[发明专利]一种基于改进A*-CCNN算法的无人艇路径规划方法

权利要求书

1.一种基于改进A*-CCNN算法的无人艇路径规划方法，其特征在于，包括以下步骤：

步骤一：初始化环境地图，对所述环境地图进行信息栅格化，设置单元栅格为无人艇的扫描宽度，对各神经元赋予初始属性，所述神经元的初始属性包括障碍物、起点及未覆盖；

步骤二：进行参数初始化，为全覆盖神经网络算法神经元活性值的计算做准备，设置参数a、b、c、D₁、D₂、D₃值，并设定覆盖路径的趋势方向；所述参数为a、b、c、D₁、D₂、D₃，其中，a为神经元活性值上限，c为趋势转角系数，b为转角占比系数，D₁为空白区域修正系数，D₂为路径修正系数，D₃为障碍修正系数；

步骤三：进入算法寻路循环，判断区域内神经元是否被全面覆盖；

步骤四：若所有神经元都已覆盖则算法完成跳出循环，若进入死区则进行死区逃离；若不是死区则选择活性值最大的点；

步骤五：跳出循环后对规划质量进行评估，计算区域覆盖的重复率、总路径长度、累计转角数据。

2.根据权利要求1所述的一种基于改进A*-CCNN算法的无人艇路径规划方法，其特征在于：所述步骤二中，全覆盖神经网络算法神经元活性值计算公式如下：

其中，x_i表示第i个神经元的活性值，I_i表示第i个神经元的属性；

其中,a为神经元活性值上限；为环境地形修正项，k是第i个神经元相邻近的神经元个数，d_ij表示第i个神经元和第j个神经元的欧几里得距离，ω_j为环境地形修正值，定义为：

其中，D₁为空白区域修正系数，D₂为路径修正系数，D₃为障碍修正系数。

3.根据权利要求1所述的一种基于改进A*-CCNN算法的无人艇路径规划方法，其特征在于：所述步骤三的具体判断步骤为：判断区域内是否还存在未遍历神经元，存在则进一步进行死区判断，未进入死区则遍历当前节点周边神经元并计算活性值，选取活性值最大的神经元作为下一节点，如果路径前方存在已覆盖神经元，则使用视线法进行判断，如果在扫描区域内存在空白神经元，则将空白神经元作为下一节点，否则保持不变。

4.根据权利要求1所述的一种基于改进A*-CCNN算法的无人艇路径规划方法，其特征在于：所述步骤三的具体判断方法为在BINN算法决策公式中引入覆盖趋势项优化决策公式。

5.根据权利要求4所述的一种基于改进A*-CCNN算法的无人艇路径规划方法，其特征在于：所述覆盖趋势项优化决策公式如下：

当前节点为p_c(x_pc,y_pc)，父节点为p_p(x_pp,y_pp)，拓展节点为p_n(x_pn,y_pn)，为覆盖路径趋势方向；c为趋势转角系数，b为转角占比系数，b∈(0.1；Δθ₁表示当前方向与上一步方向的相对夹角，Δθ₁∈[0,π]，Δθ₂表示当前方向与趋势方向的相对夹角，Δθ₂∈[0,π/2。

6.根据权利要求1所述的一种基于改进A*-CCNN算法的无人艇路径规划方法，其特征在于：所述步骤四中，使用改进后的A*算法进行死区逃离。