一种能耗约束下的多无人机任务分配方法组成比例

本发明专利技术涉及能耗约束下的多无人机任务分配方法，无人机编队由两架任务机和一架服务机构成，上位机采用改进的遗传算法将各任务点分配给各任务机，并引入三交换交叉算子，使得到的无人机编队航路最小，且各个任务机的航路尽量均衡；同时,考虑任务机的能耗约束问题，为使任务机耗费的能源尽量少，在任务机的理想航路基础上确定任务机的航路汇合点，并由服务机在汇合点提供能源补给，最终得到无人机的完整航路，完成所有任务点的分配。相较于传统的多无人机任务分配问题，本发明专利技术提高了多无人机系统完成任务的效率，使多个任务机访问任务点的路航路尽可能均衡；引入了能源补给点的设置方法，对于保证无人机任务分配的顺利完成具有十分重大的意义。

【技术实现步骤摘要】

本专利技术专利涉及多无人机任务分配领域，用于解决空中多无人飞行器能耗受限的任务分配问题。
技术介绍
随着对机器人技术的深入研究，以及系统能力的显著提升，机器人系统的应用得到了飞速发展。目前，机器人可以应用于更广泛的领域，机器人代替人类，使得人类从繁重、危险的劳动中解脱出来，特别是一些危险性较高或者人类无法进入的特殊场合，例如核泄漏、空中无人机航拍监测、火星探险、火灾救援以及军事反恐等应用需求。对于复杂繁琐的作业任务，单个机器人完成任务所耗费时间较长，效率低等因素导致单一机器人已无法满足完成某些任务的需求，因此，人类可以将多移动机器人系统运用于工农业生产、军事国防和科学研究等领域中实现降低人类劳动强度、提高工作效率、避免人员伤亡以及扩展人类活动空间等目的。现代战争中使用机器人代替士兵执行危险的任务，能最大限度地减少地面部队和非参战人员的伤亡，由于这些任务的可分解性，用多个机器人协作并行地完成不同的子任务显然会比单机器人要快得多。对于多机器人系统，任务分配是有效利用多移动机器人系统资源，以充分发挥系统效能优势的重要基础，其重要性程度随系统成员的功能差异性和任务的结构复杂性的增加而增加。美国Michigan大学的Holland教授提出的遗传算法(Genetic Algorithm,GA)是求解复杂的组合优化问题的有效方法。在多机器人任务分配系统中，任务分配问题的模型可以由多旅行商问题分析得到。最早的旅行商问题的数学规划是由Dantzig(1959)等人提出，多旅行商问题(Multiple Traveling Salesman Problem,后简称MTSP)是指M个旅行商从同一个城市或不同城市出发，分别走一条旅行路线，除出发城市外，使得每个城市有且仅有一个旅行商经过，最终回到出发城市，且总路程最短。任务分配过程中，各机器人相当于各个旅行商，旅行商访问的各个城市相当于机器人访问的各个任务点，不同之处在于任务分配的过程为类旅行商模型，即为旅行商无需返回出发点的类似模型。由于以上传统方法并未考虑任务分配过程中各个任务机航路均衡的问题，以及任务机能耗约束的问题，而对于无人机控制领域，任务机能耗约束又是一个必须解决的关键
问题。
技术实现思路
本专利技术要解决的技术问题是，针对上述技术缺陷，提供一种能耗约束下的多无人机任务分配的方法，能够对多无人机的前方任务进行合理分配并进行航路优化；同时,解决多无人机能耗的补给问题；使其适应未来空中作战战场及空中运输等其他空中任务分配问题。为解决上述技术问题，本专利技术采用如下技术方案：一种能耗约束下的多无人机任务分配方法，其特征在于在给定无人机编队、各任务点以及在任务机能耗约束下，以均衡优化航路同时最小化航路为目标分配任务，为使任务机耗费的能源尽量少，在任务机的理想航路基础上确定任务机的航路汇合点，并由服务机在汇合点提供能源补给，最终得到无人机的完整航路，完成所有任务点的分配；具体包括如下步骤：步骤1：任务分配系统初始化；主要包括上位机初始化、地面控制台初始化、时钟初始化、无人机编队初始化；所述无人机编队有至少三架无人机，分别为任务机A、任务机B，为任务机提供能源的服务机C；设定前方有多个任务点，且任务点数目多于任务机数目，无人机编队在接收到出发命令前，位于出发点O待命；步骤2：建立地面控制台、定位卫星以及无人机编队之间的通信：执行前方任务时，通过卫星定位技术实时获得各任务点、无人机的位置信息；步骤3：定位卫星实时将无人机及前方各任务点的位置信息传回给地面控制台，地面控制台实时接收、分析并处理这些位置信息；步骤4：上位机通过改进的遗传算法，引入三交换交叉算子将各任务点分配给各任务机，得到理想航路l0，即任务机不受能耗约束的航路；建立任务点分配模型为类MTSP模型，即为旅行商无返回的类MTSP模型；步骤5：获取能源补给点P的位置：上位机结合约束条件模拟任务机在初步的理想航路l0上飞行，得到第一个能源补给点P0的位置；步骤6：设定无人机编队到达第一个能源补给点P0后，任务分配系统对余下的任务点重新作任务分配，同时寻求下一个能源补给点，即一直循环运行步骤2、步骤3、步骤4、步骤5，直至完成所有任务点的分配；步骤7：在所有任务点分配完成后，控制台发出控制命令，无人机编队接收命令，从O点出发，沿着指定的规划航路前往各任务点执行分配的任务。上述技术方案中，任务机A和任务机B为同构无人机，服务机C与任务机为异构无人机，且服务机C能耗限制足以保证完成所有任务，任务机A和任务机B能耗受限需在飞行过程中进行能源补充。上述技术方案中，所述能源补给点P是任务机能量耗尽的汇合点，也是服务机C与任务机A、任务机B的汇合点；且不计汇合时刻所耗费的时间，服务机C的飞行航路为从出发点依次前往各能源补给点；在每一个迭代周期内判断各任务机是否需要进行能源补给，能源补给点P位于某一时刻任务机A和B的连线中点处，当一队编队到达能源补给点P时，任务机A、任务机B的能源已经耗尽，服务机C的飞行路线为由出发点O到能源补给点P的直线路径。上述技术方案中，单个任务机的航路长度即将达到航路极限值时，该任务机前往能源补给点。上述技术方案中，步骤4中设定任务机编队访问完所有任务点后，停留在最后一个任务点，无需返回出发点，得到任务机初步的不受能耗约束的航路l0，也即理想航路l0。本专利技术所述改进的遗传算法将各任务点分配至各任务机，引进三交换交叉算子使得任务机总航路最短、各任务机航路大致均衡。任务分配问题可以描述为：前方有多个任务点，且任务点数目多于任务机数目，一队空中无人机编队正在出发点待命，上位机等待通过卫星定位技术传回的任务点及无人机的位置信息，当前方战场各任务点的分配方式确定后，由地面控制台发出控制命令，任务机接到新的命令去侦查一些确定位置的点，到达指定的位置点去执行某项任务。本专利技术中，由三角形直角边小于斜边原理，设置汇合点P在任务机A、B的连线中点处，能保证能源的高效利用率，使任务机在偏离理想航路和到达能源补给点P的过程中，所消耗的能量最小化，最终确定能源补给点P的位置；不计能源补给点处所耗费的时间，则在一次能源补给完成后，无人机编队重新开始对余下的任务点进行分配，同时寻求下一个能源补给点，直至完成所有任务点的分配。本专利技术的无人机任务编队中，任务机A和任务机B为同构的，服务机C与任务机为异构无人机，异构无人机具有不同的硬件结构和机体构造，针对不同类型任务点执行侦查、访问、打击等任务；作为能源补给的服务机为高性能、高成本的无人机，飞行速
度可以超过3马赫(无人机的飞行马赫数为无人机的飞行速度与其飞行高度上音速的比值，例如1马赫或1M即为一倍音速)，同时，本方法中的无人机的发动机推重比设定为9(无人机的推重比是指发动机推力与发动机重量或机体重量之比，它表示发动机或机体单位重量所产生的推力，目前世界先进发动机的推重比一般在7.5-9.0之间，美国F-119发动机这一数值能达到11.0)，由此可知，服务机的成本造价相应较高，故以上编队方式能够以较小的作战成本高效地完成作战任务。任务机A和任务机B在飞往各任务点的过程中，其能耗是受限制的，服务机C为高性能无人机，故所受能耗限制约束较弱，在执行任务的过程中，其能源足以保证完成本文档来自技高网...

【技术保护点】
一种能耗约束下的多无人机任务分配方法，其特征在于：在给定无人机编队、各任务点以及在任务机能耗约束下，以均衡优化航路同时最小化航路为目标分配任务，为使任务机耗费的能源尽量少，在任务机的理想航路基础上确定任务机的航路汇合点，并由服务机在汇合点提供能源补给，最终得到无人机的完整航路，完成所有任务点的分配；具体包括如下步骤：步骤1：任务分配系统初始化；主要包括上位机初始化、地面控制台初始化、时钟初始化、无人机编队初始化；所述无人机编队有至少三架无人机，分别为任务机A、任务机B，为任务机提供能源的服务机C；设定前方有多个任务点，且任务点数目多于任务机数目，无人机编队在接收到出发命令前，位于出发点O待命；步骤2：建立地面控制台、定位卫星以及无人机编队之间的通信：执行前方任务时，通过卫星定位技术实时获得各任务点、无人机的位置信息；步骤3：定位卫星实时将无人机及前方各任务点的位置信息传回给地面控制台，地面控制台实时接收、分析并处理这些位置信息；步骤4：上位机通过改进的遗传算法，引入三交换交叉算子将各任务点分配给各任务机，得到理想航路l0，即任务机不受能耗约束的航路；建立任务点分配模型为类MTSP模型，即为旅行商无返回的类MTSP模型；步骤5：获取能源补给点P的位置：上位机结合约束条件模拟任务机在初步的理想航路l0上飞行，得到第一个能源补给点P0的位置；步骤6：设定无人机编队到达第一个能源补给点P0后，任务分配系统对余下的任务点重新作任务分配，同时寻求下一个能源补给点，即一直循环运行步骤2、步骤3、步骤4、步骤5，直至完成所有任务点的分配；步骤7：在所有任务点分配完成后，控制台发出控制命令，无人机编队接收命令，从O点出发，沿着指定的规划航路前往各任务点执行分配的任务。...

【技术特征摘要】
1.一种能耗约束下的多无人机任务分配方法，其特征在于：在给定无人机编队、各任务点以及在任务机能耗约束下，以均衡优化航路同时最小化航路为目标分配任务，为使任务机耗费的能源尽量少，在任务机的理想航路基础上确定任务机的航路汇合点，并由服务机在汇合点提供能源补给，最终得到无人机的完整航路，完成所有任务点的分配；具体包括如下步骤：步骤1：任务分配系统初始化；主要包括上位机初始化、地面控制台初始化、时钟初始化、无人机编队初始化；所述无人机编队有至少三架无人机，分别为任务机A、任务机B，为任务机提供能源的服务机C；设定前方有多个任务点，且任务点数目多于任务机数目，无人机编队在接收到出发命令前，位于出发点O待命；步骤2：建立地面控制台、定位卫星以及无人机编队之间的通信：执行前方任务时，通过卫星定位技术实时获得各任务点、无人机的位置信息；步骤3：定位卫星实时将无人机及前方各任务点的位置信息传回给地面控制台，地面控制台实时接收、分析并处理这些位置信息；步骤4：上位机通过改进的遗传算法，引入三交换交叉算子将各任务点分配给各任务机，得到理想航路l0，即任务机不受能耗约束的航路；建立任务点分配模型为类MTSP模型，即为旅行商无返回的类MTSP模型；步骤5：获取能源补给点P的位置：上位机结合约束条件模拟任务机在初步的理想航路l0上飞行，得到第一个能源补给点P0的位置；步骤6：设定无人机编队到达第一个能源补给点P0后，任务分配系统对余下的任务点重新作任务分配，同时寻...

【专利技术属性】
技术研发人员：吴怀宇，鲍逸群，陈洋，陈鹏震，钟锐，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42