本發(fā)明涉及無人機路徑規(guī)劃，具體為一種無人機路徑尋優(yōu)方法。

背景技術(shù)：

1、隨著無人機技術(shù)的發(fā)展，其廣泛應(yīng)用于各個行業(yè)中執(zhí)行特種作業(yè)，而如何在三維環(huán)境中規(guī)劃出一條安全、高效的無人機路徑是保證無人機順利完成任務(wù)的關(guān)鍵；目前，在三維環(huán)境中規(guī)劃無人機路徑主要依賴于群智能優(yōu)化算法，但是所述群智能優(yōu)化算法，尤其是麻雀搜索算法在實際的應(yīng)用中存在一些顯著的缺陷：1)種群的初始化是隨機的，導(dǎo)致出現(xiàn)大量的低效個體，進而增加了算法的復(fù)雜度，降低了算法的全局搜索能力和精度；2)隨著迭代次數(shù)的增加，指數(shù)衰減分量逐漸趨近于零，導(dǎo)致種群多樣性減少，使算法難以收斂到最優(yōu)值附近；3)種群間缺乏信息交流，完全依靠自己的搜索行為來更新自己的位置和速度，導(dǎo)致算法陷入局部最優(yōu)，不能得到全局最優(yōu)對應(yīng)的結(jié)果。

2、中國專利，公開號：cn?114485665?a，公開日：2022年5月13日，公開了一種基于麻雀搜索算法的無人機航跡規(guī)劃方法，包括以下步驟：步驟(1)：對無人機航跡規(guī)劃進行建模，得到總的代價函數(shù)；步驟(2)：通過麻雀搜索算法對所述總的代價函數(shù)進行優(yōu)化；步驟(3)：得到無人機航跡規(guī)劃的最優(yōu)路徑；而該發(fā)明在通過麻雀搜索算法尋找無人機航跡的最優(yōu)路徑的過程中，由于所述麻雀搜索算法存在復(fù)雜度高、個體搜索多樣性減少的缺陷，導(dǎo)致其陷入局部最優(yōu)，難以獲取無人機最優(yōu)路徑。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是針對現(xiàn)有技術(shù)在進行無人機路徑規(guī)劃時，由于麻雀搜索算法本身存在復(fù)雜度高、個體搜索多樣性減少的缺陷，使算法容易陷入局部最優(yōu)，導(dǎo)致的無人機路徑規(guī)劃準(zhǔn)確率差的問題；提出了一種無人機路徑尋優(yōu)方法，通過混沌映射策略對原始數(shù)據(jù)集進行預(yù)處理得到分布均勻的訓(xùn)練集和驗證集，并將訓(xùn)練集和驗證集輸入麻雀搜索算法使其種群分布均勻，避免種群中的個體在搜索空間中聚集，減少種群中的低效個體，降低算法的復(fù)雜度，并通過螺旋搜索策略和種群交流策略改進麻雀搜索算法的個體更新機制，加強個體的靈活性與不同個體間的交流，使個體能夠探索更多的區(qū)域和路徑，避免個體搜索多樣性減少，增強算法的全局搜索能力，有效避免算法運行過程中陷入局部最優(yōu)解；通過改進的麻雀搜索算法構(gòu)建路徑尋優(yōu)模型應(yīng)用于無人機路徑的規(guī)劃，得到更準(zhǔn)確可靠的路徑規(guī)劃方案。

2、第一方面，本發(fā)明實施例中提供的一種技術(shù)方案是，一種無人機路徑尋優(yōu)方法，包括以下步驟：

3、s1、基于無人機作業(yè)場景歷史數(shù)據(jù)構(gòu)建原始數(shù)據(jù)集；

4、s2、基于混沌映射策略對所述原始數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集和驗證集；

5、s3、基于改進個體更新機制的麻雀搜索算法結(jié)合所述訓(xùn)練集構(gòu)建并訓(xùn)練路徑尋優(yōu)模型；

6、s4、將所述驗證集輸入所述路徑尋優(yōu)模型進行驗證，得到并輸出驗證結(jié)果；

7、s5、基于所述驗證結(jié)果判斷所述路徑尋優(yōu)模型是否合格，若是，則輸出合格的路徑尋優(yōu)模型，若否，則跳轉(zhuǎn)s1；

8、s6、采集無人機作業(yè)場景實時數(shù)據(jù)作為所述合格的路徑尋優(yōu)模型的輸入，得到并輸出無人機最優(yōu)路徑。

9、本方案中，基于無人機作業(yè)場景歷史數(shù)據(jù)構(gòu)建原始數(shù)據(jù)集，有效提高了本技術(shù)對于數(shù)據(jù)處理的效率，并使后續(xù)構(gòu)建的路徑尋優(yōu)模型的準(zhǔn)確性和可靠性顯著提高；同時基于混沌映射策略對所述原始數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集和驗證集，使原始數(shù)據(jù)集中分布不均的數(shù)據(jù)均勻分布；其次，利用改進個體更新機制的麻雀搜索算法結(jié)合訓(xùn)練集構(gòu)建并訓(xùn)練路徑尋優(yōu)模型，克服了改進前的麻雀搜索算法存在的缺陷，極大的提高了路徑尋優(yōu)模型的效率和準(zhǔn)確度；并使用驗證集對完成訓(xùn)練的路徑尋優(yōu)模型進行驗證，判斷所述路徑尋優(yōu)模型是否符合要求，確保了訓(xùn)練完成的路徑尋優(yōu)模型滿足實際作業(yè)環(huán)境的需要，可以快速且準(zhǔn)確的規(guī)劃出無人機的最優(yōu)飛行路徑，有效防止其過擬合、欠擬合；最后采集無人機作業(yè)場景實時數(shù)據(jù)作為所述合格的路徑尋優(yōu)模型的輸入進行無人機路徑規(guī)劃，此時的路徑尋優(yōu)模型不僅滿足了無人機實際作業(yè)環(huán)境的需要，還具有極高的效率和準(zhǔn)確度，能夠在最短的時間里準(zhǔn)確得到并輸出無人機最優(yōu)路徑。

10、作為優(yōu)選，所述s1中，基于無人機作業(yè)場景歷史數(shù)據(jù)構(gòu)建原始數(shù)據(jù)集的具體過程為：s11、基于無人機作業(yè)場景歷史數(shù)據(jù)建立三維地形模型；

11、s12、以所述三維地形模型為基礎(chǔ)建立無人機路徑成本評估函數(shù)；

12、s13、基于所述無人機路徑成本評估函數(shù)搜索無人機路徑，并采用懲罰函數(shù)對搜索到的無人機路徑進行平滑處理；

13、s14、基于已完成平滑處理的無人機路徑進行整合，得到原始數(shù)據(jù)集。

14、本方案中，基于無人機作業(yè)場景歷史數(shù)據(jù)建立三維地形模型，充分模擬了真實的無人機作業(yè)場景，有效提高了三維地形模型的有效性和實用性；并以所述三維地形模型為基礎(chǔ)建立無人機路徑成本評估函數(shù)，通過所述無人機路徑成本評估函數(shù)可以搜索出三維地形模型包含的無人機飛行路徑；其次，搜索到無人機飛行路徑后，采用懲罰函數(shù)對搜索到的無人機路徑進行平滑處理，排除不合理的無人機路徑，使最后得到的原始數(shù)據(jù)集的精度提升，并顯著提高模型的效率和準(zhǔn)確度。

15、作為優(yōu)選，所述s12中，以所述三維地形模型為基礎(chǔ)建立無人機路徑成本評估函數(shù)的具體過程為：

16、s121、以所述三維地形模型為基礎(chǔ)建立路徑長度函數(shù)和飛行高度代價函數(shù)，同時基于所述三維地形模型結(jié)合無人機最大轉(zhuǎn)角范圍建立轉(zhuǎn)角代價函數(shù)；

17、s122、以路徑長度函數(shù)、飛行高度代價函數(shù)和轉(zhuǎn)角代價函數(shù)為基礎(chǔ)建立無人機路徑成本評估函數(shù)。

18、本方案中，建立三維地形模型的時，不僅考慮了無人機的飛行距離和飛行高度，還結(jié)合了無人機的最大轉(zhuǎn)角范圍建立了轉(zhuǎn)角代價函數(shù)，模擬了無人機真實飛行過程中可能會遇見障礙的情況，使最后得到的無人機最優(yōu)路徑更為合理。

19、作為優(yōu)選，所述s2中，基于混沌映射策略對所述原始數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集和驗證集的具體過程為：

20、s21、將所述原始數(shù)據(jù)集作為所述混沌映射策略的輸入，得到與原始數(shù)據(jù)集對應(yīng)的映射數(shù)據(jù)集；s22、整合所述原始數(shù)據(jù)集和所述映射數(shù)據(jù)集為一個總數(shù)據(jù)集，并對所述總數(shù)據(jù)集進行劃分得到訓(xùn)練集和測試集。

21、本方案中，采用混沌映射策略對原始數(shù)據(jù)集進行處理，得到與原始數(shù)據(jù)集對應(yīng)的映射數(shù)據(jù)集，使數(shù)據(jù)具有真實性的同時，探索了可能存在的真實數(shù)據(jù)，有效提高了數(shù)據(jù)的有效性和全面性。

22、作為優(yōu)選，所述s3中，基于改進個體更新機制的麻雀搜索算法結(jié)合所述訓(xùn)練集構(gòu)建并訓(xùn)練路徑尋優(yōu)模型的具體過程為：

23、s31、所述改進個體更新機制的麻雀搜索算法中的個體包括有發(fā)現(xiàn)者和加入者；

24、具體地，基于麻雀搜索算法的發(fā)現(xiàn)者更新公式結(jié)合螺旋搜索策略，得到生產(chǎn)者更新公式，并以麻雀搜索算法的加入者更新公式為基礎(chǔ)結(jié)合種群交流策略，得到行乞者更新公式；

25、s32、基于所述生產(chǎn)者更新公式和所述行乞者更新公式結(jié)合鏡面反射公式構(gòu)建路徑尋優(yōu)模型；s33、將所述訓(xùn)練集輸入完成構(gòu)建的路徑尋優(yōu)模型進行訓(xùn)練。

26、本方案中，采用螺旋搜索策略更新麻雀搜索算法中的生產(chǎn)者更新公式，使所述生產(chǎn)者的更新過程更加靈活，有效避免了麻雀搜索算法陷入局部最優(yōu)的情況；其次，采用種群交流策略更新麻雀搜索算法中的行乞者更新公式，確保了所述麻雀搜索算法的收斂性和種群多樣性，有效地平衡了局部開發(fā)和全局開發(fā)，從而達到了提高全局搜索效率和準(zhǔn)確性的效果。

27、作為優(yōu)選，所述s33中，將所述訓(xùn)練集輸入完成構(gòu)建的路徑尋優(yōu)模型進行訓(xùn)練的具體過程為：

28、s331、以所述訓(xùn)練集中的數(shù)據(jù)作為麻雀個體組件麻雀種群；

29、s332、計算所述麻雀種群中每個個體的適應(yīng)度；

30、s333、根據(jù)生產(chǎn)者在種群中的預(yù)設(shè)比例選取種群中適應(yīng)度高的個體作為生產(chǎn)者，并根據(jù)生產(chǎn)者更新公式更新所述生產(chǎn)者；

31、同時，基于所述鏡面反射公式對所述生產(chǎn)者進行鏡面操作得到所述生產(chǎn)者影子，并以所述生產(chǎn)者的更新為基礎(chǔ)結(jié)合鏡面反射公式更新所述生產(chǎn)者影子；

32、s334、根據(jù)行乞者在種群中的預(yù)設(shè)比例選取種群中適應(yīng)度接近生產(chǎn)者的個體作為行乞者，并根據(jù)行乞者更新公式更新所述行乞者；

33、同時，基于所述鏡面反射公式對所述行乞者進行鏡面操作得到所述行乞者影子，并以所述行乞者的更新為基礎(chǔ)結(jié)合鏡面反射公式更新所述行乞者影子；

34、s335、判斷麻雀種群是否滿足預(yù)設(shè)的停止更新條件，若是，則停止麻雀種群的更新并完成所述路徑尋優(yōu)模型的訓(xùn)練，若否，則執(zhí)行步驟s332。

35、本方案中，以所述訓(xùn)練集中的數(shù)據(jù)作為麻雀個體組件麻雀種群，基于所述訓(xùn)練集中的數(shù)據(jù)此時是均勻分布的，可以得到所述麻雀個體也是均勻分布的狀態(tài)，這使得所述麻雀種群中的個體均勻分布，有效避免大量無效個體的出現(xiàn)，進而降低了算法的復(fù)雜度，極大提高了算法的效率和收斂速度；并在以適應(yīng)度作為標(biāo)準(zhǔn)選取生產(chǎn)者和行乞者進行更新的同時，采用鏡面反射公式對所述生產(chǎn)者和行乞者進行鏡面操作得到他們對應(yīng)的影子，使麻雀搜索算法的探索范圍更加全面，有效避免麻雀搜索算法陷入局部最優(yōu)的情況，且顯著提高了麻雀搜索算法的收斂速度；最后判斷麻雀搜索算法是否滿足預(yù)設(shè)的停止更新條件，使得所述麻雀搜索算法訓(xùn)練得到的路徑尋優(yōu)模型滿足實際的路徑探索需求，保證了所述路徑尋優(yōu)模型的效率和準(zhǔn)確率。

36、作為優(yōu)選，所述s333中，基于鏡面反射公式對所述生產(chǎn)者進行鏡面操作得到所述生產(chǎn)者影子的具體過程為：

37、將所述生產(chǎn)者對應(yīng)的位置數(shù)據(jù)輸入所述鏡面反射公式進行計算，得到所述生產(chǎn)者影子。

38、作為優(yōu)選，所述s334中，基于鏡面反射公式對所述行乞者進行鏡面操作得到所述行乞者影子的具體過程為：

39、將所述行乞者對應(yīng)的位置數(shù)據(jù)輸入所述鏡面反射公式進行計算，得到所述行乞者影子。

40、作為優(yōu)選，所述s335中，判斷麻雀種群是否滿足預(yù)設(shè)的停止更新條件的具體判斷過程為：

41、將麻雀種群的當(dāng)前迭代次數(shù)與預(yù)設(shè)的最大迭代次數(shù)進行比較，若當(dāng)前迭代次數(shù)小于最大迭代次數(shù)，則判斷麻雀種群不滿足預(yù)設(shè)的停止更新條件；若當(dāng)前迭代次數(shù)大于等于最大迭代次數(shù)，則判斷麻雀種群滿足預(yù)設(shè)的停止更新條件。

42、作為優(yōu)選，所述s5中，基于所述驗證結(jié)果判斷所述路徑尋優(yōu)模型是否合格的具體判斷過程為：

43、將所述驗證結(jié)果與已知的無人機路徑進行比較，若無人機按照所述驗證結(jié)果中的路徑飛行消耗的時間小于無人機按照已知的無人機路徑飛行消耗的時間，且無人機按照所述驗證結(jié)果中的路徑飛行消耗的電能小于無人機按照已知的無人機路徑飛行消耗的電能，則判斷所述路徑尋優(yōu)模型合格，否則，判斷所述路徑尋優(yōu)模型不合格。

44、本方案中，將所述驗證結(jié)果與已知的無人機路徑進行比較判斷所述路徑尋優(yōu)模型是否合格，增強了所述路徑尋優(yōu)模型的可靠性，同時促進了所述路徑尋優(yōu)模型的迭代和改進。

45、本發(fā)明至少具備如下實質(zhì)性效果：

46、本發(fā)明基于無人機作業(yè)場景歷史數(shù)據(jù)構(gòu)建原始數(shù)據(jù)集，有效提高了本技術(shù)對于數(shù)據(jù)處理的效率，并使后續(xù)構(gòu)建的路徑尋優(yōu)模型的準(zhǔn)確性和可靠性顯著提高；同時基于混沌映射策略對所述原始數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集和驗證集，使原始數(shù)據(jù)集中分布不均的數(shù)據(jù)均勻分布，并以所述訓(xùn)練集中的數(shù)據(jù)作為麻雀個體組件麻雀種群，得到一個麻雀個體均勻分布的麻雀種群，有效避免種群中出現(xiàn)大量無效個體，進而降低了算法的復(fù)雜度，極大提高了算法的效率和收斂速度；其次，利用改進個體更新機制的麻雀搜索算法結(jié)合訓(xùn)練集構(gòu)建并訓(xùn)練路徑尋優(yōu)模型，克服了改進前的麻雀搜索算法存在的缺陷，極大的提高了路徑尋優(yōu)模型的效率和準(zhǔn)確度；并使用驗證集對完成訓(xùn)練的路徑尋優(yōu)模型進行驗證，判斷所述路徑尋優(yōu)模型是否符合要求，確保了訓(xùn)練完成的路徑尋優(yōu)模型滿足實際作業(yè)環(huán)境的需要，可以快速且準(zhǔn)確的規(guī)劃出無人機的最優(yōu)飛行路徑，有效防止其過擬合、欠擬合；最后采集無人機作業(yè)場景實時數(shù)據(jù)作為所述合格的路徑尋優(yōu)模型的輸入進行無人機路徑規(guī)劃，此時的路徑尋優(yōu)模型不僅滿足了無人機實際作業(yè)環(huán)境的需要，還具有極高的效率和準(zhǔn)確度，能夠在最短的時間里準(zhǔn)確得到并輸出無人機最優(yōu)路徑。

47、上述
技術(shù)實現(xiàn)要素：
僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。