【技术实现步骤摘要】
一种基于GA-PSO优化的无人机机场网络选址布置方法
[0001]本专利技术涉及机场建设
,具体涉及一种基于GA-PSO优化的无 人机机场网络选址布置方法。
技术介绍
[0002]随着无人机进入大众视野,无人机的应用被不断开发出来,越来越多 的场合都会用到无人机进行工作,而我国在使用无人机打击犯罪、无人机 追踪、无人机巡逻等方面的应用也越来越重视;
[0003]目前军、警、民对无人机帮助探测的需求日益强烈,军方运用无人机 主要用于处理不明空情,低慢小目标的探测、识别与截获的问题;警方运 用无人机主要用于城市热点地区的监控、发生险情、犯罪的第一时间侦察、 取证,疏通道路,快速排堵、流量统计,优化交通管理、助力消防员实现 科学救援;民用无人机主要用于景区拍摄、观察野生动物、制造浪漫等, 随着无人机应用的深入,所暴露的问题也日益突出:
[0004]1、在发生紧急情况时,从出动无人机到无人机到达时间过久,致使 耽误最佳时机,无法获得实质性的效果;
[0005]2、无人机虽然能够代替人工进行工作,但局限于它的续航能力,不 能够支持长时间的工作;
[0006]无人值守无人机机场能够布置在城市的各个地点,结合无人机的续航、 飞行高度等限制条件,考虑城市中的各个重要目标、热点地区、低慢小目 标出现多发区域,对无人机机场进行选址布置;无人机场中放置有多架小 型无人机,军用无人机可由军方航空管制人员在发现需要查证的目标后, 选择距离目标最近的机场远程操控无人机起飞查证;警用无人机主要用于 发生紧急情 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于GA-PSO优化的无人机机场网络选址布置方法,其特征在于,包括步骤:S1.在无人机机场选址过程中,根据机场选址的影响因素,对遗传算法和粒子群算法进行交叉、变异变换,设计用于无人机机场的选址的遗传粒子群混合算法(GA-PSO);S2.根据步骤S1得到的遗传粒子群混合算法(GA-PSO)建立基于需求的无人机机场多级覆盖选址模型:S201.根据在机场建设过程中,需求点i到机场j的距离和第k级的覆盖半径,建立机场覆盖的满意度函数和完全覆盖半径D
k
;S202.以机场覆盖的满意度函数和完全覆盖半径D
k
为约束条件,构建基于需求的无人机机场多级覆盖选址模型,构建基于需求的无人机机场多级覆盖选址模型的目标函数,对多级化覆盖无人机机场进行选址。2.根据权利要求1所述的一种基于GA-PSO优化的无人机机场网络选址布置方法,其特征在于,步骤S1所述的遗传粒子群混合算法的设计过程包括:S101.标准粒子群算法的公式(1)为:式(1)中:粒子i在N维空间的位置表示为矢量xi=(x1,x2,
…
,x
N
),飞行速度表示为矢量V
i
=(v1,v2,
…
,v
N
),W为惯性因子;d=1,2,
…
,D;i=1,2,
…
,n;k为当前迭代次数;V
id
为粒子的速度;C1和C2是非负的常数,称为加速因子;R1和R2是分布于[0,1]区间的随机数;P
i
目前为止发现的最好位置,P
g
目前为止整个群体中所有粒子发现的最好位置;S102.在标准粒子群算法式(1)中引入变异算子后,粒子群算法的公式更新为:其中,为个体最优,为全局最优,X
id
为第i个粒子在D维空间中的位置;C1、C2为权重因子,R1、R2为随机数。3.根据权利要求1所述的一种基于GA-PSO优化的无人机机场网络选址布置方法,其特征在于,步骤S201所述的机场覆盖的满意度函数的建立过程具体包括:(1)设d
ij
为需求点i到机场j的距离,为覆盖满意度衰减函数,D
k
为第k级的覆盖半径;(2)若d
ij
≤D
k
时,需求点i在机场j的第k级的完全覆盖半径之内,则若d
ij
>D
k
时,认为需求点i位于机场j的第k级的完全覆盖半径之外,此时需求点i与机场j的距离及完全覆盖半径之间的函数关系为:
其中:式中max(d
ij-D
k
)表示第k级覆盖中,距机场j最远需求点i与完全覆盖半径D
k
的差值;(3)因此当d
ij
>D
k
,d
ij
与D
k
所得的函数为减函数,d
ij
与D
k
的差值越小,需求点的覆盖满意度则越高,因此可以得到覆盖满意度函数和D
k
技术研发人员:赵顾颢,袁泽宇,吴亚荣,杨虎成,
申请(专利权)人:中国人民解放军空军工程大学,
类型:发明
国别省市:
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。