[发明专利]基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法

权利要求书

1.基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法，其特征在于，包括以下步骤：

1)通过对比超声波传感器及激光传感器，选定合适的测距传感器用于测量无人机周围障碍物的距离与方向，构建飞行环境的全局地图；

2)根据全局地图，利用Dijkstra方法规划多条旋翼无人机飞行的可行路径；

3)对传统的粒子群算法进行改进，采用改进后的粒子群优化算法搜索全局最优路径，并生成最优路径图，具体如下：

考虑到传统粒子群算法中，惯性权值的w设定为常数，为了加速粒子群算法的优化速度，更好地收敛于全局最优解，在改进的粒子群算法中，将惯性权值w分别设定了线性衰减函数以及非线性衰减函数：

经典粒子群优化算法的惯性权值：

w＝C

式中，C为常数；

改进后粒子群优化算法的惯性权值：

w＝k*θⁱ

式中，k为比例系数，θ为粒子迭代基数，i为粒子迭代次数；

使用改进的粒子群优化算法在所得的路径树中搜寻全局最优路径为：

v_id(t+1)＝w*v_id(t)+c₁r₁(p_id(t)-x_id(t))+c₂r₂(p_gd(t)-x_id(t))

x_id(t+1)＝v_id(t+1)+x_id(t)

式中，v_id(t)是粒子i在第t次迭代时速度矢量的d维向量，x_id(t)是粒子i在第t次迭代时位置矢量的d维向量，p_id(t)是粒子i在第t次迭代时最优位置向量的d维向量，p_gd(t)是整个种群的最优位置，c₁和c₂是用于调整粒子学习步长的加速常数，r₁和r₂是在0到1之间均匀分布的随机数，以增加搜索的随机性，w是惯性权值，用来调整算法的搜索范围。

2.根据权利要求1所述的基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法，其特征在于：在步骤1)中，将超声波传感器MB1043与激光传感器作TFMini对比，选定使用激光传感器TFMini测量障碍物的方向和距离，对旋翼无人机所在的全局环境进行障碍物感知，建立旋翼无人机飞行环境的全局地图。

3.根据权利要求1所述的基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法，其特征在于：在步骤2)中，结合激光传感器感知所构建的飞行环境全局地图，将Dijkstra方法应用于可行路径的搜索，规划多条旋翼无人机飞行的可行路径，包括以下步骤：

2.1)考虑旋翼无人机的作用半径，在建立四旋翼无人机的动力学模型的同时，障碍物也被建模为圆形，设置无人机与障碍物之间的安全距离；

2.2)在全局地图上建立旋翼无人机的飞行起点及飞行终点；

2.3)计算所有点与起点之间的距离，采用Dijkstra方法求解单源最短路径问题，最后得到可行的路径树。