买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学申请的专利一种基于分层粒子群算法的无人机路径规划方法及其应用获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115357050B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211138201.9，技术领域涉及：G05D1/46；该发明授权一种基于分层粒子群算法的无人机路径规划方法及其应用是由贾兆红;孔哲;刘闯设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本一种基于分层粒子群算法的无人机路径规划方法及其应用在说明书摘要公布了：本发明公开了一种基于分层粒子群算法的无人机路径规划方法及其应用，该方法包括：1构建无人机的路径规划模型；2利用障碍物中点信息去初始化种群，使种群中的个体在初始化时找到多条可行的路径；3改进粒子群算法的实现，按照适应度值对种群个体分成三层，每层按照不同的更新公式去更新。本发明能够适用于复杂场景，同时能找到近似最优的路径规划方案。

本发明授权一种基于分层粒子群算法的无人机路径规划方法及其应用在权利要求书中公布了：1.一种基于分层粒子群算法的无人机路径规划方法，其特征在于，是按如下步骤进行： 步骤1、获取一目标区域，并以所述目标区域的外接矩形的一个顶点为原点，以与原点相连的两条边分别作为x轴和y轴，以垂直于oxy水平面的方向为z轴，从而建立三维坐标系；令表示无人机的第个路径点，的坐标为，令起点S的坐标为，令终点E的坐标为； 步骤2、构建目标函数： 步骤2.1、最小化路径长度： 利用式1构建使无人机从起点S到终点E的飞行距离最小的路径长度，并作为第1个目标函数： 1 式1中，表示从第个路径点到第个路径点的欧几里得距离，是路径点的个数，是路径段的个数； 步骤2.2、最小化威胁代价函数： 利用式2和式3构建无人机飞行的威胁代价，并作为第2个目标函数： 2 3 式2和式3中，为障碍物的数目，为第个障碍物的半径，为碰撞区的危险距离，D为无人机的直径，表示从第个路径点到第个路径点构成的向量，表示路径段到第个障碍物的圆心之间的距离；表示第个障碍物的威胁代价； 步骤2.3、最小化高度代价： 利用式4和式5构建无人机在飞行过程中的高度代价，并作为第3个目标函数： 4 5 式4和式5中，表示无人机在第个路径点相对于地面的飞行高度，和分别为无人机飞行的最小高度和最大高度，表示无人机在第个路径点的高度代价； 步骤2.4、最小化平滑代价： 利用式6计算两个连续路径段和之间的转角： 6 式6中，表示在第个路径点在oxy水平面的投影点，表示在第个路径点在oxy水平面的投影点，表示在第个路径点指向第个路径点构成的向量在oxy水平面的投影，表示在第个路径点指向第个路径点构成的向量在oxy水平面的投影； 利用式7计算无人机在路径段与其在oxy水平面上的投影之间的爬升角： 7 式7中，表示在第个路径点的轴坐标，表示在第个路径点的轴坐标； 利用式8构建无人机的平滑成本，并作为第4个目标函数： 8 式8中，和分别为转角和爬升角的惩罚系数；表示从第个路径点到第个路径点构成的向量，表示在第个路径点指向第个路径点构成的向量在oxy水平面的投影，表示无人机在路径段与其在oxy水平面上的投影之间的爬升角； 利用式9构建无人机路径规划模型： 9 式9中，是无人机路径的目标函数，是第个目标函数的权重系数； 步骤3、基于改进的分层粒子群算法求解无人机路径规划模型： 步骤3.1、根据障碍物信息初始化种群： 步骤3.1.1、定义障碍物的数目为，定义、、为障碍物的编号，并初始化、、； 步骤3.1.2、定义第个障碍物的圆心为，定义第个障碍物的圆心为，定义第个障碍物的圆心为，定义第个障碍物的半径为； 步骤3.1.3、判断或是否成立，若成立，则执行步骤3.1.5；否则，执行步骤3.1.4； 步骤3.1.4、根据第个障碍物的圆心到第个障碍物的圆心所构成的直线；判断第个障碍物圆心到直线的垂直距离是否小于第个障碍物的半径，若是，则执行步骤3.1.7；否则，执行步骤3.1.5； 步骤3.1.5、将赋值给，判断是否成立，若成立，则执行步骤3.1.3；否则，执行步骤3.1.6； 步骤3.1.6、计算第个障碍物的圆心与其相邻第个障碍物的圆心的中点坐标为； 步骤3.1.7、将赋值给后，初始化，并判断是否成立，若成立，则执行步骤3.1.3；否则，执行步骤3.1.8； 步骤3.1.8、将赋值给后，将赋值给，判断是否成立，若成立，则执行步骤3.1.3；否则，表示得到所有相邻障碍物之间的中点并形成中点列表，并将中点列表中所有相邻障碍物之间的中点的个数记为，执行步骤3.1.9； 步骤3.1.9、将终点E加入所述中点列表中，定义、为中点的编号，并初始化，； 步骤3.1.10、定义为障碍物的编号，并初始化； 步骤3.1.11、定义第个障碍物的圆心为，定义第个障碍物的半径为； 步骤3.1.12、当时，建立起点S与中点坐标之间的直线，否则，建立中点与中点之间的直线； 步骤3.1.13、判断或是否成立，若成立，表示中点的轴坐标相对中点的轴坐标是增加，执行步骤3.1.14；否则，执行步骤3.1.18； 步骤3.1.14、判断和是否成立，若成立，表示中点的轴坐标相对中点的轴坐标是增加的，执行步骤3.1.15；否则，执行步骤3.1.18；其中，表示一个固定值； 步骤3.1.15、判断第个障碍物的圆心到直线的垂直距离是否小于第个障碍物的半径，若是，则执行步骤3.1.18；否则，执行步骤3.1.16； 步骤3.1.16、将赋值给，判断是否成立，若成立，则执行步骤3.1.12；否则，执行步骤3.1.17； 步骤3.1.17、当时，记中点坐标为起点S的可达点，否则，记中点为中点的下一个可达点； 步骤3.1.18、将赋值给，初始化，判断是否成立，若成立，则执行步骤3.1.12；否则，执行步骤3.1.19； 步骤3.1.19、将赋值给，初始化，判断是否成立，若成立，则执行步骤3.1.12；否则，表示得到起点S以及每个中点的可达点列表； 步骤3.1.20、定义为当前迭代次数，令为最大迭代次数，并初始化； 步骤3.1.21、定义并初始化种群大小为，定义为粒子的编号，并初始化； 步骤3.1.22、定义并初始化路径点的总个数为，并初始化； 定义第代种群第个粒子的速度为并初始化为全零向量；其中，表示第代第个粒子的第个路径点的速度； 定义第代种群第个粒子的位置为；其中，表示第代种群第个粒子的第个路径点的位置； 定义第代种群第个粒子的局部最优解为；其中，表示第代种群第个粒子的第个路径点的局部最优解； 定义第代种群的全局最优解为；其中，表示第代种群的第个路径点的全局最优解； 步骤3.1.23、当时，令起点S为第代种群第个粒子的第个路径点； 假设存在路径点存在个可达点，则第代第个粒子的第个路径点的第个可达点记为，其中，； 步骤3.1.24、计算第代种群第个粒子的第个路径点与其第个可达点的距离为，从而利用式10计算第代第个粒子的第个路径点的第个可达点的选择概率： 10 步骤3.1.25、令随机选择的概率为之间的随机数，当时，选择中点作为第代种群第个粒子的第个路径点的下一个可达点； 当且时，选择中点作为第代种群第个粒子的第个路径点的下一个可达点； 当时，选择中点作为第代种群第个粒子的第个路径点的下一个可达点；从而得到第代种群第个粒子的第个路径点； 步骤3.1.26、将赋值给，判断第代种群第个粒子的第个路径点是否为终点，若是，则表示找到一条从起点S到终点E的路径，执行步骤3.1.28；否则，执行步骤3.1.27； 步骤3.1.27、判断是否成立，若成立，执行步骤3.1.23；否则，未找到一条从起点S到终点E的路径，令，重新执行步骤3.1.23； 步骤3.1.28、判断是否成立，若成立，则表示找到的路径点的数目小于N，执行步骤3.1.29；否则，表示完成对第代种群第个粒子的迭代，并获得第代种群第个粒子的初始位置，并执行步骤3.1.30； 步骤3.1.29、将最后一个路径段均分成段，以获得个点，并作为剩下的个路径点；从而完成对第代种群第个粒子的迭代，并获得第代种群第个粒子的初始位置； 步骤3.1.30、利用式9计算第代第个粒子的适应度的值； 步骤3.1.31、将第代第个粒子的局部最优解初始化为第代种群第个粒子的初始位置； 步骤3.1.32、将赋值给，初始化，判断是否成立，若成立，则执行步骤3.1.23；否则，表示完成对第代种群的迭代，并获得第代种群的初始全局最优解为； 步骤3.2、利用分层粒子群算法更新种群； 步骤3.2.1、根据式11得到第次迭代的惯性权重为： 11 式11中，表示惯性权重的初始值； 步骤3.2.2、定义第次迭代的第一个学习因子为并初始化为固定值，根据式12-式14计算第次迭代的四个学习因子、、和： 12 13 14 式12和13中，为学习因子的最小值，为学习因子的最大值； 步骤3.2.3、利用式9计算第代种群的适应度值，并根据适应度值对第代种群中的粒子进行升序排序，得到排序后的第代种群； 步骤3.2.4、根据适应度值将排序后的第代种群划分为三层，并将第代种群的粒子数目划分为、和，从而根据式15-式17分别计算排序后的第代种群的第一层的粒子数目、第二层的粒子数目和第三层的粒子数目； 15 16 17 式15-式17中，为向下取整，为向上取整，参数、、和取固定的参数，且满足； 步骤3.2.5、初始化； 步骤3.2.6、初始化； 步骤3.2.7、当时，利用式18更新排序后的第代种群的第一层粒子的速度； 当时，利用式19更新排序后的第代种群的第二层粒子的速度； 否则，利用式20更新排序后的第代种群的第三层粒子的速度； 18 19 20 式18-式20中，表示第代第个粒子的第个路径点的位置，表示从第一层随机选取的粒子的序号，表示第代第个粒子的第个路径点的位置，表示从第二层随机选取的粒子的序号，表示第代第个粒子的第个路径点的位置，表示第代第个粒子的第个路径点的速度，表示第代第个粒子的第个路径点的速度，表示第代第个粒子的第个路径点的局部最优解，表示第代的第个路径点的全局最优解，表示第代种群的惯性权重，、、、和为第次迭代之间的随机数； 步骤3.2.8、利用式21计算第代第个粒子的新位置； 21 式21中，表示排序后的第代种群中第个粒子的第个路径点的位置； 步骤3.2.9、将赋值给，判断是否成立，若成立，则执行步骤3.2.7；否则，表示完成对排序后的第代种群中第个粒子的迭代； 步骤3.2.10、利用式9计算第代种群中第个粒子的适应度值； 步骤3.2.11、比较第代种群和第代种群中第个粒子的适应度值，选择具有较小适应度值的第个粒子的位置作为第代种群第个粒子的局部最优解； 步骤3.2.12、将赋值给，判断是否成立，若成立，则执行步骤3.2.6；否则，表示完成对排序后的第代种群的迭代，并获得第代种群的全局最优解为； 步骤3.2.13、将赋值给，判断是否成立，若成立，则执行步骤3.2.1；否则，表示获得第代种群的全局最优解，并以全局最优解对应的路径为最佳路径。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。