【技术实现步骤摘要】
本专利技术属于智能无人机导航与控制以及智能优化，具体涉及基于反向学习差分进化算法的多无人机协同路径规划方法。
技术介绍
1、路径规划是无人机导航技术的一个重要研究方向；多无人机路径规划要求在同一个空间环境内为每一架无人机规划一条起始点到目标点的安全路径；其需要解决的主要问题包括：寻找多条最优路径；解决无人机与障碍物的碰撞问题；协调多个无人机的运动，包括无人机之间不发生碰撞，无人机间在运动中保持通信，多架无人机运动时间一致等；因此进行规划时不仅要考虑路径长度、飞行高度、路径平滑度、路径安全还要考虑无人机间的时空协调问题；多无人机的路径规划是以单个无人机进行路径规划为基础，需要解决多无人机之间协调问题，以确保无人机之间在保持通信的前提下不发生碰撞以及绕开障碍物，并同时到达目标点；多无人机的协作策略是多无人机系统执行任务的前提。
2、差分进化算法(differential evolution，简称de)是一种基于群体进化的启发式算法，最初由storn和price于1995年提出；它具有多个优点，包括简单高效、快速收敛、鲁棒性等，并在解决优化问题上表现出色；de算法从初始种群出发，通过变异、交叉和选择操作生成新的种群，是一种随机的全局搜索算法，它具有记忆个体最佳解和在种群内进行信息共享的特点；de通过种群内个体之间的合作和竞争来实现对优化问题的求解；其基本思想在于按照进化规则生成新一代群体，通过计算个体的适应度值来评估个体的质量，然后保留适应度较高的个体，淘汰适应度较低的个体，从而引导个体向全局最优解逼近。
3、
技术实现思路
1、本专利技术的目的在于提供基于反向学习差分进化算法的多无人机协同路径规划方法，可以较快地为多个无人机计算出性能较优的运动路径，保障多无人机安全的运行到各自的目标点。
2、为实现上述目的，本专利技术提供如下技术方案：基于反向学习差分进化算法的多无人机协同路径规划方法，所述方法如下：
3、准备工作：无人机的起始点s、目标点t、各个障碍物在环境中的位置均为已知；设无人机个数为r，环境中存在的障碍物个数为h，规划空间的上下边界为max、min，算法的最大迭代次数为ncmax；
4、步骤一：建立以st为x'轴的旋转坐标系x'-s-y'-z'，将起始点、目标点和障碍物的位置坐标转换到旋转坐标系中，其中无人机的起始点s、目标点t、各个障碍物在环境中的位置均为已知，环境中存在的障碍物个数为h，无人机规划出的路径为path＝{p0,p1,p2,p3,…,pd,pd+1}，其中p0表示无人机的起始点s，pd+1表示无人机的目标点t，pi表示第i个路径点，其坐标为(xi,yi,zi)，d表示一共有规划出的路径由d个航路点组成；
5、步骤二：运用d条平行直线簇l1,l2,…,ld将st垂直平分成d+1段，每段的距离为δl＝||st||/(d+1)，其中||st||为st的长度，路径点p1,p2,…,pd即对应位于直线l1,l2,…,ld上；
6、步骤三：令迭代次数t＝1，初始化r组差分进化群体，每组差分进化群体中所含个体的个数为n，个体维数为d，每组差分进化群体表示为向量组r＝1,2…,r，其中，表示第r组第i个个体，即对应第r个无人机的第i条完整的路径，i＝1,2…,n，3×d表示三维环境下个体的维数，表示第n组第i个个体的第d个路径点；
7、初始化r组差分进化群体，即随机生成r个无人机对应的路径，每组差分进化群体中个体的个数为n，即每个无人机初始化n条路径，个体维数为3×d；
8、每个个体都对应无人机的一条完整路径，每组差分进化群体对应每次迭代最开始的n条路径，由这n个个体经过变异、交叉、选择操作生成新的路径，所以根据不同操作有变异向量和交叉向量；
9、步骤四：计算r组差分进化群体的适应度r＝1,2…,r，其中，表示第r组第i个个体的适应度值，分别保存每组中最优个体、最优个体适应度值和每个个体对应的路径长度，最优个体是指适应度值最小的个体；
10、适应度即个体对应的路径的优秀程度，适应度值越小，个体对应的路径越好，适应度值越大，个体对应的路径越差；
11、步骤五：计算每组中个体的协调程度fact，即所有路径的碰撞程度、通信程度和时间同步程度；
12、步骤六：对所有差分进化群体r＝1,2…,r，进行基于量子行为的变异操作，即在当前差分进化群体xr(t)中随机选择三个不同的个体，并结合它们的参数，对每个个体都生成一个与之相关的变异向量r＝1,2…,r，其中，vir(t)表示第r组第i个变异向量；
13、步骤七：将超出边界的变异向量映射到新位置，超出边界指变异向量超出了预设的规划空间的上下边界；
14、步骤八：对所有变异向量进行交叉操作，将变异向量vir(t)与个体的参数进行交叉，对每个变异向量都生成一个与之相关的交叉向量r＝1,2…,r，其中，表示第r组第i个交叉向量，以生成一个候选解决方案；
15、步骤九：计算每个交叉向量的适应度和协调程度，其中每组差分进化群体对应的交叉向量的适应度值为r＝1,2…,r，其中表示第r组第i个个体生成的交叉向量的适应度值；
16、步骤十：将每组中个体所对应的适应度值和交叉向量所对应的适应度值从小到大依次排序，选出最小的适应度值
17、步骤十一：执行失败者反向学习机制，令适应度值小于最小的适应度值的交叉向量进行反向学习；
18、步骤十二：比较个体与交叉向量的适应度值，选出每组新一代的个体xr(t+1)；
19、步骤十三：令t＝t+1，判断是否满足t>ncmax；如果不满足，将新一代个体xr(t+1)返回步骤四进行迭代；如果满足，认为运算结束，输出每组最优的个体；
20、步骤十四：将r组最优的个体转换到x-s-y-z坐标系中，输出r条安全的飞行路径。
21、作为本专利技术的一种优选的技术方案，步骤一中坐标转换公式为：
22、
23、上式中(xs,ys,zs)为无人机起始位置，(x,y,z)、(x',y',z’)分别为坐标系x-s-y-z和x'-s-y'-z'中任意一个相同点的坐标位置，θ为x'轴与x轴的夹角；
24、作为本专利技术的一种优选的技术方案，步骤四中个体和交叉向量的适应度计算公式如下：
25、
26、公式(2)中flength为路径长度函数，计算公式如下：
27、
28、dl＝||pi+1-pi|| (4)
29、上式中||pi+1-pi||表示路径点pi+1和pi间的欧几里德距离；
30、公式(2)中fhigh为飞行高度函数，计算公式如下：
31、fhigh＝∫hpdl (5)
32、
3本文档来自技高网...
【技术保护点】
1.基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述方法如下：
2.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤三中，初始化R组差分进化群体：随机生成R个无人机对应的路径；每组差分进化群体中个体的个数为N：每个无人机初始化N条路径，个体维数为3×D。
3.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤四中，最优个体：适应度值最小的个体；适应度：个体对应的路径的优秀程度。
4.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤五中，计算每组中个体的协调程度Fact包括所有路径的碰撞程度、通信程度和时间同步程度。
5.根据权利要求4所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：
6.根据权利要求5所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述通信质量包括信号强度、带宽。
7.根据权利要求1所述的基于反向学习差
8.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤十三中，每组最优的个体为步骤十二中选取的新一代个体。
...【技术特征摘要】
1.基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述方法如下：
2.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤三中，初始化r组差分进化群体：随机生成r个无人机对应的路径；每组差分进化群体中个体的个数为n：每个无人机初始化n条路径，个体维数为3×d。
3.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤四中，最优个体：适应度值最小的个体；适应度：个体对应的路径的优秀程度。
4.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤五中...
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。