一种针对运动目标的多无人机协同快速搜索方法技术

本发明专利技术公开的一种针对运动目标的多无人机协同快速搜索方法，属于无人机协同搜索目标领域。本发明专利技术实现方法为：建立重点任务区域模型，将运动目标搜索缩减为对重点任务区域的搜索；以缩短无人机的搜索任务时长，降低无人机消耗为优化目标，建立基于动态耦合旅行商的无人机协同运动目标搜索模型，将运动目标搜索问题转化为无人机任务分配和航迹规划问题；针对该模型，定制双层求解架构，分解为任务分配层和路径规划层；将无人机的任务次序和搜索路径解耦，提高求解效率；任务分配规划层采用无人机任务分配优化算法进行求解，路径规划层采用路径搜索算法进行求解；通过任务分配层和路径规划层解耦迭代求解，输出每个无人机对应的任务序列和搜索路径。务序列和搜索路径。务序列和搜索路径。

【技术实现步骤摘要】
一种针对运动目标的多无人机协同快速搜索方法


[0001]本专利技术涉及一种针对运动目标的多无人机协同快速搜索方法，属于无人机协同搜索目标 领域。

技术介绍

[0002]运动目标搜索是多无人机协同搜索的主要应用对象之一，广泛应用于侦查搜救检测等领 域。然而由于目标的运动特性和先验信息误差，导致多无人机协同运动目标难以在有限的时 间发现任务区域内的运动目标。因此需要设计更加高效的无人机协同运动目标搜索方法来缩 短任务搜索任务时长，提升任务效率。
[0003]现有多无人机协同运动目标搜索主要分为遍历搜索和迭代搜索两种。遍历搜索通常将对 任务区域进行遍历搜索或者将任务区域分解成子任务区域再进行遍历搜索，这种方法存在任 务时长难以接受和目标发现概率难以保证等问题，尤其是对于运动目标和任务区域较大的情 况，极容易造成目标的逃逸。因此，它仅适用于目标的运动速度极低以及任务区域较小等情 况。而迭代搜索主要基于目标概率地图和信息素等机制，依据先验信息建立信息图，对任务 区域进行迭代搜索的同时，对概率地图和信息素进行实时更新，进一步依据更新之后的信息 图对任务区域进一步搜索。这种方式虽然能够引入任务的先验信息，对区域进行重复搜索， 但是缺乏对重点区域的引导，无人机容易陷入局部搜索，多次迭代后才能找到目标存在概率 较大的区域。对于动目标搜索问题，现有方法存在不足。

技术实现思路

[0004]针对现有运动目标搜索方法中任务时间长，搜索效率低等问题，本专利技术的目的是提供一 种针对运动目标的多无人机协同快速搜索方法，能够实现对运动目标的多无人机协同快速搜 索，以降低搜索任务时长，提高目标发现效率。
[0005]本专利技术的目的是通过下述技术方案实现的：
[0006]本专利技术公开的一种针对运动目标的多无人机协同快速搜索方法，建立重点任务区域模型， 将运动目标搜索缩减为对重点任务区域的搜索；以缩短无人机的搜索任务时长，降低无人机 消耗为优化目标，建立基于动态耦合旅行商的无人机协同运动目标搜索模型，将运动目标搜 索问题转化为无人机任务分配和航迹规划问题；针对该模型，定制双层求解架构，分解为任 务分配层和路径规划层；将无人机的任务次序和搜索路径解耦，提高求解效率；任务分配规 划层采用无人机任务分配优化算法进行求解，路径规划层采用路径搜索算法进行求解；通过 任务分配层和路径规划层解耦迭代求解，输出每个无人机对应的任务序列和搜索路径。
[0007]本专利技术公开的一种针对运动目标的多无人机协同快速搜索方法，包括以下步骤：
[0008]步骤一：初始化搜索任务区域参数、无人机和目标信息。
[0009]所述的任务区域参数包括任务区域长度L、宽度W、离散网格大小以及目标存在概率阈 值比例系数δ
p
；
[0010]所述无人机信息包括各个无人机的初始位置，航向角以及转弯半径，无人机所携带的传 感器的探测范围；
[0011]所述目标信息包括各个运动目标的初始位置、运动速度以及运动方向、目标先验信息误 差σ0、表征目标随机运动的维纳随机系数σ
e
。
[0012]步骤二：针对三种运动目标类型，根据目标运动信息计算实时动态的概率地图，并根据 实时动态概率地图，建立动态变化的重点任务区域模型，将运动目标搜索缩减为对重点任务 区域的搜索，减少搜索任务时长。
[0013]所述三种运动目标类型为：类型一：目标初始位置已知，但目标的运动速度大小和方向 未知；类型二：目标的速度大小已知，方向未知；类型三：目标运动速度大小和方向都已知。
[0014]针对三种运动目标类型，根据目标运动信息计算实时动态的概率地图，并根据实时动态 概率地图，建立动态变化重点任务区域模型的实现方式如下：
[0015]对于初始位置已知，速度的大小和方向都未知的目标类型一，采用式(1)计算目标在任务 区域内的概率密度；
[0016][0017]式中f(x,y,Δt)表示经过Δt时间内目标在位置(x,y)处的目标概率密度；(x0,y0)表示目标的初 始位置，初始任务时刻为0。
[0018]对于初始位置和速度的大小已知，速度方向未知的目标类型二，采用式(2)计算目标在任 务区域内的概率密度；
[0019][0020]式中f(x,y,Δt)表示经过Δt时间内目标在位置(x,y)处的目标概率密度；(x0,y0)表示目标的初 始位置。
[0021]对于初始位置、速度大小和方向都已知的目标类型三，采用式(3)计算目标在任务区域内 的概率密度；
[0022][0023]式中f(x,y,Δt)表示经过Δt时间内目标在位置(x,y)处的目标概率密度；(x0,y0)表示目标的初始 位置。
[0024]根据各个目标对应的运动目标类型分别选用上述三种类型对应的概率密度函数计算公 式，计算概率密度，并根据式(4)计算得到所有网格的目标存在概率，构成目标概率地图 TPM＝{p(i,j)|i＝1,2,...,L
x
；j＝1,2,...,L
y
}。
[0025][0026]其中：i,j分别表示第i和第j个网格，L
x
,L
y
分别表示网格的长度和宽度。
[0027]所述重点任务区域为任务区域中所有目标存在概率大于阈值p
δ
的网格集合，阈值p
δ
由 式(5)给出：
[0028]p
δ
＝(1
‑
δ
p
)p
max
ꢀꢀꢀ
(5)
[0029]式中，δ
p
为目标存在概率阈值比例系数；p
max
为任务区域中目标存在概率最大值。
[0030]根据目标运动信息，结合式(1)至式(5)，计算得到目标存在概率大于阈值p
δ
的网格集合， 即实现构建重点任务区域模型。
[0031]步骤三：以缩短无人机的搜索任务时长，降低无人机消耗为优化目标，建立基于动态耦 合旅行商的无人机协同运动目标搜索模型，将运动目标搜索问题转化为无人机任务分配和航 迹规划问题。所述动态耦合旅行商的无人机协同运动目标搜索模型中无人机的任务次序和搜 索路径耦合严重。
[0032]为了缩短无人机的搜索任务时长，降低无人机消耗，以最小化搜索任务时长和无人机消 耗为优化目标，建立如式(6)所示动态耦合旅行商模型。
[0033][0034]式中：v
i
,L
i
分别为第i架无人机的速度和航程，Ω
i
,Ω
j
,T分别表示第i和第j架无人机的任务 序列以及所有任务序列集合；N表示无人机的数量。其中无人机的模型采用Dubins模型如下 式(7)；
[0035][0036]式中：(x,y,γ)为无人机的状态量；(x,y)为无人机的位置；γ为无人机的航向角；无人机速度 v为常值；l为无人机法向加速度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对运动目标的多无人机协同快速搜索方法，其特征在于：包括以下步骤，步骤一：初始化搜索任务区域参数、无人机和目标信息；所述的任务区域参数包括任务区域长度L、宽度W、离散网格大小以及目标存在概率阈值比例系数δ
p
；所述无人机信息包括各个无人机的初始位置，航向角以及转弯半径，无人机所携带的传感器的探测范围；所述目标信息包括各个运动目标的初始位置、运动速度以及运动方向、目标先验信息误差σ0、表征目标随机运动的维纳随机系数σ
e
；步骤二：针对三种运动目标类型，根据目标运动信息计算实时动态的概率地图，并根据实时动态概率地图，建立动态变化的重点任务区域模型，将运动目标搜索缩减为对重点任务区域的搜索，减少搜索任务时长；所述三种运动目标类型为：类型一：目标初始位置已知，但目标的运动速度大小和方向未知；类型二：目标的速度大小已知，方向未知；类型三：目标运动速度大小和方向都已知；步骤三：以缩短无人机的搜索任务时长，降低无人机消耗为优化目标，建立基于动态耦合旅行商的无人机协同运动目标搜索模型，将运动目标搜索问题转化为无人机任务分配和航迹规划问题；所述动态耦合旅行商的无人机协同运动目标搜索模型中无人机的任务次序和搜索路径耦合严重；步骤四：针对步骤三建立的动态耦合旅行商的无人机协同运动目标搜索模型，定制双层求解架构，将动态耦合旅行商的无人机协同运动目标搜索模型的求解分为任务分配层和路径规划层，任务分配层为路径规划层提供重点任务区域的搜索次序，路径规划层的求解结果作为任务分配层的评价指标；将无人机的任务次序和搜索路径解耦，提高对上述模型的求解效率；其中任务分配规划层采用无人机任务分配优化算法进行求解，路径规划层采用路径搜索算法进行求解；通过任务分配层和路径规划层解耦迭代求解，输出每个无人机对应的任务序列和搜索路径；步骤五：根据双层求解架构所求解得到的每个无人机对应的任务序列和搜索路径，将运动目标搜索缩减为对重点任务区域的搜索，减少搜索任务时长，提高搜索效率，即实现对运动目标的多无人机协同快速搜索。2.如权利要求1所述的一种针对运动目标的多无人机协同快速搜索方法，其特征在于：针对三种运动目标类型，根据目标运动信息计算实时动态的概率地图，并根据实时动态概率地图，建立动态变化重点任务区域模型的实现方式如下，对于初始位置已知，速度的大小和方向都未知的目标类型一，采用式(1)计算目标在任务区域内的概率密度；式中f(x,y,Δt)表示经过Δt时间内目标在位置(x,y)处的目标概率密度；(x0,y0)表示目标的初始位置，初始任务时刻为0；对于初始位置和速度的大小已知，速度方向未知的目标类型二，采用式(2)计算目标在任务区域内的概率密度；
式中f(x,y,Δt)表示经过Δt时间内目标在位置(x,y)处的目标概率密度；(x0,y0)表示目标的初始位置；对于初始位置、速度大小和方向都已知的目标类型三，采用式(3)计算目标在任务区域内的概率密度；式中f(x,y,Δt)表示经过Δt时间内目标在位置(x,y)处的目标概率密度；(x0,y0)表示目标的初始位置；根据各个目标对应的运动目标类型分别选用上述三种类型对应的概率密度函数计算公式，计算概率密度，并根据式(4)计算得到所有网格的目标存在概率，构成目标概率地图TPM＝{p(i,j)|i＝1,2,...,L
x
；j＝1,2,...,L
y
}；其中：i,j分别表示第i和第j个网格，L
x
,L
y
分别表示网格的长度和宽度；所述重点任务区域为任务区域中所有目标存在概率大于阈值p
δ
的网格集合，阈值p
δ
由式(5)给出：p
δ
＝(1
‑
δ
p
)p
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，δ
p
为目标存在概率阈值比例系数；p
max
为任务区域中目标存在概率最大值；根据目标运动信息，结合式(1)至式(5)，计算得到目标存在概率大于阈值p
δ
的网格集合，即实现构建重点任务区域模型。3.如权利要求2所述的一种针对运动目标的多无人机协同快速搜索方法，其特征在于：步骤三实现方法为，为了缩短无人机的搜索任...

【专利技术属性】
技术研发人员：刘莉，田维勇，王秋生，邓杨赟，贺云涛，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：