点x
new
和x
nearest
之间进行障碍物检测CollisionCheck(x
new
，x
nearst
)，判断路径与环境是否发生碰撞，若存在碰撞，则跳回步骤1；步骤5：对节点x
new
进行父节点重选操作，对潜在父节点集合的选择范围进行调整，除了r1半径范围内的潜在父节点集合x
near
，内所有节点的深度为n的祖先节点集合x
near
′
也被纳入重选范围内，扩大了搜索范围：给定重选半径r1，对于树上的全部节点，若有其一符合：与节点x
new
之间的欧式距离小于重选半径r1，将这些节点加入一个集合x
near
，称为潜在父节点集合，x
new
也属于集合x
near
，集合x
near
中，若存在一个节点：该节点与路径起点x
start
之间的累积路径长度c和与节点x
new
之间欧式距离c
′
之和最小，该节点记为x
min
，进行x
min
到x
new
线段与障碍物之间的碰撞检测CollisionCheck(x
new
，x
min
)，检测结果没有碰撞发生，则将x
new
作为x
min
子节点，并将x
new
和x
min
连接起来，若检测结果为真，则将节点x
min
在集合x
near
中剔除，重新对x
new
在集合x
near
中进行；步骤6：剪枝操作，将x
new
的n阶祖先节点纳入剪枝过程考虑范围内，一起作为x
near
的父节点进行剪枝操作：对于集合x
near
中的全部节点x，若x与x
new
两节点之间满足条件：节点连线与障碍物之间的碰撞碰撞检测不为真，且x到x
new
的欧式距离与路径起点x
start
到x
new
的累积路径长度之和，比路径起点x
start
到节点x的路径长度更短，即：c(x
new
,x
start
)+c
′
(x
new
,x)＜c(x,x
start
)，将x
new
取代节点x的原父节点，将x作为x
new
的子节点，连接x
new
和x；步骤7：判断x
new
到终点x
goal
的欧式距离与搜索终止条件r的大小关系，若小于r，直接将x
goal
作为x
new
的子节点，将x
new
与x
goal
进行连接，路径搜索终止，搜索结束，得到最终路径，否则跳转回步骤1。2.根据权利要求1所述的一种航空发动机内部复杂环境下的维修路径规划方法，其特征在于，对重选父节点集合范围调整如下所示：Step1：遍历树T，得到x
new
节点的潜在父节点集合x
near
；Step2：遍历x
near
集合内所有节点，得到所有节点的n阶的祖先节点，构成集合x
near
′
；Step3：将集合x
near
与x
near
′
合并为x
near
，作为x
new
节点的重选父节点集合范围。3.根据权利要求1所述的一种航空发动机内部复杂环境下的维修路径规划方法，其特征在于，针对Quick
‑
RRT*算法存在采样导向性、目标性差，节点利用率低的缺点，对采样方式进行如下改进：(1)目标点向导的采样方式：将目标点x
goal
作为采样导向，使得生成的采样点更具目标性，以减少不必要的无效节点，具体为：Ⅰ.以概率p，将目标点x
goal
直接作为采样点进行流程；Ⅱ.以概率q，在整个搜索域内均匀随机采样，获得采样点，且p+q＝1；(2)变步长策略：在算法开始之前，除了给定搜索步长σ之外，给定一个最小步长单元σ
min
和最大累积步长上限σ
max
，且σ
min
＝σ/n，σ
max
＝m
×
σ。在路径拓展的过程中，依然使用步长
σ进行搜索，在对新节点x
new
进行CollisionFree(x
new
,x
parent
)障碍物检测时，如果路径之间不存在障碍物，则引入贪婪策略，沿着原拓展方向(即x
parent
指向x
new
的方向)继续拓展一个步长σ，直到与障碍物发生碰撞或累积步长达到上限σ
max
，这样做的目的是，通过加大搜索步长，减少开阔区域的搜索次数，提高随机树生长速度，加快局部收敛；若障碍物检测为真时，则对步长进行调整：将x
new
与x
parent
的路径连线以最小步长单元σ
min
分割为n份线段，得到线段端点分别记为为x1,x2,...,x
i
,x
i+1
,...,x
n
‑1。对于x1,x2,...,x
i
,x
i+1
,...,x
n
‑1，若存在两节点x
i
,x
i+1
满足：x
i
不在障碍物区域，x
i+1
在障碍物...

【专利技术属性】
技术研发人员：钟诗胜，付旭云，孙聪，
申请(专利权)人：山东天蓝信息科技有限责任公司，
类型：发明
国别省市：