CN115808175B 基于分段随机和角度随机算法的无人机三维航路规划方法 （中国民用航空飞行学院）

基于分段随机和角度随机算法的无人机三本发明公开了基于分段随机和角度随机算S3.判断初始航路是否存在航路点在障碍区内；2S1.利用随机等分的方法对无人机航路首末端连线进行等分，得到等分后首末端连线步骤S5所述的计算每次迭代中形成的所有避障航路OAR的适应度值，对不满足约束要S6.利用非关联更新迭代方式进行种群更新，直至在迭代终止时，输出种群的最优解2.根据权利要求1所述的基于分段随机和角度随机算法的无人机三维航路规划方法，33.根据权利要求2所述的基于分段随机和角度随机算法的无人机三维航路规划方法，S202.首末端点和各构造航路点形成一个构造航路点集合[StP,CWP1,…,CWPi,…,S203.利用经步骤S202得到的首末端点、构造航路点和填充航路点共同构成一条完整S204.得到等分后无人机航路在水平投S205.设航路首末端连线长度为L，每段长度为l＝L/S，首端点的坐标为StP＝(Stx,44.根据权利要求3所述的基于分段随机和角度随机算法的无人机三维航路规划方法，的连线作为横轴，WP1为圆点，形成3个向量mT,按照向量运算法则，5.根据权利要求4所述的基于分段随机和角度随机算法的无人机三维航路规划方法，S404.要把WP1和WP7连接，再把连接线段按照原航段数进行等分；最后按照步骤S401_6.根据权利要求1所述的基于分段随机和角度随机算法的无人机三维航路规划方法，7.根据权利要求1所述的基于分段随机和角度随机算法的无人机三维航路规划方法，S702.对经位置平滑后的优化解进行超高处置，得到经平滑处理后的无人机航路规划8.根据权利要求1所述的基于分段随机和角度随机算法的无人机三维航路规划方法，56子群优化算法(particleswarmoptimization,PSO)、蚁群算法(antcolonyoptimization,ACO)、遗传算法(geneticalgorithm，GA)、模拟退火算法(simulatedwingunmannedaerialvehiclebasedonimprovedQPSO[J].IEEEAccess,2020,8:规划单元，但该算法对航路首端点(startpoint,StP)和末端点(endpoint,EnP)位置较为7[0011]S1.利用随机等分的方法对无人[0013]S3.判断步骤S2得到的初始8[0024]S203.利用经步骤S202得到的首末[0028]S205.设航路首末端连线长度为L，每段长度为l＝L/S，首端点的坐标为StP=WP4的连线作为横轴，WP1为圆点，形成3个向量按照向量运算法9[0048]S404.要把WP1和WP7连接，再把连接线段按照原航段数进行等分；最后按照步骤S所确定[0060]S702.对经位置平滑后的优化解进行超[0067]图1为本发明基于分段随机和角度随机算法的无人机三维航路规划方法的算法流[0090]实施例1：参照附图1_19所示的一种基于分段随机和角度随机(SRAR)算法的无人[0091]S1.利用随机等分的方法对无人[0096]S202.首末端点和各构造航路点形成一个构造航路点集合(constructedway_[0097]S203.利用经步骤S202得到的首末[0103]两条有向线段中，一条规定为起始轴(startingaxis,SA)，则另一条为旋转轴[0107]S205.设航路首末端连线长度为L，每段长度为l＝L/S，首端点的坐标为StP=(centerpoint,CP)距离来判断航路点是的线段为起始轴，逆时针旋转γ,旋转线与过WP2垂线相交得到的在OA外的移动航路点按照向量运算法则，而的模[0136]俯仰角θ限制了所规划航路在高度方向爬升或下滑的最大角度，该约束是由无人[0147]为更好地体现SRAR算法的规划效果，本实施例采用规划航路航程最小的优化目S所确定[0153]SRAR算法是一种启发式随机搜索算法，因此寻优过程也需要不断迭代更新来实[0157]SRAR算法的平滑方法是在寻优结束后，对优化解进行的操作，包含位置平滑[0161]S7011.每一个MWPi1和MWPin(i)分配一个构造航路点集合中的距离最近点(nearestn(i)/2和(n(i)+1)/2的两个移动航路点作为优化连接点(optimizedconnectionpoint,OCP按序插入到构造航路点集合中；的航路点；若有，则利用OCP11到NSPi1间新均匀填充航路点代替原来OCP11到NSPi1间的航路n2到NSPnn(i)间新均匀填充航路点代替原来OCPn2到NSPnn(i)的航路均匀填充航路点代替原来OCPj2到OCP(j+1)1间的航路点；若有，则求出OCPj2到OCP(j+1)1间的MWP1y[0181]设定某一点为途中目标点(midwaytargetpoint，MTP)，坐标为MTP＝[MTPx,y照前述方法随机确定构造航路点和填充航路点；则可以保证所规划航路由StP开始，必经[0185]如图9所示，设航路点总数为D，任意选择其中第i个航路点作为选择航路点到SWP间连线，按表1方法求出如图9所示的夹角δ,此时再求出满足不小于δ的最短规划航[0189]S9.为验证SRAR算法的无人机航路规划性能，[0199]如图12所示，航路1和航路3在最高2.8km的高度限制下，航路最高高度分别为[0202]图13很好地证明了经寻优输出的航路进行平滑处理的必区的航路规划条件下，将SRAR算法连续运行50次，分别取适应度值的最小值(min)、均值[0205]4条规划航路50次计算的统计量如表2所示，表2还给出了最小和最大航程时对应程为131.2868km；航路2和航路3按照指定航向及距离方式进行规划，航向和距离分别为99.6968km和100.8934km；航路6和航路7按照混合方式进行规划，中途目标点坐标MTP=[38,5]，选择航路点SWP＝25，角度分别γ≥5°,γ≤_5°,航程分别为117.6766km和算法的无人机三维航路规划方法与其它航路规划算法的性秒(s)；需要寻优的参数个数(numberofparameters,NP)；50次计算出航程的最小值[0217]结合上述实施例2和实施例3的结果可以看出，本发明实施例1所述的基于分段随