申请/专利权人：西安工业大学

申请日：2022-08-01

公开（公告）日：2024-06-18

公开（公告）号：CN115421508B

主分类号：G05D1/695

分类号：G05D1/695;G05D109/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明涉及一种适用于多无人机多目标航迹规划的粒子群优化方法。首先，构建出多无人机多目标路径规划的最佳适应度函数;其次，通过将自身速度引起位置变化的目标进行置换操作，将个体极值和全局极值影响自身位置变化的粒子进行交叉操作,再引入非线性递减策略中的反正切函数来动态调整粒子群算法中的惯性权重，同时动态地调整非负的加速度系数，采用改进的Dubins算法和改进的粒子群算法，通过多次迭代得到一条最优无碰撞的平滑路径。本发明能够增强无人机的目标搜索能力同时避免无人机之间的碰撞，在保证总航程耗油量最小和航时最短的前提下，提高多无人机多目标全局和局部的搜索能力，在航迹飞行时间权重大于航迹耗油量时，能够得到最优的航迹路线。

主权项：1.一种适用于多无人机多目标航迹规划的粒子群优化方法，包括以下步骤：步骤一，建立规划模型；步骤二，粒子群优化：一对Dubins算法规划出的路线通过IntersectionType方法计算相交点来检测和排除碰撞路径；二在传统粒子群算法中，将自身速度引起位置变化的目标进行置换操作，将个体极值和全局极值影响自身位置变化的粒子进行交叉操作；三应用非线性递减策略中的反正切函数动态调整粒子群算法中的惯性系数；四动态地调整非负的加速度系数；五通过改进的Dubins算法和改进的粒子群算法得到最佳适应度函数表达式经过多次迭代得到最佳飞行路径；所述步骤二三中，对位置和速度的表达公式进行改进的公式为： 公式11中：Xik为粒子i在第k次迭代的时候的位置；pbestik为粒子在第k次迭代的时候自身的最优极值；gbestgk为在整个群体中第k次粒子迭代的最优极值；E1是关于X的函数，其本质就是粒子i在第k次迭代时粒子的速度对位置变化的影响；E2是粒子对个体极值的学习；E3是对全局极值的学习，在粒子位置变换过程中，E1通过置换任务目标来进行调整，E2和E3通过交叉方式进行学习更新；选择非线性递减策略和反正切函数对惯性系数进行改进如公式12所示： 公式中将ωs的值为0.9，ωe的值为0.4，k为迭代的次数，kmax为最大的迭代次数，m是调控因子；所述步骤二四中，在整个路径规划中动态调整非负的加速度系数c1,c2，使迭代过程中c1的值不断减小，c2的值不断增大，迭代调整的公式为： 公式13和14中k为当前迭代的次数，kmax为最大的迭代次数。

全文数据：

权利要求：

百度查询： 西安工业大学 一种适用于多无人机多目标航迹规划的粒子群优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD