一种基于混合粒子群算法的无人船路径优化方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113917929A(43)申请公布日2022.01.11(21)申请号202111331127.8(22)申请日2021.11.11(71)申请人中国船舶重工集团公司第七一九研究所地址430205湖北省武汉市江夏区藏龙岛开发区杨桥湖大道19号(72)发明人罗南杭赵昆明丁玮胡芳禹颜子杰(74)专利代理机构武汉领君知识产权代理事务所(普通合伙)42248代理人汪俊锋(51)Int.Cl.G05D1/02(2020.01)权利要求书3页说明书9页附图3页(54)发明名称一种基于混合粒子群算法的无人船路径优化方法和系统(57)摘要本发明实施例提供一种基于混合粒子群算法的无人船路径优化方法和系统，以无人船当前规划路径中各路径点为基础，同时考虑多点约束和规避障碍物等自然条件约束，重新进行路径点划分，综合考虑路径长度、路径平滑度和路径安全性，实现路径长度、路径平滑度和路径安全性的多目标优化，从而规划出一条符合无人船航行实际的全局路径。CN113917929ACN113917929A权利要求书1/3页1.一种基于混合粒子群算法的无人船路径优化方法，其特征在于，包括：步骤S1、基于无人船当前规划路径重新选择若干新路径点，其中所述当前规划路径包括若干段依次连接的路径段，每个所述新路径点均位于一个路径段上；步骤S2、以所有路径段中各所述新路径点依次相连后形成路径长度最小为第一目标函数，以各新路径点处的平滑度平均值最小为第二目标函数，以各新路径点距离障碍物的距离平均值最小为第三目标函数，构建适应度函数；步骤S3、以所述适应度函数确定混合粒子算法中各粒子的适应值，并基于模拟退火算法对各粒子的适应值进行迭代更新，保存各粒子最优值和粒子群最优值，确定所述适应度函数最小时每个所述链接线上的新路径点坐标。2.根据权利要求1所述的基于混合粒子群算法的无人船路径优化方法，其特征在于，所述步骤S1具体包括：基于Dijkstra算法在链接图上搜索出的最优路径的路径点依次为P0,P1,P2,…,Pn,Pn+1.；其中，P0为起始点，Pn+1.为目标点；路径点的链接线依次为Li(i＝1，2，…，n)；确定链接线Li所有点的表达式：(0)(1)(0)Pi(hi)＝Pi+(Pi‑Pi)×hi上式中，hi为比例系数，hi∈[0,1]；d为链接线条数；和分别为链接线Li的两个端点。3.根据权利要求2所述的基于混合粒子群算法的无人船路径优化方法，其特征在于，所述步骤S2中，连接所有相邻链接线上新路径点后形成的路径长度为：上式中，di表示链接线Li上的新路径点Pi与链接线Li+1上的新路径点Pi+1之间的路径段长度；(xi,yi)为新路径点Pi的坐标。4.根据权利要求3所述的基于混合粒子群算法的无人船路径优化方法，其特征在于，所述步骤S2中，每个新路径点处的拐角为：上式中，表示从新路径点Pi‑1到新路径点Pi的向量，│Pi‑1Pi│表示向量的长度；所述步骤S3中，基于各新路径点处的拐角平均值确定路径平滑度为：上式中，k为惩罚系数，k取αi中大于或等于π/2的个数。5.根据权利要求4所述的基于混合粒子群算法的无人船路径优化方法，其特征在于，所述步骤S2中，新路径点与障碍物的最短距离为：2CN113917929A权利要求书2/3页(0)(1)di＝min{PiPi,PiPi}和分别为新路径点Pi所在链接线的两个端点；所述步骤S3中，障碍物的距离平均值为：所述步骤S3中，所述路径安全性系数为：上式中，λ为权重调整系数，k为与障碍物最短距离为0的新路径点的个数。6.根据权利要求5所述的基于混合粒子群算法的无人船路径优化方法，其特征在于，所述步骤S3中，所述适应度函数为：FitV＝ω1*f1+ω2*f2+ω3*f3上式中，f1为所有相邻链接线上新路径点后形成的路径长度；f2为路径平滑度；f3为路径安全性系数；ω1、ω2、ω3分别为权重系数，ω1+ω2+ω3＝1。7.根据权利要求6所述的基于混合粒子群算法的无人船路径优化方法，其特征在于，所述步骤S3具体包括：步骤S31、初始化混合粒子群算法中的参数，并随机设置各个粒子的速度和位置；步骤S32、评价没个粒子的适应度，将粒子的位置和适应值保存在粒子的各自极值pbest中，并将所有pbest中的最优适应值的个体位置和适应值保存到全局极值gbest中；步骤S33、确定初始温度t0；步骤S34、根据所述适应度函数确定当前温度下粒子pi的适应值；步骤S35、基于轮盘赌法从所有pi中确定全局最优值pg的替代者p’g；步骤S36、更新各粒子的速度和位置；步骤S37、计算各粒子的适应值，并更新pbest和gbest，并进行退温操作；步骤S38、若判断达到预设停止条件，则停止搜索并输出