[发明专利]一种新型无人机路径规划方法

说明书

本发明公开了一种新型无人机路径规划方法。首先确定无人机飞行数学模型，包括无人机机体运动模型和无人机动力学模型；然后采用Maklink图论法对二维路径进行建模；最后通过粒子群算法对蚁群算法参数进行优化，通过优化后的蚁群算法在Maklink环境模型中找出最优路径。本发明通过在蚁群算法中引入粒子群算法，可使原蚁群算法中需手动调整的参数实现在线自我整定，大大缩短了算法优化时间。在与传统算法进行路径规划的比较中，本发明算法能够在找出最优路径的基础上缩短算法运行时间，为节约运行成本提供了方法。

技术领域

本发明属于无人机路径规划领域，尤其针对单架无人机的飞行路径，具体设计了一种新型无人机路径规划系统。

背景技术

路径规划是机器人领域里的重要分支，其目的是在机器人能够感知周围环境的情况下，根据自身的传感器计算出一条能够避开路径上的障碍物到达目标位置的最短路径。国外的路径规划专家将路径规划方法归结为栅格法、Maklink图论、蚁群算法、Dijkstra算法、A^*算法。

本发明针对传统蚁群算法存在着效率低下，优化不足的问题设计了一种结合了粒子群算法与蚁群算法的路径规划方法并以最短时间和最短路径作为路径准则。

四旋翼飞行器具备高机动性、垂直起降以及自主飞行等特点以及面对复杂的环境条件下平稳性，因此它被越来越多地应用到现实生活中。四旋翼飞行器是通过控制机体的俯仰角(θ)、偏航角(ψ)、横滚角完成机体在空中的一系列复杂的飞行运动，但在实际飞行过程中，针对复杂的飞行条件，如飞行路径上的障碍物，这就需要在尽可能躲避障碍物的同时找到最短路径。因此将路径规划引入到四旋翼飞行器中。

蚁群算法是由Drigo,Maniezzo和Colorni提出的，这种算法是通过模拟自然界中的蚂蚁觅食时释放的一种称为信息素的特殊化学物质而实现的。但由于蚁群算法中参数α、β、ρ的设置不当会严重影响到算法的求解速度和所得解的质量，因此引入粒子群算法对参数进行优化。

粒子群算法是由kennedy等提出的一种种群搜索的自适应进化计算技术。种群中每个粒子代表一个可行解，而食物的位置代表全局最优解。每个粒子通过不断更新全局最佳位置和个体最佳位置，最终接近食物得到最优解。

发明内容

针对现有技术中存在的不足，本发明提供一种新型无人机路径规划方法。

本发明的目的是针对传统蚁群算法在路径规划方面存在的误差较大、运算时间过长问题，引入了粒子群算法，通过粒子群算法中粒子的不断更新对蚁群算法参数进行优化,从而缩短了蚁群算法的运行时间。本发明解决其技术问题所采用的技术方案具体包括如下步骤：

步骤1、确定无人机飞行数学模型

无人机飞行数学模型包括无人机机体运动模型和无人机动力学模型，具体如下：

无人机机体运动模型

四旋翼飞行器通过控制四个旋翼的转速从而对俯仰角(θ)、偏航角(ψ)、横滚角进行调节进而完成机体的一系列飞行运动。

首先建立两个坐标系：机体坐标系、惯用坐标系。

惯用坐标系E(OXYZ)相对于地球表面不动。

机体坐标系A(oxyz)与机体质心重合，横轴ox指向一号电机，纵轴oy指向四号电机，oz垂直于oxy面。

四旋翼飞行器欧拉角：

(1)横滚角机体绕ox轴转动角度。

(2)俯仰角(θ)：机体绕oy轴转动角度。

(3)偏航角(ψ)：机体绕oz轴转动飞行器纵轴在水平面内投影与惯性坐标系OX轴之间的夹角。

无人机动力学模型