本发明专利技术涉及一种在协同搜救中考虑运行环境和性能的无人机任务分配方法，属于通航和无人机协同搜救的任务分配方法领域。本发明专利技术考虑搜救点的灾情等级赋予每个搜救点等级属性，并考虑无人机的探测范围对灾情分级的影响修正分级，并将分级结果转化为无人机悬停时间。根据总的搜救成本最小选取一定数量的无人机释放位置并对每个位置分配合适的的搜救点，考虑无人机性能、地形及低空风对无人机电池能耗的影响等因素，建立直升机释放无人机位置选址优化模型，运用改进的二进制蝙蝠算法进行求解，并与改进前的结果进行比较分析。本发明专利技术大大提高了无人机任务分配研究实用性和准确性。
【技术实现步骤摘要】
在协同搜救中考虑运行环境和性能的无人机任务分配方法
本专利技术涉及一种在协同搜救中考虑运行环境和性能的无人机任务分配方法，属于通航和无人机协同搜救的任务分配方法领域。
技术介绍
针对协同分配问题，通过无人机编队实施运输和搜救工作，受到越来越多的青睐，协同任务分配是编队飞行的关键技术之一，其目的是在满足各方面约束的条件下，根据既定的目标将任务合理的分配给不同的无人机，充分发挥编队的整体效能。主要方式分为集中式分配、分布式分配以及分层级分布式分配。集中式分配指的是编队中的无人机之间的通信及控制等由唯一控制中心进行，主要有多旅行商问题、车辆路径问题，考虑无人机电池节能的任务分配，采用的优化方法有混合整数线性规划、动态网络流优化，多智能体强化学习方法，该类任务分配方式具有获取最优解或可接受的时间范围内得到较满意的解，但一般问题规模较大时非常耗时。分布式分配方式对于无人机的要求更高，需要无人机具备独立计算、分析和决策的能力，通过随机规划模型，改进的蚁群算法、随机激励机制、合同网拍卖模型、平衡聚类算法等，实现无人机可以在编队内通信，灵活性高，但该类任务分配对无人机要求高，需要进行独立计算和决策。分层级分布式分配方式，集集中式分配方式和分布式分配方式的优点于一身，是一种混合分配方式。这种无人机任务分配方式将全部无人机按一定的规则进行分层和归类。先根据类别分组，同层级的无人机大类和同一组内的无人机选择集中式分配方式，不同的组合控制中心则选择分布式控制方式。主要的模型和算法有：分层级分布式任务分配模型、VAMU(车辆辅助多无人机检查)算法、WolfPack(灰狼)搜索算法、改进的覆盖搜索算法、遗传与聚类结合、蝗虫算法，电池能耗受限的覆盖路径规划问题的算法等。采用UGV(无人车)-UAV(无人机)协同探索的路径规划方法，以UGV作为UAV的路由，将UGV作为UAV的“能源加油站”，以补充无人机电池能耗，建立的模型以UAV的总距离最小、UGV的总距离最小以及二者之和最小，无人机电池能耗约束为主要约束进行求解，得到二者协同的任务规划结果。但问题规模较小，未能考虑地形、环境因素等影响对规划结果的影响，并且在二维平面内进行建模，问题过于简化。ParikshitMaini提出并研究了使用移动加油站来增加操作范围，在空间和时间上节省成本。该文献考虑了地形对移动加油站选址的影响，但是在考虑实际环境情况下的飞行任务分配还存在一定的欠缺。较多的物流无人机任务分配模型是单目标，例如以总的路径最短或者运输费用更小为目标，但是在救援情景下，考虑搜救时间显得非常重要，此外还应考虑无人机的数量限制。有些研究对无人机的飞行路径往往是比较理想化的，未考虑无人机规避地形障碍以及气象等因素、无人机自身性能、无人机释放和回收以及无人机实际飞行在不同阶段能耗的差异等对无人机任务分配的影响；有的研究不涉及无人机的电池能耗约束；在救援点搜救悬停过程，往往与该地区的灾区严重程度相关，对于救援点的等级属性划分属于灾情分级问题，需要进一步结合救援实际，考虑灾情分级与无人机搜救的悬停时间的相关性。上述问题使得搜索过程不太符合应急救援的实际，具体存在如下不足：(1)较少考虑无人机的探测范围对目标点的等级属性的划分的影响，进而影响通航释放无人机位置选址和搜救任务分配的结果。(2)很少考虑无人机实际的飞行环境(主要包括低空风对无人机电池能耗的影响等因素)对任务分配结果的影响。(3)考虑无人机自身的性能对释放无人机位置选址和任务分配结果的影响。
技术实现思路
本专利技术提出了一种在协同搜救中考虑运行环境和性能的无人机任务分配方法。考虑搜救点的灾情等级赋予每个搜救点等级属性，并考虑无人机的探测范围对灾情分级的影响修正分级，并将分级结果转化为无人机悬停时间。根据总的搜救成本最小选取一定数量的无人机释放位置并对每个位置分配合适的的搜救点，考虑无人机性能、地形及低空风对无人机电池能耗的影响等因素，建立直升机释放无人机位置选址优化模型，运用改进的二进制蝙蝠算法进行求解，并与改进前的结果进行比较分析。本专利技术为解决其技术问题采用如下技术方案：一种在协同搜救中考虑运行环境和性能的无人机任务分配方法，包括如下步骤：(1)获取无人机性能数据，包括最大续航时间、最大悬停时间、3级低空风对无人机电池能耗的影响下的飞行续航时间、升限、价格、最大充电次数、所研究地区地形数据以及主要的八项灾情指标；(2)根据灾情指标对行政单位的灾情等级进行初步划分，根据人口密度分布及各县面积占比模拟搜救点，并赋予模拟点所在行政单位同样的灾情等级属性；根据盲区计算模型和算法求解无人机在每个模拟点的探测的范围，将探测范围纳入分级指标，运用聚类方法得到修正后的分级结果；(3)考虑无人机飞行续航性能、灾情等级、风和地形对无人机续航时间的影响，以总的搜救费用最小为目标，对通航释放无人机位置的确定问题进行建模；对二进制蝙蝠算法改进，引入差分进化机制，对上述模型进行求解，确定通航释放无人机的位置，并与未改进的二进制蝙蝠算法求得的结果进行对比分析；(4)在释放无人机位置之后，对每个位置点所分配的目标搜救点进行无人机的任务分配：在每个释放无人机的位置，考虑搜救费用、无人机使用数量以及无人机分配任务的均衡性为目标函数建立分配模型；用NSGA-Ⅱ算法对多目标模型进行求解得到分配结果，并与单目标模型求得的结果进行对比分析。本专利技术的有益效果如下：第一：提出了考虑无人机运行环境和性能的多无人机搜救的任务分配模型。我们根据灾区的各项灾情指标，人口分布对受灾搜救点进行模拟，并考虑无人机在相同相对高度的探测范围确定目标搜索点的灾情等级和相应悬停搜救时间。在考虑灾情等级，无人机性能和低空风对无人机电池能耗影响的基础上，建立了通航释放无人机的位置选址模型，引入差分进化机制，运用改进的二进制蝙蝠算法，得到更优的结果。第二：运用NSGA-Ⅱ算法，对每一个选址位置所分配的搜索点进行无人机任务分配，从而完成通航-无人机协同搜索救援任务分配。相对于以往研究，将无人机性能、运行环境对无人机能耗影响，加入无人机任务分配问题中，大大提高了无人机任务分配研究实用性和准确性。附图说明图1为GA-UAV(通航-无人机)协同搜救运行场景图。图2为无人机释放位置选址示意图。图3(a)为仅考虑费用目标的分配结果示意图；图3(b)为考虑任务的均衡性之后的分配结果示意图。图4为阿坝藏族羌族自治州6县人口热力图。图5为无人机可视范围效果图。图6为BBA(二进制蝙蝠算法)和IBBA(差分进化机制二进制蝙蝠算法)迭代效果对比图。图7为53号无人机释放点选址结果与对应搜救点分配结果示意图。图8(a)表示在pop＝30；Gen＝1000/500/300/200下得到的帕累托解图；图8(b)表示在pop＝30；Gen＝1000/500/300/200下得到的帕累托解图；图8(c)表示在Gen＝1000；pop＝100/5本文档来自技高网...
【技术保护点】
1.一种在协同搜救中考虑运行环境和性能的无人机任务分配方法，其特征在于，包括如下步骤：/n（1）获取无人机性能数据，包括最大续航时间、最大悬停时间、3级低空风对无人机电池能耗的影响下的飞行续航时间、升限、价格、最大充电次数、所研究地区地形数据以及主要的八项灾情指标；/n（2）根据灾情指标对行政单位的灾情等级进行初步划分，根据人口密度分布及各县面积占比模拟搜救点，并赋予模拟点所在行政单位同样的灾情等级属性；根据盲区计算模型和算法求解无人机在每个模拟点的探测的范围，将探测范围纳入分级指标，运用聚类方法得到修正后的分级结果；/n（3）考虑无人机飞行续航性能、灾情等级、风和地形对无人机续航时间的影响，以总的搜救费用最小为目标，对通航释放无人机位置的确定问题进行建模；对二进制蝙蝠算法改进，引入差分进化机制，对上述模型进行求解，确定通航释放无人机的位置，并与未改进的二进制蝙蝠算法求得的结果进行对比分析；/n（4）在释放无人机位置之后，对每个位置点所分配的目标搜救点进行无人机的任务分配：在每个释放无人机的位置，考虑搜救费用、无人机使用数量以及无人机分配任务的均衡性为目标函数建立分配模型；用NSGA-Ⅱ算法对多目标模型进行求解得到分配结果，并与单目标模型求得的结果进行对比分析。/n...
【技术特征摘要】
1.一种在协同搜救中考虑运行环境和性能的无人机任务分配方法，其特征在于，包括如下步骤：
（1）获取无人机性能数据，包括最大续航时间、最大悬停时间、3级低空风对无人机电池能耗的影响下的飞行续航时间、升限、价格、最大充电次数、所研究地区地形数据以及主要的八项灾情指标；
（2）根据灾情指标对行政单位的灾情等级进行初步划分，根据人口密度分布及各县面积占比模拟搜救点，并赋予模拟点所在行政单位同样的灾情等级属性；根据盲区计算模型和算法求解无人机在每个模拟点的探测的范围，将探测范围纳入分级指标，运用聚类方法得到修正后的分级结果；
（3）...
【专利技术属性】
技术研发人员：张明，李松锐，李伯权，
申请(专利权)人：南京航空航天大学，
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。