[发明专利]基于人工势场的进化算法的飞行物航迹规划方法

说明书

本发明提供一种基于人工势场的进化算法的飞行物航迹规划方法，通过分别进化航迹点，并通过人工势场在各个航迹点之间增加间隔点，可以更好地利用指导进化，得到更高的质量航迹点。经过实际能力验证，在复杂的山地场景中，本发明在有效性和效率上均较现有的独立航迹点进化算法具有明显优势。

技术领域

本发明涉及飞行物自主避险技术领域，具体涉及一种基于人工势场的进化算法的飞行物航迹规划方法。

背景技术

基于进化算法的路径规划在无人机的航迹规划中通常比其他方法更灵活和有效。一方面，算法具有非常强大的全局搜索能力，增强效率；另一方面，算法本身不需要耗费时间去构建空间，可以避免陷入局部最优。独立航迹点微分进化算法是进化算法的一种变形，将传统的微分进化算法由整条航迹进化改进为航迹点进化，提高了进化效率。

航迹点独立进化算法，是新型微分进化算法。在无人机航迹规划问题时，大多数常用的目标和约束函数是将航迹点独立看待的。由于规划出的无障碍路径的实际注意点就是几何问题，由航迹点产生的点、线和角度,可以直接地分解进化这些函数，那么新的约束函数可以在改进原函数的基础上获得。在这种情况下，高质量的航迹点可以提高整个备选路径的质量。如图1所示，为现有的航迹点进化方法的实现流程图：具体地说，在第j条路径上的航迹点按升序排序进化，即第(i+1)个航迹点将在第i个之后进化，i＝2,3,...N_w-1。对于第j条路径上的第i个航迹点，对于它的后代是由所有之前迭代而得到的航迹上第i个航迹点进化得到的,i＝2,3,...N_w-1j＝2,3,...N_p。通过这种方式，可以明显的改善目前第i个航迹点的质量。产生新的后代后，它被要求与上一代竞争，表现更好的航迹点将会留下来。为了评估航迹点，一系列源于微分算法常用函数新的评价函数被引用过来。每一个航迹点的交叉变异操作是由进化算法的变形微分算法来完成。在每一次迭代中执行一次。理想情况下，其可在任时候执行，记为N，N越大航迹点获得的信息量就越大，可以使用和产生更好质量的航迹点。然而，N的大小具有两面性，信息量越大计算量也就变大。

然而，现有的航迹规划方法中，所采用的进化算法大多的改进方式，都是以航迹点与航迹点之间的直线连线为基础。当在为一个无人机设计路径时，很多重要的因素需要被考虑进去，比如无人机的可操作性，任务空间的环境，安全性和路径的成本。这些因素即在目标方程中被找到，或者在路径必须遵守的约束方程中找到。但是，航迹点与航迹点直接相连的方法，对于航迹的平滑性影响很大。航迹点越多路径越平滑。但是航迹点数量增多，计算量也在增大。

发明内容

为解决现有技术存在的不足，提供一种不增加计算量而使飞行物航迹变平滑的方法，本发明提供了一种基于人工势场的进化算法的飞行物航迹规划方法，包括如下步骤：

步骤S1：初始化多个航迹点，并在多个航迹点的基础上初始化Np条航迹线，每条航迹线上具有相同数量的Nw个航迹点；

步骤S2：初始化第一个迭代周期的每条航迹线第一个航迹点的交叉操作的自适应参数μ_CR^j,1(1)及变异操作的自适应参数μ_F^j,1(1)；并初始化第一个迭代周期中CR和F的理想值S_CR(1)和S_F(1)；其中，j代表每个航迹点，其值介于2至Np；

步骤S3：自适应生成每条航迹线第一个航迹点的CR值和F值；

步骤S4：从当前迭代周期t中的所有航迹点中，选择前q％好的航迹点对应的航迹线，并从这些航迹线中随机选取一条同时，再随机选取两条航迹线和其中，及属于三条不同的航迹线；

步骤S5：根据下述公式,对及之外的所有航迹线上的所有航迹点生成一个潜在航迹点