Um Algoritmo Híbrido de Percepção do Campo de Vento para Planejamento de Rota de UAV em Condições de Ventos Fortes

À medida que os veículos aéreos não tripulados (UAVs) são cada vez mais utilizados em inspeções urbanas e missões de resgate de emergência, o planejamento de rota em condições de ventos fortes permanece como um desafio crítico. Algoritmos tradicionais frequentemente apresentam deficiências em adaptação ambiental ou encontram dificuldades em equilibrar exploração e exploração. Este artigo apresenta um Algoritmo Híbrido de Bat–Cuckoo Search (BA-CS) de proporção dinâmica, aprimorado com percepção do campo de vento para enfrentar os desafios do planejamento de rota de UAV em ambientes urbanos com ventos fortes, abordando especificamente as questões de adaptação ambiental insuficiente e o desequilíbrio entre exploração e exploração. O algoritmo integra um mecanismo de feedback duplo que modifica dinamicamente a razão das subpopulações BA/CS de acordo com o progresso da iteração em tempo real e a diversidade populacional. Ao incorporar a percepção do campo de vento na inicialização da população, na troca de informações entre populações e nas estratégias de perturbação da resistência ao vento, atinge uma otimização de rota eficiente sob múltiplas restrições. Resultados experimentais sob ventos fortes com velocidades variando de 10,8 a 13,8 m/s indicam que o algoritmo proposto gera rotas que são suaves, contínuas e totalmente isentas de colisões. Ele alcança um custo médio superior de resistência ao vento de 0,92, que é 9,8%, 17,1% e 52,6% inferior aos dos algoritmos A*, RRT e PSO, respectivamente. Com um tempo de planejamento de 3,95 s, atende aos requisitos de estabilidade de resistência ao vento estabelecidos na norma GB/T 38930-2020, proporcionando uma solução efetiva para operações de inspeção de UAV e resgate de emergência em cenários urbanos com vento.