1.基于变频蝙蝠算法的农业无人机路径规划方法,其特征在于,包括以下步骤:获取巡检地地形和威胁区域并生成三维环境;
根据三维环境和无人机约束条件构建总成本函数;
基于圆柱矢量坐标,根据变频蝙蝠算法并结合总成本函数,得到无人机飞行路径的局部最优解和全局最优解,包括;
对无人机的飞行路径进行编码处理,得到飞行路径编码向量;
基于圆柱矢量坐标,结合飞行路径编码向量和变频蝙蝠算法对蝙蝠个体进行速度迭代更新和位置迭代更新;
将笛卡尔坐标系进行变换为圆柱矢量坐标系;
问题空间的每个可行解都由蝙蝠群体中的单个蝙蝠个体来表示,在优化算法中被称为蝙蝠个体,在无人机路径规划问题中表示一条无人机飞行路径,通过将每条路径编码为一组向量,每个路径都描述了无人机从一个位置点到另一个目标位置点的移动路径,这些矢量在圆柱体坐标系中取值范围为,极轴∈(0,pathlength),方位角θ∈(‑π/2、π/2),高度z∈(zmin、zmax),生成的初始化路径以圆柱坐标系(ρij,θij,zij)三个实数组成的坐标点表示,一条包含N个路径点的飞行路径Ωi可以由3N维的圆柱坐标向量表示,通过将粒子的位置描述为Ωi,与该粒子相关的速度ΔΩi用增量向量来描述:Ωi=(ρi1,θi1,zi1,ρi2,θi2,zi2,…,ρin‑2,θin‑2,zin‑2)ΔΩi=(Δρi1,Δθi1,Δzi1,Δρi2,Δθi2,Δzi2,…,Δρin‑2,Δθin‑2,Δzin‑2)上式中,Ωi表示一条包含N个路径点的飞行路径,ρin表示第i条飞行路径的第n维路径点的极轴值,θin表示第i条飞行路径的第n维路径点的方位角值,zin表示第i条飞行路径的第n维路径点的高度值,Δρin表示第i条飞行路径的第n维路径点的极轴值和上次迭代相比的变化量,Δθin表示第i条飞行路径的第n维路径点的方位角值和上次迭代相比的变化量,Δzin表示第i条飞行路径的第n维路径点的高度值和上次迭代相比的变化量,ΔΩi表示第t次迭代产生的 和第t‑1次迭代产生的 的差;
将柱面矢量(ρi1,θi1,zi1)记作 速度(Δρij,Δθij,Δzij)记作 变频蝙蝠算法的更新方程如下所示:上式中, 表示第i只蝙蝠个体第t次迭代的第j维位置的变化速度,ωb表示惯性因子, 表示第i只蝙蝠个体第t‑1次迭代的第j维位置的变化速度,f1表示蝙蝠个体频率影响因子,f2表示群体频率影响因子,r1j表示符合均匀分布的随机数,范围是[0,1],r2j表示表示符合均匀分布的随机数,范围是[0,1], 表示第i个蝙蝠个体第t次迭代的局部最优解第j维的位置, 表示第t次迭代全局最优解第j维的位置, 表示第i个蝙蝠个体第t‑1次迭代第j维的位置;
其中,Pi=(Pi1,Pi2,…,Pin)和Pg=(Pg1,Pg2,…,Pgn)分别是表示粒子i的局部和全局最佳位置的向量集;
根据更新后的蝙蝠个体速度与位置,对飞行路径编码向量进行映射处理并结合总成本函数,得到无人机飞行路径的局部最优解和全局最优解;
根据变频蝙蝠算法对无人机飞行路径的局部最优解和全局最优解进行更新,输出最优路径,包括;
设置变频蝙蝠算法的参数并对参数进行更新处理,所述变频蝙蝠算法的参数包括脉冲响度、脉冲频率、发射频率和常数;
根据更新后的参数对蝙蝠个体速度与蝙蝠个体位置进行更新;
判断到随机数小于发射频率;
根据更新后的蝙蝠个体位置与更新后的蝙蝠个体速度,对满足搜索条件的蝙蝠个体,结合分段函数对无人机飞行路径的局部最优解进行搜索,得到第一适应值;
判断到随机数大于等于发射频率且随机数大于等于脉冲响度;
根据更新后的蝙蝠个体位置与更新后的蝙蝠个体速度,对满足变异条件的蝙蝠个体进行变异处理,得到第二适应值;
根据对应的适应值更新蝙蝠个体的局部最优解和全局最优解,并进行判断是否达到终止条件;
判断到达到终止条件,输出最优路径。
2.根据权利要求1所述基于变频蝙蝠算法的农业无人机路径规划方法,其特征在于,所述获取巡检地地形和威胁区域并生成三维环境这一步骤,其具体包括:通过农业仿真平台对巡检地的地形环境进行仿真模拟,得到三维地形模型和威胁区域模型;
根据三维地形模型和威胁区域模型生成无人机安全巡检路径规划的三维环境。
3.根据权利要求2所述基于变频蝙蝠算法的农业无人机路径规划方法,其特征在于,所述根据三维环境和无人机约束条件构建总成本函数这一步骤,其具体包括:所述无人机约束条件包括飞行航迹路径最短约束、威胁最小约束、飞行高度约束和飞行转角约束;
通过欧几里得距离公式计算两个路径点之间的距离,得到飞行航迹路径最短约束;
根据三维环境获取无人机与威胁区域的危险距离,得到威胁最小约束;
根据三维环境获取无人机的飞行最小高度限制和最大高度限制,得到飞行高度约束;
根据无人机的转角率和爬升率评估飞行路径的可行性,得到飞行转角约束;
结合飞行航迹路径最短约束、威胁最小约束、飞行高度约束和飞行转角约束构建总成本函数。
4.根据权利要求3所述基于变频蝙蝠算法的农业无人机路径规划方法,其特征在于,所述总成本函数公式具体如下表示:上式中,Xi表示决策变量,bk表示权重系数,Fk表示无人机约束条件。
5.根据权利要求4所述基于变频蝙蝠算法的农业无人机路径规划方法,其特征在于,所述无人机飞行路径的局部最优解的计算公式如下所示:上式中, 表示第t次迭代中第i个局部个体的历史最优解, 表示第t‑1次迭代中的第i个局部个体最优解, 表示第t次迭代中第i条飞行路径, 表示第t次迭代中第i条飞行路径Ωi的飞行成本值, 表示第t‑1次迭代中的第i个局部个体历史最优解的总成本值。
6.根据权利要求5所述基于变频蝙蝠算法的农业无人机路径规划方法,其特征在于,所述无人机飞行路径的全局最优解的计算公式如下所示:上式中, 表示第t次迭代中的全局最优解, 表示第t次迭代中的第i个局部个体历史最优解的总成本值。
7.根据权利要求6所述基于变频蝙蝠算法的农业无人机路径规划方法,其特征在于,变频蝙蝠算法的蝙蝠个体位置更新表达式如下所示:上式中,表示第i个蝙蝠个体第t次迭代更新的位置, 表示第i个蝙蝠个体第t‑1次迭代更新的位置,μ表示权重系数。
8.基于变频蝙蝠算法的农业无人机路径规划系统,其特征在于,包括以下模块:生成模块,用于获取巡检地地形和威胁区域并生成三维环境;
构建模块,用于根据三维环境和无人机约束条件构建总成本函数;
更新模块,基于圆柱矢量坐标,根据变频蝙蝠算法并结合总成本函数,得到无人机飞行路径的局部最优解和全局最优解;
对无人机的飞行路径进行编码处理,得到飞行路径编码向量;
基于圆柱矢量坐标,结合飞行路径编码向量和变频蝙蝠算法对蝙蝠个体进行速度迭代更新和位置迭代更新;
将笛卡尔坐标系进行变换为圆柱矢量坐标系;
问题空间的每个可行解都由蝙蝠群体中的单个蝙蝠个体来表示,在优化算法中被称为蝙蝠个体,在无人机路径规划问题中表示一条无人机飞行路径,通过将每条路径编码为一组向量,每个路径都描述了无人机从一个位置点到另一个目标位置点的移动路径,这些矢量在圆柱体坐标系中取值范围为,极轴∈(0,pathlength),方位角θ∈(‑π/2、π/2),高度z∈(zmin、zmax),生成的初始化路径以圆柱坐标系(ρij,θij,zij)三个实数组成的坐标点表示,一条包含N个路径点的飞行路径Ωi可以由3N维的圆柱坐标向量表示,通过将粒子的位置描述为Ωi,与该粒子相关的速度ΔΩi用增量向量来描述:Ωi=(ρi1,θi1,zi1,ρi2,θi2,zi2,…,ρin‑2,θin‑2,zin‑2)ΔΩi=(Δρi1,Δθi1,Δzi1,Δρi2,Δθi2,Δzi2,…,Δρin‑2,Δθin‑2,Δzin‑2)上式中,Ωi表示一条包含N个路径点的飞行路径,ρin表示第i条飞行路径的第n维路径点的极轴值,θin表示第i条飞行路径的第n维路径点的方位角值,zin表示第i条飞行路径的第n维路径点的高度值,Δρin表示第i条飞行路径的第n维路径点的极轴值和上次迭代相比的变化量,Δθin表示第i条飞行路径的第n维路径点的方位角值和上次迭代相比的变化量,Δzin表示第i条飞行路径的第n维路径点的高度值和上次迭代相比的变化量,ΔΩi表示第t次迭代产生的 和第t‑1次迭代产生的 的差;
将柱面矢量(ρi1,θi1,zi1)记作 速度(Δρij,Δθij,Δzij)记作 变频蝙蝠算法的更新方程如下所示:上式中, 表示第i只蝙蝠个体第t次迭代的第j维位置的变化速度,ωb表示惯性因子, 表示第i只蝙蝠个体第t‑1次迭代的第j维位置的变化速度,f1表示蝙蝠个体频率影响因子,f2表示群体频率影响因子,r1j表示符合均匀分布的随机数,范围是[0,1],r2j表示表示符合均匀分布的随机数,范围是[0,1], 表示第i个蝙蝠个体第t次迭代的局部最优解第j维的位置, 表示第t次迭代全局最优解第j维的位置, 表示第i个蝙蝠个体第t‑1次迭代第j维的位置;
其中,Pi=(Pi1,Pi2,…,Pin)和Pg=(Pg1,Pg2,…,Pgn)分别是表示粒子i的局部和全局最佳位置的向量集;
根据更新后的蝙蝠个体速度与位置,对飞行路径编码向量进行映射处理并结合总成本函数,得到无人机飞行路径的局部最优解和全局最优解;
输出模块,用于根据变频蝙蝠算法对无人机飞行路径的局部最优解和全局最优解进行更新,输出最优路径;
设置变频蝙蝠算法的参数并对参数进行更新处理,所述变频蝙蝠算法的参数包括脉冲响度、脉冲频率、发射频率和常数;
根据更新后的参数对蝙蝠个体速度与蝙蝠个体位置进行更新;
判断到随机数小于发射频率;
根据更新后的蝙蝠个体位置与更新后的蝙蝠个体速度,对满足搜索条件的蝙蝠个体,结合分段函数对无人机飞行路径的局部最优解进行搜索,得到第一适应值;
判断到随机数大于等于发射频率且随机数大于等于脉冲响度;
根据更新后的蝙蝠个体位置与更新后的蝙蝠个体速度,对满足变异条件的蝙蝠个体进行变异处理,得到第二适应值;
根据对应的适应值更新蝙蝠个体的局部最优解和全局最优解,并进行判断是否达到终止条件;
判断到达到终止条件,输出最优路径。