【技术实现步骤摘要】
本专利技术涉及无人机路径规划领域，具体涉及一种基于混合麻雀搜索算法的无人机路径规划方法。
技术介绍
1、泥石流等突发性重大公共安全事件造成了大规模的损害，灾后救援的反应速度和救援能力面临着严峻的考验。只依靠人力救援不能够满足快速救援的需求，如何有效提升灾后救援能力，快速反应、准确处置灾情显得尤为重要。无人机作为灾后救援装备体系建设的中坚力量，具备反应速度快、适应性强、救援效率高等特点，在人员搜救等灾后救援行动中弥补了传统救援方式中存在的低效率问题，提升了灾后救援的整体效率，成为未来航空灾后救援领域的重要装备。其中，无人机路径规划是无人机在执行搜救任务中非常重要的环节，如何根据现有任务需求、应用条件与飞行环境，解决无人机快速高效路径规划问题，具有重要研究意义。
2、求解无人机路径规划问题的方法主要分为经典算法和群体智能优化算法。经典算法虽然有计算速度快、效率高等优点，但在面对较为复杂的问题时，往往会出现收敛速度慢、计算复杂度高等问题。因此，国内外学者提出了许多求解复杂问题的群体智能优化算法，如粒子群算法、蚁群算法、乌鸦搜索算法、鲸鱼算法、灰狼算法、麻雀搜索算法等，这些算法能够搜索和优化解空间，以寻找最佳的路径，但依旧面临着局部最优解困境和收敛速度慢等问题。
技术实现思路
1、为解决现有技术中存在的技术问题，本专利技术提供了一种基于混合麻雀搜索算法的无人机路径规划方法，以解决现有技术在求解无人机路径规划问题中存在的易陷入局部最优、收敛精度低的问题。
2、为达到上
3、一种基于混合麻雀搜索算法的无人机路径规划方法，包括以下步骤：
4、s1，构建任务环境模型，基于所述环境模型设置无人机路径规划问题模型优化函数和约束条件；
5、s2，获取当前时刻无人机所在的位置；
6、s3，根据无人机所在的位置，确定无人机对应的目标移动位置点；
7、s4，以无人机所在的位置为起点，所述目标移动位置点为终点，规划飞行路径。
8、作为优选的技术方案，在步骤s1中，无人机路径规划问题模型优化函数为：minf＝ω1·jlength+ω2·jheight+ω3·jsmooth+η·penalty，其中，jlength表示飞行距离代价，jheight为飞行高度代价，jsmooth为飞行平滑度代价，penalty为惩罚函数；ω1、ω2和ω3分别为无人机飞行距离代价、飞行高度代价和飞行平滑度代价的权重系数，且满足ω1+ω2+ω3＝1；η为惩罚函数因子，且η＝104。
9、作为优选的技术方案，在步骤s1中，约束条件包括：
10、无人机完成搜索任务后返回起点的飞行距离小于无人机最大飞行距离；
11、无人机飞行高度不得小于最低飞行高度；
12、无人机飞行过程中的转弯角度不能超过最大转弯角；
13、无人机飞行过程中的爬升角度不能超过最大爬升角；
14、无人机的飞行路径不能与障碍物重合。
15、作为优选的技术方案，在步骤s4中，规划无人机飞行路径通过混合麻雀搜索算法实现，包括
16、s41，初始化麻雀种群的位置，设置最大迭代次数n，优化维度d，迭代次数参数t；
17、s42，计算麻雀种群中每个个体的适应度值并排序，标记个体最优适应度值和个体最差适应度值及其位置；
18、s43,更新麻雀种群中发现者的位置；
19、s44,计算发现者个体的适应度值并进行排序，标记发现者的最优适应度值；
20、s45,将剩余的麻雀个体作为跟随者，并更新麻雀跟随者的位置；
21、s46，从麻雀种群中随机选取警戒者，并更新麻雀警戒者的位置；
22、s47，更新麻雀个体位置和全局最优位置；
23、s48，判断当前迭代次数是否达到循环结束条件,当是时，保存当前适应度值，否则转到执行步骤s42；
24、s49，保存当前适应度值并输出。
25、作为优选的技术方案，在步骤s41中，初始化麻雀种群的位置时，采用tent混沌映射策略生成随机解，公式如下：
26、
27、式中，x表示d×n数目的列向量，n表示预设的麻雀种群数目，a是常数，当a＝0.5时所得到的序列分布均匀。
28、作为优选的技术方案，在步骤s43中，更新麻雀种群中发现者的位置时，引入黄金正弦策略优化更新过程，发现者更新公式如下：
29、
30、式中，表示第t次迭代时第i只麻雀的第j维的值；itermax表示最大迭代次数；α1是(0,1]之间的随机数；r2∈[0,1]代表预警值，st∈[0.5,1]代表安全值；表示当前全局最优位置；r1是(0,2π]之间的随机数，r2是(0,π]之间的随机数；α1和α2是通过引入黄金分割数得到的系数，
31、作为优选的技术方案，在步骤s45中，更新跟随者位置时，利用自适应权重因子优化更新过程，自适应权重因子计算公式如下：
32、
33、式中，参数设置为ωmax＝0.9，ωmin＝0.4时的寻优效果最好；
34、跟随者位置更新公式如下：
35、式中，表示当前全局最差位置；表示当前发现者占据的最佳位置；q是一个满足正态分布的随机数；l是一个1×d的单位矩阵；a是一个1×d的矩阵，每个元素随机分配1或者-1，且a+＝at(aat)-1。
36、作为优选的技术方案，在步骤s46中更新警戒者位置时，利用自适应权重因子优化更新过程，其中，警戒者位置更新公式如下：
37、
38、式中，k是(-1，1)之间的随机数；ε是最小常数，避免出现分母为零的情况；fi、fg和fw分别表示当前适应度值、全局最优适应度值和全局最差适应度值。
39、与现有技术相比，本专利技术的有益效果为：
40、(1)本专利技术的基于混合麻雀搜索算法的无人机路径规划方法，通过对麻雀搜索算法的改进，提升了算法在路径规划过程中的计算效率和收敛精度，从而达到在三维环境下为无人机快速规划出最优搜索路径的目的。
本文档来自技高网...【技术保护点】
1.一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤S1中，无人机路径规划问题模型优化函数为：minF＝ω1·Jlength+ω2·Jheight+ω3·Jsmooth+η·Penalty，其中，Jlength表示飞行距离代价，Jheight为飞行高度代价，Jsmooth为飞行平滑度代价，Penalty为惩罚函数；ω1、ω2和ω3分别为无人机飞行距离代价、飞行高度代价和飞行平滑度代价的权重系数，且满足ω1+ω2+ω3＝1；η为惩罚函数因子，且η＝104。
3.根据权利要求1所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤S1中，约束条件包括：
4.根据权利要求1所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤S4中，规划无人机飞行路径通过混合麻雀搜索算法实现，包括
5.根据权利要求4所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤S41中，初始化麻
6.根据权利要求4所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤S43中，更新麻雀种群中发现者的位置时，引入黄金正弦策略优化更新过程，发现者更新公式如下：
7.根据权利要求4所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤S45中，更新跟随者位置时，利用自适应权重因子优化更新过程，自适应权重因子计算公式如下：
8.如权利要求4所述的基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤S46中更新警戒者位置时，利用自适应权重因子优化更新过程，其中，警戒者位置更新公式如下：
...【技术特征摘要】
1.一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤s1中，无人机路径规划问题模型优化函数为：minf＝ω1·jlength+ω2·jheight+ω3·jsmooth+η·penalty，其中，jlength表示飞行距离代价，jheight为飞行高度代价，jsmooth为飞行平滑度代价，penalty为惩罚函数；ω1、ω2和ω3分别为无人机飞行距离代价、飞行高度代价和飞行平滑度代价的权重系数，且满足ω1+ω2+ω3＝1；η为惩罚函数因子，且η＝104。
3.根据权利要求1所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，在步骤s1中，约束条件包括：
4.根据权利要求1所述的一种基于混合麻雀搜索算法的无人机路径规划方法，其特征在于，...
【专利技术属性】
技术研发人员：彭桐睿，娄燕楠，武凤梅，孙辉，曾庆祥，米萨姆阿博德，田晶晶，
申请(专利权)人：上海应用技术大学，
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。