【技术实现步骤摘要】
本专利技术属于无人机路径规划领域，涉及一种基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法。
技术介绍
1、随着人工智能技术快速发展，不断迭代更新的无人机在物资配送、消防救援、地理勘探、军事对抗等领域发挥着重要作用。而无人机的路径规划方法作为“感知-判断-决策-行动(observation-orientation-decision-action,ooda)”环路循环中的关键技术引起了国内外学者广泛关注。通过先进的规划算法得到合理的飞行路径能够保证无人机自身的安全，同时高效率、高质量地完成飞行任务。
2、现有的无人机路径规划技术可被划分为两类，分别为基于图的方法和基于优化的方法。前者以图的形式来表示空间环境，然后利用图论算法计算最优路径，包括dijkstra算法、a*算法、rrt方法等。基于优化的方法通常将路径规划问题转化为单目标优化模型，进而利用优化算法找到一系列离散点来生成飞行路径，主要包括遗传算法、粒子群算法、蚁群算法等。
3、但是基于上述方法生成路径皆由离散数据点构成，而非光滑路径，难以满足无人机对路径连续性的要求，特别是对于无法悬停的固定翼无人机。
4、因此，样条曲线被引入来生成具有连续性的光滑路径，如贝塞尔曲线、b样条曲线、ball曲线等。当把样条曲线的控制点作为决策变量时，基于样条曲线的路径规划模型就可被转化为典型优化问题，进而使用智能优化算法进行有效求解。如文献(hu,g.,du,b.,wei,g.hg-sma:hierarchical guided slime mould a
5、然而，这些基于样条曲线的方法着重考虑二维平面的任务场景，仅以样条曲线的曲率来衡量路径的光滑程度，而未考虑三维情形下样条曲线空间扭转程度对路径连续性的影响。同时，所使用的智能优化算法存在易陷入局部最优，收敛速度较慢的缺点，影响求解的效率和精度。
技术实现思路
1、要解决的技术问题
2、为了避免现有技术的不足之处，本专利技术提出一种基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，以克服现有技术收敛效率不足、局限于二维平面的问题，进而更加高效地为固定翼无人机生成满足各种约束条件的安全飞行路径。
3、技术方案
4、一种基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于步骤如下：
5、步骤1：在三维工作环境内，确定固定翼无人机的起点和终点，并基于n阶贝塞尔曲线生成飞行的初始路径为：
6、
7、式中：参数s对应恒定速度为v的无人机总飞行时间ts的归一化结果，取值范围为[0,1]；即在该范围内取任意参数s*时，p(s*)表示ts×s*时刻无人机所处的具体位置，便于实时的跟踪控制；pi＝(xi,yi,zi)为n阶贝塞尔曲线的所有控制顶点；为n阶贝塞尔曲线的伯恩斯坦多项式，为下式：
8、
9、步骤2：基于高阶贝塞尔曲线的数学表达式，计算所生成路径的无人机总飞行距离成本cost1、光滑度成本cost2的成本和飞行高度成本cost3；
10、步骤3：融合各飞行成本作为目标函数min totalcost，以曲线的控制顶点为决策变量，建立基于贝塞尔曲线的路径规划模型：
11、
12、s.t.pi∈r3,i＝1,2,…,n-1.
13、式中，μ为惩罚系数；
14、步骤4：将灰狼优化算法中的种群精英分层结构引入斑马优化算法的狩猎行为中，构建混合斑马优化算法hzoa，以混合斑马优化算法优化曲线的控制顶点，即中的pi，生成飞行距离更短、高度更低、光滑度更高的三维空间安全飞行路径。
15、所述步骤1生成飞行的初始路径方法为：以p0＝(x0,y0,z0)和pn＝(xn,yn,zn)表示无人机的起始位置和目标位置，与其他n-1个控制点pi＝(xi,yi,zi),i＝1,2,…,n-1构成n阶贝塞尔曲线的所有控制顶点；连接p0和pn，并将其均分为n份，其中的分割点即作为初始的控制顶点pi，进而通过式(1)关于时间参数s的表达式得到初始飞行路径
16、所述步骤2的过程为：
17、将初始飞行路径所示的路径沿x轴、y轴、z轴分解为分量形式，即p(s)＝{x(s),y(s),z(s)}，其中
18、计算当前生成飞行路径起点到终点的距离，即无人机总飞行距离成本cost1：
19、
20、对于生成的飞行路径，通过整条贝塞尔曲线的最大曲率k(s)和挠率τ(s)来综合控制路径的光滑程度，以生成光滑程度更高的路径来保证固定翼无人机自身的安全性，记为光滑度成本cost2：
21、cost2＝max(|k(s)|+|τ(s)|),0≤s≤1.
22、将飞行过程中最大飞行高度视作该路径下无人机的飞行高度成本，以此来控制整条路径的高度，达到保持低空飞行进而降低能量消耗和被锁定风险的目的，为飞行高度成本cost3：
23、cost3＝max(|z(s)|),0≤s≤1.。
24、所述μ为惩罚系数，设置为100000以确保无人机的绝对安全。
25、所述步骤3建立基于贝塞尔曲线的路径规划模型的过程为：
26、将一条n阶贝塞尔曲线的n-1个控制顶点pi＝(xi,yi,zi),i＝1,2,…,n-1作为优化变量，另外两个处于端点位置的控制顶点作为路径的起始点和终点；
27、通过加权求和的方式，将距离成本cost1、高度成本cost2、光滑度成本cost3融合为一个综合评价成本，即其中li为权重参数；
28、判断该路径是否安全，即是否避开了三维空间内的所有地形障碍和建筑障碍；若路径安全，记为threat＝0；否则，threat＝1；
29、建立基于贝塞尔曲线的路径优化模型，其中决策变量为曲线的控制顶点，目标函数结合了综合飞行成本和路径安全性的惩罚项，即：
30、
31、所述权重参数li为l1＝1，l2＝10，l3＝2000。
32、所述步骤4的计算过程为：
33、在灰狼优化算法，通过精英分层结构，选择种群中三个适应度值最小的个体作为精英狼，其位置记为xα,xβ,xγ；基于精英狼的位置，制定如下的位置更新模式：
34、xi(t+1)＝xi(t)+r·(z-i·xi(t)),i＝1,2,…,n,
35、式中，t为算法的迭代次数，i为1或2，r为0到1内的随机数，z的计算方式为z＝(dα+dβ+dγ)/3，其中：
36、dα＝xα-a·|r·xα-xi(t)|,
37、dβ＝xβ-a·|本文档来自技高网...
【技术保护点】
1.一种基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于步骤如下：
2.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于：所述步骤1生成飞行的初始路径方法为：以P0＝(x0,y0,z0)和Pn＝(xn,yn,zn)表示无人机的起始位置和目标位置，与其他n-1个控制点Pi＝(xi,yi,zi),i＝1,2,…,n-1构成n阶贝塞尔曲线的所有控制顶点；连接P0和Pn，并将其均分为n份，其中的分割点即作为初始的控制顶点Pi，进而通过式(1)关于时间参数s的表达式得到初始飞行路径
3.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于：所述步骤2的过程为：
4.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于：所述μ为惩罚系数，设置为100000以确保无人机的绝对安全。
5.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，
6.根据权利要求5所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特
7.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于：所述步骤4的计算过程为：
8.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至7任一项所述数据迁移方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述数据迁移方法的步骤。
...【技术特征摘要】
1.一种基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于步骤如下：
2.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于：所述步骤1生成飞行的初始路径方法为：以p0＝(x0,y0,z0)和pn＝(xn,yn,zn)表示无人机的起始位置和目标位置，与其他n-1个控制点pi＝(xi,yi,zi),i＝1,2,…,n-1构成n阶贝塞尔曲线的所有控制顶点；连接p0和pn，并将其均分为n份，其中的分割点即作为初始的控制顶点pi，进而通过式(1)关于时间参数s的表达式得到初始飞行路径
3.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于：所述步骤2的过程为：
4.根据权利要求1所述基于贝塞尔曲线和混合斑马优化的三维空间路径规划方法，其特征在于：...
【专利技术属性】
技术研发人员：黄汉桥，杜博，张勃，周欢，闫天，程昊宇，董越，崔浩然，吕文豪，卢孟文，
申请(专利权)人：西北工业大学，
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。