【技術實現步驟摘要】
本專利技術屬于無人機路徑規劃，具體涉及一種基于apf-irrt融合算法的救災無人機路徑規劃方法。
技術介紹
1、無人機作為現代生活中不可或缺的智能電子設備，在全球貿易市場中的占比持續增長。民用無人機按用途可分為巡邏無人機、農業無人機、氣象無人機、勘探無人機、救災無人機等。基于此，集成度更高、計算效率更好、反應時間更快的無人機得到了世界各國的大力研發投入。但由于災區的不可預測性(如惡劣天氣、災區等)，單純依靠無線電遙控，無人機完成精準識別、避障飛行、協同救援等任務非常具有挑戰性。因此，開發救災無人機自主路徑規劃算法具有重要意義。
2、救災無人機一般飛行高度在海拔25至150m之間。低空云、煙、塵引起的信號干擾是無人機飛行時的主要自然威脅，這意味著無人機應避免受到云、煙、塵的干擾。因此，部署在無人機上的路徑規劃算法必須高效、安全，并具備局部動態規劃能力。
3、在無人機全局路徑規劃領域，大多是靜態的，規劃的路徑是環境柵格化后得到的，并不是真正的優化路徑，仍需要進一步優化。但對于搶險救災任務來說，無論是偵察還是運輸任務，不僅要在路徑安全方面做出最基本的保障，而且對運行時間也提出了較高的要求。本文提出的改進融合算法在動態和靜態避障環境中均具有增強的性能。不僅滿足靜態避障，在遇到移動障礙物時也具有良好的安全性能。而且，雖然所需的計算時間縮短了一些，但航向角卻提高了不少，更重要的是適合復雜多變的真實環境。
技術實現思路
1、本專利技術要解決的技術問題是提供一種能實現路徑規
2、本專利技術的技術方案為：
3、一種基于apf-irrt融合算法的救災無人機路徑規劃方法，包括以下步驟：
4、步驟1、參數初始化，包括以下步驟：
5、s1、定義任務空間與狀態空間；
6、s2、定義無人機動力學模型；
7、s3、規劃參數初始化，包括：定義起點qstart與目標點qgoal，確定算法參數，定義搜索樹；
8、步驟2、節點擴展，包括以下步驟：
9、s4、吸引力與斥力計算；
10、s5、自適應搜索范圍，包括：根據合力方向限制采樣角度范圍并在該角度范圍內搜索隨機采樣點prand，碰撞檢測與節點選擇；
11、s6、動態步長調整；
12、s7、新節點生成；
13、步驟3、路徑優化與平滑，包括以下步驟：
14、s8、計算轉向角計算并設定約束條件；
15、s9、路徑切割與優化，包括：路徑切割與局部路徑優化，所述路徑切割具體為：對生成的全局路徑進行分段切割，所述局部路徑優化具體為：對每一段路徑，檢查起點和終點之間的直線是否穿越障礙物，若無碰撞，刪除中間節點，直接連接兩節點，減少轉彎次數，并確保轉向角滿足約束條件；
16、s10、路徑平滑：使用曲線擬合或多項式插值，對路徑進行平滑處理，減小路徑的曲率變化；
17、步驟4、算法終止條件，包括：到達目標點和達到最大迭代次數，所述到達目標點的具體條件為：當新節點qnew與目標點qgoal之間的距離滿足；
18、||qnew-qgoal||≤∈，
19、其中，∈表示預設的收斂閾值，即新節點到目標點的距離容差；
20、結束搜索，輸出最終路徑；
21、所述達到最大迭代次數具體為：若達到最大采樣次數count_max，結束搜索，返回未找到可行路徑的信息；
22、步驟5、輸出結果：輸出優化和平滑后的無人機飛行路徑。
23、進一步地，所述步驟s1具體為：定義所述任務空間z：
24、z＝zfree∪zobs，
25、其中，zfree表示飛行的安全區域，即無障礙區域，zobs表示有障礙物的危險區域；
26、則所述狀態空間的表達式為：
27、
28、即安全區域與障礙物區域互不重疊。
29、進一步地，所述步驟s2中的無人機動力學模型的表達式為：
30、x(0)＝x0，
31、其中，表示無人機狀態x(t)的變化率，x(t)表示無人機狀態，包括：位置信息和速度信息，h(t)表示控制輸入，γ表示系統動力學函數，x(0)表示系統在起始時間t＝0的狀態，x0表示系統的初始狀態。
32、進一步地，所述步驟s3中的的算法參數包括：吸引力系數、斥力系數、最大步長、安全距離、最大轉向角、采樣角度初始值、采樣角度增量和最大采樣次數，所述搜索樹的表達式為：
33、t＝{qstart}，
34、qstart＝(x0，y0)，
35、其中，t表示搜索樹，qstart表示路徑規劃的起點坐標。
36、進一步地，所述步驟s4中吸引力與斥力計算的表達式為：
37、fatt＝ζ(qgoal-qnear)，
38、
39、ftotal＝fatt+frep，
40、其中，qgoal表示路徑規劃的目標點坐標，qnear表示當前搜索樹中最近的節點坐標，ζ表示吸引力系數，fatt表示吸引力向量，qobs表示障礙物的坐標，η表示斥力系數，d＝||qnear-qobs||表示當前節點到障礙物的距離，d*表示安全距離，frep表示斥力向量，ftotal表示合力向量。
41、進一步地，所述步驟s5中根據合力方向限制采樣角度范圍的表達式為：
42、
43、[θinit-△θ,θinit+△θ],
44、其中，θinit表示采樣角度初始值，即合力方向的角度，ftotal,x表示合力在x方向的分量，ftotal,y表示合力在y方向的分量，δθ表示采樣角度增量；
45、所述步驟s5中碰撞檢測與節點選擇具體為：對當前搜索樹中最近的節點qnear和隨機采樣點prand之間的路徑進行碰撞檢測，若路徑未穿越障礙物，則保留隨機采樣點prand，作為候選節點；若若路徑穿越障礙物，則增大角度范圍：
46、θinit←θinit+△θ，
47、并繼續在新的角度范圍內采樣；若在所有角度內均未找到合適節點，則丟棄隨機采樣點prand，并重新隨機采樣新的點。
48、進一步地，所述步驟s6中動態步長調整的表達式為：
49、
50、其中，sv表示動態步長，k表示步長調整比例常數，d表示當前節點到障礙物的距離，d*表示安全距離，stepmax表示最大步長，即節點擴展時允許的最大移動距離。
51、進一步地，所述步驟s7包括以下步驟：計算新節點qnew和進行碰撞檢測，所述新節點qnew的計算公式為：
52、
53、sv≤stepmax，
54、<本文檔來自技高網...
【技術保護點】
1.一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S1具體為：定義所述任務空間Z：
3.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S2中的無人機動力學模型的表達式為：
4.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S3中的的算法參數包括：吸引力系數、斥力系數、最大步長、安全距離、最大轉向角、采樣角度初始值、采樣角度增量和最大采樣次數，所述搜索樹的表達式為：
5.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S4中吸引力與斥力計算的表達式為：
6.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S5中根據合力方向限制采樣角度范圍的表達式為：
7.根據權利要求1所
8.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S7包括以下步驟：計算新節點Qnew和進行碰撞檢測，所述新節點Qnew的計算公式為：
9.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S8中轉向角的計算公式為：
10.根據權利要求1所述的一種基于APF-IRRT融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟S10中曲線擬合平滑為樣條曲線平滑，包括以下步驟：
...【技術特征摘要】
1.一種基于apf-irrt融合算法的救災無人機路徑規劃方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于apf-irrt融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟s1具體為：定義所述任務空間z：
3.根據權利要求1所述的一種基于apf-irrt融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟s2中的無人機動力學模型的表達式為：
4.根據權利要求1所述的一種基于apf-irrt融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟s3中的的算法參數包括：吸引力系數、斥力系數、最大步長、安全距離、最大轉向角、采樣角度初始值、采樣角度增量和最大采樣次數，所述搜索樹的表達式為：
5.根據權利要求1所述的一種基于apf-irrt融合算法的救災無人機路徑規劃方法，其特征在于，所述步驟s4中吸引力與斥力計算的表達式為：
<...【專利技術屬性】
技術研發人員：趙俊超，呂金生，尹紅，徐敏，陳運忠，楊達，馬凡，韓濤，龔偉，施正德，韓承志，
申請(專利權)人：云南電網有限責任公司玉溪供電局，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。