基于改进双向制造技术

本发明专利技术公开了基于改进双向

【技术实现步骤摘要】
基于改进双向A星搜索算法的安全飞行通道构建方法


[0001]本专利技术涉及路径规划
，特别是基于改进双向
A
星搜索算法的安全飞行通道构建方法
。

技术介绍

[0002]安全飞行通道是一种硬约束轨迹规划方法的关键，安全通道内无障碍物，在轨迹优化时施加硬约束将轨迹限制在安全飞行通道中，确保无人机不会出现碰撞情况
。
现有的安全飞行通道构建方法通常由
A
星搜索算法搜索出无碰撞导航点路径，再将路径膨胀扩展成最大的无障碍空间，最后将无障碍物空间连通形成安全飞行通道
。
而传统的
A
星搜索算法搜索时间长，搜索效率低下，需要遍历许多不必要的节点，搜索出的路径存在许多冗余节点和转折点
。

技术实现思路

[0003]针对上述缺陷，本专利技术提出了基于改进双向
A
星搜索算法的安全飞行通道构建方法，其目的在于解决传统的
A
星搜索算法搜索时间长，搜索效率低下，需要遍历许多不必要的节点，搜索出的路径存在许多冗余节点和转折点的问题
。
[0004]为达此目的，本专利技术采用以下技术方案：
[0005]基于改进双向
A
星搜索算法的安全飞行通道构建方法，包括以下步骤：
[0006]步骤
S1
：利用改进双向
A
星搜索算法搜索出若干路径节点，并组成路径节点集合
N
，
N
＝r/>{S,N1,N2,
…
,N
n
,E}
，其中，
S
表示起始点，
E
表示终点，
N
n
表示除起始点和终点外的第
n
个路径节点；
[0007]所述改进双向
A
星搜索算法包括在启发函数的基础上增加代价函数和预估计代价函数的动态权重；
[0008]步骤
S2
：通过
L
函数判断路径节点集合
N
中不在同一直线上的两个路径节点之间是否存在障碍物，若不存在，则将该两个路径节点作为新路径节点，并删除该两个路径节点之间的路径节点；若存在，则将该两个路径节点以及该两个路径节点之间的路径节点作为原路径节点；
[0009]步骤
S3
：基于新路径节点和原路径节点，生成优化后的路径节点集合
N
′
，
N
′
＝
{S
，
N1′
，
N2′
，
...
，
N
n
′
，
E}
，其中，
S
表示起始点，
E
表示终点，
N
n
′
表示除起始点和终点外的第
n
个优化后的路径节点；
[0010]步骤
S4
：基于优化后的路径节点集合
N
′
，计算由凸多面体集合组成的安全飞行通道
。
[0011]优选地，在步骤
S1
中，在启发函数的基础上增加代价函数包括在正向搜索启发函数的基础上增加代价函数以及在反向搜索启发函数的基础上增加代价函数；
[0012]在正向搜索启发函数的基础上增加代价函数，具体的计算公式如下：
[0013]F1(n)
＝
g1(n)+h1(n)+c1(n)
[0014]其中，
F1(n)
表示增加代价函数后的正向搜索启发函数；
g1(n)
表示正向搜索当前节点
currentNode1
到起点的实际代价；
h1(n)
表示正向搜索当前节点
currentNode1
到反向搜索当前节点
currentNode2
的预估代价；
[0015]c1(n)
表示正向搜索的代价函数，具体计算公式如下：
[0016][0017]其中，
(X
n1
,Y
n1
)
表示正向搜索的当前节点坐标，
(X
g
，
Y
g
)
表示目标点坐标；
[0018]在反向搜索启发函数的基础上增加代价函数，具体的计算公式如下：
[0019]F2(n)
＝
g2(n)+h2(n)+c2(n)
[0020]其中，
F2(n)
表示增加代价函数后的反向搜索启发函数；
g2(n)
表示反向搜索当前节点
currentNode2
到起点的实际代价；
h2(n)
表示反向搜索当前节点
currentNode2
到正向搜索当前节点
currentNode1
的预估代价；
[0021]c2(n)
表示反向搜索的代价函数，具体计算公式如下：
[0022][0023]其中，
(X
n2
，
Y
n2
)
表示反向搜索的当前节点坐标，
(X
g
，
Y
g
)
表示目标点坐标
。
[0024]优选地，在步骤
S1
中，在启发函数的基础上增加预估计代价函数的动态权重包括在正向搜索启发函数的基础上增加预估计代价函数的动态权重以及在反向搜索启发函数的基础上增加预估计代价函数的动态权重；
[0025]在正向搜索启发函数的基础上增加预估计代价函数的动态权重，具体的计算公式如下：
[0026]F1’
(n)
＝
g1(n)+w(n)
×
h1(n)+c1(n)
[0027]其中，
F1’
(n)
表示增加动态权重后的正向搜索启发函数；
g1(n)
表示正向搜索当前节点
currentNode1
到起点的实际代价；
h1(n)
表示正向搜索当前节点
currentNode1
到反向搜索当前节点
currentNode2
的预估代价；
c1(n)
表示正向搜索的代价函数；
w(n)
表示预估计代价函数的动态权重，具体计算公式如下：
[0028][0029]其中，
K
表示
Sigmoid
函数的横坐标，具体计算公式如下：
[0030][0031]其中，
D1表示正向搜索当前节点
currentNode1
和反向搜索当前节点
currentNod本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于改进双向
A
星搜索算法的安全飞行通道构建方法，其特征在于：包括以下步骤：步骤
S1
：利用改进双向
A
星搜索算法搜索出若干路径节点，并组成路径节点集合
N
，
N
＝
{S,N1,N2,
…
,N
n
,E}
，其中，
S
表示起始点，
E
表示终点，
N
n
表示除起始点和终点外的第
n
个路径节点；所述改进双向
A
星搜索算法包括在启发函数的基础上增加代价函数和预估计代价函数的动态权重；步骤
S2
：通过
L
函数判断路径节点集合
N
中不在同一直线上的两个路径节点之间是否存在障碍物，若不存在，则将该两个路径节点作为新路径节点，并删除该两个路径节点之间的路径节点；若存在，则将该两个路径节点以及该两个路径节点之间的路径节点作为原路径节点；步骤
S3
：基于新路径节点和原路径节点，生成优化后的路径节点集合
N'
，
N'
＝
{S,N1',N2',
…
,N
n
',E}
，其中，
S
表示起始点，
E
表示终点，
N
n
'
表示除起始点和终点外的第
n
个优化后的路径节点；步骤
S4
：基于优化后的路径节点集合
N'
，计算由凸多面体集合组成的安全飞行通道
。2.
根据权利要求1所述的基于改进双向
A
星搜索算法的安全飞行通道构建方法，其特征在于：在步骤
S1
中，在启发函数的基础上增加代价函数包括在正向搜索启发函数的基础上增加代价函数以及在反向搜索启发函数的基础上增加代价函数；在正向搜索启发函数的基础上增加代价函数，具体的计算公式如下：
F1(n)
＝
g1(n)+h1(n)+c1(n)
其中，
F1(n)
表示增加代价函数后的正向搜索启发函数；
g1(n)
表示正向搜索当前节点
currentNode1
到起点的实际代价；
h1(n)
表示正向搜索当前节点
currentNode1
到反向搜索当前节点
currentNode2
的预估代价；
c1(n)
表示正向搜索的代价函数，具体计算公式如下：其中，
(X
n1
,Y
n1
)
表示正向搜索的当前节点坐标，
(X
g
,Y
g
)
表示目标点坐标；在反向搜索启发函数的基础上增加代价函数，具体的计算公式如下：
F2(n)
＝
g2(n)+h2(n)+c2(n)
其中，
F2(n)
表示增加代价函数后的反向搜索启发函数；
g2(n)
表示反向搜索当前节点
currentNode2
到起点的实际代价；
h2(n)
表示反向搜索当前节点
currentNode2
到正向搜索当前节点
currentNode1
的预估代价；
c2(n)
表示反向搜索的代价函数，具体计算公式如下：其中，
(X
n2
,Y
n2
)
表示反向搜索的当前节点坐标，
(X
g
,Y
g
)
表示目标点坐标
。3.
根据权利要求2所述的基于改进双向
A
星搜索算法的安全飞行通道构建方法，其特征在于：在步骤
S1
中，在启发函数的基础上增加预估计代价函数的动态权重包括在正向搜索启发函数的基础上增加预估计代价函数的动态权重以及在反向搜索启发函数的基础上增
加预估计代价函数的动态权重；在正向搜索启发函数的基础上增加预估计代价函数的动态权重，具体的计算公式如下：
F1’
(n)
＝
g1(n)+w(n)
×
h1(n)+c1(n)
其中，
F1’
(n)
表示增加动态权重后的正向搜索启发函数；
g1(n)
表示正向搜索当前节点
currentNode1
到起点的实际代价；
h1(n)
表示正向搜索当前节点
currentNode1
到反向搜索当前节点
currentNode2
的预估代价；
c1(n)
表示正向搜索的代价函数；
w(n)
表示预估计代价函数的动态权重，具体计算公式如下：其中，
K
表示
Sigmoid
函数的横坐标，具体计算公式如下：其中，
D1表示正向搜索当前节点

【专利技术属性】
技术研发人员：陶杰，陈德鹏，萧子敬，鲁仁全，
申请(专利权)人：深圳信息职业技术学院，
类型：发明
国别省市：