一种在复杂三维环境中通过融合改进的A*算法和粒子群优化技术的无人机路径规划方法

《Applied Sciences》：A UAV Path Planning Method in Complex 3D Environments by Fusing an Improved A* Algorithm and Particle Swarm Optimization

　　

摘要

自主路径规划对于在复杂三维环境中的无人驾驶飞行器（UAV）而言，需要在搜索效率、避障安全性和轨迹平滑性之间取得平衡。然而，传统的A*算法常常存在节点扩展冗余、安全意识不足以及转弯性能不佳的问题。为了解决这些限制，本研究提出了一种分层混合规划框架，该框架结合了改进的A*算法、粒子群优化（PSO）和B样条轨迹生成技术。在全局规划阶段，通过考虑路径长度、安全裕度和转弯惩罚来设计复合成本函数。同时，引入了方向动态窗口和Top-K候选策略以减少无效的节点扩展并提高搜索效率。在局部细化阶段，利用改进的PSO方法（包括自适应惯性衰减、反射边界处理和停滞触发重新播种机制）对粗略路径上的关键转弯区域进行识别和优化。最后，应用B样条拟合生成连续且可执行的UAV轨迹。仿真结果显示，在随机环境中，所有对比方法的成功率均为100%。所提出的框架平均运行时间为20.664秒，而标准A*算法的运行时间为47.108秒，复合成本A*算法的运行时间为134.666秒。此外，该框架在保持路径长度可比的同时，还确保了路径质量的稳定性和计算可行性。