[发明专利]面向智慧化工业园区监测的无人机飞行路径智能规划方法

说明书

本发明公开了一种面向智慧化工业园区监测的无人机飞行路径智能规划方法，包括如下步骤：首先需要建立园区的栅格化地图模型，在地图上通过距离捕捉目标的方法进行可行路径的搜索，利用距离目标最近的前三名个体作为群体的指引，在一定的迭代搜索下收敛至当下最优解时，通过随机参数对当下解进行扰动，生成当下状态下的新可行解，并不断迭代判断解的优劣性和生成新解，最终结束搜索过程，得到最终最优可行解，解序列收束形成最优可行路径。本发明能够在不同的环境下，根据设定的起点和终点，规划出一条避开环境中所有障碍物且路径总距离最短的无人机飞行路径。对不同的环境精度具有良好的适应性。

技术领域

本发明属于路径规划以及智能计算领域，具体涉及一种面向智慧化工业园区监测的无人机飞行路径智能规划方法。

背景技术

面向智慧化工业园区监测的无人机飞行路径智能规划是一个用以解决多约束性的无人机监测路径的最优化问题，在园区内，常有设备需要进行定时检查，排除危险因素，为减少人力成本以及降低人身风险，通过载有监测设备的无人机进行周期性的园区监测具有一定的可靠性，通过对无人机的飞行进行路径规划，可以满足在覆盖所有监测点的同时，最小化无人机能耗成本。

一般的路径规划方法如A*算法，人工势场法等常面临在复杂环境下路径规划效率不高，收敛速率较慢，无法处理高维空间等，需要花费大量的计算时间和成本，这样的方法与群体智能方法相比，规划成功率与性能上均差距较大。

随着群体智能算法在路径规划领域的发展，越来越多的群体智能算法结构被高效应用到无人机的路径规划上。在这些方法中，首先需要建立园区的栅格化环境地图，通过算法遍历地图信息，而后在约束条件下迭代搜索到最佳可行解即无人机最优飞行路径。在这些方法中，受限于群体智能算法的局限性，在环境中存在多条可行路径时，单一结构的搜索算法容易出现寻优陷入局部最优而导致路径规划失败的问题，影响无人机的飞行稳定性。同时，过慢的算法收敛速率会影响到无人机接收信息的实时性。因此提高群体智能算法的收敛速度也是当下需解决的不足之处。

发明内容

发明目的：为了克服现有技术中存在的算法收敛速率低，易陷入局部最优的问题，提供了一种面向智慧化工业园区监测的无人机飞行路径智能规划的方法，其能够根据具体的环境地图模型下，避开障碍物，快速、合理地做出决策，在不同的环境场景下，规划出一条从起点至终点的较优的路径，具有良好的可靠性。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种面向智慧化工业园区监测的无人机飞行路径智能规划方法，具体包括如下步骤：

步骤1，将无人机飞行环境模型转换成栅格地图，用矩阵M^[r，c]表示，所述矩阵M^[r，c]中的元素与无人机飞行环境模型的栅格坐标点一一对应，且矩阵M^[r，c]中不同元素值区分栅格地图坐标点是否存在障碍物；其中，r表示矩阵M^[r，c]的行数，c表示矩阵M^[r，c]的列数；

步骤2，遍历步骤1所述矩阵M^[r，c]的元素信息值，以避开障碍物为约束，初始化种群群体中的全部个体、第一迭代次数l＝1、位置相关系数A、距离求解因子C、收敛因子a＝2以及温度衰减参数T；

步骤3，设置初始循环次数i＝1；计算种群群体中全部个体的适应度值，并得出适应度值前三的种群个体α、β和γ，记录所述种群个体α、β和γ各自对应的适应度值f_α、f_β和f_γ以及位置X_α、X_β和X_γ，根据种群个体α、β和γ的位置X_α、X_β和X_γ计算无人机飞行路径解序列的第i个路径位置值X(i)；

步骤4，i＝i+1，并根据迭代公式更新当前种群群体的位置，同时更新所述收敛因子a、位置相关系数A和距离求解因子C；