一种基于改进人工势场法的多无人机路径规划方法技术

本发明专利技术公开一种基于改进人工势场法的多无人机路径规划方法。方法包括通过改进斥力势函数解决目标点距离障碍物太近导致的目标不可达问题；定义了飞行代价的概念，飞行代价由路径长度代价、无人机与障碍物之间的距离代价、无人机与无人机之间的距离代价，飞行代价用来描述整个多无人机飞行路径的合适程度；利用鲸鱼优化算法对无人机与障碍物之间的斥力系数和无人机与无人机之间的斥力系数进行改进，根据实际需要动态地调整无人机在不同位置的避障能力和无人机间防碰撞能力。的避障能力和无人机间防碰撞能力。的避障能力和无人机间防碰撞能力。

【技术实现步骤摘要】
一种基于改进人工势场法的多无人机路径规划方法


[0001]本专利技术属于多无人机路径规划
，具体涉及一种基于改进人工势场法的多无人机路径规划方法。

技术介绍

[0002]无人机具有隐蔽性好、生命力强、成本低、操作灵活等优点，在各个领域内都得到了广泛关注。多无人机执行任务相比单无人机能够提高整体的效率，具有更高的可靠性。随着科学技术的不断发展，人们对无人机的智能化程度也有越来越高的要求，路径规划是其中的重点领域之一，多无人机在路径规划的过程中，防碰撞一直是一个不可避免的问题。
[0003]无人机路径规划有很多算法，主要分为经典算法和智能反应算法两大类。经典算法有Dijkstra算法、A*算法、人工势场法等，智能反应算法有遗传算法、粒子群算法等。其中人工势场法是通过排斥力、吸引力进行无人机的避障，其主要思想是寻找某个系统能量函数，使得无人机能够且仅在目标位置达到最小值。该方法能在运算量更小的情况下解算出更加平滑的轨迹。但是人工势场法存在由于目标点离障碍物太近导致目标不可达问题，且现阶段的人工势场法大都是进行局部路径规划，缺乏全局规划的指引，没有从全局上评判搜索出的路径的优劣程度以选出最合适的路径。

技术实现思路

[0004]本专利技术的目的在于提供一种基于改进人工势场法的多无人机路径规划方法，通过改进斥力势函数解决了因为目标离障碍物太近导致的目标不可达问题，引入飞行代价的概念，并通过鲸鱼优化算法优化斥力系数，求解出最合适的飞行路径。
[0005]实现本专利技术目的的技术解决方案为：<br/>[0006]一种基于改进人工势场法的多无人机路径规划方法，包括如下步骤：
[0007]步骤1、将无人机从起点到终点的路径分为d份，定义单个个体k的维度为2dN
UAV
；其中N
UAV
表示总无人机的数量；
[0008]步骤2、设定种群的个体数量为N
pop
，并随机产生N
pop
个个体k；
[0009]步骤3、设定最大迭代次数为N
t
，当前迭代次数n
t
为1，最优飞行代价J
leader
为正无穷大；
[0010]步骤4、设定路径规划时的种群个体编号n
pop
为1；
[0011]步骤5、将第n
pop
个个体k带入到人工势场法里，对所有无人机进行路径规划，并计算出种群中第n
pop
个个体k对应航路的飞行代价；
[0012]步骤6、路径规划时的种群个体编号n
pop
加1，并判断路径规划时的种群个体编号n
pop
是否大于个体数量N
pop
，若路径规划时的种群个体编号n
pop
大于个体数量N
pop
，则进入步骤7，否则重新进入步骤5；
[0013]步骤7、令种群中飞行代价最小的航路所对应的k为k'，形成的航路的飞行代价为J'；比较J'和最优飞行代价J
leader
的大小，若J'小于最优飞行代价J
leader
，则令最优个体
k
leader
等于k'，最优飞行代价J
leader
等于J'；
[0014]步骤8、当前迭代次数n
t
加1，并判断当前迭代次数n
t
是否大于最大迭代次数为N
t
，若当前迭代次数n
t
大于最大迭代次数为N
t
，则进入步骤10，否则进入步骤9；
[0015]步骤9、更新种群中每一个个体k的值，并回到步骤4；
[0016]步骤10、输出最优个体k
leader
和对应的路径。
[0017]本专利技术与现有技术相比，其显著优点是：
[0018](1)通过改进斥力势函数，解决了目标点离障碍物太近导致的目标不可达问题。
[0019](2)定义了飞行代价的概念，用来描述路径的合适程度。
[0020](3)通过鲸鱼优化算法对斥力系数进行改进，为无人机在不同的位置选取合适的障碍物斥力系数和无人机斥力系数，以规划出合适的路径。
附图说明
[0021]图1为改进人工势场法的多无人机路径规划方法总体流程图；
[0022]图2为用人工势场法对多架无人机路径规划时的流程图；
[0023]图3为改进斥力势函数后无人机的受力分析图；
[0024]图4为k值更新示意图。
具体实施方式
[0025]下面结合附图及具体实施例对本专利技术做进一步的介绍。
[0026]结合图1，本专利技术的一种基于改进人工势场法的多无人机路径规划方法，包括以下步骤：
[0027]步骤1、将无人机从起点到终点的路径分为d份，定义单个个体k的维度为2dN
UAV
，其表达式为其中N
UAV
表示总无人机的数量；{k1,k2,
…
,k
d
}分别表示第1架无人机在第1、2、
…
、d位置处的障碍物斥力系数，{k
d+1
,k
d+2
,
…
,k
2d
}分别表示第2架无人机在第1、2、
…
、d位置处的障碍物斥力系数，以此类推分别表示第N
UAV
架无人机在第1、2、
…
、d位置处的障碍物斥力系数。分别表示第1架无人机在第1、2、
…
、d位置处的无人机斥力系数，分别表示第2架无人机在第1、2、
…
、d位置处的无人机斥力系数，以此类推分别表示第N
UAV
架无人机在第1、2、
…
、d位置处的无人机斥力系数。之后进入步骤2；
[0028]步骤2、设定种群的个体数量为N
pop
，并随机在一定范围内产生N
pop
个个体k。之后进入步骤3；
[0029]步骤3、设定最大迭代次数为N
t
，当前迭代次数n
t
为1，最优飞行代价J
leader
为正无穷大。之后进入步骤4；
[0030]步骤4、设定路径规划时的种群个体编号n
pop
为1。之后进入步骤5；
[0031]步骤5、将第n
pop
个个体k带入到人工势场法里，对所有无人机进行路径规划，并计算出种群中第n
pop
个个体k对应航路的飞行代价。之后进入步骤6；步骤5的流程如图2所示，
步骤5具体步骤如下：
[0032]步骤51、初始位置每架无人机都在起点处，设定最大路径搜索次数为N
s
，当前路径搜索次数n
s
为1。之后进入步骤52；
[0033]步骤5本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进人工势场法的多无人机路径规划方法，其特征在于，包括如下步骤：步骤1、将无人机从起点到终点的路径分为d份，定义单个个体k的维度为2dN
UAV
；其中N
UAV
表示总无人机的数量；步骤2、设定种群的个体数量为N
pop
，并随机产生N
pop
个个体k；步骤3、设定最大迭代次数为N
t
，当前迭代次数n
t
为1，最优飞行代价J
leader
为正无穷大；步骤4、设定路径规划时的种群个体编号n
pop
为1；步骤5、将第n
pop
个个体k带入到人工势场法里，对所有无人机进行路径规划，并计算出种群中第n
pop
个个体k对应航路的飞行代价；步骤6、路径规划时的种群个体编号n
pop
加1，并判断路径规划时的种群个体编号n
pop
是否大于个体数量N
pop
，若路径规划时的种群个体编号n
pop
大于个体数量N
pop
，则进入步骤7，否则重新进入步骤5；步骤7、令种群中飞行代价最小的航路所对应的k为k'，形成的航路的飞行代价为J'；比较J'和最优飞行代价J
leader
的大小，若J'小于最优飞行代价J
leader
，则令最优个体k
leader
等于k'，最优飞行代价J
leader
等于J'；步骤8、当前迭代次数n
t
加1，并判断当前迭代次数n
t
是否大于最大迭代次数为N
t
，若当前迭代次数n
t
大于最大迭代次数为N
t
，则进入步骤10，否则进入步骤9；步骤9、更新种群中每一个个体k的值，并回到步骤4；步骤10、输出最优个体k
leader
和对应的路径。2.根据权利要求1所述的一种基于改进人工势场法的多无人机路径规划方法，其特征在于，步骤5具体步骤如下：步骤51、初始位置每架无人机都在起点处，设定最大路径搜索次数为N
s
，当前路径搜索次数n
s
为1；步骤52、计算每一架无人机距离到对应终点的距离，若有无人机距离到对应终点的距离大于步长step，则该架无人机继续按照步骤53执行；若有无人机距离到对应终点的距离小于等于步长step，则无人机直接前进到对应终点，并将此时的当前路径搜索次数n
s
的值保存进N
step
(n
UAV
)，表示第n
UAV
架无人机的路径搜索次数，跳过步骤53，并继续按照步骤54执行；步骤53、计算距离到对应终点的距离大于步长step的无人机所受到的合力及合力的方向；在得到每一架无人机所受到的合力方向后，每一架无人机向合力的方向前进一个步长step，并将前进路线保存在对应无人机的路径里，然后进入步骤54；步骤54、路径搜索次数n
s
加1，然后判断路径搜索次数n
s
是否大于最大路径搜索次数N
s
，若路径搜索次数n
s
大于最大路径搜索次数N
s
，则输出此时所有无人机的路径，进入步骤55，反之则回到步骤52；步骤55、计算此时得到的路径的飞行代价。3.根据权利要求2所述的一种基于改进人工势场法的多无人机路径规划方法，其特征在于，无人机受到的合力为：
其中F
att
(q)表示目标点对无人机的吸引力；表示第n
obs
个障碍物对这架无人机的排斥力，N
obs
表示总障碍物的数量；表示除了这架无人机之外的第n
UAV
′
架无人机对无人机的排斥力。4.根据权利要求3所述的一种基于改进人工势场法的多无人机路径规划方法，其特征在于，路径的飞行代价为：J＝λ
path
D1+λ
obs
D2+λ
UAV
D3J表示飞行代价，飞行代价越小，表明路径更优；D1、D2、D3分别是路径长度代价、无人机与障碍物之间的距离代价、无人机与无人机之间的距离代价；λ
path
、λ
obs
、λ
UAV
分别是各个代价的加权系数。5.根据权利要求4所述的一种基于改进人工势场法的多无人机路径规划方法，其特征在于，在于，在于，其中T
step
(n
UAV
)是指第n
UAV
架无人机的路径长度代价；T<...

【专利技术属性】
技术研发人员：张祥金，龚绍欢，沈娜，华抟，郭竞杰，赵丽娜，查继鹏，杜廷蔚，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：