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！

龙图腾网恭喜哈尔滨理工大学申请的专利一种多约束优化的UUV粒子群三维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：CN117830571B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202311868668.3，技术领域涉及：G06T19/00；该发明授权一种多约束优化的UUV粒子群三维路径规划方法是由孙明晓;肖啸天;栾添添;张意龙;白晓龙;叶鸿禹;李成华;吕奉坤设计研发完成，并于2023-12-30向国家知识产权局提交的专利申请。

本一种多约束优化的UUV粒子群三维路径规划方法在说明书摘要公布了：本发明旨在解决传统粒子群方法在路径规划上对初始化条件敏感、参数调整困难、容易陷入局部最优解和收敛速度慢等问题，公开了一种多约束优化的UUV粒子群三维路径规划方法，具体包括：在传统粒子群算法的基础上，利用预先寻优对部分粒子进行初始化，并在起点和终点直线之间生成初始种群；寻优时引入模拟退火准则作为一种局部搜索机制，并在位置更新时根据模拟退火原理进行调整；当模拟退火无法更新个体时，通过一次变异操作增加了搜索空间；在粒子进行速度和位置更新时，对其上下界进行限制并修正，避免速度过大或过小导致粒子跑偏或停滞，同时避免粒子位置出现偏差而偏离地图；最后让部分个体进行局部搜索，以进一步提高收敛性能。

本发明授权一种多约束优化的UUV粒子群三维路径规划方法在权利要求书中公布了：1.一种多约束优化的UUV粒子群三维路径规划方法，其特征在于，包括以下步骤：步骤1：建立UUV航行环境下的三维海底地图，并且设置起点和终点的位置坐标，并且生成移动方向的偏移量和解的维度；步骤2：进行粒子群参数初始化，即初始化种群popsize，维度dim，基因值popmax和popmin，总迭代次数iterations，学习因子c1和c2，惯性权重w以及速度范围vmax和vmin；步骤3：对粒子群的种群进行初始化；步骤4：计算初始适应度值，首先线性插值和坐标重塑：根据起点和终点的范围对输入变量进行线性插值，得到坐标cor，公式如下：cori,1＝cori,1*end1-start1+start11cori,2＝cori,2*size22cori,3＝cori,3*size33其中，cori,j为第i个点在第j个坐标轴上的值；start1为地图的起点在x轴上的位置；end1为地图的终点在x轴上的位置；size2为地图在y轴上的长度；size3为地图在z轴上的长度；随后进行归一化和映射：将坐标cor的第一维度x坐标进行归一化操作，将其映射到[0,1]范围内，根据起点和终点的范围进行线性映射，将归一化后的x坐标还原为实际坐标值，将坐标cor的第二维度y坐标和第三维度z坐标根据缩放因子进行缩放；然后进行B样条插值：对坐标cor进行B样条插值处理，得到插值后的点的坐标corall，根据B样条插值的系数计算速度vall，根据速度的差分和插值的断点计算加速度aall，计算公式如下：cori＝[xi,yi,zi],xi∈R,yi∈R,zi∈R4cor＝{cor1,cor2,...,corn}5cor′＝pointNx′,cor6 cor″′＝[start,cori″,end]8corall″′,vall″′,aall″′＝B-splineinterpolationcor″′9corall,i＝[xall,i,yall,i,zall,i],i＝1,2,...,m10其中，x′为参数向量；cor为原始坐标点；cor′为调整后的坐标点；cori″为将坐标点缩放后的坐标点；cor″′为在坐标点首尾添加起点和终点后的坐标点；corall″′为插值得到的所有点的位置信息；vall″′为插值得到的所有点的速度信息；aall″′为插值得到的所有点的加速度信息；corall为插值后的所有点的位置坐标；然后计算曲率：根据加速度和速度计算曲率k，公式如下： 其中，ki为曲线上第i个点的曲率；vi为插值处理后曲线上第i个点处的速度；ai为插值处理后曲线上第i个点处的加速度；继续进行约束处理：将坐标corall的z坐标与场地地图进行二维插值计算，得到插值后的高度zinterp，统计约束条件的惩罚项，包括插入高度不能低于场地地图和坐标不能超过边界，公式如下： 其中，m为插值后路径上的点数；zinterp为插值点在地图上的高度信息；restraint1为不能碰撞约束；restraint2为不能超过边界约束；restraint3为不能超过场地大小约束；将所有约束合并为总约束res，取约束restraint1，restraint2和restraint3的和；对于四个目标进行优化后的目标函数计算：计算总距离dis，即所有点之间的欧氏距离之和，计算总高度height，即所有点的z坐标之和，计算曲率均值meank，以及约束条件的惩罚项res，组合以上计算结果，并使用加权系数得到目标函数值fitness，公式如下： fitness＝0.5*dis+0.2*height+0.3*meank+res*10318其中，dis为路径的总长度；height为航行过程中UUV升沉的总高度；meank为路径的平均曲率；res为所有约束的总和；fitness为多目标优化的函数值；步骤5：寻找初始极值，fitnessbest为最优适应度值，表示当前已经发现的最好的适应度值，初始化最fitnessbest为正无穷大，indexbest为最优个体索引，表示对应于最优适应度值的个体在种群中的位置，初始化indexbest为0，遍历种群中的每个个体，计算其适应度值，并与当前最优适应度值fitnessbest进行比较，如果该个体的适应度值小于当前最优适应度值fitnessbest，则更新fitnessbest为该个体的适应度值，并记录该个体的索引为indexbest，最后根据indexbest找到对应的zbest为群体极值位置和对应的为群体极值适应度值；步骤6：设置模拟退火温度下降过程，其中起始值为200，终止值为0，表示温度会从起始值下降到0，公式如下： 其中，tempi为第i个温度值；iterations为总共需要生成的温度值数量；由于初始温度为200，因此当i＝0时，temp0＝200；当i＝iterations-1时，tempiterations-1＝0；当i取取任意值时，tempi都会在200和0之间变化，随着迭代次数的增加，i的取值不断变化，从而实现了温度的不断下降；步骤7：记录历史最优解，定义并初始化向量History用于存储每次迭代的历史最优解，将当前迭代的最优解fitnesszbest添加到History向量中；步骤8：进行更新速度，公式如下：Vi,j＝wVi,j+c1r1pbesti,j-xi,j+c2r2gbestj-xi,j20其中，Vi,j为第i个粒子在第j个维度上的速度；w为惯性权重；c1和c2为加速度常数；r1和r2为[0,1]之间的随机数；pbesti,j为第i个体极值在第j个维度上的位置；gbestj为群体极值在第j个维度上的位置；xi,j为第i个粒子在第j个维度上的位置；为了保证速度的范围在vmin和vmax之间，对超过范围的速度进行修正，公式如下： 其中，vj,i为粒子j在第i个维度上的速度；vmin为速度的下界；vmax为速度的上界；步骤9：根据更新后的速度，更新粒子的位置，公式如下：xj,i＝xj,i+vj,i22其中，xj,i为粒子j在第i个维度上的位置；vj,i为粒子j在第i个维度上的速度；对新的位置进行修正，确保位置在指定范围内，公式如下： 其中，xj,i为粒子j在第i个维度上的位置；ubi为第i个维度上的上界；lbi为第i个维度上的下界；步骤10：对种群进行更新变异；步骤11：通过随机数判断是否进行局部搜索优化，若随机数小于0.5，则进入步骤12，否则进入步骤13；步骤12：进行进一步局部搜索优化；步骤13：记录每次迭代最优值；步骤14：判断是否达到整个种群迭代次数，是则进入步骤15；否则回到步骤8；步骤15：输出最优值。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。