基于动态自适应差分蝙蝠算法的无人机三维路径规划方法

本发明涉及无人机路径规划技术，特别是一种无人机三维路径规划方法。

背景技术：

1、无人机(unmanned aerial vehicles，uavs)，也称为无人驾驶飞机，是通过无线电遥控设备和自备的程序控制装置进行操作，或由机载计算机完全或间歇地自主操作的飞行器。在过去的二十年中，无人机在军事和民用领域都做出了重大贡献，成为了广泛应用的流行工具。无人机路径规划作为当前无人机技术的关键技术之一，具有重大的研究价值c和意义，是解决无人机在复杂地理环境中执行飞行任务的热点研究领域。

2、无人驾驶飞行器(uavs)的路径规划研究最初是为解决二维平面上的最短路径问题而开展的，该领域的研究已有几十年的历史。在国际上，美国的研究者在上世纪五十年代末就已经开始探讨路径规划问题。路径规划问题逐渐成为全球研究的重点之一。

3、目前的无人机路径规划存在以下问题：1、现有技术普遍适用于二维平面的路径规划，处理复杂三维路径规划时计算复杂度高且容易陷入局部最优解，影响路径规划质量。2、现有技术普遍研究群智能算法自身的改进方法，而不考虑路径规划任务中含有的障碍物地图空间对于智能群体行为的影响，在复杂三维环境下优化算法搜索效果不佳，导致路径规划不理想。为了提升路径规划质量，需要开发一种路径规划方法克服上述问题。

技术实现思路

1、针对上述缺陷，本发明的目的在于提出一种无人机三维路径规划方法，该方法在三维路径规划中能提升无人机的全局寻优能力，并且让无人机具备三维环下感知和避开障碍物的能力。

2、为达此目的，本发明采用以下技术方案：

3、基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，包括如下步骤：

4、a、环境建模，对于单一无人机个体，将其任务空间中的三维地理环境进行设定，构建三维地理环境中的多座山峰的函数公式；

5、b、路径规划效果评价，对路径长度、避障、飞行高度、路径平滑和航迹点均匀设计对应的代价函数，并基于上述函数提出总代价函数；

6、c、动态自适应差分蝙蝠算法，该算法在基于蝙蝠算法引入了差分变异算子和入人工势场，还对蝙蝠算法引入了基于种群适应度历史变化趋势的自适应参数调节机制。

7、较佳地，还包括步骤d，步骤d为实测步骤，在预设的三维空间内对无人机使用上述方法进行实际飞行测试。

8、较佳地，所述步骤a中：

9、对于单一无人机个体，其任务空间为一定海拔高度上具有多座山蜂的三维地理环境，每座山峰的函数公式如下：

10、zpeak(x，y)＝h·eλ(-((x-xc)λ2+(y-yc)λ2)/(2·wλ2))  式(1)

11、其中，h是山峰的高度，xc、yc是山峰的中心坐标，w是山峰的宽度；

12、在此基础上，将上述山峰与数字高程模型结合，构成仿真地图环境。

13、较佳地，所述步骤b中：

14、五个代价函数路径长度代价j1(xi)、避障代价j2(xi)、飞行高度代价j3(xi)、路径平滑代价j4(xi)、航迹点均匀代价j5(xi)的设计；

15、式(2)中，路径长度越短，路径规划效果越好，对于每个搜索节点即航迹点含有对应的三维坐标pij＝(xij,yij,zij)，通过计算从起点到终点通过所有航迹点的总距离得到路径代价：

16、

17、其中，是两个搜索节点之间的欧式距离；

18、式(3)中，设k是所有威胁的集合，在无人机的飞行路径中，任意两个连续航迹点pij和pi,j+1之间的路径段可以表示为向量无人机与每个山峰障碍物中心ck之间的最近距离dk表示，该距离用来判断无人机是否有碰撞风险；

19、碰撞的判断标准取决于与山峰半径rk、无人机半径d、危险距离s三者距离；

20、如果无人机路径与山峰的距离小于这三者的总和dk＜s+d+rk，则认为路径存在碰撞风险，避障代价定义如下：

21、

22、式(4)中，假设无人机在执行飞行任务时需要保持最高高度hmax与最低高度hmin之间飞行，飞行高度代价定义如下：

23、

24、其中，hij表示无人机在第i个航迹点到第j个航迹点间的相对地面高度；

25、式(5)、式(6)和式(7)中，在无人机的飞行过程中，俯仰ψ和偏航φ动作是控制飞行方向和姿态的关键，为了确保飞行的稳定性和舒适性，对飞行路径中连续航迹点之间的俯仰角和偏航角进行平滑处理是必不可少的，偏航角φij、俯仰角ψij和路径平滑代价j4(xi)定义如下：

26、

27、其中，a1是偏航角平滑参数，a2是俯仰角平滑参数；

28、式(8)、式(9)，假设无人机需要对任务空间进行充分搜索，需要航迹点均匀分布，航迹点均匀代价定义如下：

29、

30、其中，n是航迹点个数，di是航迹点之间的距离；

31、综上，得到总代价函数：

32、

33、其中，bk是代价的权重，jk是代价，xi是位置信息；

34、进一步地，步骤c中：

35、标准的蝙蝠算法如下：

36、在d维搜索空间中，假设有一个虚拟蝙蝠i的位置为xi，速度为vi,发射频率为fi；在t时刻，定义蝙蝠i的位置为速度为速度和位置更新公式如下:

37、

38、其中，fmax和fmin分别是频率的最小值和最大值，β是属于[0,1]的一个随机数；x*是当前的全局最优解，这是通过比较所有蝙蝠得出的当前最优位置；

39、然后，随机选择一个蝙蝠，并基于该蝙蝠的邻域进行局部搜索：

40、xnew＝xold+∈at  (14)

41、其中，∈是属于[-1,1]的一个随机数，at为t时刻所有蝙蝠响度的平均值；

42、最后，对决定蝙蝠算法搜索性能的重要参数进行更新：

43、

44、其中，α和γ均为常量，控制响度和脉冲率的变化速率，且0＜α＜1,γ＞0；随着迭代次数t趋于无穷大(t→∞)，响度将趋于0，脉冲发射率将趋于

45、步骤c1，为蝙蝠算法引入差分变异算子，增强了蝙蝠算法的全局寻优能力：

46、在差分进化算法中，当种群迭代到第t代时，对每个父代个体xi,t进行变异操作，得到变异个体vi,t+1，变异公式如下：

47、

48、其中，是从当前种群中随机选择的三个互不相同的父代个体，称为基向量，是差分向量，f是变异因子，且f＞0控制差分向量对变异个体的影响程度；

49、对于蝙蝠算法的局部搜索部分，为了增强算法的探索能力并提高种群的多样性，实现了两种不同的更新策略，取决于随机数rand与脉冲发射率r的比较；

50、局部搜索公式如下：

51、

52、其中，rand∈[0,1]是从均匀分布中提取出的随机实数，∈是属于[-1,1]的一个随机数,f是突变权重因子，控制了差分向量的影响程度，而a1、a2、a3是1到种群数np之间互不相同的随机整数；

53、步骤c2，为蝙蝠算法引入人工势场，提高路径规划的可行性和安全性；

54、机器人在某点q处的势函数u(q)可以表示为引力势uatt(q)和斥力势uatt(q)加和，如图7所示，公式如下：

55、u(q)＝uatt(q)+urep(q) (19)

56、

57、其中，ζ为引力增益，d(q)为当前点q到目标点qgoal之间的距离；d(q)是点q与其最近障碍物之间的距离；η是斥力增益，q*为障碍物斥力的作用范围阈值；

58、引力和斥力分别由引力势和斥力势的负梯度表示，q点处引力fatt(q)和斥力frep(q)公式如下：

59、

60、其中，表示斥力的方向向量；

61、当种群迭代到第t代时，对进入障碍物影响范围的搜索节点施加斥力，对其位置进行微调，使整体路径与障碍物保持一个相对安全的距离；

62、人工势场的局部位置更新公式如下：

63、

64、其中，表示进入障碍物阈值范围的搜索节点位置，frep(k)表示对这个节点施加的斥力；

65、步骤c3，基于种群适应度历史变化趋势的自适应参数调节机制；

66、当种群迭代到第t代时，通过计算最近n代的历史最优适应度值的变化趋势作为适应度趋势向量trend，并通过这个趋势向量trend来选择蝙蝠算法响度和脉冲率的更新方式；其中，当这个趋势向量trend<0时,适应度总体呈下降趋势，说明种群正朝着更优解方向进化；反之，则表示种群陷入了局部最优，需要调整响度和脉冲率以进行全局搜索，跳出局部极值；

67、具体更新公式如下：

68、

69、其中，w是选择作为计算历史适应度值的代数，j是适应度值，α和θ均为常量，控制响度和脉冲率的更新速率；

70、c31、当只选择使用动态自适应调节参数改进蝙蝠算法时，按照标准蝙蝠算法更新方式进行更新；

71、c32、当同时使用动态自适应调节参数和差分变异策略改进蝙蝠算法时，按如下公式进行更新：

72、

73、其中以上两点在trend＜0时，响度和脉冲率的更新方式按照标准蝙蝠算法流程进行更新，即新解优于当前个体最优解时更新。

74、进一步地，使用相同的无人机在相同的任务空间，使用不同的路径规划方法进行测试，收集各种方法测试得到的代价数据，将多组代价数据进行比对。

75、上述技术方案中的一个技术方案包括以下有益效果：本发明的动态自适应差分蝙蝠算法通过将差分进化的变异策略融入蝙蝠算法中，以此增强算法的多样性，提升了全局寻优能力，适用于解决多约束的高维优化问题，如三维路径规划；群智能体通过人工势场对障碍物进行感知和避障，能够在复杂三维障碍物环境下避开障碍物并保持安全的距离，提高了路径规划的可行性和安全性；本发明的动态自适应差分蝙蝠算法利用历史适应度对自身响度和脉冲率参数进行自适应调节，增强种群的动态自适应能力，改善优化算法的局部最优困境问题，以寻求更优质的路径。

技术特征：

1.基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，其特征在于，还包括步骤d，步骤d为实测步骤，在预设的三维空间内对无人机使用上述方法进行实际飞行测试。

3.根据权利要求1所述的基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，其特征在于，所述步骤a中：

4.根据权利要求1所述的基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，其特征在于，所述步骤b中：

5.根据权利要求1所述的基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，其特征在于，步骤c中：

6.根据权利要求2所述的基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，其特征在于，使用相同的无人机在相同的任务空间，使用不同的路径规划方法进行测试，收集各种方法测试得到的代价数据，将多组代价数据进行比对。

技术总结
基于动态自适应差分蝙蝠算法的无人机三维路径规划方法，包括如下步骤：A、环境建模，对于单一无人机个体，将其任务空间中的三维地理环境进行设定，构建三维地理环境中的多座山峰的函数公式；B、路径规划效果评价，对路径长度、避障、飞行高度、路径平滑和航迹点均匀设计对应的代价函数，并基于上述函数提出总代价函数；C、动态自适应差分蝙蝠算法，该算法在基于蝙蝠算法引入了差分变异算子和入人工势场，还对蝙蝠算法引入了基于种群适应度历史变化趋势的自适应参数调节机制。本发明的目的在于提出一种无人机三维路径规划方法，该方法在三维路径规划中能提升无人机的全局寻优能力，并且让无人机具备三维环下感知和避开障碍物的能力。

技术研发人员：刘汉杰,蓝雪婧,陈展瑜,岳磊,邹涛
受保护的技术使用者：广州大学
技术研发日：
技术公布日：2024/12/5