[发明专利]基于改进流体扰动和麻雀算法的无人机最优路径搜索方法

说明书

本发明涉及一种基于改进流体扰动和麻雀算法的无人机最优路径搜索方法，首先，改进流体扰动算法利用不同障碍物反应系数生成多条规划路线；然后，利用麻雀搜索算法通过计算适应度寻找最优障碍物的反应系数；最后，改进流体扰动算法利用当前最优的障碍物反应系数，生成一条最优搜索路径。与传统的流体扰动算法相比，本发明克服了局部极值点的问题，准确性更高，并且利用麻雀搜索算法自动寻找最优障碍物反应系数；与其他类型的无人机最优路径搜索方法，本发明在保证准确率的情况下，提高了搜索速度，因此在应对紧急交通路口的事故时可以进行快速响应；在保证无人机避障安全快速飞行的前提下，规划最优轨迹的准确率和轨迹的平滑度也能得到保证。

技术领域

本发明属于无人机技术领域，涉及一种基于改进流体扰动和麻雀算法的无人机最优路径搜索方法。

背景技术

无人机(Unmanned Aerial Vehicle，简称UAV)，指的是一种由动力驱动的无限遥控或自主飞行且无人驾驶并课重复使用的飞行器，近年来，由于小型民用无人机的便携性、机动性、可垂直起降、自动控制飞行等特点，在军用和民用领域都得到了很快的发展。在军事领域，多旋翼无人机可作为侦察机，获取地面情报，支援地面人员作战，还可以成集群的进行轰炸作战。在民用领域，最多的作用就是航拍、地面测绘、人员搜救、电力巡检、交通巡检、气象监测、危险地区巡查等。近年来，因为无人机的技术愈加成熟，且控制方式也愈加便捷，成本越来越低，很多行业在用无人机来代替传统的人工操作的地方越来越多，然而在无人机的控制中研究怎么控制无人机合理且高效的躲避障碍物也是其中的基本技术和关键技术。

人工势场法路径规划是由Khatib提出的一种虚拟力法。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用这种算法，具有局部快速搜索能力，求解速度较快，但主要存在以下缺点，当物体离目标点比较远时，引力将变的特别大，相对较小的斥力在甚至可以忽略的情况下，物体路径上可能会碰到障碍物；当目标点附近有障碍物时，斥力将非常大，引力相对较小，物体很难到达目标点；在某个点，引力和斥力刚好大小相等，方向想反，则物体容易陷入局部最优解或震荡。

流体扰动算法也是一种基于场概念的算法，与人工势场法(APF)不同的是它不是模拟磁场中的引力和斥力，而是模拟水流时产生的流场，这个流场主要包括在水流起点处的初始流场和流经障碍物附近时障碍物产生的扰动流场组成，合成后的流场可以使得水流避过障碍物流向终点。通过数学理论上的假设和证明，流体扰动算法规划路径同时具有以下三个特性：规划的路线可以安全的避开障碍物、规划的路径最终可以到达终点、规划的路径可以有效的跟踪障碍物的形状。流体扰动算法在标准障碍物模型的建立、初始流场的设定、障碍物扰动矩阵的定义和参数的选择、重叠障碍物如何克服局部震荡和局部最小值的问题还有很大的改进空间。

现有技术中常见的解决局部最小值的方法：

1、以多组不同参数值初始化多个神经网络，按标准方法训练后，取其中误差最小的解作为最终参数，这相当于从多个不同的初始化点开始搜索，从而可能寻找全局最优。需要大量的数据用于模型的训练，同时训练出来的模型的适用性不强。

2、使用模拟退火技术，模拟退火在每一步都以一定的概率接受比当前解更差的结果，从而有助于“跳出”局部极小。在每步迭代过程中，接受“次优解”的概率随着时间的推移而逐渐降低，从而保证算法的稳定，但是其最优解常常受迭代次数k的影响，若k值越大，则搜索时间越长，获得的最优解更可靠，k值过小，有可能直接跳过最优解。

3、使用随机梯度下降，与标准的梯度下降法精确计算梯度不同，随机梯度下降法在计算梯度时加入了随机的因素。于是，即便陷入局部极小点，它计算出的梯度时加入了随机因素，于是，即便陷入局部极小点，它计算出的梯度可能不为0，这样就有机会跳出局部极小继续搜索。选择合适的学习率比较困难，若设置过大，学习曲线将会剧烈震荡，代价函数值通常会明显增加；太小则学习过程会很缓慢，如果初始学习率太低，那么学习可能会卡在一个相当高的代价值。