一种无人机集群协同侦察覆盖分布式自主优化方法技术

本发明专利技术公开了一种无人机集群协同侦察覆盖分布式自主优化方法，通过将无人机执行不同位置策略和功率策略时获得的收益虚拟化，以收益虚拟来驱动无人机行动的自主决策，通过分布式自主迭代学习算法优化无人机的位置策略和功率策略，实现无人机群所获虚拟收益最大化，该方法使得无人机群能够在侦察区域内自主展开协同，并合理分配侦察资源，提高无人机群的稳定性和灵活性，在不同环境中均能保持稳定的侦察综合效率。侦察综合效率。侦察综合效率。

【技术实现步骤摘要】
一种无人机集群协同侦察覆盖分布式自主优化方法


[0001]本专利技术涉及无人机协同侦察系统，具体涉及一种无人机集群协同侦察覆盖分布式自主优化方法。

技术介绍

[0002]在遭遇自然灾害时或者战场的紧急区域，现有的侦察设备可能遭到破坏无法正常使用，此时如何利用有限的负载资源来获得最大的情报信息至关重要；无人机由于其体积小，灵活性强等特点，已经在军事和民用领域有了广泛的应用。在紧急区域，无人机很适合用于侦察失去掌控的地区从而获取目标区域的信息，并为进一步的救援或者战斗工作提供帮助；多无人机协同侦察是无人机的一种重要应用，要求无人机在一定约束的条件下协同对指定区域进行侦察；协同侦察可以有效增强无人机侦察的效率和质量，是未来无人机作战模式的重要趋势。多无人机协同侦察存在如下几方面优势：高效，当存在大量任务区域需要进行侦察时，单个无人机完成侦察任务所消耗的时间会超出无人机的续航时间，如果采用多无人机侦察，只需要给每架无人机分配指定的区域，可以有效减少时间的消耗；稳定，如果只存在单架无人机进行侦察任务时，如果无人机发生故障则会导致任务中断，使用多架无人机协同侦察时，当其中一架或者多架无人机出现故障时，会有其他的无人机来接替故障无人机的工作，保障侦察工作的顺利完成；灵活，单个无人机在进行侦察时所携带的侦察载荷有限，如果侦察载荷不能用于目标区域时，只能中断侦察任务的执行，而在使用多架无人机侦察时，无人机可以携带不同的侦察载荷来针对不同的任务场景。
[0003]现有技术虽然对无人机协同侦察有所研究，但主要集中在研究无人机协同侦察的路径优化，默认目标在指定区域一直存在，忽视了目标间隔性出现这种可能性。从侦察的方式来看，大部分现有研究采取无人机巡逻侦察方式，对侦察的成功率考虑不足。因此，有必要研究无人机集群在侦察中，面对目标不同出现概率的场景的侦察覆盖技术。

技术实现思路

[0004]本专利技术的目的：在于提供一种无人机集群协同侦察覆盖分布式自主优化方法，使得无人机群能够针对指定复杂区域，根据侦察区域内目标出现的分布情况，通过系统协同任务分配和算法迭代，通过集中决策的方式，合理分配无人机系统中每一架无人机的位置策略和功率策略，提高无人机群对于侦察区域的侦察能力。
[0005]为实现以上功能，本专利技术设计一种无人机集群协同侦察覆盖分布式自主优化方法，包括以下步骤：步骤S1.初始化无人机群中各无人机的位置策略和功率策略，基于无人机群中各无人机的位置策略和功率策略的选择，构建无人机群行动决策。
[0006]侦察区域内存在至少一个预设待侦察目标点，基于无人机群行动决策、无人机群中各无人机分别对各预设待侦察目标点的侦察成功率、无人机群中各无人机分别侦察各预设待侦察目标点所需时间，构建全局侦察覆盖效用、全局侦察覆盖能量效率。
[0007]基于全局侦察覆盖效用、全局侦察覆盖能量效率，构建无人机群执行不同行动决
策时获得的虚拟收益模型。
[0008]步骤S2.基于无人机群的行动决策的选择、以及虚拟收益模型，构建该行动决策下的全局侦察覆盖效用的势能函数、全局侦察覆盖能量效率的势能函数，其中全局侦察覆盖效用的势能函数、全局侦察覆盖能量效率的势能函数用于表征无人机群中各无人机位置策略和功率策略变化时对所获虚拟收益模型的影响。
[0009]步骤S3.基于虚拟收益模型，结合无人机群中各无人机位置策略和功率策略变化对所获虚拟收益模型的影响，通过分布式自主迭代学习，优化无人机群中各无人机的位置策略和功率策略，实现无人机群所获虚拟收益最大化。
[0010]作为专利技术的一种优选技术方案：步骤S1中构建无人机群执行不同行动决策时获得的虚拟收益模型的具体步骤如下：步骤S11.针对无人机群中任意一个无人机n，基于侦察区域地形信息，构建无人机n对侦察区域内其中一个预设待侦察目标点i的侦察成功率如下式：式中，i为侦察区域内其中一个预设待侦察目标点，，I为侦察区域内所有待侦察目标点的集合，为侦察的初始距离，为预设侦察成功率与侦察距离的预设系数，为无人机n的高度，为无人机n水平坐标，为预设待侦察目标点i的水平坐标。
[0011]步骤S12.基于无人机与空中服务器以传输图片进行通信的方式，构建无人机n侦察预设待侦察目标点i所消耗的时间如下式：式中，b为无人机与空中服务器之间所传输的图片中一个像素的比特数，r为所述图片的分辨率，B为传输信息的带宽，为无人机n上传信息所消耗的功率，为传输信道的噪声系数，为空中服务器的水平坐标。
[0012]步骤S13.基于无人机n对侦察区域内其中一个预设待侦察目标点i的侦察成功率、预设待侦察目标点i出现的概率，构建无人机群对预设待侦察目标点i的侦察成功率如下式：式中，N为无人机群中无人机的数量。
[0013]步骤S14.基于无人机群对预设待侦察目标点i的侦察成功率，构建全局侦察覆盖效用U如下式：式中，为无人机群中各无人机上传信息时间的最大值，I为侦察区域内所有待侦察目标点的集合。
[0014]步骤S15.基于全局侦察覆盖效用U，构建全局侦察覆盖能量效率G如下式：式中，表示无人机群中其中一个无人机n的功率策略。
[0015]步骤S16.基于无人机群中各无人机的位置策略和功率策略，构建虚拟收益模型：，其中P表示各无人机功率策略的集合，S表示各无人机位置策略的集合。
[0016]作为专利技术的一种优选技术方案：步骤S2中构建全局侦察覆盖效用的势能函数、全局侦察覆盖能量效率的势能函数的具体步骤如下：步骤S21.将无人机群中的一个无人机n的侦察覆盖区域定义为，将与无人机n存在重叠侦察覆盖区域的无人机定义为邻居无人机，其中邻居无人机的侦察覆盖区域定义为，各无人机的侦察覆盖区域满足；无人机n基于其位置策略移动到下一位置，该位置记为，移动至位置的无人机n的侦察覆盖区域为，位于位置的无人机n的邻居无人机的侦察覆盖区域为，针对各无人机的位置策略，构建全局侦察覆盖效用的势能函数如下式：式中，为无人机n的位置策略为时的全局侦察覆盖效用的势能函数，为无人机n的位置策略，为无人机群中除无人机n以外的其他各无人机的位置策略，为无人机n的位置策略为时的全局侦察覆盖效用。
[0017]针对无人机n进行位置策略的改变，将无人机n的位置策略由变为，其位置策略的改变引起的全局侦察覆盖效用的势能函数的变化如下式：
式中，为无人机n的位置策略变为时的全局侦察覆盖效用的势能函数，为无人机n及其所有邻居无人机的侦察覆盖区域的集合，为无人机n的位置策略为时，对预设待侦察目标点i的侦察成功率，为无人机n的位置策略变为时，对预设待侦察目标点i的侦察成功率，k为无人机群中除无人机n及其各邻居无人机以外的一个无人机，为无人机k对预设待侦察目标点i的侦察成功率。
[0018]步骤S22.针对无人机n的功率策略的改变，构建全局侦察覆盖能量效率的势能函数如下式：式中，为无人机n的功率策略为时的全局侦察覆盖能量效率的势能函数，为无人机n的功率策略，为无人机群中除无人机n以外的其他各无人机的功率策略，为无人机n的功率策略为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机集群协同侦察覆盖分布式自主优化方法，其特征在于，包括以下步骤：步骤S1.初始化无人机群中各无人机的位置策略和功率策略，基于无人机群中各无人机的位置策略和功率策略的选择，构建无人机群行动决策；侦察区域内存在至少一个预设待侦察目标点，基于无人机群行动决策、无人机群中各无人机分别对各预设待侦察目标点的侦察成功率、无人机群中各无人机分别侦察各预设待侦察目标点所需时间，构建全局侦察覆盖效用、全局侦察覆盖能量效率；基于全局侦察覆盖效用、全局侦察覆盖能量效率，构建无人机群执行不同行动决策时获得的虚拟收益模型；步骤S2.基于无人机群的行动决策的选择、以及虚拟收益模型，构建该行动决策下的全局侦察覆盖效用的势能函数、全局侦察覆盖能量效率的势能函数，其中全局侦察覆盖效用的势能函数、全局侦察覆盖能量效率的势能函数用于表征无人机群中各无人机位置策略和功率策略变化时对所获虚拟收益模型的影响；步骤S3.基于虚拟收益模型，结合无人机群中各无人机位置策略和功率策略变化对所获虚拟收益模型的影响，通过分布式自主迭代学习，优化无人机群中各无人机的位置策略和功率策略，实现无人机群所获虚拟收益最大化。2.如权利要求1所述的一种无人机集群协同侦察覆盖分布式自主优化方法，其特征在于，步骤S1中构建无人机群执行不同行动决策时获得的虚拟收益模型的具体步骤如下：步骤S11.针对无人机群中任意一个无人机n，基于侦察区域地形信息，构建无人机n对侦察区域内其中一个预设待侦察目标点i的侦察成功率如下式：式中，i为侦察区域内其中一个预设待侦察目标点，，I为侦察区域内所有待侦察目标点的集合，为侦察的初始距离，为预设侦察成功率与侦察距离的预设系数，为无人机n的高度，为无人机n水平坐标，为预设待侦察目标点i的水平坐标；步骤S12.基于无人机与空中服务器以传输图片进行通信的方式，构建无人机n侦察预设待侦察目标点i所消耗的时间如下式：式中，b为无人机与空中服务器之间所传输的图片中一个像素的比特数，r为所述图片的分辨率，B为传输信息的带宽，为无人机n上传信息所消耗的功率，为传输信道的噪声系数，为空中服务器的水平坐标；步骤S13.基于无人机n对侦察区域内其中一个预设待侦察目标点i的侦察成功率、
预设待侦察目标点i出现的概率，构建无人机群对预设待侦察目标点i的侦察成功率如下式：式中，N为无人机群中无人机的数量；步骤S14.基于无人机群对预设待侦察目标点i的侦察成功率，构建全局侦察覆盖效用U如下式：式中，为无人机群中各无人机上传信息时间的最大值，I为侦察区域内所有待侦察目标点的集合；步骤S15.基于全局侦察覆盖效用U，构建全局侦察覆盖能量效率G如下式：式中，表示无人机群中其中一个无人机n的功率策略；步骤S16.基于无人机群中各无人机的位置策略和功率策略，构建虚拟收益模型：，其中P表示各无人机功率策略的集合，S表示各无人机位置策略的集合。3.如权利要求2所述的一种无人机集群协同侦察覆盖分布式自主优化方法，其特征在于，步骤S2中构建全局侦察覆盖效用的势能函数、全局侦察覆盖能量效率的势能函数的具体步骤如下：步骤S21.将无人机群中的一个无人机n的侦察覆盖区域定义为，将与无人机n存在重叠侦察覆盖区域的无人机定义为邻居无人机，其中邻居无人机的侦察覆盖区域定义为，各无人机的侦察覆盖区域满足；无人机n基于其位置策略移动到下一位置，该位置记为，移动至位置的无人机n的侦察覆盖区域为，位于位置的无人机n的邻居无人机的侦察覆盖区域为，针对各无人机的位置策略，构建全局侦察覆盖效用的势能函数如下式：式中，为无人机n的位置策略为时的全局侦察覆盖效用的势能函数，为无人机n的位置策略，为无人机群中除无人...

【专利技术属性】
技术研发人员：姚昌华，胡程程，程康，高泽郃，韩贵真，安蕾，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：