一种基于海洋捕食者算法的无人机三维路径规划方法

摘要: 本发明涉及无人机自主导航与路径规划,尤其是涉及一种基于海洋捕食者算法的无人机三维路径规划方法。背景技术:1、无人机(uav)路径规划是自主导航系统的核心挑战,其...
一种基于海洋捕食者算法的无人机三维路径规划方法

本发明涉及无人机自主导航与路径规划,尤其是涉及一种基于海洋捕食者算法的无人机三维路径规划方法。

背景技术:

1、无人机(uav)路径规划是自主导航系统的核心挑战,其本质是在满足多种运动学约束和环境限制的前提下,寻找一条从起点到终点的最优飞行轨迹。随着应用场景的日益复杂,路径规划任务已演变为一种多目标、高维度且非线性的复杂优化问题,需要兼顾路径长度、避障安全、燃油消耗以及飞行时间等多个维度。

2、传统的路径规划方法,如基于梯度的经典算法、线性规划和动态规划等,在处理非凸、黑盒性质的实际规划任务时,往往面临计算效率低、易陷入搜索陷阱且无法利用梯度信息等局限性。为此,元启发式算法(meta-heuristic algorithms)因其不依赖梯度信息、全局搜索能力强等优势,成为解决此类问题的关键工具。

3、目前,尽管遗传算法、粒子群优化算法、差分进化算法等经典元启发式算法已广泛应用于工程优化,但在处理高维度复杂搜索空间时,仍存在收敛速度与搜索精度难以平衡、易于早熟收敛等挑战 。海洋捕食者算法作为一种模拟海洋生物捕食行为的新型算法,虽在标准测试函数中表现良好,但在实际应用中仍暴露出以下显著缺陷:

4、1. 开发能力不足:算法在搜索后期依赖自然收敛,缺乏对局部区域的精细化微调手段,导致收敛精度受限。

5、2. 易陷入局部最优:单一群体的搜索策略导致种群信息熵衰减过快,在面对多峰值复杂地形时,个体容易聚集于局部极值点。

6、3. 参数敏感度高:核心控制参数通常依赖经验设定,无法根据搜索过程的不同阶段进行动态调整,削弱了算法的鲁棒性。

7、经过检索中国专利公开号cn116301031a请公开了一种基于自适应差分进化算法的多无人机协同航迹规划方法,包括:构建山地型和雷达扫描区三维仿真空间,设置辅助航迹点,计算关键航迹点适应度;构建无人机单机约束、无人机协同约束条件,建立多机协同航迹规划目标函数;构建多无人机航迹规划的自适应法则;根据自身自适应度值选择变异策略,采用合理的编码修正法则删除或补充符合条件的任务点序列,将各无人机出发点、辅助航迹点、关键航迹点和任务点作为样条曲线的控制点,逼近获得拟合的无人机平滑航迹。该现有专利采用传统的集中式单一种群差分进化架构容易导致信息熵衰减过快,个体间差异迅速减小,在面对复杂多峰值三维地形时,极易出现早熟收敛,难以维持种群多样性以探索全局最优航迹;同时该现有专利在迭代后期缺乏精细的步长收缩机制,导致算法在接近最优解时收敛精度受限,微调能力不足;并且该现有专利目标函数主要聚焦于航程代价、时间代价及约束违背惩罚,约束条件多为硬约束,在真实复杂物理约束下的工程适用性与航迹质量评价维度相对单一。

8、因此,如何有效延缓信息熵衰减维持种群多样性以探索全局最优航迹;突破后期自然收敛的精度瓶颈;高度契合复杂环境下的无人机真实飞行评价,成为需要解决的问题。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于海洋捕食者算法的无人机三维路径规划方法。

2、本发明的目的可以通过以下技术方案来实现:

3、一种基于海洋捕食者算法的无人机三维路径规划方法,该方法具体包括如下步骤:

4、步骤s1,建立无人机三维飞行环境模型,并构建复合代价函数;

5、步骤s2,初始化所述复合代价函数的参数以及所述海洋捕食者算法的猎物种群,基于多智能体协作机制,将所述猎物种群划分为多个独立的子种群,计算适应度并为每个子种群维护其局部最优解;

6、步骤s3,在分布式执行阶段,所述多智能体协作机制为通过随机选择其他子种群的最优解对当前子种群内的个体位置进行信息交换与更新;

7、步骤s4,基于当前迭代次数,计算自适应控制因子和差分进化缩放因子,动态调节海洋捕食者算法的全局探索与局部开发比例;

8、步骤s5,对于当前迭代阶段,执行分段式位置更新策略:在探索阶段与平衡阶段时采用标准海洋捕食者算法的布朗运动与莱维飞行策略进行位置更新;在开发与de增强阶段时触发所述差分进化,利用差分变异、交叉与选择操作对个体进行局部位置微调;

9、步骤s6,使用所述复合代价函数对更新后的种群个体进行适应度评估,更新全局最优的精英矩阵,并执行鱼群聚集装置效应和海洋记忆机制以避免陷入局部最优;

10、步骤s7,判断是否达到最大迭代次数,若未达到则返回步骤s3继续迭代;若达到,则输出全局最优个体作为初始离散三维路径节点序列;

11、步骤s8,利用三次均匀b样条曲线对所述初始离散三维路径节点序列进行平滑插值处理,生成符合无人机运动学约束的最优三维飞行轨迹。

12、作为优选的技术方案,所述无人机三维飞行环境模型的约束条件为包含障碍物、地形起伏及飞行边界的约束条件。

13、作为优选的技术方案,所述环境模型采用球面坐标系进行编码与解码,以满足无人机偏航和俯仰角的运动学约束。

14、作为优选的技术方案,所述复合代价函数综合考虑路径长度、威胁规避、高度合规、轨迹平滑与能量消耗。

15、作为优选的技术方案,所述复合代价函数为:

16、

17、其中为权重系数,为路径长度代价,为障碍物威胁代价,为高度合规代价,为包含偏航角与爬升角变化的轨迹平滑度代价,为包含高度变化惩罚的能量消耗代价。

18、作为优选的技术方案,所述步骤s3中的多智能体协作机制,具体执行过程为:

19、将总规模为n的种群划分为g组并进行个体位置更新通过,其中所述个体位置更新公式为:

20、

21、其中为融合系数,为随机选择的其他独立子种群的局部最优解,为先前个体位置,为更新后个体位置。

22、作为优选的技术方案,所述探索阶段为时;所述平衡阶段为;所述开发与de增强阶段为时;

23、其中为当前迭代次数,为最大迭代次数。

24、作为优选的技术方案,所述自适应控制因子和差分进化缩放因子的计算方式分别为:

25、

26、当迭代次数时,

27、

28、其中为当前迭代次数,为最大迭代次数。

29、作为优选的技术方案,所述差分进化增强策略依次执行变异、交叉和选择机制;

30、所述变异机制的向量生成方式为:

31、

32、其中,、、3为种群中互不相同的随机个体索引,且均不等于当前目标个体索引。

33、作为优选的技术方案,所述步骤s8具体包括:

34、采用三次均匀b样条曲线对所述初始离散三维路径节点序列进行平滑插值:

35、

36、其中为离散控制点,为基函数。

37、与现有技术相比,本发明具有以下有益效果:

38、1. 有效延缓信息熵衰减

39、在多峰值复杂三维地形(如山地、密集雷达区)的路径规划中,算法不易陷入局部最优,全局寻优成功率较现有专利提升明显。

40、现有专利采用集中式单一种群架构,种群信息高度共享,迭代后期个体差异迅速消失,信息熵衰减过快。本发明引入多智能体协作机制,将种群划分为多个独立子群,每个子群维护独立的局部最优解;并通过跨组信息交互公式实现异构子群间的知识融合。该机制满足信息熵的次可加性,在不增加基础计算复杂度的前提下,有效维持了种群基因多样性,拓宽了全局解空间覆盖率,从根本上解决了单一种群易早熟收敛的问题。

41、2. 动态平衡探索与开发,大幅提升算法鲁棒性

42、效果:无需人工反复调参,算法即可自适应适配不同复杂度的飞行环境,规划稳定性显著增强。

43、现有专利的自适应仅体现在变异策略的切换,未对核心控制参数进行动态调节。本发明设计了双参数自适应调节策略:

44、1)控制因子:在迭代初期赋予大步长保障全局探索,在迭代后期,缩小步长强化局部开发。

45、2)差分缩放因子,在迭代后期采用余弦递减策略,精细控制变异幅度。

46、该机制打破了传统算法固定参数导致的探索、开发失衡问题,实现了搜索进程的平滑过渡,免去了繁琐的手动调参过程,显著提升了算法对不同地形、不同任务需求的自适应能力。

47、3. 突破后期收敛精度瓶颈,提升局部寻优极限

48、在迭代后期仍能持续微调航迹节点,最终生成的路径长度更短、威胁规避更精准,综合代价更低。

49、现有专利在搜索后期仅依赖标准差分进化的变异、交叉操作,易出现搜索停滞。本发明构建mpa-de混合优化框架,在迭代后期无缝融合差分进化的变异、交叉与选择机制:通过生成变异向量,利用种群内部的差异扰动进行局部微调。同时结合海洋捕食者算法的莱维飞行策略,既保留了de的局部搜索优势,又通过莱维飞行的长跳转特性避免陷入局部极小值,成功突破了标准算法后期自然收敛的精度极限。

50、4. 航迹质量更高,工程适用性更强

51、输出的三维航迹同时满足安全性、经济性与平滑性要求,可直接用于真实无人机飞行控制。

52、现有专利的代价函数仅关注航程、时间及硬约束惩罚,未充分考虑无人机的真实物理特性。本发明做了三方面针对性优化:

53、球面坐标系编码:采用球面坐标系替代传统直角坐标,天然满足无人机的偏航角、俯仰角运动学约束;

54、复合代价函数:同时纳入路径长度、威胁规避、高度合规、轨迹平滑度及能量消耗等多维度指标,航迹评估更全面;

55、b样条平滑处理:采用三次均匀b样条对离散节点插值,确保航迹具备连续性,满足无人机空气动力学要求。

56、相比现有专利,本发明生成的航迹在规避风险、降低能耗及机动平滑性上均有显著优势,具备更高的军事与民用落地价值。

57、5. 具备主动逃逸局部最优的机制,鲁棒性进一步增强

58、面对突发威胁或复杂地形陷阱时,算法能快速跳出停滞状态,重新搜索最优解。

59、现有专利缺乏主动的局部最优逃逸手段,仅通过可行域剪枝被动降低搜索盲目性。本发明引入鱼群聚集装置效应和海洋记忆机制:当随机数 rd≤fads时,引导部分猎物在搜索空间内进行跨维度长距离跳跃,强制扰动聚集的种群。该机制与多智能体协作形成互补,进一步提升了算法在极端复杂环境下的鲁棒性。