改进蝙蝠算法的紫外光引导无人机路径规划

为了解决农业无人机在障碍物干扰环境中进行路径规划任务时存在的寻优精度低、避障能力弱等问题,利用无线紫外光通信引导设备全天候非直视通信、隐秘通信及适用于各种特殊场合等特点,建立了无线紫外光飞行路径引导系统,提出基于指数递减策略的改进蝙蝠算法(EDS-IBA),引入基于指数递减策略的动态惯性权重和相邻路径点的人工势场,在保证无人机路径平滑的同时,避免陷入局部最优,通过障碍物干扰代价和紫外光通信代价保证飞行环境的多样性及真实性。结果表明,EDS-IBA相较于基于差分进化算法的改进蝙蝠算法和传统蝙蝠算法,2维环境下,规划的平均路径长度分别缩短了10.7%和16.3%;3维环境下,规划的平均路径分别缩短了13.7%和36.2%;算法达到收敛状态时,EDS-IBA的适应度值也较小,在路径规划能力和算法性能方面有较好的可行性和有效性。该研究对无人机路径规划的实际应用和开发具有一定的现实意义。