基于任务完成时间最小化的多无人机路径规划方法技术

本发明专利技术公开了一种基于任务完成时间最小化的多无人机路径规划方法，在考虑信息采集质量的前提下，通过对K架无人机的路径规划，实现用时最长的无人机任务完成时间最小化的目标：根据基站覆盖原理以及设定的信息采集任务要求，确定无人机在信息采集任务过程中的悬停点；根据悬停点位置，利用最小‑最大路径覆盖算法，将信息采集任务进行分配并规划每架无人机的轨迹；基于规划的无人机轨迹，考虑无人机在飞行时收集信息的情形，对飞行时间和信息采集时间进行优化分配。本发明专利技术利用公平性原则的算法来对无人机路径进行规划，最小化任务完成时间从而保证信息采集任务的完成效率。

Multi UAV path planning method based on task completion time minimization

The invention discloses a path planning method of multiple UAVs based on the minimization of task completion time. Under the premise of considering the quality of information collection, the goal of minimizing the task completion time of UAVs with the longest time is achieved by path planning of K UAVs: according to the coverage principle of base station and the set requirements of information collection task, it is determined that the UAVs have passed the information collection task Hover point in the process; according to the hover point position, use the minimum \u2011 maximum path coverage algorithm to allocate the information collection task and plan the trajectory of each UAV; based on the planned UAV trajectory, consider the situation that the UAV collects information in flight, optimize the allocation of flight time and information collection time. The invention uses the algorithm of fairness principle to plan the path of UAV, minimize the task completion time and ensure the completion efficiency of information collection task.

【技术实现步骤摘要】
基于任务完成时间最小化的多无人机路径规划方法
本专利技术属于无人机路径规划领域，具体为一种基于任务完成时间最小化的多无人机路径规划方法。
技术介绍
无人机路径规划是实现无人机自主飞行的关键技术保障，路径规划方法则是路径规划的核心。无人机路径规划是指在综合考虑无人机到达时间、油耗、威胁以及飞行区域等因素的前提下，为无人机规划出最优或者满意的飞行路径，以保证圆满地完成飞行任务，并安全返回基地。在20世纪60年代，学者开始研究单架无人机的路径规划技术，70至80年代研究者们受到了机器人领域一些思想的启发，无人机在90年代以后发展迅速，应用领域变得更加广泛，无人机执行的任务也是多种多样。单无人机路径规划方法按照规划决策一般可以分为传统经典算法和现代智能算法。传统优化算法不少都属于凸优化范畴，有唯一明确的全局最优点。很多单无人机路径规划问题都采用凸优化的办法进行解决。现代智能算法大致可以分为五类算法：进化类算法(遗传算法、差分进化算法、免疫算法)，群智能算法(蚁群算法、粒子群算法)，模拟退火算法，紧急搜索算法，神经网络算法。如今，随着任务多样化和复杂化，多无人机协同执行任务具有很大的优势。一方面，可以通过任务的同步执行以提高执行效率，缩短完成时间；另一方面，多无人机可以增加任务成功的概率。事实上，多无人机路径规划需要解决任务分配和路径优化两个子问题。现有的路径规划方法大多分开解决这两个子问题。先将任务分配给每架无人机，然后无人机根据分配的任务利用单架无人机路径规划方法得到优化的路径。这种方法没有考虑无人机之间的任务协同，只是单纯将多无人机路径规划方法分解为多个子问题。除此之外，现有的一些算法虽然考虑同时优化这两个问题，但是没有考虑到每架无人机的能耗限制。大多数都是从总能耗和总任务完成时间的角度出发优化，这样容易造成单架无人机负荷过大的后果。
技术实现思路
本专利技术的目的在于提供一种基于任务完成时间最小化的多无人机路径规划方法。实现本专利技术目的的技术方案为：一种基于任务完成时间最小化的多无人机路径规划方法，包括以下步骤：步骤1、设定多无人机飞行约束条件和需要满足的信息采集任务要求；步骤2、根据基站覆盖原理以及设定的信息采集任务要求，确定无人机在信息采集任务过程中的悬停点；步骤3、根据设计的悬停点和飞行约束条件，利用最小-最大路径覆盖算法，规划每架无人机的路径，完成信息采集任务的分配；步骤4、基于规划的无人机路径，对飞行时间和信息采集时间进行优化分配，得到最终的无人机轨迹。优选地，步骤1设定的多无人机飞行约束条件和信息采集任务要求具体为：式中，li(0)表示无人机i的初始位置，li(T)表示无人机i的最终位置，表示无人机在传感器j处采集的数据量，Cj表示无人机在传感器j处需采集的最小数据量；fi,j(t)为指示函数，当无人机i在t时刻采集传感器j的信息时，fi,j(t)为1，否则为0；式(3)表示在t时刻，传感器j的信息最多被一架无人机采集；式(4)表示在t时刻，无人机i最多采集一个传感器的信息；||li(t)||是无人机i在t时刻的速度，vmax是无人机最大速度；||li(t)-li'(t)||表示无人机i与i'之间的距离，dmin表示无人机之间保证避碰的最小距离；r表示无人机投影在地面的最大通信半径，||li′(t)-cj′||表示无人机i地面投影点与传感器j之间的距离。优选地，步骤2根据基站覆盖原理以及设定的信息采集任务要求，确定无人机在信息采集任务过程中的悬停点，具体如下：步骤2.1、将X定义为已经被覆盖的传感器集合，初始化为空集合；将Y定义为未被覆盖的传感器集合，初始化为传感器集合P；将V定义为悬停点集合，初始化为空集合；步骤2.2、利用凸包的计算方法计算Y集合中边界传感器，将其存在Ybo集合中，Y集合中剩余传感器存在Yin集合中；步骤2.3、随机选择Ybo集合中一个传感器b0，并且将Ybo集合中与b0的距离在2r范围内的传感器存在集合ρ中，r是无人机在地面上的最大通信半径；步骤2.4、利用选址问题中寻找中心位置的算法，找到可以覆盖ρ中所有传感器的悬停位置hm，并计算ρ中所有传感器与hm的距离，记录下最大距离d；步骤2.5、比较d与r的大小关系，若d＞r，删除ρ中距离hm最远的点；步骤2.6、重复步骤2.4-2.5，直到d≤r；步骤2.7、将Yin集合中与hm的距离在r范围以内的传感器存入ρ集合，距离在[r,2r]范围内的传感器存入θ集合中；步骤2.8、在θ中找到距离hm最近的点b′，把b′从θ中删除，并将其添加到ρ集合中，重复步骤2.4，得到悬停位置hm和最大距离d；步骤2.9、判断最大距离d与通信半径r的关系。如果d≤r，返回步骤2.8，直到θ集合为空集合；如果d≥r，将b′从ρ中删除，执行步骤2.10；步骤2.10、更新X,Y,V集合，其中X＝X∪ρ，Y＝Y/ρ，V＝V∪hm；步骤2.11、重复步骤2.2～2.10，直到所有传感器被覆盖，即Y集合为空集合。优选地，步骤3中利用最小-最大路径覆盖算法，分配规划每架无人机的路径的具体步骤为：步骤3.1、利用旅行商问题的算法计算一条覆盖所有悬停点的无人机路径；步骤3.2、只考虑悬停时收集信息的情形，计算无人机在悬停点vm执行信息采集任务需要的悬停时间h(vm)、在悬停点之间飞行所需要的飞行时间w(vm,vm+1)以及总时间W(C)；步骤3.3、计算路径分解向量B＝(B1,...,Bi,...,BK)，其中K为无人机数量；步骤3.4、根据步骤3.1得到的路径，建立悬停点和路径的组合序列VE＝(ve0＝v0,ve1＝e(v0,v1),ve2＝v1,ve3＝e(v1,v2),...,ve2n+1＝v0)，其中vm表示悬停点，e(vm,vm+1)表示悬停点vm和vm+1之间的路径；步骤3.5、悬停点和路径的子序列(veo,ve1,...,vej(i))的总权重为wh(veo,ve1,ve2,ve3,...,vej(i))＝h(ve0)+w(ve1)+h(ve2)+w(ve3)+....+h(vej(i))/w(vej(i))，其中h(ve2m)为悬停时间，w(ve2m+1)为飞行时间；步骤3.6、根据判定条件wh(veo,ve1,...,vej(i))≤Bi，在VE序列中寻找路径分界点vej(i)，1≤i≤k；步骤3.7、如果路径分界点vej(i)是边，则将该边删除，vej(i)＝vej(i)-1作为无人机i初始路径的终点，ve′j(i)＝vej(i)+1作为无人机i+1初始路径的起点；步骤3.8、如果路径分界点vej(i)是点，则vej(i)＝vej(i)-2作为无人机i初始路径的终点，ve′j(i)＝vej(i)作为无人机i+1初始路径的起始点；步骤3.9、重复步骤3.6～3.8，直到i＝k，得到K架无人机的初始路径C＝{C1,...,Ci,...,Ck}，其中Ci为无人机i的初始路径，即Ci＝(ve′j(i-1),...,vej(i))；步骤3.10、将初始路径加上无人机从起点飞行到任务区域的路径，构成K架无人机的闭合路径。优选地，步骤4基于规划的无人机路径，对飞行时间和信息采集时间进行优化分配，得到最终的多无人机路径的具体方法为：将无人机路径离散化，分成本文档来自技高网...

【技术保护点】
1.一种基于任务完成时间最小化的多无人机路径规划方法，其特征在于，包括以下步骤：步骤1、设定多无人机飞行约束条件和需要满足的信息采集任务要求；步骤2、根据基站覆盖原理以及设定的信息采集任务要求，确定无人机在信息采集任务过程中的悬停点；步骤3、根据设计的悬停点和飞行约束条件，利用最小‑最大路径覆盖算法，规划每架无人机的路径，完成信息采集任务的分配；步骤4、基于规划的无人机路径，对飞行时间和信息采集时间进行优化分配，得到最终的无人机轨迹。

【技术特征摘要】
1.一种基于任务完成时间最小化的多无人机路径规划方法，其特征在于，包括以下步骤：步骤1、设定多无人机飞行约束条件和需要满足的信息采集任务要求；步骤2、根据基站覆盖原理以及设定的信息采集任务要求，确定无人机在信息采集任务过程中的悬停点；步骤3、根据设计的悬停点和飞行约束条件，利用最小-最大路径覆盖算法，规划每架无人机的路径，完成信息采集任务的分配；步骤4、基于规划的无人机路径，对飞行时间和信息采集时间进行优化分配，得到最终的无人机轨迹。2.根据权利要求1所述的基于任务完成时间最小化的多无人机路径规划方法，其特征在于，步骤1设定的多无人机飞行约束条件和信息采集任务要求具体为：式中，li(0)表示无人机i的初始位置，li(T)表示无人机i的最终位置，表示无人机在传感器j处采集的数据量，Cj表示无人机在传感器j处需采集的最小数据量；fi,j(t)为指示函数，当无人机i在t时刻采集传感器j的信息时，fi,j(t)为1，否则为0；式(3)表示在t时刻，传感器j的信息最多被一架无人机采集；式(4)表示在t时刻，无人机i最多采集一个传感器的信息；||li(t)||是无人机i在t时刻的速度，vmax是无人机最大速度；||li(t)-li'(t)||表示无人机i与i'之间的距离，dmin表示无人机之间保证避碰的最小距离；r表示无人机投影在地面的最大通信半径，||li′(t)-cj′||表示无人机i地面投影点与传感器j之间的距离。3.根据权利要求1所述的基于任务完成时间最小化的多无人机路径规划方法，其特征在于，步骤2根据基站覆盖原理以及设定的信息采集任务要求，确定无人机在信息采集任务过程中的悬停点，具体如下：步骤2.1、将X定义为已经被覆盖的传感器集合，初始化为空集合；将Y定义为未被覆盖的传感器集合，初始化为传感器集合P；将V定义为悬停点集合，初始化为空集合；步骤2.2、利用凸包的计算方法计算Y集合中边界传感器，将其存在Ybo集合中，Y集合中剩余传感器存在Yin集合中；步骤2.3、随机选择Ybo集合中一个传感器b0，并且将Ybo集合中与b0的距离在2r范围内的传感器存在集合ρ中，r是无人机在地面上的最大通信半径；步骤2.4、利用选址问题中寻找中心位置的算法，找到可以覆盖ρ中所有传感器的悬停位置hm，并计算ρ中所有传感器与hm的距离，记录下最大距离d；步骤2.5、比较d与r的大小关系，若d＞r，删除ρ中距离hm最远的点；步骤2.6、重复步骤2.4-2.5，直到d≤r；步骤2.7、将Yin集合中与hm的距离在r范围以内的传感器存入ρ集合，距离在[r,2r]范围内的传感器存入θ集合中；步骤2.8、在θ中找到距离hm最近的点b′，把b′从θ中删除，并将其添加到ρ集合中，重复步骤2.4，得到悬停位置hm和最大距离d；步骤2.9、判断最大距离d与通信半径r的关系，如果d≤r，重复步骤2.8-2.9，直到θ集合为空集合；如果d≥r，将b′从ρ中删除，执行步骤2.10；步骤2.10、更新X,Y,V集合，其中X＝X∪ρ，Y＝Y/ρ，V＝V∪hm；步骤2.11、重复步骤2.2-2.10，直到所有传感器被覆盖，即Y集合为空集合。4.根据权利要求1所述的基于任...

【专利技术属性】
技术研发人员：秦蓁，李艾静，董超，田畅，何首帅，赛雷，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：江苏,32