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！

龙图腾网恭喜广东省城乡规划设计研究院科技集团股份有限公司申请的专利基于支持向量机和遗传算法的救援无人机路径规划方法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：CN119249914B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411764996.3，技术领域涉及：G06F30/27；该发明授权基于支持向量机和遗传算法的救援无人机路径规划方法是由王晖;罗勇;阮浩德;郑泽爽;胡文;丁俊;张思敏;张楚琳设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于支持向量机和遗传算法的救援无人机路径规划方法在说明书摘要公布了：本发明提供一种基于支持向量机和遗传算法的救援无人机路径规划方法，本发明将支持向量机和遗传算法相结合，运用多分类支持向量机对无人机飞行路径的碰撞风险进行定量评价和分级，并利用遗传算法对支持向量机模型进行迭代优化，能够对模拟出的救援路径进行碰撞分析评估，结果科学合理，有效提高了无人机救援的安全性和稳定性，同时提高了路径规划的精度和质量；另外，本发明对传统的遗传算法进行改进，利用改进的遗传算法规划路径，同时结合训练好的支持向量机模型对规划的路径进行风险识别，进一步提高了路径质量，实现了高精度和高效率的路径规划，相对于传统的单一权重和模型构建的救援线路更具有优势。

本发明授权基于支持向量机和遗传算法的救援无人机路径规划方法在权利要求书中公布了：1.一种基于支持向量机和遗传算法的救援无人机路径规划方法，其特征在于，包括以下步骤：在救援之前，建立基于层次分析法的层次结构模型，对救援区域的安全保障能力进行分析，获取分析结果；所述层次结构模型包括目标层、准则层和指标层；所述目标层为评估救援区域的安全保障能力；准则层包括：人员保障安全、设备安全、运行环境安全和组织管理安全；指标层包括：人员保障安全、设备安全、运行环境安全和组织管理安全对应的各个评估指标；所述人员保障安全的评估指标包括：救援人员工作负荷、救援人员健康状态和救援人员业务水平；所述设备安全的评估指标包括：救援无人机运行状态、通讯设备运行状态、飞控系统运行状态和导航系统运行状态；所述运行环境安全的评估指标包括：救援区域空域环境、救援区域地理环境、救援区域天气环境和救援区域电磁环境；所述组织管理安全的评估指标包括：救援手册及规章制度、救援运行程序、救援人力资源管理和救援安全管理；利用层次分析法确定每个所述评估指标的权重，将每个评估指标预先采集得到的指标分数及其对应的权重相乘，获取每个评估指标的最终分数；将所有评估指标的最终分数相加，获取综合安全指数并作为分析结果，当所述综合安全指数大于预设阈值时，执行步骤S1~S6，否则，调整所述评估指标，重新计算所述综合安全指数；S1：采集若干个无人机在救援区域内的历史飞行数据，构建历史飞行数据集并进行预处理；所述历史飞行数据包括：救援区域的空域体积V、救援区域内的无人机密度ρ、每个无人机在救援区域内的飞行时长t、由救援人员和设备构成的人机系统成功避碰的可靠度P、环境因素对碰撞风险的影响程度系数k1和管理因素对碰撞风险的影响程度系数k2；所述预处理包括：对采集的所有历史飞行数据依次进行数据降噪和归一化，根据归一化后的历史飞行数据计算每个无人机在救援区域内飞行时的碰撞指数CR，将所有碰撞指数CR共同保存为预处理后的历史飞行数据集，完成所述预处理；所述数据降噪包括：数据清洗和异常值剔除；根据以下公式对每条历史飞行数据中的各类数据进行归一化： 其中，为归一化后的数据；为归一化前的数据；和分别为对应类别数据的最大值和最小值；根据以下公式计算每个无人机在救援区域内飞行时的碰撞指数CR： 其中，CR1为只考虑空域因素时单位时间内无人机的碰撞风险；P为人机系统能成功避撞的可靠度为，满足： 其中，P1为管理人员调解冲突后避撞的可靠度；P2为无人机收到避撞信号成功避撞的可靠度；P3为无人机正常飞行的可靠度；S2：基于支持向量机建立碰撞风险评价模型；所述碰撞风险评价模型用于评价无人机在救援区域内飞行时的碰撞风险等级；所述碰撞风险评价模型具体为：核函数为高斯径向基核函数的多分类支持向量机模型；所述多分类支持向量机模型的参数包括惩罚因子和核参数；所述多分类支持向量机模型用于根据各个无人机在救援区域内飞行时的碰撞指数CR，将各个无人机在救援区域内飞行时的碰撞风险等级分类为低、中、高和极高四个等级；S3：将所述预处理后的历史飞行数据集输入所述碰撞风险评价模型中进行训练，利用遗传算法迭代优化所述碰撞风险评价模型的参数，获取最优的碰撞风险评价模型，包括：S3.1：种群初始化：将所述多分类支持向量机模型的参数编码成二进制代码，由一条染色体表示；在预设范围内随机对具有2个参数的染色体初始种群进行遗传；S3.2：适应度计算：将预处理后的历史飞行数据集作为训练样本，计算每条染色体的适应度值，并通过搜索最佳适应度值，找到初始种群的最优参数值；S3.3：终止准则：判断是否达到预设的迭代次数，若满足，则执行步骤S3.5；否则，执行步骤S3.4；S3.4：优化算法：根据适应度值和预设的选择算子选择下一代种群父代，通过交叉和变异操作生成新的种群，重复执行步骤S3.2~S3.3；S3.5：将最后一次种群迭代获得的最优参数值保存，获取最优的碰撞风险评价模型；S4：在传统的遗传算法的基础上，进行以下改进，获取所述改进的遗传算法：增加惩罚因子和激励因子，从而对适应度函数进行优化，优化后的适应度函数具体为： 其中，为无人机序号；、和分别为第一、第二和第三权重系数；为无人机的模拟救援路径长度；D为无人机与目标点之间的欧氏距离；为无人机的模拟救援路径中穿越障碍物的次数；对于选择操作的改进：选择算子采用轮盘赌选择法，假设种群数目为，某个个体的适应度为,则其被选中的概率为： 对于交叉操作的改进：采用单点交叉算法，从当前种群中选择两个父代个体，随机选择交叉位点进行单点交叉，产生新的子代个体；对于变异操作：采用差分进化算法，利用种群个体之间的差异实现基因突变，从当前种群中随机选择3个个体、和，对和进行差分计算表示，则差分向量为： 其中，为缩放因子；将个体与差分向量结合，生成新的个体： 同时引入突变概率对突变进行控制，设为当前种群的迭代次数，为最大迭代次数，则突变概率为： 其中，为迭代到第i代时的突变概率；为突变初始概率；利用改进的遗传算法对救援区域内所有无人机的救援路径进行规划，获取各个无人机的模拟救援路径，并提取每个无人机对应的模拟飞行数据；所述模拟飞行数据包括：救援区域的空域体积V、救援区域内的无人机密度ρ、每个无人机模拟救援路径的飞行时长t、由救援人员和设备构成的人机系统成功避碰的可靠度P、环境因素对碰撞风险的影响程度系数k1和管理因素对碰撞风险的影响程度系数k2；S5：将所述每个无人机对应的模拟飞行数据输入所述最优的碰撞风险评价模型中进行碰撞风险评价，获取每个无人机在救援区域内飞行时的碰撞风险等级；S6：判断每个无人机的碰撞风险等级是否低于预设等级，若是，则将其模拟救援路径作为最终的救援路径；否则，重新执行步骤S4~S5，重新规划路径和进行碰撞风险评价。

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广东省城乡规划设计研究院科技集团股份有限公司，其通讯地址为：510290 广东省广州市海珠区南洲路483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”。