一种基于聚类和遗传算法的多无人机协同任务规划方法技术

本发明专利技术属于无人机系统技术领域，具体涉及一种基于聚类和遗传算法的多无人机协同任务规划方法。该方法基于K‑means聚类算法完成多个任务点的点簇划分，将多无人机协同规划能耗最优航迹问题简化为多个单架无人机的旅行商问题，并对遗传算法进行改进，基于改进后的遗传算法提出一种UAV航点规划优化算法进行航迹优化，使得无人机的能耗最优，以避免飞行过程中受到环境影响导致实际能耗值变大导致无法执行规划航线的问题出现，提高飞行效率和能量利用率。

【技术实现步骤摘要】
一种基于聚类和遗传算法的多无人机协同任务规划方法
本专利技术属于无人机系统
，具体涉及一种基于聚类和遗传算法的多无人机协同任务规划方法。
技术介绍
近年来，全世界的经济基础实力得到很大程度的提升，科技也随之逐渐发展、提高，无人机技术的研究也有了较大的飞跃，其应用非常广泛。在很多复杂的场景之下，单个无人机根本无法达到人们的预期，于是提出了运用多架无人机协同实现快速高效的任务执行。对比单无人机与多无人机协同发现：单架无人机操作简单且易实现，而多架无人机执行任务时要完善它们之间的协同规划，故而后者执行起来比较复杂，对服务器的处理速度有一定的要求。但是单架无人机只能按照顺序依次完成所有任务，这样会很耗时，很多情况下无法达到要求；而多架无人机能够在同一时间解决多个任务。相较之下，多无人机很大地提升了任务执行速度，大多数情况下能够应对任务实时性的要求。另外，无人机的运行需要能量支持，而一架无人机对能量的储存能力是有限的，单无人机执行复杂任务时很可能出现能量耗尽需要返回基地补充能量的情况，而多架无人机只要选择合适的任务管理方式完成任务分配和航迹本文档来自技高网...

【技术保护点】
1.一种基于聚类和遗传算法的多无人机协同任务规划方法，其特征在于：包括以下步骤：/n步骤一、根据任务类型和巡检区域获取多个无人机协同任务的所有任务航点n，将所有任务航点共同组成任务航点集P＝{P

【技术特征摘要】
1.一种基于聚类和遗传算法的多无人机协同任务规划方法，其特征在于：包括以下步骤：
步骤一、根据任务类型和巡检区域获取多个无人机协同任务的所有任务航点n，将所有任务航点共同组成任务航点集P＝{P1,P2,…,Pn}，计算任务航点集中所有任务航点的坐标；
步骤二、选取K架无人机负责执行该巡检区域的巡检任务，以距离为划分依据使用K-means聚类算法对所有任务航点进行集中式分配；
步骤三、根据每架无人机负责的任务点的坐标计算出每架无人机执行任务的能量消耗，所述能量消耗包括飞行能耗、转向能耗和数据传输能耗；
步骤四、利用改进的遗传算法对无人机的巡检区域进行路径规划得到K架无人机协同的最优航迹；
步骤五、K架无人机按照步骤四的最优航迹进行航行，并在将执行任务时收集的数据传输至本地服务器的同时实时传送本机的能量剩余，若电池剩余百分比大于15％时，继续按照航迹执行任务，若无人机电池剩余百分比小于15％，后端控制服务器发送相应信息要求无人机立刻中断当前任务的执行，返回无人机基地补充能量。


2.根据权利要求1所述的基于聚类和遗传算法的多无人机协同任务规划方法，其特征在于：步骤一中还包括根据无人机装载的传感器或者摄像机的覆盖范围确定划分的规格，采用网格分割法，将待测区域网格化处理，待测点为每个网格的中心，从而使能够完全覆盖巡检区域。


3.根据权利要求1所述的基于聚类和遗传算法的多无人机协同任务规划方法，其特征在于：步骤二中采用K-means聚类算法将n个任务点划分为K个点簇，每一个点簇由一架UAV负责执行任务，包括以下步骤：
(1)产生随机坐标点作为聚类中心；
(2)分别计算各任务航点到K个聚类中心的距离，将任务航点依次划分给距离最近的聚类中心所属的点簇；
(3)采用均值法更新聚类中心得到新的中心坐标；
(4)根据新的中心坐标按照步骤(2)、(3)完成点簇划分；
(5)判断本次迭代...

【专利技术属性】
技术研发人员：王煜炜，薛晶晶，刘敏，付艳波，王元卓，
申请(专利权)人：中科院计算技术研究所大数据研究院，
类型：发明
国别省市：河南;41