【技术实现步骤摘要】
本专利技术涉及无人机路径规划，特别涉及一种多无人机协同路径规划方法、系统、设备与存储介质。
技术介绍
1、无人机是一种无需驾驶员的自主飞行系统，因其独特的性能和鲁棒性而受到广泛关注。在过去的几十年里，无人机被广泛应用于侦察、监视、快递运输和救援任务。航路规划是无人机导航系统的关键技术，其目的是在任务约束下，在规划空间内快速找到从初始位置到目的地的多个飞行航路点。当面对复杂环境或大面积时，多无人机在执行复杂活动目标时表现出鲁棒性强、并行性高的优点。无人机的研究越来越受到研究者的重视。
2、路径规划任务是一个复杂的优化问题，在许多约束条件下，在过去的几年里得到了发展。传统的路径规划算法主要有a*算法、rrt和人工势场(apf)算法等。然而，这些传统方法难以解决复杂环境下的路径规划问题。与传统算法相比，进化计算算法(ecs)通过模拟生物种群的迭代进化模型，如遗传算法(ga)、差分进化算法(de)、人工蜂群算法(abc)、粒子群算法(pso)等，能够在复杂环境下寻求可行且安全的路径。由于ec具有高并行性、强鲁棒性和自组织的优点，使得ec以一种更高效的方式在规划问题中表现出较强的能力。
3、1995年提出的粒子群算法(pso)是ecs的一种常用算法，通常用于处理许多优化问题。由于其鲁棒性和简单性，粒子群算法在处理路径规划问题中发挥了重要作用。但它也存在一些缺点，如在复杂环境下过早收敛和优化时间长，存在容易陷入局部最优等缺点。当pso算法用于无人机航路规划时得到的路径存在瓶颈，严重影响了搜索路径的质量，因此在复杂环境
技术实现思路
1、本专利技术的目的在于针对上述现有技术的不足，提供一种多无人机协同路径规划方法、系统、设备与存储介质，以解决现有技术中无人机航路规划时得到的路径存在瓶颈，严重影响了搜索路径的质量的问题。
2、本专利技术具体提供如下技术方案：一种多无人机协同路径规划方法，包括如下步骤：
3、获取由圆柱坐标表示的多无人机飞行轨迹，并通过所述多无人机飞行轨迹获得全局最优路径；
4、利用全局最优路径中每个路径点目标函数的增量获取检测函数，并通过检测函数中每个路径点概率获取全局最优路径的瓶颈路径点；
5、在随机采样的路径中加入扰动，通过当前路径的扰动算子得到候选路径，并利用候选路径修改瓶颈路径点，在修改瓶颈路径点后的全局最优路径中保留其他路径点来获取新的全局最优路径；
6、通过所述新的全局最优路径对多无人机协同路径进行规划。
7、优选的，所述获取由圆柱坐标表示的无人机飞行轨迹，包括如下步骤：
8、获取无人机飞行时的笛卡尔坐标，并在每条路线中将笛卡尔坐标转换为圆柱坐标qi；具体表达式为：
9、qi＝(ri1,θi1,zi1,ri2,θi2,zi2,···,rin,θin,zin)
10、其中，(rin,θin,zin)为第i个粒子的第n个路径点的柱面坐标。
11、将所述圆柱坐标的圆柱矢量对应的速度使用增量矢量表示δqi；具体表达式为：
12、δqi＝(δri1,δθi1,δzi1,δri2,δθi2,δzi2,···,δrin,δθin,δzin)
13、其中，(δrin,δθin,δzin)为第i个粒子的第n个路径点的柱面坐标对应的速度表示；
14、规划器gtcpso的更新方程为：
15、
16、其中，vqij(t+1)用于表示第i个粒子圆柱坐标的速度矢量，qij(t+1)用于第i个粒子表示圆柱坐标的位置矢量，pbij(t)是第i个粒子的局部最佳位置，gj(t)是群体中全局最优粒子的位置，ω为惯性重量，c1和c2为加速度系数，代表将每个微粒推向pbest和gbest位置的统计加速项的权重，r1和r2为(0,1)范围内的两个随机数。
17、优选的，所述获取由圆柱坐标表示的无人机飞行轨迹后，还包括如下步骤：
18、将圆柱矢量转换为笛卡尔坐标以评估路线质量，具体表达式为：
19、
20、优选的，所述利用全局最优路径中每个路径点目标函数的增量获取检测函数，包括如下步骤：
21、通过当前全局最优路径第i个路点获得检测函数；具体表达式为：
22、δfgi＝fgi-fg(i-1)(i＝2,3···,n)
23、式中δfgi为当前全局最优路径第i个路点的目标函数值增量，fgi和fg(i-1)分别为当前全局最优路径第i个路点和第i-1个路点的目标函数值。
24、优选的，所述通过检测函数中每个路径点概率获取全局最优路径的瓶颈路径点，包括如下步骤：
25、通过检测函数获得当前全局最优路径的第i路点的目标函数；具体表达式为：
26、fgi＝a1fgli+a2fgti+a3fghi+a4fgsi+a5fgci(i＝1,2,···,n)
27、其中fgli为当前全局最佳路径上第i个航路点的航路长度代价，fgti为包含当前全局最佳路径上第i个航路点的雷达威胁代价，fghi为包含当前全局最佳路径上第i个航路点的高度代价，fgsi为包含当前全局最佳路径上第i个航路点的平滑代价，fci为包含当前全局最佳路径上第i个航路点的无人机碰撞代价，a1-a5为对应的权值系数；
28、通过获取概率p来确定全局最优路径的瓶颈路点，并通过瓶颈路点检测每个路点的检测函数值；具体表达式为：
29、
30、优选的，在随机采样的路径中加入扰动，通过当前路径的扰动算子得到候选路径，包括如下步骤：
31、获取当前迭代次数g和固定迭代次数g1；
32、当g<g1时，采用基于蒙特卡罗的方法获得一个同源靶向向量；当g>g1时，通过当前路径的扰动算子得到候选路径，其表达式为：
33、
34、其中，r1为(0,1)的随机数，为新的目标向量，velmax.r、velmax.θ和velmax.z为速度的下界和上界，(ri,θi,zi)为当前航路点。
35、优选的，所述在修改瓶颈路径点后的全局最优路径中保留其他路径点来获取新的全局最优路径时，还包括如下步骤：
36、将新路径的适应度值与原全局最优路径在基因靶向gt操作之前的适应度值进行比较，如果新生成路径的适应度值优于原全局最优路径在基因靶向gt操作之前的适应度值，则该适应度值较小的新生成路径将取代原全局最优路径作为新的全局最优路径。
37、本专利技术提供一种多无人机协同路径规划系统，包括：
38、数据获取模块，用于获取由圆柱坐标表示的多无人机飞行轨迹，并通过所述多无人机飞行轨迹获得全局最优路径；
39、检测模块，用于利用全局最优路径中每个路径点目标函数的增量获取检测函数，并通过检测函数中每个路径点概率获取全局最优路径的瓶颈路径点；
【技术保护点】
1.一种多无人机协同路径规划方法，其特征在于，包括：
2.如权利要求1所述的一种多无人机协同路径规划方法，其特征在于，所述获取由圆柱坐标表示的无人机飞行轨迹，包括如下步骤：
3.如权利要求2所述的一种多无人机协同路径规划方法，其特征在于，所述获取由圆柱坐标表示的无人机飞行轨迹后，还包括如下步骤：
4.如权利要求1所述的一种多无人机协同路径规划方法，其特征在于，所述利用全局最优路径中每个路径点目标函数的增量获取检测函数，包括如下步骤：
5.如权利要求4所述的一种多无人机协同路径规划方法，其特征在于，所述通过检测函数中每个路径点概率获取全局最优路径的瓶颈路径点，包括如下步骤：
6.如权利要求1所述的一种多无人机协同路径规划方法，其特征在于，所述在随机采样的路径中加入扰动，通过当前路径的扰动算子得到候选路径，包括如下步骤：
7.如权利要求1所述的一种多无人机协同路径规划方法，其特征在于，所述在修改瓶颈路径点后的全局最优路径中保留其他路径点来获取新的全局最优路径时，还包括如下步骤：
8.一种多无人机协同路
9.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有程序，所述程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述一种多无人机协同路径规划方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的一种多无人机协同路径规划方法的步骤。
...【技术特征摘要】
1.一种多无人机协同路径规划方法，其特征在于，包括：
2.如权利要求1所述的一种多无人机协同路径规划方法，其特征在于，所述获取由圆柱坐标表示的无人机飞行轨迹，包括如下步骤：
3.如权利要求2所述的一种多无人机协同路径规划方法，其特征在于，所述获取由圆柱坐标表示的无人机飞行轨迹后，还包括如下步骤：
4.如权利要求1所述的一种多无人机协同路径规划方法，其特征在于，所述利用全局最优路径中每个路径点目标函数的增量获取检测函数，包括如下步骤：
5.如权利要求4所述的一种多无人机协同路径规划方法，其特征在于，所述通过检测函数中每个路径点概率获取全局最优路径的瓶颈路径点，包括如下步骤：
6.如权利要求1所述的一种多无人机协同路径规划方法，其...
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。