应用于河流目标搜索任务的无人机航迹规划算法制造技术

应用于河流目标搜索任务的无人机航迹规划算法，本发明专利技术将目标河流区域抽象建模为二维曲线，目标在每个曲线段内存在概率已知的情况下，采用高斯混合模型提取搜索高价值曲线段，即高价值搜索区域，并对高价值曲线段的搜索顺序进行排序，分配给执行搜索任务的无人机，以使无人机按排序后的曲线段进行目标搜索。该方法可获得近似最优结果且求解速度较快，提高无人机的目标搜索效率。 1

【技术实现步骤摘要】
应用于河流目标搜索任务的无人机航迹规划算法
本专利技术涉及无人机导航与控制
，涉及一种无人机航迹规划算法，具体为一种应用于河流目标搜索任务的无人机航迹规划算法。
技术介绍
无人机(UnmannedAerialVehicle，简称UAV)是指由动力驱动、机上无人驾驶、由无线电遥控操纵或自备程序控制的一类飞行器。作为航空技术与信息技术高度融合的产物，无人机因其性价比高、使用灵活、可执行高风险任务、不受飞行员生理条件限制等优势，在军用与民用领域得到了广泛应用。最近30多年来，世界各国对无人机领域持续关注并加大投入，无人机技术取得了长足发展与进步，代表了当今高新技术的发展方向。目标搜索作为无人机的典型应用之一，已广泛应用于突发事件应急监控或营救等场景。由于被搜索目标(如走失人员、沉船等)的生存概率将随着时间流逝而迅速降低，因此要求无人机在尽可能短的时间内发现目标。上述问题本质上可看作航迹优化问题，使得无人机沿最优航迹飞行时可获得最大搜索回报率(即累计概率)，实现对任务区域的高效侦查覆盖与目标快速搜索。国内外学者针对目标搜索问题进行了大量研究并提出一系列方法，主要包括几何法、随机搜索法、基于搜索图的方法等。几何法通过规划特定形状的搜索轨迹如平行线、螺旋线等，实现无人机对任务区域的遍历或全覆盖，虽然该类方法原理简单，但在目标先验信息已知的情况下其搜索效率明显较低。随机搜索法引导无人机在任务区域内随机运动，从而逐渐覆盖区域并搜索到目标，该类方法的最大优势是不需要精确的定位与复杂的优化决策过程，但同样未利用目标先验信息且不适用于大范围复杂区域。基于搜索图的方法首先将任务区域离散化为一系列栅格单元，然后基于各单元存储的目标信息，采取合适的优化策略使得无人机向最有希望的方向运动，虽然该类方法可灵活处理各类复杂情况，但无人机可能会长时间徘徊于局部区域而忽视其他高价值区域，搜索效率有待提升。此外，为解决上述局部最优问题并简化多无人机协同目标搜索任务，一种有效的思路是将任务区域分解为多个子区域并分配给各无人机，从而将复杂的协同控制问题转化为多个简单的单无人机搜索问题，主要的区域分解方法包括质心Voronoi分割采样、模糊C均值聚类、多边形分割等。现有目标搜索研究大多应用于二维水平区域(如矩形等规则区域或不规则区域)，而针对河流区域中的目标搜索问题研究较少。作为一类特殊的任务区域，河流可看作带一定地形约束的曲线，因此相比于无人机在普通二维水平区域内的多航向甚至全航向选择，河流区域限制了无人机的飞行模式，增加了目标搜索问题的难度。针对该类问题，现有解决方案多为定性的被动策略，如无人机在河流上空飞行进行全覆盖式搜索、或直接赶赴目标的先前位置区域进行贪婪式搜索，缺乏定量分析与启发式策略指导。
技术实现思路
本专利技术的目的在于结合河流的自然条件特点，提出一种适用于河流目标搜索任务的无人机航迹规划算法，以实现河流目标任务的快速搜索。为了实现以上目的，本专利技术提供如下的技术方案：应用于河流目标搜索任务的无人机航迹规划算法，其特征在于，所述无人机的视场范围大于河流宽度，所述规划算法包括以下步骤：S1：将待搜索的目标河流抽象为二维平面曲线，以向前距离Ls为自变量，对平面曲线做离散化处理为M＝L/Ls个离散化单元，其中L为河流总长度，Ls为每个离散化单元的长度；S2：任意一个采样周期内，无人机在两个离散化单元sm内移动；待搜索目标在每个离散化单元sm内存在的概率p(sm)已知，且p(sm)∈[0,1]，且满足S3：任意个离散化单元组成搜索曲线段，Sk＝{sm,sm+1,...,sn}，1≤m＜n≤M，利用高斯混合模型描述待搜索目标在每个搜索曲线段内存在的概率信息，提取以Pk,1和Pk,2为区域边界的高价值搜索曲线段Sk；S4：定义子区域转场时间为当前搜索曲线段边界点Pi,p转到下一搜索曲线段边界点Pj,q的最短飞行时间，定义所述转场时间为：T(Pi,p,Pj,q)＝λ1·Dubins_cost(Pi,p,Pj,q)，其中i≠j且i,j∈{1,2,...K}，且p,q∈{1,2}；其中λ1表示子区域转场时间的比例系数；Dubins_cost(Pi,p,Pj,q)表示Dubins曲线的长度，p表示第i个搜索曲线段的飞出点标志位，q表示第j个搜索曲线段的进入点标志位，K表示高价值搜索曲线段的数量；定义子区域覆盖时间为无人机在搜索曲线段内搜索飞行的时间，为Ck＝λ2·Lk，其中λ2表示子区域覆盖时间的比例系数，Lk表示搜索曲线段的长度，Lk＝(n-m+1)·Ls；定义子区域覆盖回报为无人机完全覆盖高价值搜索曲线段所获得的累计概率：Rk；S5：采用上述子区域转场时间、子区域覆盖时间和子区域覆盖回报作为评价指标，采取最近插入法对各高价值搜索曲线段进行搜索顺序的迭代排序，排序建模为：S6：按顺序依次连接优化后的高价值搜索曲线段，获得无人机的最终搜索路径。作为优选：提取高价值搜索曲线段的方法包括以下步骤：采用K个一维高斯函数组成高斯混合模型，其中k＝1,2,...K，uk为每个高斯函数的均值，σk为每个高斯函数的标准差；设每个高斯函数所占的权重系数为αk，且满足将待搜索曲线段的目标概率为估计每个高斯函数的权重系数αk、均值uk、标准差σk，对p(s)进行迭代估计，直至满足收敛条件；获取到各高斯函数95.4％概率的对应区间，以Pk,1＝uk-2σk和Pk,2＝uk+2σk为区域边界点的高价值搜索曲线段，则Lk＝4σk；Rk＝0.954αk。作为优选：所述收敛条件为|p(s)-p'(s)|＜ξ，其中p(s)和p'(s)分别为迭代前后的目标概率值，所述ξ＝10-5。作为优选：若多架无人机执行搜索任务，则进一步包括以下步骤：对排序后的高价值搜索曲线段分配给多架无人机，进行区域分配。作为优选：区域分配的方法，包括以下步骤：将高价值搜索曲线段集合分配给每架无人机，为每架无人机获得一个集合为Ai的分配高价值搜索曲线段集合；按步骤S5中的方法，对每架无人机集合Ai内的高价值搜索曲线段进行指标计算，获得Ji；对区域分配建模为其中，Nu表示无人机的总数，ρ1表示总搜索收益的比例系数，ρ2表示任务平衡度的比例系数；采用迭代方法，对区域分配建模求解，确定区域分配策略。作为优选：所有无人机所分配的高价值搜索曲线段集合满足如下的约束条件：本专利技术的有益效果为：(1)本专利技术将目标河流区域抽象建模为二维曲线，大大减少了问题复杂度与计算量；(2)本专利技术利用自适应高斯混合模型来近似描述河流区域特征并提取高价值子区域，可量化提取出高斯函数95.4％概率的对应区间，针对性的对高价值子区域进行搜索任务分配，量化结果的精度较高且利于后续问题的解决；(3)本专利技术利用最近插入法进行区域排序，该方法可获得近似最优结果且求解速度较快；(4)本专利技术提供的算法适用于一架或多架无人机搜索路径的规划。附图说明图1是本专利技术的方法流程图；图2是将河流抽象为二维曲线示意图；图3是河流区域内的目标概率图；图4是目标概率基于自适应高斯混合模型的近似结果；图5是基于最近插入法的子区域排序迭代过程；图6是以三架无人机进行目标搜索采用本专利技术方法优化出来的无人机航迹。具体实施方式以下将结合附图对本专利技术的具体实施方式进行清楚完整地描述本文档来自技高网...

【技术保护点】
1.应用于河流目标搜索任务的无人机航迹规划算法，其特征在于，所述无人机的视场

【技术特征摘要】
1.应用于河流目标搜索任务的无人机航迹规划算法，其特征在于，所述无人机的视场范围大于河流宽度，所述规划算法包括以下步骤：S1：将待搜索的目标河流抽象为二维平面曲线，以向前距离Ls为自变量，对平面曲线做离散化处理为M＝L/Ls个离散化单元，其中L为河流总长度sm，Ls为每个离散化单元的长度；S2：任意一个采样周期内，无人机在两个离散化单元sm内移动；待搜索目标在每个离散化单元sm内存在的概率p(sm)已知，且p(sm)∈[0,1]，且满足S3：任意个离散化单元组成搜索曲线段，Sk＝{sm,sm+1,...,sn}，1≤m＜n≤M，利用高斯混合模型描述待搜索目标在每个搜索曲线段内存在的概率信息，提取以Pk,1和Pk,2为区域边界的高价值搜索曲线段Sk，其中高价值搜索曲线段的数量为K，k∈{1,2,...,K}；S4：定义子区域转场时间为当前搜索曲线段边界点Pi,p转到下一搜索曲线段边界点Pj,q的最短飞行时间，定义所述转场时间为：T(Pi,p,Pj,q)＝λ1·Dubins_cost(Pi,p,Pj,q)，其中i≠j且i,j∈{1,2,...K}，且p,q∈{1,2}；其中λ1表示子区域转场时间的比例系数；Dubins_cost(Pi,p,Pj,q)表示Dubins曲线的长度，p表示第i个搜索曲线段的飞出点标志位，q表示第j个搜索曲线段的进入点标志位，K表示高价值搜索曲线段的数量；定义子区域覆盖时间为无人机在搜索曲线段内搜索飞行的时间，为Ck＝λ2·Lk，其中λ2表示子区域覆盖时间的比例系数，Lk表示搜索曲线段的长度，Lk＝(n-m+1)·Ls；定义子区域覆盖回报为无人机完全覆盖高价值搜索曲线段所获得的累计概率：Rk；S5：采用上述子区域转场时间、子区域覆盖时间和子区域覆盖回报作为评价指标，采取最近插入法对各高价值搜索曲线段进行搜索顺序的迭代排序，排序建模为：...

【专利技术属性】
技术研发人员：姚鹏，王琨，解则晓，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东,37