基于风险成本的无人机路径规划算法研究
作者单位:西安邮电大学
学位级别:硕士
导师姓名:唐浩漾
授予年度:2024年
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 082503[工学-航空宇航制造工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:无人机 路径规划 风险成本 Min-cost A*算法 改进遗传算法
摘 要:随着科技的发展,无人机已广泛应用于智慧城市、航拍监测、野外救援等应用领域。路径规划是无人机技术和应用中的重要研究内容,其本质是在满足自身性能约束和环境约束的前提下,寻找适应飞行环境的最优路径。但是随着飞行环境的改变,无人机面临的风险因素也发生变化,在不同环境下,需要结合风险因素优化飞行路径,以降低无人机飞行路径风险成本。本文基于风险成本展开无人机路径规划研究,分别对城市环境和野外环境下无人机路径规划的主要风险成本因素进行了分析,建立了无人机风险成本模型,并设计实现了基于风险成本的无人机路径规划算法。本文主要贡献如下: (1)针对城市环境下无人机路径规划第三方风险问题严重,飞行路径风险高的问题,提出了一种基于第三方风险的城市无人机路径规划算法。该算法通过建立第三方风险模型,暨障碍物风险模型、死亡风险模型以及财产损失风险模型,对城市风险进行评估。在此基础上,建立包含第三方风险的无人机路径规划模型,设计了基于A*算法的Min-cost A*算法,并通过改进的Floyd算法对生成的低风险路径进行平滑。实验结果表明,与A*、Dijkstra、粒子群等算法对比,本文的路径规划方法可有效降低飞行路径的风险,提高城市环境下无人机飞行路径的可靠性,解决了城市无人机第三方风险路径规划问题。 (2)针对野外环境下传统遗传算法无人机路径规划路径成本高、收敛速度慢等问题,提出了一种基于改进遗传算法的无人机路径规划算法。该算法建立了野外环境下的能耗成本、飞行距离成本评估模型,并将这些成本因素加入无人机路径规划模型;通过对算法适应度函数的改进,优先选择低成本的路径个体进行迭代以降低路径成本;对遗传算子的优化避免了优质基因丢失、保护个体遗传信息、提高算法的局部搜索能力、避免算法早熟。与粒子群、模拟退火、蚁群等算法对比,实验结果表明,该算法能有效降低算法运行时间和路径成本,适合野外环境下的无人机路径规划。 研究结果表明,本文建立的风险成本评估模型能有效对环境的风险成本进行评估,并基于风险成本规划无人机飞行路径,有效减少了飞行路径风险成本,为无人机在城市环境和野外环境下安全运行提供了新的解决方案。