[发明专利]一种无人机路径规划方法及系统

权利要求书

1.一种无人机路径规划方法，其特征在于，所述方法包括：

根据无人机的起始位置与目标位置获得目标适应度函数；

采用改进仿花授粉算法对所述目标适应度函数进行预定迭代次数的迭代优化求解；

计算迭代优化求解过程中所述改进仿花授粉算法的每个个体适应度的连续未改变次数；

将所述连续未改变次数与预设阈值比较，若所述连续未改变次数达到所述预设阈值，则采用全局邻域学习算法对该个体进行更新后再继续执行迭代优化求解直至迭代完成，否则继续执行所述迭代优化求解直至迭代完成；

迭代完成后，将所述改进仿花授粉算法得到的最优个体输出为无人机的最优路径。

2.根据权利要求1所述的一种无人机路径规划方法，其特征在于，所述根据无人机的起始位置与目标位置获得目标适应度函数具体包括：

设定无人机飞行的起始位置与目标位置，并结合障碍物与油耗得到目标适应度函数：其中，目标J表示综合代价，α表示权重系数，length表示从起始点到目标点的直线距离，w_t和w_f分别表示在随着当前路径l变化产生的障碍物威胁代价和油耗威胁代价。

3.根据权利要求1所述的一种无人机路径规划方法，其特征在于，在所述根据无人机的起始位置与目标位置获得目标适应度函数之前，还包括将无人机路径规划问题进行转化：

将所述起始位置与所述目标位置的连线作为无人机飞行的直线距离；

利用K+1条垂线将所述直线距离K等分，按照从起始位置至目标位置的顺序依次选取每条垂线上的一可通行点，组成若干长度为K+1的点序列，所述点序列即为无人机路径，将所述无人机路径作为仿花授粉算法的种群个体；K为正整数。

4.根据权利要求1所述的一种无人机路径规划方法，其特征在于，所述采用改进仿花授粉算法对所述目标适应度函数进行预定次数的迭代优化求解，包括：

以无人机路径为个体，随机生成若干个无人机路径作为初始种群；

初始化迭代次数t＝0；

搜索当前种群中具有最佳适应度的个体作为最优个体；

对当前种群进行更新，令迭代次数加1后作为新的迭代次数，并判断所述新的迭代次数是否小于预设迭代次数；

当所述新的迭代次数小于预设迭代次数时，返回所述“搜索当前种群中具有最佳适应度的个体作为最优个体”步骤；否则将当前次迭代的最优个体作为迭代结果输出。

5.根据权利要求4所述的一种无人机路径规划方法，其特征在于，所述对当前种群进行更新包括：

在0-1之间选择一个实数作为概率参数；

在0-1之间随机生成一个随机数作为更新选择参数，将所述更新选择参数与所述概率参数的大小进行比较；

当所述更新选择参数小于所述概率参数时，选择全局更新方式对当前种群进行更新；

当所述更新选择参数不小于所述概率参数时，选择局部更新方式对当前种群进行更新。

6.根据权利要求5所述的一种无人机路径规划方法，其特征在于，

所述全局更新方式为根据公式进行更新；

所述局部更新方式为根据公式进行更新；

其中，表示第t+1次迭代过程中的第i个个体，表示第t次迭代过程中的第i个个体，pb_rn表示个体邻域内历史最佳个体，r和ε表示0-1之间的随机数，和表示第t次迭代过程中与不同的随机两个个体。

7.根据权利要求1所述的一种无人机路径规划方法，其特征在于，所述计算迭代优化求解过程中所述改进仿花授粉算法的每个个体适应度的连续未改变次数包括：

对每个个体对应设置一连续未改变次数，并在迭代开始前初始化所述连续未改变次数为0；

判断改进仿花授粉算法的迭代次数是否小于1；

当所述迭代次数小于1时，记录当前该个体的适应度；

当所述迭代次数不小于1时，判断当前次迭代的该个体的适应度与上一次迭代的该个体适应度是否一致，若一致，则令所述连续未改变次数累加1，若不一致，则令所述连续未改变次数为0。