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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。