【技术实现步骤摘要】
本专利技术属于空间数据处理
，特别涉及飞行器的路径优化，该方法可用于开展智能导航，无人驾驶等领域的路径规划。
技术介绍
飞行器是依靠地形信息和敌情信息来进行路径规划，即在一定约束条件下，飞行器从起始点到终止点，搜寻能优先满足特定目的最优的飞行路径，其中飞行路径用一系列航迹点表示。路径规划在寻找最优路径的过程中要平衡路径长度以及对飞行器的威胁值，所以路径规划在人工智能，统筹规划，机器学习和空间数据库技术中起着很重要的作用。 随着军事技术、实际战争需求的不断发展，飞行器的路径规划建模从简单单一的系统发展到复杂多变的系统。飞行器的路径规划问题呈现出实时性、多维性、不确定和非线性等复杂特征。建立在传统系统下的模型，仍习惯于从障碍物地形信息已知且不会改变的角度出发，以静态、理想化为主的方式来研究飞行器路径规划的建模问题，忽视了从实际的角度来看待整个飞行过程。目前大多数路径规划方法对于复杂的贴近真实环境的障碍物地形场景效果较差。这是因为传统算法采用的是简单的静态的规划方法，即在实际飞行器在飞行之前根据障碍物地形场景来进行路径规划，在飞行过程中路径不可改变以及障碍物符合特定规律...
【技术保护点】
一种基于概率A星与智能体混合的飞行器最优路径确定方法，包括如下步骤：1)生成障碍物地形地图：设pi，qi为飞行器需绕过的每一个障碍物的起点和终点的坐标，分别对pi点和qi点做垂直于X轴和Y轴的直线，四条直线围成一个矩形，表示障碍物区域Ti，其中i为障碍物区域个数；2)在步骤(1)得到的障碍物地形地图中设置飞行器的起始点SP和终止点EP；3)根据飞行器的起始点SP和终止点EP的位置，用概率A星算法对飞行器进行全局路径规划；4)用智能体算法对步骤(3)所规划出的路径进行局部优化：4a)初始化飞行器行为决策权重：将飞行器向父节点Dj飞行的行为决策权重记作R1；将飞行器向右方飞行的...
【技术特征摘要】
1.一种基于概率A星与智能体混合的飞行器最优路径确定方法，包括如下步骤 1)生成障碍物地形地图 设Pi, Qi为飞行器需绕过的每一个障碍物的起点和终点的坐标，分别对Pi点和Qi点做垂直于X轴和Y轴的直线，四条直线围成一个矩形，表示 障碍物区域Ti，其中i为障碍物区域个数； 2)在步骤(I)得到的障碍物地形地图中设置飞行器的起始点SP和终止点EP； 3)根据飞行器的起始点SP和终止点EP的位置，用概率A星算法对飞行器进行全局路径规划； 4)用智能体算法对步骤(3)所规划出的路径进行局部优化 4a)初始化飞行器行为决策权重 将飞行器向父节点Dj飞行的行为决策权重记作Rl ;将飞行器向右方飞行的行为决策权重记作R2 ;将飞行器向左方飞行的行为决策权重记作R3 ;将飞行器保持当前航向飞行的行为决策权重记作R4，并设定飞行器在SP点未开始飞行时的初值为R1=0. 5，R2=0. 4，R3=0. 4，R4=0. 3 ； 4b)飞行器根据周围环境的变化进行相应的处理 若飞行器的前方和左右两侧均无障碍物，则比较Rl、R2和R3数值的大小，飞行器按照其中最大值所对应的方向飞行； 若飞行器前方和右侧无障碍物，左侧有障碍物，则比较Rl和R2数值的大小，飞行器按照其中最大值所对应的方向飞行； 若飞行器前方和左侧无障碍物，右侧有障碍物，则比较Rl和R3数值的大小，飞行器按照其中最大值所对应的方向飞行； 若飞行器前方无障碍物，两侧均有障碍物，则飞行器按照R4所对应的方向飞行； 若飞行器前方有障碍物，两侧均无障碍物，则比较R2和R3数值的大小，飞行器按照其中最大值所对应的方向飞行； 若飞行器前方和左侧有障碍物，则飞行器按照R2所对应的方向飞行； 若飞行器前方和右侧有障碍物，则飞行器按照R3所对应的行为飞行； 4c)修改飞行器行为决策权重 将飞行器在步骤(4b)中选择的方向所对应的行为决策权重值加O. 03，其他行为决策权重值减O. 01，其中设定行为决策权重值的上限为O. 7，下限为O. 2 ; 4d)判断飞行器与终止点EP的距离是否小于2，若距离小于2，则停止局部路径优化，将智能体局部优化过的路径作为飞行器的最优路径；否则返回步骤(4b)和(4c)继续进行局部路径优化。2.根据权利要求I所述的方法，其中步骤(3)所述的根据飞行器的起始点SP和终止点EP的位置，用概率A星算法对飞行器进行全局路径规划，按如下步骤进行 3a)将障碍物地形地图划分为网格地图 3al)生成含有100X100个小网格...
【专利技术属性】
技术研发人员：于昕，花德隆，焦李成，吴建设，尚荣华，李阳阳，朱振强，
申请(专利权)人：西安电子科技大学，
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。