一种基于子区域划分的多无人机遍历搜索算法制造技术

本发明专利技术涉及无人机算法计算领域，尤其涉及一种基于子区域划分的多无人机遍历搜索算法。本发明专利技术设计了一种基于子区域划分的多无人机遍历搜索算法，给出了具体的区域划分方式及多机航迹规划和任务分配方式，为无人机遍历搜索提供了一种实际可行的方案。通过一个具体的算法生成实例，验证了本发明专利技术提出的算法是有效的，且对搜索区域的形状没有特别的要求，适用于多种不规则区域，具有普适性。本发明专利技术的子区域划分算法相比于其他划分算法，不仅实现起来简单，同时可以有效避免无人机的重复搜索，降低无人机在子区域连接时的耗时，在相同的无人机性能和数量的情况下搜索更大的区域。

【技术实现步骤摘要】

本专利技术涉及无人机算法计算领域，尤其涉及一种基于子区域划分的多无人机遍历搜索算法。
技术介绍
一、无人机航迹规划无人机具有体积小，价格低廉，灵活机动等特点，在现代军事，环境监测，灾害防治等方面发挥着越来越重要的作用。无人机航迹规划对于提高无人机的生存能力和执行任务能力具有重要的意义。目前现有的航迹规划技术主要分为以下两种：1)“点对点”航迹规划(’Point-to-Point’PathPlanning)“点对点”的航迹规划是指在一定环境下，寻找无人机从起始点到目标点，避开所有威胁源和障碍物的最优飞行路线。针对“点对点”的航迹规划问题的技术有：(1)针对复杂环境下的自适应RRT航迹规划将动态步长和自适应权重相结合，较好地解决了规划耗时和路径质量的均衡问题，但在不清楚任务区域中威胁源分布的情况下，会造成多次迭代从而降低效率；(2)基于多重启发蚁群优化算法的航迹规划，该技术综合考虑无人机当前位置与待选位置之间的距离和威胁分布，以及待选位置与目标位置之间的距离和威胁分布，将这些已知信息构造为蚂蚁状态转移的多重启发信息，指导蚂蚁的搜索行为。并针对航迹不可行和任务区域内存在的突发威胁，分给出了航迹平滑方法和在线航迹再规划方法。2)覆盖航迹规划(CoveragePathPlanning)和“点对点”航迹规划不同，覆盖航迹规划是指当需要获取某一区域的全面有用信息，或者需要早特定区域搜索目标时，能够规划出一条能够遍历待覆盖区域的最优飞行路线。国内外对于单无人机覆盖搜索有较多研究，常见的有随机搜索，平行搜索，网格搜索等。而多机协同的覆盖航迹规划则可通过相互协同，提高区域覆盖效率，缩短任务完成时间，使得总体性能指标达到最优。并且在单架无人机出现故障时，剩余无人机仍能完成任务，因此具有更好的任务执行能力和容错能力。二、子区域划分多无人机覆盖航迹规划需要解决的一个核心问题是：区域形态的确定及划分。一个最单的方法是将任意形状的搜索区域用其外接矩形表示，但这种方式会造成搜索区域面积变大，导致搜索时间增加，降低搜索效率。而将搜索区域划分为多个子区域，再在子区域上进行无人机航迹规划不仅可以更高效地完成区域覆盖任务，还可以降低搜索资源的浪费。目前区域划分的方法有：(1)Boustrophedon划分算法是将搜索区域分解为梯形状，在单个分块中进行遍历搜索。其目的是为了减少由于分块较多而造成的重复遍历。(2)基于Voronoi图的区域划分算法：利用Voronoi图的特性，并结合实际的区域形状将搜索区域进行划分(3)基于子区域宽度之和最小的区域划分算法即要求子区域的宽度最小，又要保证所有子区域宽度之和最小，故此算法实现起来比较复杂。三、无人机航迹规划面临的问题本专利主要研究的是无人机覆盖航迹规划，单无人机覆盖航迹规划任务时间长，效率低，同样对无人机的性能要求也高；但多无人机协同编队覆盖航迹规划实现起来问题较多。多机“Z”搜索因无人机(UAV)最小转弯半径的限制，为保证搜索区域的全覆盖，需在区域外部进行转弯，造成搜索资源严重浪费。内螺旋的方式则需要较多转弯，接近区域中心的更多，另外在多机并排搜索时，由于编队内外两侧无人机的飞行路径长度相差较大，对无人机的速度要求较多，不利于工程实现。图1给出一个两架无人机协同搜索的示意图。在图中可以很明显的看出UAV1的航程多于UAV2的，要实现无人机协同搜索，在第一个转弯处UAV1的速度应快于UAV2的，在第二个转弯处则恰恰相反。在综合考虑单机与多机这两种搜索方式后，本专利在规划好整体的无人机航迹后，根据无人机的性能不同，给每架无人机分配任务区域，即提高了搜索性能，同时避免了多机编队时对无人机速度的要求，大大降低了搜索难度，有利于工程实现。四、现有子区域划分算法的不足之处现有的子区域划分算法中，利用Voronoi图对搜索区域进行分割的方法非常普遍，但这种分割非常复杂，并且带有不确定性，对无人机的自主性要求较高；而Boustrophedon区域划分算法虽然复杂度不高，并且能够同时应用于单机和多机区域划分，但对划分的方向有要求，达不到全区域最优。而基于子区域宽度之和最小的划分算法同样面临着算法复杂度较高的问题，另外利用此算法划分的子区域面积不一，极易造成区域重复搜索，另外划分后的子区域数目也比本专利划分后的多，导致无人机子区域衔接时浪费的搜索资源较多，降低搜索效率。故此，本专利提出一种基于凹顶点可见的子区域划分算法，在保证子区域面积均衡的情况下同时降低划分后的区域数目，另外，算法实现起来复杂度低。
技术实现思路
针对现有技术中存在的缺陷或不足，本专利技术所要解决的技术问题是：提供一种基于子区域划分的多无人机遍历搜索算法，本算法为基于凹顶点可见的子区域划分算法，在保证子区域面积均衡的情况下同时降低划分后的区域数目，另外，算法实现起来复杂度低。为了实现上述目的，本专利技术采取的技术方案为提供一种基于子区域划分的多无人机遍历搜索算法，包括以下步骤：步骤A：利用基于凹顶点可见的子区域划分算法将整个区域划分为多个形态良好，差异不大的子区域；步骤B：在每个子区域内运用基于区域宽度最小的航迹规划算法进行无人机航迹规划；步骤C：在计算出整个规划好的航程后，根据每架无人机的性能分配相应的任务区域，根据无人机遍历搜索时间算法，确定无人机的整体搜索性能是否达到最优。作为本专利技术的进一步改进，所述步骤A包括进行凹边形凸分解，所述凹边形凸分解是将凹顶点与其可见凹点相连，将多边形一分为二，如果可见凹点较多，则要选择一个最优的可见凹点来连接。作为本专利技术的进一步改进，在将整个区域一分为二后，继续在子区域中选择合适的凹点进行划分，直到将整个区域全部划分为凸多边形子区域，若凹顶点对应可见区域中没有凹点，则选择其角平分线作为划分线。作为本专利技术的进一步改进，如果没有最优的可见凹点，则要选择一个和凹点的连线与角平分线夹角最小的可见点进行连接，则夹角的计算公式为：式中：∠α为可见点和凹点的连线与角平分线的夹角。作为本专利技术的进一步改进，所述无人机的遍历搜索时间算法如下，对于搜索时间可建模为：T＝tpath+n*tturn(2)其中，tpath是单个无人机的航迹规划用时，n是无人机转弯次数，tturn是无人机转弯用时，假设现在有m架航速为v1、v2、v3、……、vm无人机，规划后的总航程为L，则tpath=L/Σi=1mvi---(3)]]>而转弯次数则由无人机的扫描宽度ws及子区域宽度w决定；将式(3)和式(4)代入式(2)中，则总的搜索时间为：T=L/Σi=1mvi+[w/ws]*tturn---(5).]]>本专利技术的有益效果是：本专利技术设计了一种基于子区域划分的多无人机遍历搜索算法，给出了具体的区域划分方式及多机航迹规划和任务分配方式，为无人机遍历搜索提供了一种实际可行的方案。通过一个具体的算法生成实例，验证了本专利提出的算法是有效的，且对搜索区域的形状没有特别的要求，适用于多种不规则区域，具有普适性。本专利的子区域划分算法相比于其他划分算法，不仅实现起来简单，同时可以有效避免无人机的重复搜索，降低无人机在子区域连接时的耗时。所以，应用本专利设计的多无人机遍历搜索算法对区域进行搜索可以有效提高搜索效率，减少本文档来自技高网...

【技术保护点】
一种基于子区域划分的多无人机遍历搜索算法，其特征在于，包括以下步骤：步骤A：利用基于凹顶点可见的子区域划分算法将整个区域划分为多个形态良好，差异不大的子区域；步骤B：在每个子区域内运用基于区域宽度最小的航迹规划算法进行无人机航迹规划；步骤C：在计算出整个规划好的航程后，根据每架无人机的性能分配相应的任务区域，根据无人机遍历搜索时间算法，确定无人机的整体搜索性能是否达到最优。

【技术特征摘要】
1.一种基于子区域划分的多无人机遍历搜索算法，其特征在于，包括以下步骤：步骤A：利用基于凹顶点可见的子区域划分算法将整个区域划分为多个形态良好，差异不大的子区域；步骤B：在每个子区域内运用基于区域宽度最小的航迹规划算法进行无人机航迹规划；步骤C：在计算出整个规划好的航程后，根据每架无人机的性能分配相应的任务区域，根据无人机遍历搜索时间算法，确定无人机的整体搜索性能是否达到最优。2.根据权利要求1所述的基于子区域划分的多无人机遍历搜索算法，其特征在于：所述步骤A包括进行凹边形凸分解，所述凹边形凸分解是将凹顶点与其可见凹点相连，将多边形一分为二，如果可见凹点较多，则要选择一个最优的可见凹点来连接。3.根据权利要求2所述的基于子区域划分的多无人机遍历搜索算法，其特征在于：在将整个区域一分为二后，继续在子区域中选择合适的凹点进行划分，直到将整个区域全部划分为凸多边形子区域，若凹顶点...

【专利技术属性】
技术研发人员：杨志华，荆莹，廖小丽，金豪杰，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东;44