[发明专利]一种基于异质化鸽群优化算法的多无人机路径规划方法

说明书

本发明公开了一种基于异质化鸽群优化算法的多无人机路径规划方法，属于无人机路径规划技术领域，具体步骤为：首先，对无人机的飞行环境进行建模，构建无人机的一条完整飞行路径L；在建模基础上，计算该完整飞行路径L达到最优时的总体损失函数H，并给出达到最优需满足的约束条件；然后，同时执行两个鸽群算法，同步优化约束条件中的坐标和拉格朗日参数；最后，遍历优化后的位置矩阵，将全部的坐标信息构成一组点列，即为规划后的飞行路径L。本发明有效提升获取性能函数全局最优值的精度，大幅减少计算时间，从而提升无人机路径规划问题的准确性和实时性表现。

技术领域

本发明属于无人机路径规划技术领域，具体涉及一种基于异质化鸽群优化算法的多无人机路径规划方法。

背景技术

随着我国无人机技术的快速发展和适用领域的不断拓展，各类无人机不单单只用于航拍和娱乐性，而开始转向物流运输、农林、安防和电力等重要领域，无人机产品的整体研发、生产能力已经成为衡量我国科技创新和高端制造业水平的重要标志。随着无人机整体研发成本的不断降低，其应用领域不断延展，无人机领域具有旺盛的市场需求和广阔的发展前景，在国民经济建设中的作用日益突出，在不远的未来将会成为支持中国经济发展的重要产业。

但目前，无人机飞行时对其他飞行物和地面人员可能构成安全隐患，可能会带来间谍行为、交通事故、飞入政府禁区、偷拍、偷运毒品、抢占航线等严重的安全问题，这已经引起政府部门与社会各界的强烈关注。上述问题说明民用无人机的飞行运营、适航管理、安全管理等管理规划方面还没有建立较为完善的标准规范和法规体系，而解决上述问题的关键技术难点就是无人机的路径规划问题。

一般的包括无人机在内的连续域范围内的路径规划问题，其一般步骤主要包括环境建模、路径搜索、路径平滑三个环节，其中路径搜索阶段是在环境模型的基础上应用相应算法寻找一条行走路径，使预定的性能函数获得最优值。

现已证明各类智能优化算法是解决这一问题的有力工具，其中尤其是粒子群优化算法(PSO)、模拟退火算法(SA)等优秀算法已得到了广泛应用，但上述算法在应用于无人机路径规划这一特定领域时，暴露出了自身计算精度仍然不足、计算速度过慢等缺陷，这与要求准确性和实时性的无人机路径规划领域是相违背的。

发明内容

本发明的目的在于提供一种基于异质化鸽群优化算法的多无人机路径规划方法，用于解决无人机路径规划问题，有效提升获取性能函数全局最优值的精度，同时大幅减少计算时间，提升算法整体性能，从而改善其他现有智能优化算法在这两方面上表现的不足。

具体包括如下步骤：

步骤一、对无人机的飞行环境进行建模，构建无人机的一条完整飞行路径L；

具体为：建立一个无人机飞行的环境模型，设环境模型中起点为S和终点为T，在S和T之间连线做N个平行等间距平面，在每个平面上分别随机各取一点L₁,L₂,...,L_N作为路径上的一个中间节点，于是无人机的完整飞行路径L表达式为：

L＝{S,L₁(x,y,z),L₂(x,y,z),...L_N(x,y,z),T}

步骤二、在建模基础上，计算该完整飞行路径L达到最优时的总体损失函数H，并给出达到最优需满足的约束条件；

具体如下：

步骤2.1、计算规划路径时的全程消耗燃料的速率函数J_f以及安全影响的函数J_t：

ω_f表示无人机在当前路径L上燃料消耗的速率；ω_t表示无人机当前路径L上安全影响的程度；ω_t定义为：