【技术实现步骤摘要】
本专利技术涉及无人艇控制导航，具体为一种基于gwo算法的无人艇路径优化方法。
技术介绍
1、水面无人艇(usv)是一种采用自主或者远程等控制方式的小型舰艇，具有速度快、回转能力强、隐蔽性好、智能化程度高等特点，能够在复杂、危险海域执行作战任务，成为未来海军作战的重要装备。无人艇已基本实现路径规划、自主避障等初级智能化技术，开始向高级智能化发展。其中自主决策作为衡量无人艇智能化程度的重要标准之一，要求无人艇在静态水面环境中，能够按照最优规划从起点行驶到终点,同时在遇到未知危险时能够迅速地避开障碍物。
2、现有技术中，针对全局路径规划已有常用的算法如a*，dijkstra等，这些算法大多适用于无障碍或稀疏障碍等简单静态海洋环境，然而无人艇航行所在的环境往往存在不可预测的障碍物，因此需要提升面对未知环境时的适应能力和算法的避障能力。本专利提出了一种基于gwo算法的无人艇路径优化技术，gwo优化算法的随机性，使其能够有效避免局部解的停滞问题，进而去探索整个搜索空间。在面对一些搜索空间未知且伴随着复杂性的情况，该路径优化技术有更强的适应性，并且能够避免陷入局部最优。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于gwo算法的无人艇路径优化方法，具备无人艇在寻优过程中能够有效避免陷入局部最优，进而完成避障并找到全局最优路径等优点，解决了上述技术的问题。
3、(二)技术方案
4、为实现上述目的，本专利技术提
5、步骤一、航行空间建模：选择大圆航线和恒向线相混合的航线作为初始航线；
6、步骤二、目标函数构建；
7、步骤三、gwo算法航线优化。
8、优选的，所述步骤一中大圆航线和恒向线相混合航线为：以大圆航线为基础，在航线上选取n个点，两个点之间使用恒向线的方式行驶，所述大圆航线和恒向线相混合航线用于减少船舶航行时改变角度的次数。
9、通过上述技术方案，通过在大圆航线上，船舶需要不断调整航向，这可能会导致在航行过程中产生较大的航向误差，而通过使用恒向线在航线的某些点上航行，船舶可以在这些点上保持相同的航向，提供更加稳定的航行体验，减少不必要的摇晃和颠簸。
10、优选的，所述大圆航线的距离公式为：
11、
12、其中：
13、是点i的经纬度；
14、是点j的经纬度；
15、r是地球半径。
16、通过上述技术方案，通过大圆航线距离公式采用简洁的数学形式来表示距离计算，使用正弦、余弦和反余弦等基本数学函数，易于理解和实现，同时大圆航线距离公式适用于地球球面上任意两点之间的距离计算。
17、优选的，所述距离公式将航线划分成若干段，然后分别对每一条航线进行离散化处理，航线优化的过程转变成在离散空间中寻优的过程。
18、通过上述技术方案，通过将连续的航线划分为若干段后，每一段的航线可以进行基于离散化空间的寻优，这种方法使得优化问题的计算效率得到了大幅提升，降低了优化问题的复杂度和运算量。
19、优选的，所述离散化处理为：设其中某段航线中起点为ps终点为pd，连接两点后的航线段用表示，在中取n个节点，然后在每个节点上对航线做垂线称它为端线，一共有n条端线，每条所述端线中取若干端点把每条端线也离散化，得到在航线周围均匀分布的离散区域。
20、通过上述技术方案，通过将航线分段，并在每个段内取若干节点，并在每个节点处做垂线来离散化航线，这样可以保持航线的连续性和离散性，并且将连续的航线路径离散化为若干个点，使得航线路径的离散性很好，能够满足很多优化算法的需求，离散化后，可以使用更加高效的搜索算法来搜索航线路径，并且可以通过调节参数使得搜索算法收敛性更好，找到更优的路径。
21、优选的，所述步骤二中目标函数构建包括多目标优化，所述多目标优化包括在多个既定目标里进行权衡和计算，得出的最优解满足多个目标约束的解，并不是单个目标的最优解。
22、优选的，所述多目标优化公式包括：
23、x＝(x1，x2，…，xn)
24、gi(x)≥0，i＝1，2，…，k
25、hi(x)≥0，i＝1，2，…，l
26、其中x为决策向量，优化目标表示为：
27、minf(x)＝(f1(x)，...，fm(x))。
28、优选的，所述步骤三中gwo算法航线优化包括以下步骤：
29、s3.1、首先要为所有的变量赋初始值，种群中灰狼个体数m，迭代的最大次数t；
30、s3.2、然后随机生成灰狼个体位置，并根据适应度函数计算适应度值，找出pareto非支配解并建立archive种群，并按照算法更新a，进而更新a，c；
31、s3.3、按照概率pi，从archive种群里选出α，β，δ；
32、s3.4、根据求出当前的最优解并与archive种群中的个体一一比较，然后更新archive种群；
33、s3.5、更新a，a和c；
34、s3.6、更新ω位置，重新计算适应度值；
35、s3.7、更新α，β，δ，作为其他灰狼个体ω移动方向的依据；
36、s3.8、判断t是否大于t，当t大于t时，转到结束；当t小于t时，t加1，转第4步，进入下一个循环。
37、通过上述技术方案，通过采用gwo算法(灰狼优化算法)，该算法通过增加α狼视野，赋予其主动搜索的能力，在全局搜索的同时进一步提高了局部寻优精度，实现搜索结果的进一步优化，在面对搜索空间未知且伴随着复杂性的情况时，由于它的随机性使得该路径优化技术有更强的适应性，并且能够避免陷入局部最优，快速找到最优路径。
38、优选的，所述路径优化方法还包括以下步骤：
39、s4.1、确定航线起止点；
40、s4.2、选择初始航线；
41、s4.3、离散化船舶航行区域；
42、s4.4、建立航线优化目标函数；
43、s4.5、采用优化算法进行优化。
44、优选的，所述s3.2中pareto非支配解为在搜索空间中不能被其他解支配的解集合，即这些解在所有目标函数上都没有更好的解，所述archive是用于存储pareto非支配解的种群。
45、与现有技术相比，本专利技术提供了一种基于gwo算法的无人艇路径优化方法，具备以下有益效果：
46、1、本专利技术通过采用gwo算法(灰狼优化算法)，该算法通过增加α狼视野，赋予其主动搜索的能力，在全局搜索的同时进一步提高了局部寻优精度，实现搜索结果的进一步优化，在面对搜索空间未知且伴随着复杂性的情况时，由于它的随机性使得该路径优化技术有更强的适应性，并且能够避免陷入局部最优，快速找到最优路本文档来自技高网...
【技术保护点】
1.一种基于GWO算法的无人艇路径优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述步骤一中大圆航线和恒向线相混合航线为：以大圆航线为基础，在航线上选取n个点，两个点之间使用恒向线的方式行驶，所述大圆航线和恒向线相混合航线用于减少船舶航行时改变角度的次数。
3.根据权利要求2所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述大圆航线的距离公式为：
4.根据权利要求3所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述距离公式将航线划分成若干段，然后分别对每一条航线进行离散化处理，航线优化的过程转变成在离散空间中寻优的过程。
5.根据权利要求4所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述离散化处理为：设其中某段航线中起点为PS终点为PD，连接两点后的航线段用表示，在中取n个节点，然后在每个节点上对航线做垂线称它为端线，一共有n条端线，每条所述端线中取若干端点把每条端线也离散化，得到在航线周围均匀分布的离散区域。
6.
7.根据权利要求6所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述多目标优化公式包括：
8.根据权利要求7所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述步骤三中GWO算法航线优化包括以下步骤：
9.根据权利要求8所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述路径优化方法还包括以下步骤：
10.根据权利要求1所述的一种基于GWO算法的无人艇路径优化方法，其特征在于：所述S3.2中Pareto非支配解为在搜索空间中不能被其他解支配的解集合，即这些解在所有目标函数上都没有更好的解，所述Archive是用于存储Pareto非支配解的种群。
...【技术特征摘要】
1.一种基于gwo算法的无人艇路径优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于gwo算法的无人艇路径优化方法，其特征在于：所述步骤一中大圆航线和恒向线相混合航线为：以大圆航线为基础，在航线上选取n个点，两个点之间使用恒向线的方式行驶，所述大圆航线和恒向线相混合航线用于减少船舶航行时改变角度的次数。
3.根据权利要求2所述的一种基于gwo算法的无人艇路径优化方法，其特征在于：所述大圆航线的距离公式为：
4.根据权利要求3所述的一种基于gwo算法的无人艇路径优化方法，其特征在于：所述距离公式将航线划分成若干段，然后分别对每一条航线进行离散化处理，航线优化的过程转变成在离散空间中寻优的过程。
5.根据权利要求4所述的一种基于gwo算法的无人艇路径优化方法，其特征在于：所述离散化处理为：设其中某段航线中起点为ps终点为pd，连接两点后的航线段用表示，在中取n个节点，然后在每个节点上对航线做垂线称它为端线，一共有n条端线，每条所述端线中取若干端点把...
【专利技术属性】
技术研发人员：蒋文学，朱宗森，焦志伟，王旭良，刘伟尧，赵英涵，陈浩，杜强，刘哲，刘志强，
申请(专利权)人：青岛杰瑞自动化有限公司，
类型：发明
国别省市：
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。