[发明专利]基于BOA-TSAR算法的近地配送无人机路径规划方法

说明书

本发明公开了一种基于BOA‑TSAR算法的近地配送无人机路径规划方法，包括步骤：S1，通过去除短周期性质的Tent混沌映射改进了蝴蝶优化算法(BOA)初始种群生成的随机性策略，平衡了BOA算法生成的初始解在解空间的均衡性；S2，通过自适应非线性惯性权重、模拟退火策略以及具有全局自适应特征的随机性变异，改进了BOA算法在处理高维复杂函数时收敛速度较慢、精度较低以及存在局部最优停滞的缺点；S3，提出了一种基于三维LOS检测法的初始种群生成策略，在保证BOA算法生成路径可行解多样性的同时，进一步减少路径间断点的产生。本发明基于仿真实验验证了BOA‑TSAR的优越性能。仿真结果表明，BOA‑TSAR在同类型的群体智能算法当中具有非常强大的竞争性。同时在路径规划实验当中的路径长度衡量指标以及平滑度指标上达到了最优。

技术领域

本发明属于无人机路径规划及轨迹优化领域，特别是一种基于BOA-TSAR算法的近地配送无人机路径规划方法。

背景技术

随着市场对于物流自动化装备需求的不断增加，机器人在物流行业得到越来越广泛的应用，近年来，电商和快递业的爆发式增长更是催生了物流机器人的蓬勃发展，机器人已经从传统的码垛、拆垛、搬运等工作，深入到了仓储、分拣、配送等环节。

最初，无人机由于其造价相对低廉，隐蔽性高，操作灵活，不惧伤亡等优点被广泛的应用于各国的军事行业当中，并逐渐成为各国中坚军事力量的代表。如今，随着工业4.0及新兴技术的崛起，无人机在农业、摄影、运输、遥感、以及搜索救援等各个领域当中发挥着重要的作用。无人机技术的进步，使得构建低空无人配送网络逐步成为现实。2013年，Amazon启动了名为Prime Air Drone Deliveries的无人机配送网络搭建计划，以此减少地面交通拥堵情况下的运输配送时间。该技术使得向难以进入的地方快速运输急需的医药物资(例如用于移植的器官、血液以及药物)以迫切的挽救生命成为可能。当前，无人机在城市地区，尤其是城市低空环境下的飞行依然受到了严格的限制。相当部分地区的飞行任务需要受到当地部门的批准或者授权。大部分的无人机的工作场景都投放在偏远郊区或者野外环境。这远远没有发挥出无人机的优势，以取代人们在当前拥堵的交通环境下实现快速高效的配送服务。因此，搭建空中无人配送网络，将无人机合理化的运用于高效运输，将会为进一步缩短医学救助时间，提高医学救助成功率提供巨大帮助。

无人机与其他商用飞机不同，其定义为可由远程无线电设备或机载计算机控制的无人驾驶飞行器。尽管无人机具备的短距离内垂直起飞和降落的能力，在一定程度上大大加强了近地飞行的适配性，但在执行配送任务的过程中依然面临巨大挑战。如何在时间紧急、条件复杂的环境下，实现安全高效的无人机自主导航，将会是无人机配送成功的决定性因素。路径规划作为无人机自主导航模块的关键性技术，其要求无人机在工作空间当中自主规划出一条从起始点到目标点的无碰撞路径，本质为在可行区域约束条件下的最优化问题。路径规划具有最小成本并要求其满足可行性约束条件，被描述为对传统优化策略具有挑战性的问题之一。

发明内容

为了解决上述问题，本发明提出了一种BOA-TSAR算法的近地配送无人机路径规划方法，通过元启发式搜索算法所具有的解决高度非线性和复杂问题的能力来实现无人机安全高效的自主导航。

本发明采用的技术方案是：基于BOA-TSAR算法的近地配送无人机路径规划方法，包括以下步骤：

S1，基于蝴蝶优化算法(BOA)的初始蝴蝶种群的生成问题，加入了去除短周期特性的改进型Tent混沌映射，改进了BOA算法初始种群生成的随机性策略，平衡了BOA算法生成的初始解在解空间的均衡性，进一步提高算法在初始阶段的种群多样性。

S2，提出了一种改进的BOA算法(BOA-TSAR)，该算法结合了非线性自适应惯性权重(NAIW)策略、模拟退火法(SA)的Metropolis准则以及具有全局自适应特征的随机性变异，用以改进BOA算法的搜索性能，改进了BOA算法在处理高维复杂函数时收敛速度较慢、精度较低以及存在局部最优停滞的缺点。