一种智能的无人机返航控制系统的制作方法

本发明创造涉及无人机领域，具体涉及一种智能的无人机返航控制系统。

背景技术：

随着全球导航定位技术的发展，无人机的应用领域越来越广泛，已经涉及到人们生活的方方面面，目前无人机不仅可以用于军事，还可以用于农业以及其他的生产行业中，目前市场上的无人机功能比较单一，飞行的模式固定化，无人机在执行任务返航时多采用按照起飞时就已经规划好的返航路线返航，或者通过人为操作返航，增加了返航的难度。如果无人机可以智能化的规划返航路线，并按照规划好的返航路径进行返航的话，将大大提高无人机的工作效率，给工作和生产带来方便。

技术实现要素：

针对上述问题，本发明旨在提供一种智能的无人机返航控制系统。

本发明创造的目的通过以下技术方案实现：

一种智能的无人机返航控制系统，包括信息采集模块、指令接收模块、返航规划模块和返航控制模块，所述信息采集模块用于在无人机起飞后，实时获取无人机的起飞点坐标和途经位置点的坐标，所述指令接收模块用于接收来自地面站的返回指令，当接收到返回指令时，由返航规划模块采用蚁群算法根据采集得到的无人机的当前位置坐标、途经位置点的坐标和起飞点的坐标，规划由当前位置到所述起飞点的最优返航路线，所述返航控制模块用于控制无人机沿着规划好的最优返航路线返航。

本发明创造的有益效果：提出一种智能的无人机返航控制系统，通过实时采集无人机途经位置点的坐标信息，采用改进的蚁群算法规划最优返航路线，系统控制无人机沿着所述最优返航路线返航，无需人为进行远程控制，实现了无人机返航的智能化，大大提高了无人机的工作效率，给工作和生产带来方便。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

附图标记：

信息采集模块1；指令接收模块2；返航规划模块3；返航控制模块4；返航确定模块5；返航监测模块6。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种智能的无人机返航控制系统，包括信息采集模块1、指令接收模块2、返航规划模块3和返航控制模块4，所述信息采集模块1用于在无人机起飞后，实时获取无人机的起飞点坐标和途经位置点的坐标，所述指令接收模块2用于接收来自地面站的返回指令，当接收到返回指令时，由返航规划模块3采用蚁群算法根据采集得到的无人机当前的位置坐标、途经位置点的坐标和起飞点的坐标，规划由当前位置坐标到所述起飞点的最优返航路线，所述返航控制模块4用于控制无人机沿着规划好的最优返航路线返航。

优选地，所述最优返航路线为在所述途径位置点坐标范围内由当前位置到所述起飞点的最短返航路径。

优选地，还包括返航确定模块5，当无人机降落到地面后，所述返航确定模块5向地面站发送无人机降落通知。

优选地，还包括返航监测模块6，所述返航监测模块6用于在无人机返航过程中，当监测到无人机出现偏离最优返航路径的情况时即进行报警。

本优选实施例提出一种智能的无人机返航控制系统，通过实时采集无人机途经位置点的坐标信息，采用改进的蚁群算法规划最优返航路线，系统控制无人机沿着所述最优返航路线返航，无需人为进行远程控制，实现了无人机返航的智能化，大大提高了无人机的工作效率，给工作和生产带来方便。

优选地，返航规划模块3采用蚁群算法规划由当前位置坐标到起飞点坐标的最优返航路线，设无人机途径位置点数为n，蚂蚁数为m，无人机的当前位置为s，起飞点为q，当蚁群完成对所有途径位置点的遍历后，只有当搜索到的返航路径(s,q)的路径长度dsq满足(其中，db为此次遍历中的最优返航路径长度，dw为此次遍历中的最差返航路径长度)时，才对该返航路径进行信息素浓度的更新，对该返航路径中的各段子路径上的信息素浓度进行更新的公式为：

式中，(s,q)表示从当前位置s到起飞点q的路径，(i,j)表示位置点i到位置点j之间的路径，表示在t时刻路径(i,j)上的信息素浓度，表示在t+1时刻路径(i,j)上的信息素浓度，δτij为蚁群完成一次循环后，在路径(i,j)上留下的信息素浓度之和，初始时刻路径(i,j)上的信息素浓度为表示第k只蚂蚁完成一次遍历后在路径(i,j)上留下的信息素浓度，q表示蚂蚁k完成一次遍历后释放的信息素总量，dk为第k只蚂蚁搜索到的路径长度，ρ为信息素挥发因子，θ为调节参数，且其中，zj为位置点j的分支路径数，zi为位置点i的分支路径数。

本优选实施例在进行全局信息素更新时，只允许获得相对较短路径的部分蚂蚁进行信息信息素的更新，有效的增强了搜索过程的指导性，使得蚂蚁的搜索更集中于相对较短路径的邻域里，从而提高了算法的收敛速度；此外，在对相对较短路径进行信息素更新时，综合考虑了路径的整体信息和路径的局部信息，dk反应了路径的整体信息，有利于算法的全局搜索能力，θ反应了路径的局部信息，利用局部信息动态调整各子段路径上的信息素量，增加了具有较多分支路径数的路径的信息素浓度，从而避免了信息素的过度集中，也使得算法避免了早熟。

优选地，所述初始时刻路径(i,j)上的信息素浓度为则的计算公式为：

式中，t为信息素浓度常数，dij为路径(i,j)的长度，di(max)为位置点i的分支路径的长度最大值，dj(max)为位置点j的分支路径的长度的最大值，zj为位置点j的分支路径数，a和b为权重系数，且a+b＝1。

本优选实施例采用了新的初始信息素的分配策略，增加了长度较短的路径的初始信息素浓度，从而增加了长度较短路径的探索能力，提高了算法的收敛速度，此外，增加了具有较多分支路径的路径的信息素浓度，从而增加了后续解的多样性，使得算法不易陷入局部最优解，从而提高了算法的全局搜索能力。

优选地，所述返航规划模块3采用改进的蚁群算法规划由当前位置到所述起飞点的最优返航路线，在蚁群的寻径过程中，蚂蚁会根据各途径位置点之间的信息素浓度和局部启发函数决定下一步要转移的位置点，设蚂蚁k在t时刻由其所在位置点i向另一个位置点j进行转移的策略为：

式中，为蚂蚁k从位置点i选择位置点j的概率，allowedk为蚂蚁k在位置点i处可选择的分支路径的集合，表示在t时刻路径(i,j)上的信息素浓度，ηij表示局部启发函数，α和β分别表示和ηij对位置点选择时的影响程度，dij为路径(i,j)的长度，djg为位置点j到起飞点g的路径长度，为位置点i的分支路径长度的均值。

本优选实施例对蚂蚁转移策略中的启发函数进行改进，采用分段式的局部启发函数，增加了局部较差路径被选择的概率，从而增加了算法解的多样性，避免算法易陷入局部最优解的缺陷。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。