一种多无人机分布式协同目标搜索方法技术

本发明专利技术公开了一种多无人机分布式协同目标搜索方法，属于自动控制技术领域，能够解决传统多无人机协同搜索方法效率较低的问题。所述方法包括：根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域；获取无人机对环境的不确定度地图和重要性地图；采用最小生成树策略优化多个无人机的通信拓扑；基于不确定度地图和重要性地图、以及优化后的多个无人机的通信拓扑，采用局部拍卖算法将多个子区域的搜索任务分配给多个无人机；基于搜索任务分配结果，采用滚动时域预测控制方法对多个无人机进行路径规划和轨迹生成，并更新无人机的运动状态，收集搜索信息，以及更新无人机对环境的认知地图。本发明专利技术用于多无人机的协同目标搜索。机的协同目标搜索。机的协同目标搜索。

【技术实现步骤摘要】
一种多无人机分布式协同目标搜索方法


[0001]本专利技术涉及一种多无人机分布式协同目标搜索方法，属于自动控制


技术介绍

[0002]近年来，多无人机被广泛应用于野外搜救、环境监测等民用领域及协同侦察、协同攻击等军用领域。与单架无人机相比，多无人机集群能够完成复杂度高、需要高效率执行和并行完成的任务。采用多无人机可以提高任务完成的效率和成功率，例如由多架无人机从不同方位对目标进行拍摄，以获取更全面的目标信息，或者从不同角度对目标一同发起攻击以提高打击成功率。目标搜索和协同监测是多无人机系统的主要应用之一。通常来说，待搜索区域被划分为离散的搜索单元，并以与各单元相关联的不确定度和目标概率表示区域的搜索状态和目标的分布情况。多无人机协同搜索的目标是在最短时间内找到所有分散的目标并覆盖整个区域。
[0003]传统的多无人机协同搜索方法主要应用于目标分布先验信息完全未知的场景，主要的方法框架包括环境的表示与更新和无人机的路径优化。其中，常见的环境表示方法包括基于贝叶斯估计更新的概率图和不确定度图。在以上应用场景下，由于目标假设分布概率和目标数量是未知的，区域内所有位置的搜索重要性是相同的，在进行无人机的搜索任务的优化时，不需要考虑到全局的差异性，由局部最优规划得到的结果往往也是全局较优的。但在实际任务中，往往能够通过一定的模型推断出目标的分布概率，如事故中的人员搜救，航天返回舱搜寻等。依据目标的先验概率分布，区域内不同位置的搜索重要性有明显不同，无人机需要优先对重要区域进行搜索。当目标在区域内的分布概率存在差异时，由局部最优规划得到的结果全局优化性较差，因此传统的多无人机协同搜索方法效率较低。

技术实现思路

[0004]本专利技术提供了一种多无人机分布式协同目标搜索方法，能够解决传统的多无人机协同搜索方法效率较低的问题。
[0005]本专利技术提供了一种多无人机分布式协同目标搜索方法，所述方法包括：根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域；获取无人机对环境的认知地图；其中所述认知地图包括不确定度地图和重要性地图；采用最小生成树策略优化多个无人机的通信拓扑；基于所述不确定度地图和所述重要性地图、以及优化后的多个无人机的通信拓扑，采用局部拍卖算法将所述多个子区域的搜索任务分配给多个无人机；基于搜索任务分配结果，采用滚动时域预测控制方法对多个无人机进行路径规划和轨迹生成，并更新无人机的运动状态，收集搜索信息，以及更新无人机对环境的认知地图。
[0006]可选的，在所述根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域之前，所述方法还包括：
[0007]将待搜索区域划分为n
p
个大小一致的长方形网格将每个长方形网格作为基本的搜索单元；其中，所述长方形网格中心坐标记为μ
p
＝[x
p
，y
p
]T
，所述长方形网格长宽
分别为Dx和Dy；所述根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域，具体包括：在待搜索区域内根据目标先验分布概率Pr
p
随机抽取n
g
个离散点采用三角剖分方法，以随机抽取的n
g
个离散点为生成元构造维诺单元根据第一公式计算维诺单元的质心所述第一公式为：其中，维诺单元中离散点的密度函数ρ(p)＝Pr
p
；当第二公式不成立时，将维诺单元的质心作为新的生成元重新构造维诺单元；当第二公式成立时，利用当前构造的维诺单元将待搜索区域划分为n
g
个子区域；所述第二公式为：其中，ε为预设常数。
[0008]可选的，所述更新无人机对环境的认知地图，具体包括：利用第三公式更新不确定度地图；所述第三公式为：度地图；所述第三公式为：其中，截至采样时间t
k
时刻，无人机U
i
对离散网格c
p
的总探测次数为在t
k
‑1至t
k
时刻内的探测次数为h
i，p，k
；η
i，p，k
∈[0，1]为不确定度地图，为与U
i
存在通信的其他无人机和U
i
自身的集合；η
j，p，0
＝1为任意无人机的初始不确定度地图，γ
j
∈[0，1)为自定义的不确定度衰减因子；利用第四公式更新重要性地图；所述第四公式为：S
i，p，k
＝η
i，p，k
Pr
p
；其中，η
i，p，k
为不确定度地图；Pr
p
为目标先验分布概率。
[0009]可选的，所述采用最小生成树策略优化多个无人机的通信拓扑，具体包括：采用克鲁斯卡尔算法生成多个无人机的通信拓扑的最小生成树网络G
MST
(V，E
MST
(k))；利用第五公式对G
MST
进行求解；所述第五公式为：其中，G(V，E(k))为多个无人机的通信拓扑，V＝{U1，U2，...，U
N
}表示网络中的所有通信节点；E(k)＝{(U
i
，U
j
)|||μ
i，k
‑
μ
j，k
||≤R
c
，i≠j}表示t
k
时刻网络中所有通信链路的集合，R
c
为无人机设计最大通信范围；G
′
(V，E
′
(k))为能确保网络连通的G的任意子图，d
i，j，k
＝||μ
i，k
‑
μ
j，k
||表示存在通信链路的无人机U
i
与无人机U
j
之间的距离。
[0010]可选的，所述基于优化后的通信拓扑，采用局部拍卖算法将所述多个子区域的搜索任务分配给多个无人机，具体包括：预估每个无人机执行每个搜索任务所能获得的单位收益R
ijk
；对所有搜索任务进行拍卖，以无人机U
i
为中心，与U
i
存在通信的其他无人机和U
i
自身的集合为统一任务底价为P
j，k
；参拍无人机对任务R
j
的出价为R
l，j，k
，拍卖方可得拍卖收益为e
l，j，k
＝R
l，j，k
‑
P
j，k
，每个搜索任务均由出价最高的无人机拍得；将每个无人机竞拍得到的搜索任务中单位收益最高的搜索任务分配给所述无人机。
[0011]可选的，所述预估每个无人机执行每个搜索任务所能获得的单位收益Rijk，具体包括：采用第六公式预估每个无人机执行每个搜索任务所能获得的单位收益R
ij
；所述第六公式为：R
i，j，k...

【技术保护点】

【技术特征摘要】
1.一种多无人机分布式协同目标搜索方法，其特征在于，所述方法包括：根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域；获取无人机对环境的认知地图；其中所述认知地图包括不确定度地图和重要性地图；采用最小生成树策略优化多个无人机的通信拓扑；基于所述不确定度地图和所述重要性地图、以及优化后的多个无人机的通信拓扑，采用局部拍卖算法将所述多个子区域的搜索任务分配给多个无人机；基于搜索任务分配结果，采用滚动时域预测控制方法对多个无人机进行路径规划和轨迹生成，并更新无人机的运动状态，收集搜索信息，以及更新无人机对环境的认知地图。2.根据权利要求1所述的方法，其特征在于，在所述根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域之前，所述方法还包括：将待搜索区域划分为n
p
个大小一致的长方形网格将每个长方形网格作为基本的搜索单元；其中，所述长方形网格中心坐标记为μ
p
＝[x
p
,y
p
]
T
，所述长方形网格长宽分别为Dx和Dy；所述根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域，具体包括：在待搜索区域内根据目标先验分布概率Pr
p
随机抽取n
g
个离散点采用三角剖分方法，以随机抽取的n
g
个离散点为生成元构造维诺单元根据第一公式计算维诺单元的质心所述第一公式为：其中，维诺单元中离散点的密度函数ρ(p)＝Pr
p
；当第二公式不成立时，将维诺单元的质心作为新的生成元重新构造维诺单元；当第二公式成立时，利用当前构造的维诺单元将待搜索区域划分为n
g
个子区域；所述第二公式为：其中，ε为预设常数。3.根据权利要求2所述的方法，其特征在于，所述更新无人机对环境的认知地图，具体包括：利用第三公式更新不确定度地图；所述第三公式为：其中，截至采样时间t
k
时刻，无人机U
i
对离散网格c
p
的总探测次数为在t
k
‑1至t
k
时刻内的探测次数为h
i,p,k
；η
i,p,k
∈[0,1]为不确定度地图，为与U
i
存在通信的
其他无人机和U
i
自身的集合；η
j,p,0
＝1为任意无人机的初始不确定度地图，γ
j
∈[0,1)为自定义的不确定度衰减因子；利用第四公式更新重要性地图；所述第四公式为：s
i,p,k
＝η
i,p,k
Pr
p
；其中，η
i,p,k
为不确定度地图；Pr
p
为目标先验分布概率。4.根据权利要求3所述的方法，其特征在于，所述采用最小生成树策略优化多个无人机的通信拓扑，具体包括：采用克鲁斯卡尔算法生成多个无人机的通信拓扑的最小生成树网络G
MST
(V,E
MST
(k))；利用第五公式对G
MST
进行求解；所述第五公式为：其中，G(V，E(k))为多个无人机的通信拓扑，V＝{U1,U2,
…
,U
N
}表示网络中的所有通信节点；E(k)＝{(U
i
,U
j
)|||μ
i,k
‑
μ
j,k
||≤R
c
,i≠j}表示t
k
时刻网络中所有通信链路的集合，R
c
为无人机设计最大通信范围；G
′
(V,E
′
(k))为能确保网络连通的G的任意子图，d
i,j,k
＝||μ
i,k
‑
μ
j,k
||表示存在通信链路的无人机U
i
与无人机U
j
之间的距离。5.根据权利要求4所述的方法，其特征在于，所述基于优化后的通信拓扑，采用局部拍卖算法将所述多个子区域的搜索任务分配给多个无人机，具体包括：预估每个无人机执行每个搜索任务所能获得的单位收益R
ijk
...

【专利技术属性】
技术研发人员：杨雅君，候昆，杨雪榕，赵玉龙，胡敏，苏运哲，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
类型：发明
国别省市：