[发明专利]一种基于势场蚁群算法的无人机航迹规划方法

说明书

本发明属于无人机技术领域，具体的说是一种基于势场蚁群算法的无人机航迹规划方法。本发明以无人机地面站卫星数字地图作为研究平台，通过静态航迹规划来完成无人机自起点至作业点的安全航线导航工作。本发明将蚁群算法(Ant Colony Optimal)全局搜索能力与人工势场算法(Artificial Potential Field)局部搜索能力优势互补，通过将势场算法概念带入到蚁群算法的选择概率上，提高蚂蚁在搜索时对环境的适应性与实时性，提高蚁群算法局部搜索能力，并以此来对无人机巡航环境进行分析，完成无人机静态航迹规划，在电力无人机自主巡线中将有广泛的应用前景。

技术领域

本发明属于无人机技术领域，具体的说是一种基于势场蚁群算法的无人机航迹规划方法。

背景技术

在蚁群算法航迹规划作业时，由于蚁群算法分布式计算方法启发信息参数的调节不能面面俱到，因此为综合算法整体效率，蚁群算法在复杂环境计算常常需要耗费大量时间，太过强调蚁群算法的全局搜索特性也会令蚁群算法在搜索后期因为ACO算法个体所发现的解完全不一致而导致算法停滞(stagnation)，极大浪费算法搜索始建于效率。

此外，人工势场算法主要通过在无人机巡航环境搭建不同的势力场模型函数来对无人机航迹抉择进行影响，因此，当无人机所受综合力影响使无人机朝障碍物靠近时，无人机在巡径过程中可能会遇到斥力大于引力的情况而导致无人机无法触达最终目标节点，或者巡航过程中某点所受合力为零时，算法导向将会消失，无人机将陷入停滞状态，陷入局部稳定。

发明内容

本发明的目的，就是针对上述问题，提出一种通过提高无人机在静态航迹规划时提高对于卫星数字地图的适应能力及高效计算能力的方法，并以此为基准来提高无人机在自主巡航作业过程中导航航线的安全精度。

为了便于理解，首先对本发明所采用的蚁群算法进行说明：

M.Dorigo等科研学者通过对自然界中的蚂蚁进行模拟，根据蚂蚁巡迹相关特性来定义模拟蚂蚁：

(1)设模拟蚂蚁在历经抉择过程中主要以搜索环境中信息素浓度及启发信息所构成的选择概率函数所决定；

(2)模拟蚂蚁在单次迭代路径搜索过程中，为提高模拟蚁对全局的遍历搜索能力，每轮迭代单个蚂蚁仅能对每个有效节点搜索一次，并通过tabu_k对所遍历城市进行记录。此外，模拟蚁在搜索过程中，会效仿真实蚂蚁在循迹过程中释放信息素。

设M为群落中所包含模拟蚂蚁总量，d_ij表示节点i与j彼此之间的欧式距离。τ_ij(t)为时刻t时，路径i与j之间的信息素浓度。蚁群算法巡径前，首先随机置m到搜索环境中有效的n个节点上，并保证搜索环境信息素处处相等。然后，令τ_ij(0)＝C。在时刻t，节点i处模拟蚂蚁路径抉择概率为：

式(1)中，allowed_k＝{0,1,…,n-1}-tabu_k为蚁群当前可遍历节点集，tabu_k为蚁群不可遍历节点及无效点集。此外，α为信息素启发因子，α的取值与蚁群彼此之间的信息素沟通能力正相关。β为能见度启发因子，β的取值大小与启发信息对路径抉择能力呈正相关，且取值越大，蚁群路径选择概率越近似于贪心规则。启发函数η_ij(t)数学表达如下所示：

式(2)中，d_ij为节点i到节点j之间的欧式距离，而L_jg为下一目标节点j至目标点g之间的综合势力场。为提高蚁群算法局部搜索导向性，于式(2)中引入启发信息系数q，启发信息q的数学模型如(3)与(4)所示。

q＝K·exp(cosθ) (3)