应急救援中智能无人机路径规划

为了能使无人机在真实环境中实现更安全有效地安全避障，本文提出了基于改进的自适应遗传算法的无人机避障路径规划模型，利用matlab模拟出障碍物的三维模型后和所处的空间范围，应用遗传算法让无人机在三维环境中完成安全有效的路径规划，通过在不同形状的障碍物下进行仿真，仿真结果表明，改进后的避障路径规划模型能够快速找到一条更短更安全的路径，达到了在应急情况中无人机能够快速实施救援的目的。

随着现代科技的不断进步，无人机技术在灾难救援方面得到了广泛的应用，而自然灾害往往具有突发性、瞬时性、不确定性，仅靠传统的人工救援方式是不能有效且安全地解决救援问题，由于卫星遥感与航空遥感在获取灾情时受到时空分辨力、外界环境以及使用成本等因素的影响[1]，其在灾难救援方面的应用受到一定限制。无人机应急救援相比于其他救援类型，其优点在于自身体积小，有较强的飞行能力，并且它操作性简单，覆盖面广泛，实时性强，效率高，可以穿梭于很多复杂且危险的地形进行勘察和定位，这让救援人员对灾难情况有了更加透彻清晰的了解。

为了能让无人机在三维环境中搜索最优路线，于涛[2]针对民用无人机的飞行航迹特点，利用蚁群算法， 虽然最终实验结果较为满意， 但算法较为复杂， 存储空间较大；祁永强[3]基于改进的人工水流算法， 设计了根据环境进行选择的启发因子，使无人机自主逃离陷阱区。郭一聪[4]提出了针对传统的人工势场法的3 个缺陷，分别进行了算法改进， 解决提高了飞行安全性；吴亚雷[5]将A*算法与生物神经动力学模型融合优化，提高了A*算法的全局搜索能力并实现了动态避障能力。本文提出利用遗传算法来解决路径规划问题，将求解问题的各种解作为一个个体，将这些个体按一定几率选择、交叉、变异，进化成下一代，并逐步淘汰适应度值低的解，增加适应度值高的解，从而达到高质量的优化以及产生解决问题的方案[6]，针对不同障碍物的形状，对其进行数学建模，使得无人机能够在三维空间中能安全有效的到达救援区域。

2. 地图预处理 本文将地形划分为一系列的栅格，在数学视角下是由边联结起来的结点的集合，一个基于图块拼接的地图可以看成是一个栅格图，栅格图之间各连线交点即是一个节点。当建立起栅格地图后，便利用遗传算法对地形模型进行收敛性实验，得出不同的遗传代数对其的影响，并发现具有自适应性能的遗传算法模型具有更好的收敛性与计算能力，可以更好地运用于路径规划[7]。

首先要做到的就是数字地图的预处理。为了便于计算，本文将障碍物模拟成圆柱体或长方体，利用Matlab 进行数据输入和处理， 得到一个三维真实模拟环境， 设置起点和终点， 仿真的基本设置参数如下， 整体的地图空间范围为27 km × 30 km × 1800 m，并将坐标轴进行等间距设置，其中路径起点坐标为[1.4 2.4 0.95]，坐标为[24.2 29.4 4.6]，得到如图1 所示的三维模型图。