[发明专利]一种基于势场蚁群算法的无人机航迹规划方法

摘要

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。

主权项

1.一种基于势场蚁群算法的无人机航迹规划方法，其特征在于，包括以下步骤：S1、初始化参数：设定起始巡航位置S，目标触达位置G，初始Nc＝0，置Ncmax为最大迭代次数，蚂蚁群落规模m，初始化信息素启发因子α与能见度启发因子β；S2、根据如下公式初始信息素分配：其中，τi∈τ，τ为信息素矩阵，C为大于1的常系数，A＝{min(gstart，gend)，min(gstart，gend)+1，…，max(gstart，gend)}，gstart为搜索起始点，对应步骤S1中设定的S，gend为路径规划终点，对应步骤S2中设定的G；S3、蚂蚁路径选择：将m只蚂蚁置于搜索起点，根据如下启发函数ηij(t)获得启发信息：其中，dij为节点i到节点j之间的欧式距离，而Ljg为目标节点j至目标点g之间的综合势力场，q为启发信息系数，allowedk＝{0,1,…,n‑1}‑tabuk为蚁群当前可遍历节点集，tabuk为蚁群不可遍历节点及无效点集，n为有效节点个数；根据获得的启发信息，结合如下蚂蚁路径抉择概率公式遍历下一个可行节点j，并实时对tabuk进行更新：其中，τij(t)为时刻t时，路径i与j之间的信息素浓度；判断蚂蚁是否触达目标点，若是，则进入步骤S5，若否，则进入步骤S4；S4、信息素局部更新：对模拟蚂蚁本轮迭代循迹路径按下式进行局部信息素更新，并保证信息素浓度τij(t)∈[τmin,τmax]：τij(t+1)＝(1‑λ)τij(t)+λτ0其中，λ为局部信息素挥发系数，且λ∈(0,1)；τ0为极小值常量，当τij(t)<τmin时，令τij(t)＝(τmin+τmax)·0.4；当τij(t)>τmax，令τij(t)＝τij·λ；τmin和τmax为设定的信息素最小值和最大值；回到步骤S3；S5、信息素全局更新：待群落所有蚂蚁结束单次迭代后，遍历迭代中高效蚂蚁及最差蚂蚁，按照下式确定全局信息素挥发系数，并保证信息素浓度τij(t)∈[τmin,τmax]：其中，ε为引入的一个常系数，Lworst为当前迭代中最差路径解集，Lbest为当前迭代最优路径解集；S6、搜索终止条件判断：判断迭代是否到达最大迭代次数，若是，输出最优路径长度；否则，置tabuk为空，令Nc＝Nc+1，转步骤S3依次循环至满足次数Nc＝Ncmax。