[发明专利]基于路径搜索及智能优化的航路规划方法、设备及介质

权利要求书

1.一种基于路径搜索及智能优化的航路规划方法，其特征在于，所述基于路径搜索及智能优化的航路规划方法包括：

利用A*算法结合随机搜索策略进行基础航路初始化，采用改进的粒子群算法迭代进行航路优化，利用航路点精简策略进行航路点精简，输出路径规划结果。

2.如权利要求1所述基于路径搜索及智能优化的航路规划方法，其特征在于，所述航路点精简包括：对部分冗余航路点进行精简，删除部分必要性不大的航路点；

所述部分必要性不大的航路点包括：转弯较小且删除后不影响飞行性能的航路点。

3.如权利要求1所述基于路径搜索及智能优化的航路规划方法，其特征在于，所述基于路径搜索及智能优化的航路规划方法包括以下步骤：

步骤一，构建二维地图模型，利用A*算法结合随机搜索策略进行航路的初始搜索，生成基础的可行航路；

步骤二，采用改进的粒子群算法迭代进行航路优化；

步骤三，以改进的粒子群算法的输出适应度最优的粒子作为输入，保留起始点和目标点，进行航路点的精简，输出最优路径。

4.如权利要求3所述基于路径搜索及智能优化的航路规划方法，其特征在于，所述构建二维地图模型，利用A*算法结合随机搜索策略进行航路的初始搜索，生成基础的可行航路：

(1)构建二维地图模型：

获取地形图，以一定巡航高度截取地形生成二维地图，获取地形障碍参数，对各个地形障碍区取外接圆，简化为圆形区域；将敌方雷达、高炮或其他威胁简化为圆形区域；确定表现形式为[x，y，R，type]，所述x，y，R，type分别表示区域的中心横坐标、中心纵坐标、覆盖半径、类型；加载起始点和目标点，加载目标点进入角度，将目标点偏移至整数坐标点，以同样的偏移量偏移起始点坐标、地形障碍区域以及威胁区域中心点坐标；

(2)进行可行航路搜索：

加载无人机转弯角度限制条件，将地形障碍区域、威胁区域、起始点、目标点或其他参数输入，以目标点为起始点，起始点为目标点，采用A*算法搜索路径；于路径搜索过程中，每次扩展航点时均判断当前点和目标点之间的连线与所有的地形障碍区域、威胁区域是否有交叉，以及是否满足无人机转弯角度限制条件，若当前点和目标点之间存在直线路径并且满足转弯角度限制，则直接搜索到目标点；否则，按前一段航路的方向，选择符合转弯角度限制的下一步方向扩展航路点；

当存在多个待扩展航路点路径代价相同时，采用随机选择的方法选择下一航点：根据相同路径代价的航路点个数N，初始化随机数N*rand()，向上取整作为下一步扩展点的序号。

5.如权利要求3所述基于路径搜索及智能优化的航路规划方法，其特征在于，所述采用改进的粒子群算法迭代进行航路优化包括：

(1)以可行航路为基础初始化粒子种群及参数；所述参数包括：(种群规模、迭代次数、最大惯性权重、最小惯性权重、加速度因子、初始速度；利用每个粒子表征1条航路；

(2)采用改进的粒子群算法对种群进行循环迭代更新，在基本的粒子群算法基础上采用线性递减的惯性权重以及对部分种群增加随机速度的方法；

(3)采用适应度函数将航路长度代价、地形障碍代价、威胁代价进行加权和得到每个粒子的航路适应度；所述航路长度代价、地形障碍代价、威胁代价权重分别为1、8、1；

所述航路长度代价计算方法为：实际航路长度与起始点到目标点直线距离之差；

所述地形障碍代价为落入地形障碍区的航路点及两航路点中间点的数量之和；

所述威胁代价的计算方法为：计算各航路点及两航路点中间点的简化威胁概率，公式如下：

其中，R表示威胁区覆盖半径，Dist表示各点到威胁区中心距离；

(4)按粒子群算法迭代方法对种群进行迭代，重复步骤(2)至步骤(4)。