CN103970143B - 一种无人飞行器自主巡点飞行的智能优化方法 - Google Patents

Abstract

本发明提出一种无人飞行器自主巡点飞行的智能优化方法，包括以下步骤：在预设飞行路线上选取路径点列，并控制飞行器依次通过路径点列中的路径点；依次检测飞行器与路径点列中路径点的距离；当距离小于预设值时，根据路径点列中的当前路径点和当前路径点的下一路径点得到新的路径点；根据新的路径点对应的实际飞行路线和预设飞行路线的误差值，调节路径点列中路径点的阈值半径。本发明实施例的无人飞行器自主巡点飞行的智能优化方法，克服了基于PID控制的飞行器巡点飞行存在的效率低下，浪费能源等问题，同时能够通过自我调节，自适应飞行器动力学特征的变化，保证系统的稳定性，提升系统的自主性能。

Description

一种无人飞行器自主巡点飞行的智能优化方法

技术领域

本发明涉及计算机应用技术领域，特别涉及一种无人飞行器自主巡点飞行的智能优化方法。

背景技术

机器人的无人化、自主化是当今对机器人智能化研发的重要方向之一，无人飞行器是其中的一类较为特殊的机器人，它具有机动性能高，控制复杂等特点。其中一项重要的技术为路径规划，路径规划根据感知到的环境信息和自己的任务信息规划飞行路径。在规划飞行路径的时候，传统的算法在路径上逐一标记路径点，并指示飞行器姿态控制的系统控制飞行器逐一到达每一个路径点，进行巡点飞行。由于飞行器本身的动力学特征，以及飞行器姿态控制的传统PID方法的影响，飞行器在每个点上建立一个悬停的稳态总是需要一定的时间，并具有一定的超调，这导致飞行器需要消耗大量的时间在每一个路径点的建立稳态的过程中，这不但制约了飞行器飞行的效率，也影响了整体行动的可靠性和稳定性。

发明内容

本发明旨在至少解决上述技术问题之一或至少提供一种有用的商业选择。

为此，本发明的目的在于提出无人飞行器自主巡点飞行的智能优化方法，该方法克服了基于PID控制的飞行器巡点飞行存在的效率低下，浪费能源等问题，同时能够通过自我调节，自适应飞行器动力学特征的变化，保证系统的稳定性，提升系统的自主性能。

为了实现上述目的，本发明的实施例提出了一种无人飞行器自主巡点飞行的智能优化方法，包括以下步骤：在预设飞行路线上选取路径点列，并控制飞行器依次通过所述路径点列中的路径点；依次检测所述飞行器与所述路径点列中路径点的距离；当所述距离小于预设值时，根据所述路径点列中的当前路径点和所述当前路径点的下一路径点得到新的路径点；以及根据所述新的路径点对应的实际飞行路线和所述预设飞行路线的误差值，调节所述路径点列中路径点的阈值半径。

根据本发明实施例的无人飞行器自主巡点飞行的智能优化方法，通过修改并增加路径点，使得飞行器无需在路径点建立稳态即可继续飞行，实现平滑飞行，并根据每一次调节路径点的控制效果，反馈调节修改目标路径点的时机。从而解决了基于PID控制的巡点飞行存在的效率低下、浪费能源等问题，且该方法能够通过自我调节，自适应飞行器动力学特征的变化，保证系统的稳定性，提升系统的自主性能。

另外，根据本发明上述实施例的无人飞行器自主巡点飞行的智能优化方法还可以具有如下附加的技术特征：

在本发明的实施例中，所述根据所述路径点列中的当前路径点和所述当前路径点的下一路径点得到新的路径点，进一步包括：对所述路径点列中的当前路径点和所述当前路径点的下一路径点进行线性插值以得到所述新的路径点。

在本发明的实施例中，所述阈值半径是由所述飞行器的当前速度、所述飞行器自身特性以及反馈调节机制所决定。

在本发明的实施例中，所述根据所述新的路径点对应的实际飞行路线和所述预设飞行路线的误差值，调节所述路径点列中路径点的阈值半径，进一步包括：通过绝对偏差的积分方法或加权计算方法计算所述误差值；判断所述误差值的正负；如果所述误差值为正值，则增加所述阈值半径；以及如果所述误差值为负值，则减小所述阈值半径。

在本发明的实施例中，所述预设飞行路线是通过原始的路线计算或通过所述路径点列连成的折线近似估算得到的。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法的流程图；

图2为现有技术的飞行器飞行效率损失示意图；

图3为根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法的智能规划算法、修改和更新当前路径点的原理示意图；

图4为根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法的阈值半径的大小对正方向误差影响的示意图；

图5为根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法的反馈调节阈值半径的原理框图；和

图6为根据本发明另一个实施例的无人飞行器自主巡点飞行的智能优化方法的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

以下结合附图详细描述根据本发明实施例的无人飞行器自主巡点飞行的智能优化方法。

图1为根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法的流程图。

如图1所述，根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法，包括以下步骤：

步骤S101，在预设飞行路线上选取路径点列，并控制飞行器依次通过路径点列中的路径点。其中，预设飞行路线是通过原始的路线计算或通过路径点列中的路径点连成的折线近似估算得到的。路径点列中的路径点依次有序地排列在预设飞行路线上。

步骤S102，依次检测飞行器与路径点列中路径点的距离。即一般来讲，飞行器飞行的过程中，将依次通过路径点列中的每一个点，则进一步地依次检测得到飞行器在前进过程中与其下一个路径点的距离。

步骤S103，当距离小于预设值时，根据路径点列中的当前路径点和当前路径点的下一路径点得到新的路径点。具体地，对路径点列中的当前路径点和当前路径点的下一路径点进行线性插值以得到新的路径点。其中，预设值根据具体情况预先设定。当前路径点即为飞行器当期的目标。

换言之，即在上述步骤S103中，如果当前路径点为原路径点列中的点，则插入一个新的路径点，新的路径点位置由原路径点列中的当前路径点和下一个路径点的位置通过线性插值得出，从而保证路径的不变性；如果当前路径点是新加入的路径点，则选取参与插值计算的下一个路径点作为当前路径点。

步骤S104，根据新的路径点对应的实际飞行路线和预设飞行路线的误差值，调节路径点列中路径点的阈值半径。具体地，通过绝对偏差的积分方法或加权计算方法计算所述误差值，并判断该误差值的正负，如果该误差值为正值，则增加阈值半径，如果该误差值为负值，则减小阈值半径。其中，阈值半径是由飞行器的当前速度、飞行器自身特性以及反馈调节机制所决定的，且阈值半径越大，修改路径点越早，阈值半径越小，修改路径点的时机越晚。反馈调节机制指误差值为正则增加阈值半径，误差值为负则减小阈值半径。实际飞行路线即为飞行器在修改了路径点之后的飞行路线。

换言之，在上述步骤S104中，通过空间上两条运行轨迹在特定方向上绝对偏差的积分计算出误差值，且当该误差值为正值时，增加阈值半径的长度，当误差值为负值时，减少阈值半径的长度。需要说明的是，误差值的也可以通过别的方式计算得出，例如：时间加权、空间位置加权等计算方式。其中，特定方向指飞行器在修改路径点之前的飞行方向。

图2为现有技术的飞行器飞行效率损失示意图。

如图2所示，为传统的路径规划方式。图中黑色边框代表由SLAM算法得到的地图中的障碍，实心圆形表示飞行器巡点飞行路线上的路径点，而曲线代表飞行器实际上飞行的路线。由图可知，由于PID算法的特性，飞行器在每个路径点上都需要花费一定时间才能达到稳态要求，从而浪费了时间和能源，而且效率不高。

图3为根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法的智能规划算法、修改和更新当前路径点的原理示意图。

智能算法的第一部分就是通过提前修改路径点，使得飞行器不需要建立稳态即可继续移动。如图3所示，即为该第一部分的示意图，假设飞行器的当前路径点为P1，随后的路径点分别为P2、P3…Pn，则首先为路径点设置阈值半径R(n)，n为当前的路径点。则R(n)满足以下公式：

R(n)=F(V,A,Fd)

其中V表示飞行器当前的飞行速度，A表示由飞行器的动力学特征和姿态控制器的特性决定的参数，Fd表示上一阶段效果的反馈。在图3中用实心圆形表示。当飞行器和当前路径点的距离小于R(n)时，立刻修改并更新当前路径点。为保证误差范围，需要在原路径点的基础上通过插值的方式增加新路径点。优选地，以1：1的比例增加新路径点。在图3中，曲线代表优化后飞行器的飞行路线，空心圆形为新插入的路径点，而X形代表飞行器每一次更新路径点的位置。从图3可以看出，在飞行器未到达路径点的时候，即更新了路径点，使得飞行器始终不需要在每一个路径点上建立稳态，从而提升了飞行的效率，同时使飞行的路线更加平滑。

图4为根据本发明一个实施例的无人飞行器自主巡点飞行的智能优化方法的阈值半径的大小对正方向误差影响的示意图。

智能算法的第二部分在于动态地调节每一个路径点对应的R（阈值半径）的大小。由图3可以看出，该算法能否保证飞行器在提前修改了路径点后，航线仍然在预期航线的误差范围之内，其决定性因素在于R的大小的选取。由于飞行器的特性各异，而且受环境因素，以及自身条件的干扰较大，因此需要保证在飞行器特性变化的时候，R仍能取合适的值，因此，引入一个反馈机制动态地调节R的数值。

如图4所示，以一个直角折线路径为例，示意出了当R选取不恰当时，飞行路径与预期路径的差异。采用对时间均匀积分的方式计算误差，且正方向的选取飞行器当前运行的方向后，若R过大，则在正方向具有负偏差，若R过小，则再正方向上具有正偏差，因此，可按照图5所示的方式，每一次修改路径点后，检查当前航线（实际飞行路线）与预期航线（预设飞行路线）的偏离值（即误差），作为反馈输入，以调节R的大小。采用PID控制参数R，当PID参数合适的时候，R能够随着飞行器特性的变化具有一定的稳定性，从而使得整个系统对于飞行器特性的变化具有一定的鲁棒性。

图6为根据本发明另一个实施例无人飞行器自主巡点飞行的智能优化方法的流程图。

如图6所示，根据本发明另一个实施例无人飞行器自主巡点飞行的智能优化方法，包括以下步骤：

步骤S601，初始化。将必要的参数初始化。

步骤S602，提取路径点组成路径点列，该路径点列为P(1)、P(2)…P(n)。即依据传统的巡点方式，在预先规划好的路径上面提取一系列路径点，且保证这一系列点依次相连形成的折线与所规划的路径误差在所规定的范围内，假设这些点为P(1)、P(2)…P(n)。

步骤S603，目标路径点为原路径点中的点P(i)。具体地，目标路径点即为当前的路径点。优选地，将第一个路径点P(1)设为当前路径点。

步骤S604，飞行器移动。即飞行器按照预先规划的航线正常移动。

步骤S605，R(P(i))=F(V,A,Fd)。即计算第i个路径点P(i)的阈值半径R(P(i))。其中，V表示飞行器当前的飞行速度，A表示由飞行器的动力学特征和姿态控制器的特性决定的参数，Fd表示上一阶段效果的反馈量，且Fd的初始值为0。

步骤S606，判断飞行器到路径点P(i)的距离是否小于阈值半径R(P(i))，如果是则执行步骤S607，否则返回执行步骤S603。

步骤S607，插入新目标路径点，并记为Q(i)=k*Pi+(1-k)*P(i+1)，其中，该算式为线性插值算式，目的是计算一个符合原路径的新目标点Q(i)，并且能够根据当前飞行器的位置选取合适的比例系数k，以保证新增的目标路径点与当前飞行器的距离合适。具体地，当当前路径点是初始化提取的原路径点之一P(i)时，则需要用插值算法新增一个路径点Q(i)，并修改当前路径点P(i)为新增的路径点Q(i)；类似的，步骤S618则是在当当前路径点是新增路径点Q(i)时，将当前路径点Q(i)修正回原路径点中下一个未被使用的路径点P(i+1)。

步骤S608，计算控制效果Fd。Fd表示本阶段效果的反馈量。即每完成一次修改路径点的操作，都计算预期路径，并在飞行器的飞行过程中测量实际路径，通过反馈计算，调整阈值半径的大小。

步骤S609，将当前路径点修改为新增路径点中的Q(i)。

步骤S610，飞行器移动。

步骤S611，计算R(Q(i))=F(V,A,Fd)。即计算当前路径点Q(i)的阈值半径R(Q(i))。其中，V表示飞行器当前的飞行速度，A表示由飞行器的动力学特征和姿态控制器的特性决定的参数，Fd表示上一阶段效果的反馈量，且Fd的初始值为0。

步骤S612，判断飞行器到当前路径点Q(i)的距离是否小于R(Q(i))。如果是，则执行步骤S613，否则返回执行步骤S609。

步骤S613，计算控制效果反馈Fd。即计算路径点Q(i)的控制效果反馈量Fd。

步骤S614，i=i+1。即选择下一个目标路径点。

步骤S615，判断i是否小于或等于n。如果是，则执行步骤S618，否则执行步骤S616。

步骤S616，将目标路径点设为P(n)。即当i大于n时，将当前路径点设置为P(n)，命令飞行器飞向设定的最后一个目标点。

步骤S617，飞行器继续后续飞行。本部分算法任务完成。

步骤S618，将目标路径点修改为P(i)。即当i小于或等于n时，将当前路径点修改为P(i)，并返回执行步骤S603，循环直到初始化时所提取的所有路径点列都依次被设定为目标路径点，当当前路径点为最后一个路径点P(n)时，会跳转入步骤S616和步骤S617，保证不再修改路径点，并让飞行器飞至最后一个路径点P(n)。

根据本发明实施例的无人飞行器自主巡点飞行的智能优化方法，通过修改并增加路径点，使得飞行器无需在路径点建立稳态即可继续飞行，实现平滑飞行，并根据每一次调节路径点的控制效果，反馈调节修改目标路径点的时机。从而解决了基于PID控制的巡点飞行存在的效率低下、浪费能源等问题，且该方法能够通过自我调节，自适应飞行器动力学特征的变化，保证系统的稳定性，提升系统的自主性能。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。

Claims (3)

1.一种无人飞行器自主巡点飞行的智能优化方法，其特征在于，包括以下步骤：

在预设飞行路线上选取路径点列，并控制飞行器依次通过所述路径点列中的路径点；

依次检测所述飞行器与所述路径点列中路径点的距离；

当所述距离小于预设值时，根据所述路径点列中的当前路径点和所述当前路径点的下一路径点得到新的路径点，具体为：对所述路径点列中的当前路径点和所述当前路径点的下一路径点进行线性插值以得到所述新的路径点；以及

根据所述新的路径点对应的实际飞行路线和所述预设飞行路线的误差值，调节所述路径点列中路径点的阈值半径，具体为：通过绝对偏差的积分方法或加权计算方法计算所述误差值，判断所述误差值的正负，如果所述误差值为正值，则增加所述阈值半径，如果所述误差值为负值，则减小所述阈值半径，其中，所述阈值半径通过如下函数表示：

R(n)＝F(V,A,Fd)，

其中，R(n)为所述阈值半径，n为当前路径点，V表示无人飞行器当前的飞行速度，A为由无人飞行器的动力学特征和姿态控制器的特性决定的参数，Fd表示上一阶段效果的反馈。

2.如权利要求1所述的无人飞行器自主巡点飞行的智能优化方法，其特征在于，所述阈值半径是由所述飞行器的当前速度、所述飞行器自身特性以及反馈调节机制所决定。

3.如权利要求1所述的无人飞行器自主巡点飞行的智能优化方法，其特征在于，所述预设飞行路线是通过原始的路线计算或通过所述路径点列连成的折线近似估算得到的。