基于改进约束多目标优化进化算法的AGA-UAV路径规划方法技术

本发明专利技术公开了基于改进约束多目标优化进化算法的AGA

【技术实现步骤摘要】
基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法


[0001]本专利技术涉及无人机路径规划
，尤其涉及一种基于改进约束多目标优化进化算法的AGA
‑
UAV(陆空两栖无人机)路径规划方法。

技术介绍

[0002]近年来，随着微型传感器和全自动技术的发展，无人机(UAV)、无人地面车辆(UGV)、无人船等的研究不断增加，其中无人机由于其高机动性和稳定性在航空摄影、灾害救援、物流运输、智慧农业等方面得到了广泛应用。无人车主要用于地形勘测、物流运输、智慧农业等。然而，由于每种类型的无人驾驶系统都有其局限性，单一功能难以满足复杂任务需求。
[0003]陆空两栖无人机(AGA
‑
UAV)指的是兼具空中飞行和地面行驶能力的无人机，由于结合了无人机的强机动性和地面车辆的长航时和局部勘测能力的特点，它逐渐成为一个流行的研究课题。例如，陆空两栖无人机在农业监测等方面的应用具有重要意义，在执行多个目标区域的监测任务时，无人机通常会因为能耗限制而难以及时到达这些区域。相比传统的无人机，陆空两栖无人机具有在空中进行快速检测或在地面上进行低能耗监测的优势。此外，陆空两栖无人机可以配备先进的传感器，如热成像仪、激光雷达等，实现农田测绘、农业管理和灾害救援等场景中的全面高效监测和侦察。为了实现这些应用，如何规划陆空两栖无人机的合理路径，使其能够安全、高效地完成任务，是急需解决的关键问题。
[0004]路径规划是指在特定环境中规划一条从起点到目标点的无碰撞路径，路径规划问题通常涉及多个相互冲突的目标，比如在覆盖路径规划问题中的总路径长度和覆盖率。针对这种多目标问题，目前已有将其建模为约束多目标优化问题(CMOPs)并采用约束多目标进化算法(CMOEAs)求解的方法。虽然目前已经有很多关于单功能无人机的路径规划算法研究。然而，目前对陆空两栖无人机的路径规划问题建模为CMOPs的研究还较为有限。
[0005]对于具备多功能性的陆空两栖无人机来说，路径规划问题更为复杂，尤其是面对能耗限制和复杂环境的挑战时，如何平衡好多目标和多约束条件并规划出陆空两栖无人机的飞行和地面行驶路径的最优路径，以有效解决陆空两栖无人机在三维复杂环境中的路径规划问题，成为一个急需解决的问题。因此，针对以上问题提出一种基于改进约束多目标优化进化算法的陆空两栖无人机路径规划方法。

技术实现思路

[0006]本专利技术的目的在于克服现有技术的不足而提出的一种基于改进约束多目标优化进化算法的AGA
‑
UAV(陆空两栖无人机)路径规划方法，提高了AGA
‑
UAV的应用范围和灵活性，为AGA
‑
UAV的实际应用提供了更多的选择和可能性。
[0007]实现上述目的的技术方案是：
[0008]基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，包括：
[0009]步骤S1，构建陆空两栖无人机路径规划的约束多目标优化进化模型；
[0010]步骤S2，执行约束多目标优化进化算法得到的最优陆空两栖无人机路径规划路径。
[0011]优选的，所述步骤S1包括：
[0012]步骤S11，直接导入地形数据或者通过地形生成函数构建三维工作环境；
[0013]步骤S12，用多条k阶B样条曲线表示一条路径；
[0014]步骤S13，构建两个目标函数分别表示路径总长度和安全距离；
[0015]步骤S14，构建四个约束惩罚函数分别限制转弯角、限制最低工作高度、限制最高工作高度和限制爬坡角，约束多目标优化进化算法构建完成。
[0016]优选的，所述步骤S11中，地形生成函数表达式为：
[0017][0018]其中，α1,α2,α3,α4,α5,α6和α7是实验控制参数，用于产生光滑的表面，模拟山脉和山谷地形。
[0019]优选的，所述步骤S12中，每条B样条曲线由工作区域内的一组控制点生成，该组控制点可成为路径的一个片段，一条路径由多个控制点生成的n个航路点组成；
[0020]控制点表示：CP0(x0,y0,z0),CP1(x1,y1,z1),
…
,CP
l
‑1(x
l
‑1,y
l
‑1,z
l
‑1)，l表示控制点的数量；
[0021]航路点表示：n表示航路点的数量；
[0022]则，航路点生成公式如下：
[0023][0024]B
j,1
(t
i
)是k阶B样条曲线第j段的基函数，它是由一组非递减的实数序列递归定义的，一个相关的节点向量V＝{v1,v2,
…
,v
l
}，通常用均匀的非周期结点向量表示，表示如下：
[0025][0026]B
j,k
(t
i
)计算公式如下：
[0027][0028][0029]t
i
是一个范围在0到l+k的恒定步长的值。
[0030]优选的，所述步骤S13中，构建两个目标函数，
[0031]第一个目标函数为路径总长度，数学公式如下：
[0032][0033]Nb表示一条路径中B样条曲线的数量，s表示路径中第s条B样条曲线，o是每条B样
条曲线的航路点数量，BP
s,j
表示路径中第s条B样条曲线第j个航路点；
[0034]第二个目标函数为两栖无人机与地形和障碍物的安全距离，包括：
[0035]对地形的安全距离：
[0036]连续地形被离散成网格点，航路点和所有地形网格点投影到水平面上。考虑安全距离(d
safe
)内的网格点，安全距离数学公式如下：
[0037][0038][0039]np是安全距离内的网格点数，d
i,j
表示第j个航路点和第i个网格点的距离，到分别表示第s条曲线除去起飞起点和降落终点安全范围内航路点外的第一个点，Flag＝1表示两栖无人机在空中作业，Flag＝0表示在地面作业；
[0040]对障碍物的安全距离：
[0041]将所有障碍物离散成一组均匀分布的3D网格点，考虑安全范围内所有网格点，安全距离数学公式如下：
[0042][0043][0044]mp1和mp2分别表示飞行路径和地面路径安全范围内离散点的个数；
[0045]第二个目标函数为对地形的安全距离与对障碍物的安全距离的和，其公式如下：
[0046][0047]优选的，所述步骤S14中，构建四个约束惩罚函数，
[0048]第一个约束惩罚函数限制转弯角，公式为：
[0049]g
1,j
＝min(θ
j
‑
θ
max
,0)；
[0050]可行解需要满足：
[0051][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，其特征在于，包括：步骤S1，构建陆空两栖无人机路径规划的约束多目标优化进化模型；步骤S2，执行约束多目标优化进化算法得到的最优陆空两栖无人机路径规划路径。2.基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，其特征在于，所述步骤S1包括：步骤S11，通过地形生成函数构建三维工作环境；步骤S12，用多段k阶B样条曲线表示一条路径；步骤S13，构建两个目标函数分别表示路径总长度和安全距离；步骤S14，构建四个约束惩罚函数分别限制转弯角、限制最低工作高度、限制最高工作高度和限制爬坡角，约束多目标优化进化算法构建完成。3.根据权利要求2所述的基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，其特征在于，所述步骤S11中，地形生成函数表达式为：其中，α1,α2,α3,α4,α5,α6和α7是实验控制参数，用于产生光滑的表面，模拟山脉和山谷地形。4.根据权利要求3所述的基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，其特征在于，所述步骤S12中，每条B样条曲线由工作区域内的一组控制点生成，该组控制点可成为路径的一个片段，一条路径由多个控制点生成的n个航路点组成；控制点表示：CP0(x0,y0,z0),CP1(x1,y1,z1),
…
,CP
l
‑1(x
l
‑1,y
l
‑1,z
l
‑1)，l表示控制点的数量；航路点表示：n表示航路点的数量；则，航路点生成公式如下：B
j,1
(t
i
)是k阶B样条曲线第j段的基函数，它是由一组非递减的实数序列递归定义的，一个相关的节点向量V＝{v1,v2,
…
,v
l
}，通常用均匀的非周期结点向量表示，表示如下：B
j,k
(t
i
)计算公式如下：)计算公式如下：t
i
是一个范围在0到l+k的恒定步长的值。
5.根据权利要求4所述的基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，其特征在于，所述步骤S13中，构建两个目标函数，第一个目标函数为路径总长度，数学公式如下：Nb表示一条路径中B样条曲线的数量，s表示路径中第s条B样条曲线，o是每条B样条曲线的航路点数量，BP
s,j
表示路径中第s条B样条曲线第j个航路点；第二个目标函数为两栖无人机与地形和障碍物的安全距离，包括：对地形的安全距离：连续地形被离散成网格点，航路点和所有地形网格点投影到水平面上。考虑安全距离(d
safe
)内的网格点，安全距离数学公式如下：)内的网格点，安全距离数学公式如下：np是安全距离内的网格点数，d
i,j
表示第j个航路点和第i个网格点的距离，到分别表示第s条曲线除去起飞起点和降落终点安全范围内航路点外的第一个点，Flag＝1表示两栖无人机在空中作业，Flag＝0表示在地面作业；对障碍物的安全距离：将所有障碍物离散成一组均匀分布的3D网格点，考虑安全范围内所有网格点，安全距离数学公式如下：离数学公式如下：mp1和mp2分别表示飞行路径和地面路径安全范围内离散点的个数；第二个目标函数为对地形的安全距离与对障碍物的安全距离的和，其公式如下：6.根据权利要求5所述的基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，其特征在于，所述步骤S14中，构建四个约束惩罚函数，第一个约束惩罚函数限制转弯角，公式为：g
1,j
＝min(θ
j
‑
θ
max
,0)；可行解需要满足：Np表示路径中的总航路点数，θ
max
为最大转弯角，θ
j
表示两个向量B
j
‑
1,j
和B
j,j+1
的夹角，由航路点B
j
‑1,B
j
和B
j+1
产生，即，θ
j
表示为：
第二个约束惩罚函数限制最低工作高度，公式为：可行解需要满足：z
s,j
表示第s条曲线第j个航路点的海拔高度，表示该点所在位置对应的地形的海拔高度，h
min1
和h
min0
分别表示空中作业和地面作业的最低高度；第三个约束惩罚函数限制最高工作高度，公式为：可行解需要满足：h
max1
和h
max0
分别是空中作业和地面作业的最高高度；第四个约束惩罚函数限制爬坡角，公式为：第四个约束惩罚函数限制爬坡角，公式为：第四个约束惩罚函数限制爬坡角，公式为：第四个约束惩罚函数限制爬坡角，公式为：可行解需要满足：可行解需要满足：是最小爬坡角，是最大爬坡角，S
s,j
是路径中第s条曲线第j个航路点的爬坡角。7.根据权利要求6所述的基于改进约束多目标优化进化算法的AGA
‑
UAV路径规划方法，其特征在于，所述步骤S2包括：初始化约束多目标优化进化算法，具体步骤如下：步骤S21，初始化权重W＝{w1,w2,
…
,w
N
}，N为种群大小；步骤S22，计算邻居权重得到B
j
＝(j1,j2,
…
,j
M
)，w
j1
,w
j2
,
…
,w
M
为w
j
的M个邻居向量；步骤S23，初始化种群Q＝{x1,x2,
…
,x
N
}并计算每一个解的目标函数值和约束惩罚函数值；步骤S24，初始化理想点z
i
＝min(f
i
(x1),f
i
(x2),
…
,f
i
(x
...

【专利技术属性】
技术研发人员：彭超达，邓凯曦，叶思妍，张国粮，张金鹏，严思源，雷浩，何才杰，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：