一种基于改进人工蜂群算法的无人机路径规划方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115420294A(43)申请公布日2022.12.02(21)申请号202211155372.2(22)申请日2022.09.21(71)申请人江苏科技大学地址212008江苏省镇江市梦溪路2号(72)发明人王卫东周枫张昭琴姜元昊胡克富(74)专利代理机构南京正联知识产权代理有限公司32243专利代理师蒯建伟(51)Int.Cl.G01C21/20(2006.01)G06N3/00(2006.01)G06Q10/04(2012.01)权利要求书4页说明书10页附图3页(54)发明名称一种基于改进人工蜂群算法的无人机路径规划方法及系统(57)摘要本发明公开了一种基于改进人工蜂群算法的无人机路径规划方法及系统，属于无人机航迹规划技术领域；该方法包括以下步骤：S1：使用获取地图信息模块，获取待预测地区地图信息，建立数学模型；S2：根据无人机飞行环境以及自身条件构建代价函数；S3：根据人工蜂群算法与灰狼算法相结合的无人机路径规划方法规划全局最优路径。本发明通过结合灰狼算法思想，利用改进灰狼算法强大的局部搜索能力以及多维搜索的优势提高了算法收敛速度；引入精英个体概念平衡算法的开发与探索能力，提高了算法的收敛精度；引入基于动态评价策略的改进轮盘赌法，保证了种群多样性，提高了算法的鲁棒性；使用柯西变异策略避免算法陷入局部最优。CN115420294ACN115420294A权利要求书1/4页1.一种基于改进人工蜂群算法的无人机路径规划方法，其特征在于：所述方法包括：S1：使用获取地图信息模块，获取待预测地区地图信息，建立数学模型；S2：根据无人机飞行环境以及自身条件构建代价函数；S3：根据人工蜂群算法与灰狼算法相结合的无人机路径规划方法规划全局最优路径。2.根据权利要求1所述的一种基于改进人工蜂群算法的无人机路径规划方法，其特征在于：所述S1使用获取地图信息模块，获取待预测地区地图信息；所述获取待预测地区地图信息包括获取待预测地区威胁点的位置、个数，并评估其威胁等级；使用不同半径和威胁权重的圆圈描述不同类别的威胁；无人机受威胁坠毁的概率与距离威胁点圆心的距离成正比，如果无人机在威胁区域外，则坠毁概率为0；已知S为起点、T为终点，之间遍布威胁度不等的威胁点，规划出的航迹从S点出发尽量避开威胁区域成功到达D点，且距离要短。3.根据权利要求2所述的一种基于改进人工蜂群算法的无人机路径规划方法，其特征在于：所述S1中建立数学模型通过新坐标系描述无人机航行环境；新坐标系的原点与S点重合，连接S点与T点形成直线ST，ST与Y轴的夹角为θ，新坐标系的X轴与ST重合，过S点构造一条垂直ST的直线作为新坐标系的Y轴，新坐标系记为X′O′Y′；某点在原坐标系的坐标为(x,y)，通过式(1)、(2)完成转化，其在新坐标系下的坐标为(x′,y′)；完成坐标转换后，把线段ST分成D+2等份，过每个分段点作垂线Lk垂直于ST，在每条垂线上任意选取一离散点，将D+2个离散点{S，L1(x(1)，y(1))，L2(x(2)，y(2))，…，LD(x(D)，y(D))，T}按顺序相连构成航迹，将无人机航迹规划问题转换成D+2维函数优化问题。4.根据权利要求1所述的一种基于改进人工蜂群算法的无人机路径规划方法，其特征在于：所述S2中根据无人机飞行环境以及自身条件构建代价函数，将相邻两个航迹点连成的线段等分成若干份，并采用近似的方法，构建适应度函数。5.根据权利要求4所述的一种基于改进人工蜂群算法的无人机路径规划方法，其特征在于：所述将相邻两个航迹点连成的线段等分成若干份，并采用近似的方法，构建适应度函数具有操作步骤如下：S2‑1：将相邻两个航迹点连成的线段等分成10份，取奇数等分点计算该段航迹的威胁代价ωthreat；若该点处于威胁点影响的范围内，则威胁代价ωthreat可由式(3)得到，若该点不在威胁点影响范围内，则ωthreat＝0；式中：lengthi+1为航迹点li到li+1之间的距离；tk为第k个威胁区域对无人机的威胁等级；Nt为任务环境中威胁区域的数量；d0,1,k为第i+1段航迹的1/10点到第k个威胁区域中心2CN115420294A权利要求书2/4页的距离；S2‑2：根据式(4)计算无人机航迹威胁代价函数Jthreat；式中：length为生成航迹的总长度；ωthreat为航迹上的威胁代价；S2‑3：根据式(5)计算无人机航迹油耗代价函数Jfuel；式中：ωfuel为航迹上的油耗代价；S2‑4：根据上式求得的Jthreat与Jfuel，可得目标函数计算公式为：J＝λ·Jthreat+(1‑λ)·Jfuel(6)式中，λ为0到1之间的常数ωfuel＝1；S2‑5：通过目标函数，可以计算得到适应