[发明专利]基于区块链和遗传算法的集群无人机避障方法及系统

说明书

本发明公开的一种基于区块链和遗传算法的集群无人机避障方法及系统，包括：通过多跳自组织网的分级结构将集群无人机划分为若干小集群，当集群中的存在避障任务，通过遗传算法的变异探索根据障碍物分布及已行驶距离、变异代数计算无人机寻找最优路径的概率，根据所述概率判断变异终止；使用Catmull‑Rom样条函数对关键点序列进行插值，获取避障路径；并将完成避障的信息通过分级结构进行分发，使得无人机通过速度逐渐加快。本发明通过分级结构通讯的集群使用遗传算法，既提高了路线搜索速度，也提升了集群整体利用性能。

技术领域

本发明涉及无人机技术领域，更具体的，涉及一种基于区块链和遗传算法的集群无人机避障方法及系统。

背景技术

随着无人机技术的逐步发展，集群无人机的应用越来越广泛，例如火灾救援，空中巡检等场景。目前，集群无人机在复杂场景内通常都会遇到避障任务的需求。现有的无人机避障的算法大部分基于中心化的控制避障，即一台飞机负责探测路径，进而向其他飞机报告。该方案当集群飞机数量较少时具有可行性。但是对于大集群本技术无法体现出集群的优越性，反而限制于通信传输能力而使得集群避障速度大大降低。

发明内容

为了解决上述技术问题，本发明提出了一种基于区块链和遗传算法的集群无人机避障方法及系统。

本发明第一方面提供了一种基于区块链和遗传算法的集群无人机避障方法，包括：

通过多跳自组织网的分级结构将集群无人机划分为若干小集群；

当集群中存在避障任务，通过遗传算法的变异探索根据障碍物分布及已行驶距离、变异代数计算无人机寻找最优路径的概率，根据所述概率判断变异终止；

使用Catmull-Rom样条函数对关键点序列进行插值，获取平滑优化后的避障路径；

并将完成避障的信息通过分级结构进行分发至其他小集群，使得无人机通过速度逐渐加快。

本方案中，所述的通过遗传算法的变异探索根据障碍物分布及已行驶距离、变异代数计算无人机寻找最优路径的概率，具体为：

当群集无人机需要执行避障任务，分级结构中最下层的小集群执行交叉变异，根据小集群的数量判断每次交叉变异的数量；

当小集群完成一次交叉变异后，向分级结构中最上层报告周围障碍物的状态，并准备下一次交叉变异；

分级结构中最上层根据周围障碍物的状态绘制障碍物的3D模型及已经遍历过的变异路线并不断下发，根据障碍物分布，已行驶距离和变异代数计算出无人机寻找最优路径的概率；

在下一次变异中获取新的障碍物3D模型及变异路线，根据新的障碍物3D模型及变异路线结合所述概率判断是否终止变异。

本方案中，集群中最小变异单位为单台无人机，将结束变异的无人机根据分级结构中最上层的发出的数据，合并至所述寻找最优路径的概率更高的变异支路；

在所述寻找最优路径的概率相同时，将合并至无人机数量少的变异支路；

当集群内无人机探测到没有新的障碍物，完成障碍穿越时，直接与分级结构中最上层广播通信，通过距离本次变异支路最近的无人机进行确认检测，在确认检测无误后，宣布本次避障结束，开始通过障碍。

本方案中，集群无人机在进行避障中进行路径平滑优化，具体为：

当层级结构中最上级收到多个障碍物报告，在综合确认后，进行基于遗传算法交叉变异的避障路径查找；

所有小集群根据遗传算法得出的路径最优解的距离进行排队通过；

第一个排队通过的小集群使用Catmull-Rom算法进行路径平滑优化，若优化后路径通过速度更快，则通过区块链信息传递给下一个排队通过的小集群，同时加强探测路径周围的障碍信息；