一种直升机航空施药飞机起降点位置规划方法技术

本发明专利技术公开了一种直升机航空施药飞机起降点位置规划方法，首先采用向量建模法规划各林区的施药航线，生成施药航线集。然后采用樽海鞘算法搜索直升机起降点位置，并采用带非法路径修正算子的遗传算法求解樽海鞘算法的适应度，该适应度设计为从飞机起降点出发遍历所有施药航线的最短调度航线，同时采用三层神经网络控制飞机起降点位置的可行域，并采用惩罚函数的思想，将落在可行域外的飞机起降点直接赋予较小的适应度值，在不影响樽海鞘算法搜索策略的情况下，快速规划飞机起降点的位置。该发明专利技术规划的飞机起降点位置，可使从该起降点出发且遍历各施药航线的调度航线最短，为规划直升机航空施药飞机起降点位置难题提供了便利。升机航空施药飞机起降点位置难题提供了便利。升机航空施药飞机起降点位置难题提供了便利。

【技术实现步骤摘要】
一种直升机航空施药飞机起降点位置规划方法


[0001]本专利技术涉及林业管理
，尤其涉及一种直升机航空施药飞机起降点位置规划方法。

技术介绍

[0002]我国人工林面积广阔，由于品种单一，导致病虫害情况非常严重，年稳定发生面积1.8亿亩。而且林业病虫害蔓延迅速。有人驾驶直升机航空施药，单次作业面积可达到1000亩以上，在人工林病虫害防治中，具有不可替代的作用。在航空施药时，首先要选择直升机起降点位置，然后规划施药航线。然而现有的飞机起降点位置规划主要依靠人工经验，仅根据林区面积，大致规划出林区起降点位置，理论基础缺乏，飞机起降点位置为最优的可能性较低。规划出合理的飞机起降点位置，可以减少飞机往返各个林区间的调度航线长度，这对于降低飞机能量消耗和提升作业效率，都具有重要意义。目前尚未发现对直升机起降点位置进行规划的文献，也未发现能够规划飞机起降点位置的软件工具，给直升机航空施药规划飞机起降点带来了一些困扰。

技术实现思路

[0003]本专利技术的目的是针对现有技术的不足，提供一种以施药航线集为基础的直升机航空施药飞机起降点位置规划方法，操作简单，效率高。
[0004]为了实现上述目的，本专利技术的技术方案是：
[0005]一种以施药航线集为基础的直升机航空施药飞机起降点位置规划方法，包括如下步骤：
[0006]S1、算法开始，输入各个林区顶点坐标；
[0007]S2、采用向量建模法确定每个林区的掉头次数、施药航线数、方向向量；
[0008]S3、确定每个林区的施药航线集，并使得同一条航线，编号相邻；
[0009]S4、设置樽海鞘算法(Salp Swarm Algorithm,SSA)、遗传算法(Genetic Algorithm,GA)、神经网络(Artificial Neural Networks,ANN)参数；
[0010]S5、根据林区边界，采用三层神经网络构建飞机起降点位置可行域控制模型；
[0011]S6、在解空间内随机产生初始化樽海鞘种群，每个樽海鞘个体代表一个飞机起降点位置；
[0012]S7、用三层神经网络判别樽海鞘(飞机起降点)位置是否在可行域内，如果是，将采用改进带非法路径修正算子的遗传算法计算樽海鞘算法的适应度，将进行S8，否则将人为赋予相对较小适应度值，执行S17；
[0013]S8、初始化遗传算法的种群；
[0014]S9、采用非法路径修正算子修正种群；
[0015]S10、计算遗传算法的适应度；
[0016]S11、遗传算法进行交叉操作；
[0017]S12、遗传算法进行变异操作；
[0018]S13、遗传算法进行逆转操作，并采用非法路径修正算子修正逆转后种群；
[0019]S14、重新插入形成新的种群；
[0020]S15、判断是否达到遗传算法的最大迭代次数，如果是，则执行S16，否则执行S10；
[0021]S16、输出区域间最优调度航线，并将该调度航线的倒数作为樽海鞘个体适应度值；
[0022]S17、将可行域外的樽海鞘赋予较小适应度值；
[0023]S18、判断是否完成所有樽海鞘个体的适应度计算，如果是，则执行S19，否则执行S7；
[0024]S19、将樽海鞘按照适应度大小排序，将适应度最大者排第一，并将其设置为食物位置，且为领导者；
[0025]S20、判断樽海鞘算法迭代次数是否达到最大迭代次数tmax，如果是，则执行S27；否则，执行S21；
[0026]S21、计算c1值；
[0027][0028]其中l是当前迭代次数，L是最大迭代次数，L＝tmax。
[0029]S22、判断i是否等于1，如果等于1，则执行S23，如果不等于1，则执行S24；
[0030]S23、更新领导者位置，按照如下公式；
[0031][0032]其中，F
j
食物在第j维的位置，ub
j
是食物第j维的上限，lb
j
是食物第j维的下限，c2和c3是[0 1]之间随机数。
[0033]S24、更新跟随者位置，按照如下公式；
[0034][0035]其中，表示第i个跟随者更新第j维的位置。
[0036]S25、根据搜索边界调整所有樽海鞘位置，得到更新后樽海鞘种群；
[0037]S26、得到更新后鲸鱼种群。返回执行S7。
[0038]S27、输出最佳飞机起降点位置坐标，及其对应的最佳调度航线。
[0039]作为对上述技术方案的改进，所述步骤S2中的向量建模法，通过引入单位向量求解不同作业方向下的区域外多余覆盖面积和飞机掉头次数指标，构建多目标数学模型，采用改进非支配排序多目标遗传算法求解得到Pareto最优方案解集。根据该该解集中的方案，优先考虑掉头次数少，其次考虑多余覆盖率低的施药方案。
[0040]作为对上述技术方案的改进，所述步骤S4中，遗传算法种群数量设置为施药航线数量的4倍，樽海鞘个数设置为施药航线数量的1.5倍。
[0041]作为对上述技术方案的改进，所述步骤S8
‑
S16中，保留了基本遗传算法的交叉、变
异操作，但是为了使得算法收敛速度快，全局搜索能力更强，且保证遍历每一条施药航线，增加了逆转操作，并且设计了非法路径修正算子，且将非法路径修正算子内嵌于遗传算法中。逆转操作的原理：如染色体为12
‑
3456
‑
78，在2和3,6和7处发生断裂再逆转插入，则新染色体为12
‑
6543
‑
78。非法路径修正算子有两种方法：交换法和移位法。交换法非法路径修正算子原理：如染色体134265，1后应该为2，则原染色体后的3和原染色体中2的位置交换，然后检测下一个基因，直至同一条施药航线的编号均相邻，经交换法修正后，染色体变为124365。移位法非法路径修正算子原理：如染色体134265，检测1后应该为2，则将原染色体中的2移动到1后面，然后其它染色体相应后移动1位。重复此操作，直至每一条施药航线的编号均相邻。经交移位法修正后，原染色体变为123465。添加了修正算子以后，即可用一个遗传算法完成区域间调度航线的求解，且求解速度快，收敛性好；在遗传算法中，采用了逆转操作和精英策略，增强了全局寻优能力。
[0042]作为对上述技术方案的改进，所述步骤S5和S7中，采用三层神经网络构建了飞机起降点可行域的控制器。第一层神经网络的权重和偏置与可行域边界方程组中的系数密切相关，第二层神经网络的权重均设为1，偏置设为
‑
(可行域边数
‑
0.5)，第三层神经网络权重设为1，偏置设为
‑
0.5。可行域边界总数与第一层神经网络的神经元个数相等，可行域个数与第二层神经网络个数相等，第三层神经网络神经元为1个。采用阶跃函数作为激活函数。根据神经网络输出结果，即可判别飞机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种直升机航空施药飞机起降点位置规划方法，其特征在于：包括如下步骤：S1、算法开始，输入各个林区顶点坐标；S2、采用向量建模法确定每个林区的掉头次数、施药航线数、方向向量；S3、确定每个林区的施药航线集，并使得同一条航线，编号相邻；S4、设置樽海鞘算法、遗传算法、神经网络参数；S5、根据林区边界，采用三层神经网络构建飞机起降点位置可行域控制模型；S6、在解空间内随机产生初始化樽海鞘种群，每个樽海鞘个体代表一个飞机起降点位置；S7、用三层神经网络判别樽海鞘即飞机起降点位置是否在可行域内，如果是，将采用改进带非法路径修正算子的遗传算法计算樽海鞘算法的适应度，将进行S8，否则将人为赋予相对较小适应度值，执行S17；S8、初始化遗传算法的种群；S9、采用非法路径修正算子修正种群；S10、计算遗传算法的适应度；S11、遗传算法进行交叉操作；S12、遗传算法进行变异操作；S13、遗传算法进行逆转操作，并采用非法路径修正算子修正逆转后种群；S14、重新插入形成新的种群；S15、判断是否达到遗传算法的最大迭代次数，如果是，则执行S16，否则执行S10；S16、输出区域间最优调度航线，并将该调度航线的倒数作为樽海鞘个体适应度值；S17、将可行域外的樽海鞘赋予较小适应度值；S18、判断是否完成所有樽海鞘个体的适应度计算，如果是，则执行S19，否则执行S7；S19、将樽海鞘按照适应度大小排序，将适应度最大者排第一，并将其设置为食物位置，且为领导者；S20、判断樽海鞘算法迭代次数是否达到最大迭代次数tmax，如果是，则执行S27；否则，执行S21；S21、计算c1值；其中l是当前迭代次数，L是最大迭代次数，L＝tmax。S22、判断i是否等于1，如果等于1，则执行S23，如果不等于1，则执行S24；S23、更新领导者位置，按照如下公式；其中，F
j
食物在第j维的位置，ub
j
是食物第j维的上限，lb
...

【专利技术属性】
技术研发人员：茹煜，方树平，胡晨明，徐忠，薛江坤，周杰，夏达明，李建平，
申请(专利权)人：江苏宁翔通用航空有限公司，
类型：发明
国别省市：