CN110411445A - 基于软翼无人机的遍历规划方法 - Google Patents

Abstract

本发明涉及一种基于软翼无人机的遍历规划方法。该方法包括：采用区域分割法将软翼无人机待遍历区域划分为可行区域和障碍物区域；采用基于代价函数的改进贪心算法确定可行区域的待遍历顺序；采用折返形算法实施可行区域遍历，计算贴线直行的下一时刻目标期望点C的位置坐标、航向角，计算转弯过程中的偏航角速度；控制软翼无人机的行进轨迹。本方法实现了遍历规划，通过数值仿真验证了算法的可靠性。

Description

基于软翼无人机的遍历规划方法

技术领域

本发明属于软翼无人机路径规划的技术领域，具体的说是一种基于软翼无人机的遍历规划方法。

背景技术

由于具有结构简单、成本低、负载自重比大等一系列优点，软翼无人机非常适合空中长时间滞空搜索以及灾后物资的自动运送，并且可适用于从搜寻救援、物资定点投放等军事用途拓展到地图绘制、短程投递等民用方向。但是由于软翼无人机空气动力学平面柔性特性和机体非刚性连接的特点，使之存在附加质量、柔性结构以及内部相对运动，这给软翼无人机的深入研究带来了障碍。目前基于软翼无人机的研究停留在建模和飞行控制上，而对软翼无人机路径规划的可行性研究少有涉及。为了完成上述任务，需要对软翼无人机的遍历规划方法进行研究。

对软翼无人机的遍历规划方法的研究中，需要考虑的问题主要是三个：(1)可行子区域的划分与标记；(2)基于避障的前提下实现重复覆盖最少、路径最短。(3)在遍历规划过程中应充分考虑软翼无人机的动力学约束，避免软翼无人机发生失速坠落。

软翼无人机要遍历的区域分为可行区域和障碍物区域，为了使得方法更具有通用性，采用纵向划分方式进行区域划分，并进行区域边界取点实现对可行子区域的标记。经过以上处理后，相当于把整个自主规划遍历问题简化为对点的遍历和点所代表的相邻区域的不重复覆盖问题。

由于重复覆盖率最少、路径最短是最典型的TSP问题，解决这类问题最典型的方法是贪心算法。然而，贪心算法只是一种实现了局部最优的最短路径规划方法，未考虑到存在障碍物的问题。

目前较为常用的实现避障的方法是采用A*算法。A*算法通过比较当前路径栅格的8个邻接的启发式函数值F来逐步确定下一个路径栅格。其缺点是当存在多个最小值时A*不能保证搜索的路径最优，并且采用A*算法仅仅能够实现避障，难以与子区域遍历方法结合，实现区域的遍历规划。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于软翼无人机的遍历规划方法。引入代价矩阵能够有效的实现自主避障，简单可行；引入贪心策略与代价函数结合，通过局部最优的方式接近全局最优；代价函数与路径规划算法结合实现避障。

本发明为实现上述目的所采用的技术方案是：一种基于软翼无人机的遍历规划方法，包括以下步骤：

步骤1：采用区域分割法将软翼无人机待遍历区域划分为可行区域和障碍物区域；

步骤2：采用基于代价函数的改进贪心算法确定可行区域的待遍历顺序；

步骤3：采用折返形算法实施可行区域遍历，计算贴线直行的下一时刻目标期望点C的位置坐标、航向角，计算转弯过程中的偏航角速度；

步骤4：按照待遍历顺序和贴线直行的下一时刻目标期望点C的位置坐标、航向角、转弯过程中的偏航角速度，控制软翼无人机的行进轨迹。

其中，所述采用区域分割法将软翼无人机待遍历区域划分为可行区域和障碍物区域，包括：

将待遍历区域近似为一个矩形区域，将障碍物近似为矩形；

根据障碍物矩形的坐标，将待遍历区域划分为若干个可行区域和障碍物区域；所述可行区域为软翼无人机实际遍历区域；所述可行区域和障碍物区域均为矩形；

从待遍历区域左至右，分别取第一个可行区域左边界中心点、相邻可行区域的交线中心点、最后一个可行区域右边界中心点作为待遍历可行区域的位置点。

所述采用基于代价函数的改进贪心算法确定可行区域的待遍历顺序包括：

对于可行区域中的n个待遍历的位置点，按照从起点到终点的路径代价最小原则确定遍历顺序；

定义代价函数f(A)，全局代价矩阵A，附加代价矩阵B，d_ij表示两点间的距离，i、j分别表示当前时刻位置点和下一时刻位置点，i＝1,2,...,n，j＝1,2,...,n；

所述代价最小的计算如下：

f(A)_j＝f(A)_i+B

B＝(b_ij)_nxn

其中，代价函数初始值f(A)₀＝A₀＝(a_ij)_nxn， a_ij表示位置i和位置j之间的距离；a_ij＝∞表示当两点确定的直线从障碍物中心穿过时认为两点不相关。

所述中的位置点j是否被遍历，按照如下步骤获取：

a.对于当前时刻位置点i，通过解得下列方程，若α(i)≠0则点i为当前时刻位置点；

b.解得下列方程，若γ(i)≠0则点i是被遍历过的点，否则是未被遍历过的点；

其中，是一个n×1向量，用来存储当前位置点，若该向量的第i行不为0，则当前位置点即为i；是一个n×1向量，并且每个位置值都为1，该向量的作用在于辅助确定当前位置点；是一个n×1向量，用来存储已经遍历过的点，从γ(0)开始判断γ(0)是否为0，如果不为0说明0对应位置点已经被遍历过，一直判断到γ(n-1)，得到已经遍历过的点；其中表示上一位置遍历过的点的集合，表示当前位置遍历过的点的集合；在当前位置判断当前已经走过的点用于确定附加代价矩阵B，以辅助决策下一步走向哪个位置点。

所述计算贴线直行的下一时刻目标期望点C的位置坐标、航向角，包括：

贴线直行的下一时刻目标期望点C的位置坐标(C_x,C_y)、期望航向角psi*为：

psi^*＝atan(A_y-M_y,Ax-Mx)

C_x＝T_x+d×cos(psi^*)

C_y＝Ty+d×sin(psi^*)

其中，P为当前点位置，期望最终点为A(A_x,A_y)，前一时刻期望点为M(M_x,M_y)，d为当前点P到直线MA的距离，当前点P到目标直线MA的垂足为T(T_X,T_Y)，psi^*为期望航向角。

所述计算转弯过程中的偏航角速度，包括：

转弯过程中的偏航角速度w为：

其中，P为当前点位置，期望最终点为A(A_x,A_y)，前一时刻期望点为M(M_x,M_y)，v为前向速度，在贴线直行时v＝5m/s，转弯时前向速度降低，v＝4m/s，h为当前点P到目标直线MA的垂线距离，psi^*为期望航向角，psi为实际航向角，可以通过软翼无人机实际飞行时测量获取。

本发明具有以下有益效果及优点：

1.引入代价矩阵能够有效的实现自主避障，简单可行。

2.引入贪心策略与代价函数结合，通过局部最优的方式接近全局最优，仿真结果表明，该系统稳定跟踪点率达到98％以上，充分证明了该方法的实用性。

3.代价函数与路径规划算法结合实现避障的思路，可以作为路径规划研究的参考。

4.该方法在遍历过程中充分考虑软翼无人机动力学约束，对于软翼无人机遍历规划方面的研究具有一定的参考意义。

附图说明

图1是软翼无人机航迹控制图；

图2是本发明所提遍历规划中的区域分割取点图；

图3是本发明所提遍历规划中的自主规划效果图；

图4是本发明所提遍历规划方法的效果图；

图5是本发明的遍历规划顺序实例2图解。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

一、平台搭建与航迹仿真

针对软翼无人机的数学模型，并结合油门、刹车、左侧下拉、右侧下拉四个输入量与垂向速度、前向速度、偏航角速度三个输出量的分析，设计了基于PID控制器的横纵向控制结构，在MATLAB/SIMULINK中搭建了软翼无人机仿真平台。

基于贴线直行和转弯两种控制策略，软翼无人机进行了如图1所示的航迹点飞行。红色曲线表示为期望轨迹，蓝色曲线表示为实际轨迹。软翼无人机初始状态点为(200，200，0)，初始偏航角设置为120度，初始前进距离为200m，达到期望位置点后飞至50m高度，然后保持该高度，进行了依次寻迹点飞行。通过与参考值的对比(红色曲线)，验证了贴线直行和转弯两种控制策略可靠性。

二、区域分割与自主规划

环境建模是进行路径规划的前提和基础。软翼无人机对区域的遍历过程可以简化为二维平面，采用区域分割的建模方法。

首先，进行区域划分。假设软翼无人机要遍历的区域为(4000x1000)m的矩形区域，障碍物为标准矩形。首先将要遍历的区域划分为可行区域和障碍物区域，划分的规则是采用纵向划分方式。如图2所示，红色曲线代表区域划分的边界。其次，进行取点。其中，第一个区域取左边界的中心点，最后一个区域取右边界的中心点，相邻区域取区域交线的中心点。如图2所示，标定的字母Ai(i＝1～15)代表所取的点。

其次，对于可行子区域，同时要求重复覆盖最少、路径最短，即转变为旅行商问题。求解旅行商问题最常规方法是贪心策略。然而贪心算法存在未考虑障碍物的问题。因此提出了一种基于代价函数的改进贪心算法进行解决。

定义代价函数f(A)_j＝f(A)_i+B，全局代价矩阵A，附加代价矩阵B，d_ij表示两点间的距离，i、j分别表示当前时刻位置点和下一时刻位置点；同时引入附加代价矩阵B，在遍历过程中实时更新代价函数以获取全局代价，在遵循局部最优的同时保证在最短的时间内所有点都能被遍历到。

在子区域遍历顺序确定后，关键步骤是软翼无人机采用何种路径规划方法完成对各可行子区域的覆盖。为了提高效率，更大程度的满足评价指标，采用非随机路径规划算法。常用的非随机路径规划方法有”折返形”和”螺旋形”。考虑到软翼无人机的动力学约束，采用螺旋形算法可能会使得无人机在空中因转弯半径过小而发生失速，使得操纵发生恶化甚至导致无人机的直接坠落，因此采用折返形路径规划方法进行子区域的遍历。

因此，遍历规划的基本策略在于：采用基于代价函数的改进贪心算法进行子区域的实时规划，并在实时规划过程中进行子区域的遍历判断。如果位置所在点对应的子区域已经全部遍历则按照规划的路径移动到下一个位置点。如果位置所在点的子区域没有遍历或者部分遍历，则遍历完该区域后再移动到下一个位置点。将该遍历规划算法与软翼无人机控制器结合，通过数值仿真，验证了该算法的可靠性。

实例1，建立二维地图并进行分区、取点后，采用基于代价函数的改进的贪心算法进行子区域的路径规划，确定可行子区域的遍历顺序。假定从A1出发，遍历的顺序为：

A1→A2→A3→A4→A6→A8→A11→A14→A15→A13→→A10→A12→A9→A7→A5

规划效果图如图3所示。

实例2如图5所示，在2点和3点不连通的情形下，初始代价矩阵为A₀，由初始代价矩阵可知，附加代价为7。

假设从0点出发，在由于A₀的第一行可知，d₀₁＝3，d₀₂＝7，d₀₃＝4，由于d₀₁最小，因此会先走到1点。到达1点后，由于0点已经走过了，所以d₁₀＝3+7＝10，则代价矩阵为：

从1点出发，由于d₁₀＝10，d₁₂＝4，d₁₃＝3，由于d₁₃最小，所以会走到3点。由此类推，可知最后的遍历的顺序为：0→1→3→1→2。

三、遍历规划算法仿真

采用基于代价函数的改进贪心算法进行子区域的实时规划，并在实时规划过程中进行子区域的遍历判断。如果位置所在点对应的子区域已经全部遍历则按照规划的路径移动到下一个位置点。如果位置所在点的子区域没有遍历或者部分遍历，则遍历完该区域后再移动到下一个位置点。

按照待遍历顺序和贴线直行的下一时刻目标期望点C的位置坐标、航向角、转弯过程中的偏航角速度，控制软翼无人机的行进轨迹。在算法的仿真验证中，将软翼无人机转弯半径取为r＝55m，遍历如图4所示。

根据软翼无人机实际运行特征，这里定义了一种特定的运行稳定性的评定标准。规定期待曲线的每个期望位置点的坐标为(X_i,Y_i)，仿真曲线的每个实际位置点的坐标为(X_i′,Y_i′)。

首先，将数据指标以原点以基值点进行数据绝对化处理，即：

A_i＝(X_i ²+Y_i ²)^1/2

其次，为保证数据不受期待值的影响，需对处理后的数据进行标准化处理，即：

再次，计算相对偏差：

最后，根据软翼无人机实际运行的轨迹特征人为规定：当Δ_i＜0.5％时认为该点跟踪效果良好，为稳定点。

根据评价指标对遍历规划仿真结果进行计算，结果显示：该系统跟踪稳定点比率高达98.92％。

由此，本发明所提方法的可靠性得以验证。

Claims (6)

1.一种基于软翼无人机的遍历规划方法，其特征在于，包括以下步骤：

步骤1：采用区域分割法将软翼无人机待遍历区域划分为可行区域和障碍物区域；

步骤2：采用基于代价函数的改进贪心算法确定可行区域的待遍历顺序；

步骤3：采用折返形算法实施可行区域遍历，计算贴线直行的下一时刻目标期望点C的位置坐标、航向角，计算转弯过程中的偏航角速度；

步骤4：按照待遍历顺序和贴线直行的下一时刻目标期望点C的位置坐标、航向角、转弯过程中的偏航角速度，控制软翼无人机的行进轨迹。

2.按照权利要求1所述的一种基于软翼无人机的遍历规划方法，其特征在于，所述采用区域分割法将软翼无人机待遍历区域划分为可行区域和障碍物区域，包括：

将待遍历区域近似为一个矩形区域，将障碍物近似为矩形；

根据障碍物矩形的坐标，将待遍历区域划分为若干个可行区域和障碍物区域；所述可行区域为软翼无人机实际遍历区域；所述可行区域和障碍物区域均为矩形；

从待遍历区域左至右，分别取第一个可行区域左边界中心点、相邻可行区域的交线中心点、最后一个可行区域右边界中心点作为待遍历可行区域的位置点。

3.按照权利要求1所述的一种基于软翼无人机的遍历规划方法，其特征在于，所述采用基于代价函数的改进贪心算法确定可行区域的待遍历顺序包括：

对于可行区域中的n个待遍历的位置点，按照从起点到终点的路径代价最小原则确定遍历顺序；

定义代价函数f(A)，全局代价矩阵A，附加代价矩阵B，d_ij表示两点间的距离，i、j分别表示当前时刻位置点和下一时刻位置点，i＝1,2,...,n，j＝1,2,...,n；

所述代价最小的计算如下：

f(A)_j＝f(A)_i+B

B＝(b_ij)_nxn

其中，代价函数初始值f(A)₀＝A₀＝(a_ij)_nxn， a_ij表示位置i和位置j之间的距离；a_ij＝∞表示当两点确定的直线从障碍物中心穿过时认为两点不相关。

4.按照权利要求3所述的一种基于软翼无人机的遍历规划方法，其特征在于，所述中的位置点j是否被遍历，按照如下步骤获取：

a.对于当前时刻位置点i，通过解得下列方程，若α(i)≠0则点i为当前时刻位置点；

b.解得下列方程，若γ(i)≠0则点i是被遍历过的点，否则是未被遍历过的点；

其中，是一个n×1向量，用来存储当前位置点，若该向量的第i行不为0，则当前位置点即为i；是一个n×1向量，并且每个位置值都为1，该向量的作用在于辅助确定当前位置点；是一个n×1向量，用来存储已经遍历过的点，从γ(0)开始判断γ(0)是否为0，如果不为0说明0对应位置点已经被遍历过，一直判断到γ(n-1)，得到已经遍历过的点；其中表示上一位置遍历过的点的集合，表示当前位置遍历过的点的集合；在当前位置判断当前已经走过的点用于确定附加代价矩阵B，以辅助决策下一步走向哪个位置点。

5.按照权利要求1所述的一种基于软翼无人机的遍历规划方法，其特征在于，所述计算贴线直行的下一时刻目标期望点C的位置坐标、航向角，包括：

贴线直行的下一时刻目标期望点C的位置坐标(C_x,C_y)、期望航向角psi^*为：

psi^*＝atan(A_y-M_y,A_x-M_x)

C_x＝T_x+d×cos(psi^*)

C_y＝T_y+d×sin(psi^*)

其中，P为当前点位置，期望最终点为A(A_x,A_y)，前一时刻期望点为M(M_x,M_y)，d为当前点P到直线MA的距离，当前点P到目标直线MA的垂足为T(T_X,T_Y)，psi^*为期望航向角。

6.按照权利要求5所述的一种基于软翼无人机的遍历规划方法，其特征在于，所述计算转弯过程中的偏航角速度，包括：

转弯过程中的偏航角速度w为：

其中，P为当前点位置，期望最终点为A(A_x,A_y)，前一时刻期望点为M(M_x,M_y)，v为前向速度，在贴线直行时v＝5m/s，转弯时前向速度降低，v＝4m/s，h为当前点P到目标直线MA的垂线距离，psi^*为期望航向角，psi为实际航向角，可以通过软翼无人机实际飞行时测量获取。