[发明专利]一种非确定环境下的无人机鲁棒路径规划方法

摘要

本发明公开了一种非确定环境下的无人机鲁棒路径规划方法，通过当地风速构建路径规划模型，再使用迪杰斯特拉算法构建出一条初始路径，通过调整λ的值，选取出安全系数最高的所有路径，最后通过迭代法找到一条即安全有快捷的路径作为最终的规划路径，本发明具有稳定性较高，在不确定环境下可以提供一条可以安全的行进的路线，其次，较之传统的方法，本发明能够更快的找到一条路径，且保证其安全性。

主权项

1.一种非确定环境下的无人机鲁棒路径规划方法，其特征在于，包括以下步骤：(1)、对地图进行建模确定飞机的出发点S和目的地D；将S和D之间的区域用栅格图进行重新定义；定义规则如下：10个气象站所在区域为一个节点，距离最近的节点相互连接起来，构建出地图，连接边的权值为实际距离，每一条边的标号用i来代替，xi为权值；(2)、收集历史风速，并将风速超过15米每秒的风速标记为1，训练逻辑回归模型，得到成熟的逻辑回归模型；(3)、十个气象站对风速进行预测使用逻辑回归模型对十个气象站的数据进行预测，得到该地风速值是否超过安全值的概率pi，并将超过该值的风速值放入边的权值中；(4)、构建路径规划模型：subject to Ax＝b，x∈{0,1}n其中，λ为随机变量，xi的两种取值0和1，x是一个向量，由多个xi来组成，其维度为建立地图的边的数量，如果xi＝1则选择这条边作为飞机需要飞行的路径，反之，则不是飞机选择的路径；f为每条路径的大小，即两个飞行点之间的实际距离；Pi为边i安全的概率，即飞机飞行两点之间的是否安全的概率，值越大则安全性就越高；εl是人工可调的数据，是无人机飞行的安全性的人工可调参数，该参数越大就是需要的安全级别越高；A是地图的关联矩阵表示，A的行代表了节点，列代表了边，其中的值代表了每一条边的距离；b表示的是目的地和出发地的向量，－1表是起点所在的点，1表示终点所在的点，其余个点均为0；(5)、使用迪杰斯特拉算法构建出一条初始路径，构建规则为：只选择危险系数即log(Pi)与路径长度线性组合最小的路径作为初始路径；(6)、调整λ的值，选取出安全系数最高的所有路径，然后通过迭代法找到一条即安全有快捷的路径g(λ)，对g(λ)求导，并得出梯度，然后获得更新公式：其中，λ_k表示第k安全系数最高的路径对应的值，条α_k为学习率，是小于1的正数，()₊是非负操作；(7)、将λlog(Pi)与路径长度求和，并作为新的路径规划，然后再返回步骤(5)，直到λ不再改变时，得到最终的规划路径。