异构多无人机协同路径的快速生成方法技术

本发明专利技术提供了一种异构多无人机协同路径的快速生成方法，具体涉及无人机技术领域，该方法可以包括：先确定需要无人机访问目标的相关信息、无人机站点信息和无人机的相关参数，再基于无人机的多个航向角确定从每个站点出发的无人机所能访问的访问目标，然后建立多站点可重访变收益的杜宾团队定向问题MD‑RDTOP‑VP模型，获取多无人机执行协同任务的初始路径规划方案集合，最后采用引入双适应度函数及自适应切换机制的混合遗传模拟退火算法HGSA获得每架无人机的访问任意访问目标的最优路径规划方案。基于本发明专利技术实施例提供的方法，可以降低路径规划的时间，最大限度地发挥了无人机的效用，有效提升异构多无人机协同任务的完成质量。

【技术实现步骤摘要】
异构多无人机协同路径的快速生成方法
本专利技术涉及无人机
，具体涉及一种异构多无人机协同路径的快速生成方法。
技术介绍
无人机已广泛应用于目标侦察、交通巡逻、地质勘察和农业植保等多个领域，但单架无人机的续航时长有限，能执行的任务也有限。对于空间规模大、任务数量多、时间要求紧的任务，往往需要采用多架异构无人机组成编队，通过协同合作，共同完成指定的任务。异构无人机的路径规划问题已被证明是一个NP难问题，目前没有精确算法可以在可接受的时间内得到路径规划问题的最优解。异构无人机在执行协同任务时，通过所搭载不同类型的传感器快速捕获目标的图像和视频数据。但无人机所搭载的传感器不可避免地存在探测误差，为了降低探测误差对于协同任务的影响，可以通过多次访问同一个目标的方式提升协同任务的期望收益。同时，针对目标数量庞大的协同任务，异构无人机往往无法访问所有的目标，因此，需要根据目标的权重有选择性地访问其中的重要目标，从而提升异构无人机的任务完成质量。如何最大限度地发挥无人机的续航能力访问尽可能多的任务点，并最大化协同任务的期望收益是亟待解决的问题。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种异构多无人机协同路径的快速生成方法，可以在多种约束条件下优化无人机对目标的协同访问路径，并最大限度地发挥无人机的效用，从而提升协同任务的完成质量。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：本专利技术提供了一种异构多无人机协同路径的快速生成方法，其特征在于，所述方法包括：确定需要无人机访问的访问目标的目标坐标及其权重；获取所述无人机的站点的站点数量、站点编号及站点坐标；获取访问所述访问目标的所述无人机的相关参数；所述相关参数包括：无人机编号、无人机所搭载传感器的探测误差、续航时长、飞行速度和/或最小转弯半径；设置所述无人机的航向角离散度，并基于所述无人机的航向角离散度确定所述无人机的多个航向角；基于所述访问目标、站点以及每架所述无人机的相关参数确定从每个站点出发的无人机所能访问的访问目标；建立所述多站点可重访变收益的杜宾团队定向问题MD-RDTOP-VP模型；采用所述MD-RDTOP-VP模型，根据每个所述访问目标的坐标及其权重、无人机的续航时长，获取所述多无人机执行协同任务的初始路径规划方案集合；其中，所述初始路径规划方案集合包括多个路径规划方案，所述路径规划方案被定义为所述多无人机中每架无人机的任务执行路径及对应的站点编号，所述任务执行路径包括：无人机的起点、无人机依次经过的访问目标、无人机的终点；采用引入双适应度函数及自适应切换机制的混合遗传模拟退火算法HGSA对所述初始路径规划方案集合进行优化以获得每架所述无人机的访问任意一个或多个所述访问目标的最优路径规划方案。可选地，设置所述无人机的航向角离散度，并基于所述无人机的航向角离散度确定所述无人机的多个航向角,包括：使用杜宾车模型对无人机的运动状态进行描述，并设置所述无人机的航向角离散度为8；确定所述无人机的多个航向角分别为0°,45°,90°,135°,180°,225°,270°,315°，并为各航向角进行编号，各航向角分别对应唯一航向角编号。可选地，基于所述访问目标坐标、站点以及每架所述无人机的相关参数确定从每个站点出发的无人机所能访问的访问目标之前，还包括：计算在所有航向角下，无人机从所述每个站点到每个访问目标的第一飞行时长，并使用三维矩阵进行存储，记做出发矩阵；计算在所有航向角下，无人机从每个访问目标到每个站点的第二飞行时长，并使用三维矩阵进行存储，记做返回矩阵；计算在所有航向角下，每架无人机在所有访问目标之间的第三飞行时长，并使用三维矩阵进行存储，记做目标到目标矩阵。可选地，在所述出发矩阵中，行表示无人机出发时的航向角编号，列表示无人机访问所述访问目标时的航向角编号，页表示无人机的编号；在所述返回矩阵中，行表示无人机访问最后一个目标时的航向角编号，列表示无人机从最后一个目标返回所述站点时的航向角编号；页表示无人机的编号；在所述目标到目标矩阵中，行表示无人机访问当前目标时的航向角编号，列表示无人机访问下一个目标时的航向角编号，页表示无人机的编号。可选地，所述MD-RDTOP-VP模型的目标函数采用公式(1)来表示：其中，i为目标的编号，u为无人机的编号，wi为目标i的权重，pu为第u架无人机所携带传感器的探测误差，为第u架无人机从目标i到目标j的决策变量，N为所述目标的数量，U为所述无人机的数量，Max为最大值函数。可选地，所述MD-RDTOP-VP模型的约束条件采用公式(2)至(6)来表示：其中，k为无人机出发站点的编号，k’为无人机返回站点的编号，K为无人机站点的数量，D为无人机站点的集合；h、i和j为目标的编号，N为目标的数量，T为目标的集合；u为无人机的编号，U为无人机的数量，U为无人机的集合；为第u架无人机从第k个站点到勘察目标i的决策变量，为第u架无人机从勘察目标j到第k’个返回站点的决策变量；为第u架无人机从勘察目标h到勘察目标i的决策变量，为第u架无人机从勘察目标i到勘察目标j的决策变量；为第u架无人机从第k个站点到勘察目标i的飞行时间，为第u架无人机从勘察目标i到勘察目标j的飞行时间，为第u架无人机从勘察目标j到第k’个站点的飞行时间；为第u架无人机的续航时长；公式(6)为二元决策变量的取值，当为1时表示第u架无人机选择了从目标i到目标j的路径，当为0时表示第u架无人机没有选择这条路径。可选地，采用所述MD-RDTOP-VP模型，根据所述每个访问目标的坐标及其权重、无人机的续航时长，获取所述多无人机执行协同任务的初始路径规划方案集合，包括：采用变长度的整数编码方式描述一个初始路径规划方案，记做染色体，染色体的第1行为无人机的路径，染色体的第2行为无人机在每个目标的航向角编号，染色体的第3行为无人机的编号；按以下4步生成初始路径规划方案集合：步骤1：以目标集合T作为无人机u的备选访问目标集合，以无人机u的出发站点k为圆心，以无人机u的续航能力为半径，构造圆，删掉集合T中在所述圆以外的点所对应的目标编号，得到集合Tu；步骤2：将集合Tu中的勘察目标编号进行随机排列，并在该随机排列的最前面和最后面加上无人机的出发站点编号k和返回站点编号k’，这样就得到了无人机u路径，然后在染色体的第2行写入无人机在每个目标的航向角编号，最后在染色体的第3行写入无人机的编号u，这样就得到了无人机u执行协同任务的路径规划方案；步骤3：根据无人机的数量U重复步骤2，直到所有的无人机都得到协同任务的路径规划方案，将这些方案合并后就得到了一条初始染色体；步骤4：根据预设的初始的路径规划方案集合所需要的方案数量重复步骤2-3，得到初本文档来自技高网...

【技术保护点】
1.一种异构多无人机协同路径的快速生成方法，其特征在于，所述方法包括：/n确定需要无人机访问的访问目标的目标坐标及其权重；/n获取所述无人机的站点的站点数量、站点编号及站点坐标；/n获取访问所述访问目标的所述无人机的相关参数；所述相关参数包括：无人机编号、无人机所搭载传感器的探测误差、续航时长、飞行速度和/或最小转弯半径；/n设置所述无人机的航向角离散度，并基于所述无人机的航向角离散度确定所述无人机的多个航向角；/n基于所述访问目标、站点以及每架所述无人机的相关参数确定从每个站点出发的无人机所能访问的访问目标；/n建立所述多站点可重访变收益的杜宾团队定向问题MD-RDTOP-VP模型；/n采用所述MD-RDTOP-VP模型，根据每个所述访问目标的坐标及其权重、无人机的续航时长，获取所述多无人机执行协同任务的初始路径规划方案集合；其中，所述初始路径规划方案集合包括多个路径规划方案，所述路径规划方案被定义为所述多无人机中每架无人机的任务执行路径及对应的站点编号，所述任务执行路径包括：无人机的起点、无人机依次经过的访问目标、无人机的终点；/n采用引入双适应度函数及自适应切换机制的混合遗传模拟退火算法HGSA对所述初始路径规划方案集合进行优化以获得每架所述无人机的访问任意一个或多个所述访问目标的最优路径规划方案。/n...

【技术特征摘要】
1.一种异构多无人机协同路径的快速生成方法，其特征在于，所述方法包括：
确定需要无人机访问的访问目标的目标坐标及其权重；
获取所述无人机的站点的站点数量、站点编号及站点坐标；
获取访问所述访问目标的所述无人机的相关参数；所述相关参数包括：无人机编号、无人机所搭载传感器的探测误差、续航时长、飞行速度和/或最小转弯半径；
设置所述无人机的航向角离散度，并基于所述无人机的航向角离散度确定所述无人机的多个航向角；
基于所述访问目标、站点以及每架所述无人机的相关参数确定从每个站点出发的无人机所能访问的访问目标；
建立所述多站点可重访变收益的杜宾团队定向问题MD-RDTOP-VP模型；
采用所述MD-RDTOP-VP模型，根据每个所述访问目标的坐标及其权重、无人机的续航时长，获取所述多无人机执行协同任务的初始路径规划方案集合；其中，所述初始路径规划方案集合包括多个路径规划方案，所述路径规划方案被定义为所述多无人机中每架无人机的任务执行路径及对应的站点编号，所述任务执行路径包括：无人机的起点、无人机依次经过的访问目标、无人机的终点；
采用引入双适应度函数及自适应切换机制的混合遗传模拟退火算法HGSA对所述初始路径规划方案集合进行优化以获得每架所述无人机的访问任意一个或多个所述访问目标的最优路径规划方案。


2.根据权利要求1所述的方法，其特征在于，设置所述无人机的航向角离散度，并基于所述无人机的航向角离散度确定所述无人机的多个航向角,包括：
使用杜宾车模型对无人机的运动状态进行描述，并设置所述无人机的航向角离散度为8；
确定所述无人机的多个航向角分别为0°,45°,90°,135°,180°,225°,270°,315°，并为各航向角进行编号，各航向角分别对应唯一航向角编号。


3.根据权利要求1所述的方法，其特征在于，基于所述访问目标坐标、站点以及每架所述无人机的相关参数确定从每个站点出发的无人机所能访问的访问目标之前，还包括：
计算在所有航向角下，无人机从所述每个站点到每个访问目标的第一飞行时长，并使用三维矩阵进行存储，记做出发矩阵；
计算在所有航向角下，无人机从每个访问目标到每个站点的第二飞行时长，并使用三维矩阵进行存储，记做返回矩阵；
计算在所有航向角下，每架无人机在所有访问目标之间的第三飞行时长，并使用三维矩阵进行存储，记做目标到目标矩阵。


4.根据权利要求1所述的方法，其特征在于，在所述出发矩阵中，行表示无人机出发时的航向角编号，列表示无人机访问所述访问目标时的航向角编号，页表示无人机的编号；
在所述返回矩阵中，行表示无人机访问最后一个目标时的航向角编号，列表示无人机从最后一个目标返回所述站点时的航向角编号；页表示无人机的编号；
在所述目标到目标矩阵中，行表示无人机访问当前目标时的航向角编号，列表示无人机访问下一个目标时的航向角编号，页表示无人机的编号。


5.根据权利要求1所述的方法，其特征在于，所述MD-RDTOP-VP模型的目标函数采用公式(1)来表示：



其中，i为目标的编号，u为无人机的编号，wi为目标i的权重，pu为第u架无人机所携带传感器的探测误差，为第u架无人机从目标i到目标j的决策变量，N为所述目标的数量，U为所述无人机的数量，Max为最大值函数。


6.根据权利要求5所述的方法，其特征在于，所述MD-RDTOP-VP模型的约束条件采用公式(2)至(6)来表示：















其中，k为无人机出发站点的编号，k’为无人机返回站点的编号，K为无人机站点的数量，D为无人机站点的集合；h、i和j为目标的编号，N为目标的数量，T为目标的集合；u为无人机的编号，U为无人机的数量，U为无人机的集合；为第u架无人机从第k个站点到勘察目标i的决策变量，为第u架无人机从勘察目标j到第k’个返回站点的决策变量；为第u架无人机从勘察目标h到勘察目标i的决策变量，为第u架无人机从勘察目标i到勘察目标j的决策变量；为第u架无人机从第k个站点到勘察目标i的飞行时间，为第u架无人机从勘察目标i到勘察目标j的飞行时间，为第u架无...

【专利技术属性】
技术研发人员：罗贺，朱默宁，杨善林，王国强，胡笑旋，夏维，马华伟，唐奕城，靳鹏，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34