本发明涉及无人机，尤其是指基于加权广度优先搜索算法的无人机作业路径规划方法。
背景技术：
1、在电网无人机进行无人机作业时，可能存在多条作业路径能完成航线任务，为达到最高的作业效率，需要进行最优路径规划，常用的有深度优先算法和广度优先算法，深度优先算法优先搜索从一个起始节点开始，沿着一条路径尽可能远地访问节点，直到到达不能继续前进的节点，然后返回上一层继续探索其他路径，这个过程是递归的，通过不断地深入进入节点的子节点，直到遍历完整个图。但是深度优先算法是一种盲目搜索方法，会沿着一条路径深入搜索直到无法继续，然后回溯。在无人机作业路径规划中，这可能导致算法陷入某个局部区域的最优解，而忽略了全局最优路径。广度优先搜索算法是遍历图存储结构的一种算法。是从图中的某个顶点出发，寻找紧邻的、尚未访问的顶点，找到多少就访问多少，然后分别从找到的这些顶点出发，继续寻找紧邻的、尚未访问的顶点。当从某个顶点出发，所有和它连通的顶点都访问完之后，广度优先搜索算法会重新选择一个尚未访问的顶点，继续以同样的思路寻找未访问的其它顶点。直到图中所有顶点都被访问，广度优先搜索算法才会结束执行。bfs算法中尽最大可能去搜索各个点的路径，保证了各种情况都被考虑，相应带来了分支情况多及计算耗时大等问题。
技术实现思路
1、本发明的目的是克服现有技术中的无人机作业路径规划方法中，无法找到全局的最优解或者寻找最优路径时计算耗时较大的缺陷，提供一种基于加权广度优先搜索算法的无人机作业路径规划方法。
2、本发明的目的是通过下述技术方案予以实现：
3、基于加权广度优先搜索算法的无人机作业路径规划方法，包括以下步骤：
4、步骤1，获取无人机作业的区域地理信息，根据无人机作业需求设定起点和终点；
5、步骤2，将步骤1获取的信息整合到带权图中，在带权图中节点表示可飞行的位置，边及边的权重值表示飞行路径和成本；
6、步骤3，根据专家经验或者边对应的地形信息调整边的权重值；
7、步骤4，执行加权广度优先搜索算法对带权图中的无人机作业路径进行规划，寻找无人机作业最优路径。
8、作为优选，基于加权广度优先搜索算法的无人机作业路径规划方法还包括步骤5，对最优路径进行验证，若最优路径上存在不适合的飞行路径，则调整该飞行路径对应的权重值，重新执行步骤4，直到最优路径上不存在不适合的飞行路径为止。
9、作为优选，若调整飞行路径对应的权重值的次数超过设定的次数，则添加边或删除不适合的飞行路径对应的边，重新执行步骤4，直到最优路径上不存在不适合的飞行路径为止。
10、作为优选，所述的步骤4中，执行加权广度优先搜索算法对无人机作业路径进行规划具体为：
11、定义带权图g(v,e)，其中v是顶点集，e是带权的边集，无人机的起点为s，重点为t；
12、创建一个最小堆q，并将起点s加入堆中，其距离为0；
13、创建一个字典distance来存储从起点s到其他节点的最短距离，初始化为无穷大；
14、创建一个字典previous来存储每个节点点的前驱节点，初始化为none；
15、当最小堆q不为空时，重复以下步骤：
16、从最小堆q中弹出距离最小的节点u，如果u是目标节点t，则表示已找到最短路径，退出循环；如果u不是目标节点t，遍历节点u的所有邻居v，如果通过节点u到邻居v的距离小于邻居v在字典distance中的距离，则更新字典distance中的距离，并将v的前驱节点设置为u，将节点v及其新的距离加入最小堆q中；
17、从目标节点t开始，通过字典previous回溯到起点s，构建最短路径，最短路径即为所述的无人机作业最优路径。
18、作为优选，所述的步骤2中，边的权重值通过无人机的飞行距离、飞行难度、地形复杂度和气象条件决定。
19、作为优选，基于加权广度优先搜索算法的无人机作业路径规划方法还对边的权重值进行调整优化，具体为：
20、收集无人机的飞行数据，飞行数据为与预飞行距离、飞行难度、地形复杂度和气象条件相关的特征数据，特征数据包括飞行路径的长度、地形的高度差、地形的崎岖度、风速、风向和能见度，并对特征数据进行归一化处理；
21、构建神经网络训练模型，将特征数据作为输入，边的权重值作为输出，对神经网络模型进行训练优化，优化的过程为：
22、构建损失函数，用于衡量神经网络模型预测的权重值与实际权重值之间的差异；
23、使用梯度下降算法最小化损失函数，是神经网络模型输出的权重值和实际权重值尽可能接近。
24、作为优选，边的权重值获取的方法为将边对应的飞行数据的特征数据输入至神经网络训练模型，神经网络训练模型输出对应的权重值。
25、作为优选，在对神经网络模型进行训练优化时，还通过交叉验证的方法防止神经网络训练模型过拟合。
26、本发明的有益效果是：本发明的方案充分考虑了权重对于最优路径选取的影响，提高了广度优先搜索算法的搜索速度，为最短路径及最少耗时提供了算法支持。同时，本发明的方案在规划路径时不仅考虑了距离的影响，还考虑了无人机的飞行距离、飞行难度、地形复杂度和气象条件等多种因素，因此确定的最优路径更为科学，更符合实际的飞行情况。加权广度优先搜索算法是按照一定的顺序逐层遍历节点的，因此它具有较好的可预测性和稳定性，在无人机作业中，可以更容易地预测和控制无人机的飞行轨迹，提高无人机作业的安全性和效率。
1.基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，包括以下步骤：
2.根据权利要求1所述的基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，还包括步骤5，对最优路径进行验证，若最优路径上存在不适合的飞行路径，则调整该飞行路径对应的权重值，重新执行步骤4，直到最优路径上不存在不适合的飞行路径为止。
3.根据权利要求1所述的基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，若调整飞行路径对应的权重值的次数超过设定的次数，则添加边或删除不适合的飞行路径对应的边，重新执行步骤4，直到最优路径上不存在不适合的飞行路径为止。
4.根据权利要求1所述的基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，所述的步骤4中，执行加权广度优先搜索算法对无人机作业路径进行规划具体为：
5.根据权利要求1所述的基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，所述的步骤2中，边的权重值通过无人机的飞行距离、飞行难度、地形复杂度和气象条件决定。
6.根据权利要求5所述的基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，还对边的权重值进行调整优化，具体为：
7.根据权利要求6所述的基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，边的权重值获取的方法为将边对应的飞行数据的特征数据输入至神经网络训练模型，神经网络训练模型输出对应的权重值。
8.根据权利要求6所述的基于加权广度优先搜索算法的无人机作业路径规划方法，其特征是，在对神经网络模型进行训练优化时，还通过交叉验证的方法防止神经网络训练模型过拟合。
