[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

摘要

本发明公开了一种基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法，包括步骤：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；本发明通过激光传感器检测环境并构建全局地图，将Dijkstra和改进的粒子群优化算法结合起来，搜寻出利于旋翼无人机飞行的全局最优路径，有效实现无人机的路径规划功能，从而使得旋翼无人机精确避障，安全飞行。

主权项

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。