一种基于人工势场的路径动态规划方法

1.一种基于人工势场的路径动态规划方法，其特征在于，包括以下步骤：采集无人机在运动环境中的环境信息，构建运动环境模型；基于所述环境模型，采集无人机单位时间内运动距离，判断无人机路径规划状态是否处于局部最优状态；控制无人机脱离所述局部最优状态达到目标位置；采集所述无人机的初始位置信息作为坐标原点，构建路径规划坐标系；采集目标位置信息、障碍物位置信息、障碍物尺寸信息作为所述路径规划坐标系的坐标值，其中，所述坐标值用来描述无人机运动环境中各个障碍物以及所述目标位置相对于所述无人机的相对位置关系；基于所述路径规划坐标系和所述坐标值，构建所述运动环境模型；设置所述无人机单位时间内运动距离阈值，比较所述无人机单位时间内运动距离与所述无人机单位时间内运动距离阈值的关系，根据所述关系控制所述无人机的运动状态，其中，所述关系包括第一关系和第二关系，所述第一关系为所述无人机单位时间内运动距离阈值小于所述无人机单位时间内运动距离，所述第二关系为所述无人机单位时间内运动距离阈值大于或等于所述无人机单位时间内运动距离；所述关系为所述第二关系，所述运动状态为局部最优状态；调用模拟退火算法，通过邻域函数在当前状态附近产生随机状态对当前状态进行扰动，并概率接受较差的状态，控制所述无人机脱离所述局部最优状态。 2.根据权利要求1所述一种基于人工势场的路径动态规划方法，其特征在于：基于所述运动环境模型，设置所述目标位置为引力场函数，设置所述障碍物为斥力场函数；基于所述引力场函数和所述斥力场函数，构建势场函数模型。 3.根据权利要求2所述一种基于人工势场的路径动态规划方法，其特征在于：所述势场函数模型的表达式为：式中：U goal (x)为引力场函数，U obs (x)为斥力场函数，ρ(x,x goal )为x与x goal 两个位置之间的相对距离，x为无人机当前飞行位置，x goal 为目标位置，α为引力势场增益系数，β为斥力势场增益系数，ρ 0 为障碍物的斥力影响范围阈值，在阈值范围外，斥力场作用为零，x obs 为障碍物位置。 4.根据权利要求3所述一种基于人工势场的路径动态规划方法，其特征在于：基于所述势场函数模型，获得所述引力场函数的第一负梯度和所述斥力场函数的第二负梯度；基于所述第一负梯度和所述第二负梯度，获得所述无人机的运动方向；基于所述运动方向，控制所述无人机达到所述目标位置。 5.根据权利要求1所述一种基于人工势场的路径动态规划方法，其特征在于：所述关系为所述第一关系，控制所述无人机按照规划路径进行运动。 6.根据权利要求1所述一种基于人工势场的路径动态规划方法，其特征在于：采集所述无人机的当前位置与所述目标位置的夹角，基于所述夹角，对所述模拟退火算法进行改进，用于解决模拟退火法邻域函数迭代次数高，收敛速度慢的问题。 7.根据权利要求1所述一种基于人工势场的路径动态规划方法，其特征在于：采集所述无人机在所述局部最优状态的第一势力场；采集所述无人机在经过若干次模拟退火算法迭代运动后的第二势力场；通过对比所述第一势力场和所述第二势力场的大小关系，判断所述无人机是否脱离所述局部最优状态。