[发明专利]一种基于改进蝙蝠算法的无人机航路规划方法

说明书

一种基于改进蝙蝠算法的无人机航路规划方法，该方法以传统的蝙蝠算法为基础，引入寻优成功率以改变蝙蝠个体速度更新方式，同时采用混沌方法初始化蝙蝠个体在搜索空间内的分布，并利用人工势场的概念模拟终点的引力场与起始点和障碍物的斥力场，加速蝙蝠个体向最优解运动的速度，最终提出了基于混沌人工势场的改进蝙蝠算法。在无人机航路规划任务中，该方法相比传统蝙蝠算法，航迹长度短36.56％，规划时间短56.05％，避障效果适应度值低49.53％；相比于差分进化蝙蝠算法，航迹长度短27.16％，规划时间短27.30％，避障效果适应度值低42.46％。是一种具有实际应用意义的航路规划算法。

技术领域

本发明属于智能控制技术领域，涉及一种无人机航路规划方法，具体涉及一种基于改进蝙蝠算法的无人机航路规划方法。

背景技术

无人机航路规划一般是指在特定的约束条件下，寻找从起始点至目标点的符合无人机性能指标的可飞航路的过程。对于无人机航路规划问题所采用的算法，直接影响着航路规划的成功率与效率。群智能算法普遍具有收敛速度快、鲁棒性强、具有潜在并行性等优点，被广泛运用在无人机航路规划中。但是，这些群智能算法用于求解航路规划问题时普遍存在着求解精度不够高、规划出轨迹不平滑、易陷入局部最优的缺陷。因此，应选择一种优化性能优秀的智能算法并进行针对性改进，以期使其对无人机航路规划问题有着更好的效果。

群智能算法，被国内外研究者广泛应用于解决无人机航路规划问题，选择其中较典型的算法介绍如下。Shibo Li等首次利用粒子群算法并结合模糊逻辑用于解决二维无人机航路规划问题，并针对粒子群算法中的参数改动后的不同规划效果进行对比分析，但存在着二维实验环境设置过于简单的不足，同时也没有三维仿真实验；Hao Meng等利用遗传算法结合数字高程地图与RBF神经网络用于解决三维无人机航路规划，并给出了严密的数学论证过程，同时也获得了直观的三维航路规划效果，但限于遗传算法本身的局限，三维航路规划的求解收敛速度与航路规划效果还有很大提升空间；Ioannis K.Nikolos等将差分进化算法运用到多无人机协同航路规划问题中，对于无人机编队共同完成任务给出了较好的解决方案，但从实验结果可以看出单纯利用差分进化算法规划出的航路具有Levy飞行轨迹的特点，并不能直接用作无人机飞行航路，此外算法本身求解速度不够快，算法执行稳定性也不够高；GaigeWang等将蝙蝠算法应用于优化无人机航路规划问题中飞行代价函数优化，与其他传统群智能算法的优化效果进行了对比分析，证明了蝙蝠算法在优化飞行代价函数方面具有求解速度快、收敛精度高、算法稳定性好等优势，但缺乏直观的二维与三维航路规划效果的仿真实验；Gai-Ge Wang在随后的研究中将基于差分进化算法的蝙蝠算法运用到无人机航路规划中并给出了二维、三维仿真实验结果，并将结合差分进化算法的蝙蝠算法的航路规划效果与单纯使用蝙蝠算法的航路规划效果进行了对比论证，证实了所提出算法的优越性，但是实验环境设置存在着过于简单的缺陷，不利于检测算法真正的寻优避障性能，此外规划出的航路也存在着Levy飞行轨迹的特点，没有进行航路平滑处理。

发明内容

针对上述现有技术上的不足，本发明提出了一种基于改进蝙蝠算法的无人机航路规划方法，算法流程图如图1所示。该航路规划方法的执行过程分为改进蝙蝠算法进行航路规划，人工势场方法加速迭代过程，混沌策略Logistic函数均匀化种群分布，航路规划约束条件和目标函数确立，航路轨迹平滑等五个主要步骤。下面做详细的阐述。

一.改进蝙蝠算法

蝙蝠算法是Yang.X.S于2010年发表的一种新兴元启发式智能算法，蝙蝠算法的灵感来源是自然界中的蝙蝠通过回声定位捕捉猎物、躲避障碍物与天敌的行为；蝙蝠算法遵循以下三个规则：

1.搜索空间内的每一只蝙蝠个体只依赖超声波回音来进行定位，不参杂视觉等其他感官因素；此外蝙蝠能根据回声差异判断食物、猎物和障碍物之间的差别。