基于球面矢量粒子群优化的安全增强型无人机路径规划.docx

基于球面矢量粒子群优化的安全增强型无人机路径规划

摘要：本文提出了一种基于球面矢量的粒子群优化(SPSO)的新算法来处理无人机(UAV)在受到多重威胁的复杂环境中的路径规划问题。首先，制定成本函数，将路径规划转换为优化问题，该问题包含无人机可行和安全运行的要求和约束。然后使用SPSO通过粒子位置与无人机速度、转角和爬升/俯冲角之间的对应关系，通过高效有哪些信誉好的足球投注网站无人机的配置空间来找到最小化成本函数的最优路径。为了评估SPSO的性能，本文从真实的数字高程模型地图中生成了八个基准测试场景进行仿真测试。结果表明，所提出的SPSO不仅优于其他粒子群优化(PSO)变体，如经典PSO、相位角编码PSO和量子行为PSO，而且优于其他最先进的元启发式优化算法，如遗传算法(GA))、人工蜂群(ABC)和差异进化(DE)。此外，本文还通过实验证明了生成的路径对真实无人机操作的有效性。

关键词：路径规划、粒子群优化、UAV

中图分类号：V244.12文献标识码：B

1引言

路径规划对于无人机执行任务和避免操作环境中出现的威胁至关重要。规划的路径应该在应用程序定义的特定标准中是最优的。对于航空摄影、测绘和表面检查等大多数应用，标准通常是尽量减少无人机访问地点之间的行进距离，从而减少所需的时间和燃料[1,2]。该标准还可以是在动态目标有哪些信誉好的足球投注网站[3]中最大化检测概率，在监视和救援[4]中最小化飞行时间，或找到多目标导航的帕累托解决方案[5]。此外，规划的路径还需要满足与操作环境施加的安全性和无人机施加的可行性相关的约束。在这里，安全性涉及路径引导无人机通过环境中出现的威胁(例如障碍物)的能力。可行性涉及路径与与飞行时间、飞行高度、油耗、转弯率和爬升角相关的无人机限制等。因此，在无人机的无碰撞和可行运动方面具有增强安全性的路径规划仍然是一个具有挑战性的问题。

总结当前已有文献中，有学者提出了几种无人机路径规划方法，例如图有哪些信誉好的足球投注网站、单元分解、势场和自然启发算法。图有哪些信誉好的足球投注网站方法将环境分割成相互连接的离散区域，每个区域形成正在有哪些信誉好的足球投注网站路径的图的顶点。文献[6,7]通过Voronoi图生成一个图，然后该图成为Eppstein的k-最佳路径算法[8]的输入以找到最佳路径。另一种基于图的算法是概率路线图(PRM)，它对无人机的配置空间进行采样以生成图的顶点[9]。与PRM类似，快速探索随机树(RRT)算法使用配置空间来创建有哪些信誉好的足球投注网站图。然而，它通过递归地添加具有最小启发式成本的边来找到路径[10]。虽然基于图的算法在生成可行的飞行路径方面很有效，但它们不适合包含与无人机机动相关的约束，因此可能导致计划路径和飞行路径之间存在较大误差。

另一方面，单元分解方法将空间表示为相等单元的网格，并采用启发式有哪些信誉好的足球投注网站来寻找飞行路径。A*是一种流行的算法，它使用从当前位置到其邻居和目标位置的最小成本有哪些信誉好的足球投注网站单元空间[11,12]。文献[13]对A*算法进行了扩展，增加了UAV约束，例如转角。然后将其修改为双向以处理间歇性测量[12]。文献[14]通过单元分解进行UAV和UGV之间的路径协调，文献[15]将单元分解用于飞行监视，文献[16]将单元分解用于实时UAV操作中的路径预测。然而，单元分解方法的主要缺点是可扩展容量的限制，因为单元的数量随着有哪些信誉好的足球投注网站空间维度呈指数增长。

势场是另一种方法，它通过将无人机视为在由与目标相关的组件和任何障碍物构成的人工势场的影响下移动的粒子来直接有哪些信誉好的足球投注网站连续空间的解决方案[17,18]。这种方法增加了额外的控制力，以提供更短和更平滑的路径[19,20]。它还与哈密顿函数相结合以实现避障[21]或与后退地平线优化相结合以获得多个无人机的路径而不违反碰撞避免和网络连接约束[22]。然而，势场法没有考虑解的最优性，在处理现场发生的局部最小值方面存在局限性。

最近，受自然启发的方法因其在处理无人机动态约束方面的有效性以及在复杂场景中有哪些信誉好的足球投注网站全局最优的能力而在路径规划中变得更加普遍。已经为无人机路径规划开发了多种受自然启发的算法，例如布谷鸟有哪些信誉好的足球投注网站[23]、遗传算法(GA)[24,25]、差分进化(DE)[26,27]、人工蜂群(ABC)[28]、蚁群优化(ACO)[29]和粒子群优化(PSO)[1,25,26,30]。其中，PSO较为常用，并引入了多种变体。

受鸟群和鱼群行为的启发，PSO是一种基于种群的算法，它具有群体智能的两个重要特性，即认知和社会一致性[31]。这些特性允许群体中的每个粒子根据自己的经验和群体经验来有哪些信誉好的足球投注网站解决方案，而不是使用传统的进化算子，如变异和交叉。因此，与其他受自然启发的算法[32]相比，PSO能够在更短的计算时间内找到稳定收敛的全局解。众所周知，它对初始条件和目标函数的变化不太敏感，并且能够通过少量参数(包括一个加速系数和两个权重因子)适应各种环境结构[33]