【技术实现步骤摘要】
一种考虑载具投递模式的无人机群协同任务规划方法
[0001]本专利技术属于大规模场景任务规划领域，涉及一种考虑载具投递模式的无人机群协同任务规划方法。
技术介绍
[0002]无人机群协同任务规划是指在复杂的大规模环境态势下，针对多个已侦察到的目标，利用多架同构或异构的无人机协同合作，期望以最小的任务代价、最合理的目标配比、最优化的飞行轨迹，共同完成目标的各类型任务。无人机群协同能够以更低的风险、更廉价的费用、更灵活的操控方式执行多种复杂危险的作战任务，具有执行效率更高、安全性更强等突出优点。因此，无人机群协同任务规划受到了广泛的研究。
[0003]无人机群协同作战的前提是高效、安全地将大量小型、低成本无人机投放到特定空域。目前，通常有三种方法来实现投放。第一种方式是通过地面发射平台连续快速发射无人机。第二种方式是由战斗机或大型运输机在距离敌人前方安全距离处投放。第三种方式是由高速隐身战斗机或巡航导弹飞到敌人后方深处，然后投放无人机。在前两种方法中，无人机需要花费大量的时间自行飞到目标区域，然后聚集形成蜂群。需要注意的是部署的无人机通常被认为是慢速目标，很容易被敌人的防空系统拦截。同时，考虑到小型无人机飞行距离的严苛限制，部署的无人机一般很难飞行较长距离。因此，第三种投放方式在敏捷能力和高生存能力方面具有明显的优势。为此，在地面目标已知的情况下，有必要研究大型平台投递模式下的无人机群协同任务规划问题，本专利技术中统一将大型运载平台称为载具。
技术实现思路
[0004]为了鲁棒高效求解上述问题，本...
【技术保护点】
【技术特征摘要】
1.一种考虑载具投递模式的无人机群协同任务规划方法，其特征在于，在上层问题中，首先，在目标点位置已知的情况下，采用投放点选择方法中的分类操作和固定操作分别确定目标的最优分类以及每个目标类中的最优投放点；其次，在飞行成本和雷达威胁最小的要求下，采用改进的A*算法获得任意两点间的局部最优路径，最后，由于载具的全局路径规划本质上是一个旅行商问题，采用基于改进A*算法构建距离矩阵的离散遗传算法对此进行求解；在下层问题中，考虑飞行时间约束、负载资源有限和任务时序约束等条件，构建任务完成时间和无人机利用率最优的多机协同任务规划模型；针对此模型，提出了基于市场机制的改进差分进化算法，通过引入基于双搜索策略的第一次变异算子和基于邻近优先买卖机制的第二次变异算子，以提高算法的收敛速度和寻优能力。2.根据权利要求1所述的一种考虑载具投递模式的无人机群协同任务规划方法，其特征在于，包括以下步骤：步骤1：整合作战环境相关信息，基于投放点确定算法选择最优投放位置步骤1
‑
1：作战场景设置假定作战环境是一个L
x
×
L
y
的有界区域，目标、雷达和障碍物的数量分别是N
t
、N
a
和N
o
，表示雷达集合，表示障碍物集合，表示目标集合；假定投放无人机的位置有N
F
处，具体的地理信息未知，表示投放点集合；V＝{v0，V
F
}表示节点集合，它由机场v0和所有的投放点组成；此外，表示载具在任意两点间的飞行轨迹集合，其中表示节点v
i
和节点v
j
之间的飞行轨迹，它的距离成本为步骤1
‑
2：采用投放点确定方法中的分类操作获得目标的最优分类采用距离最小化思想的K
‑
means聚类算法，按照指定数量的投放点对所有目标进行分类；步骤1
‑
3：采用投放点确定方法中的固定操作确定最优投放点基于步骤1
‑
2中获得的最优目标分类，在每个目标类中采用固定操作，基于雷达威胁最小化原则选择投放位置；在此过程中，对目标类中心点附近的雷达威胁进行评估，选择受到雷达威胁最小的点作为投放点；当包括中心点在内的多个点同时雷达威胁度最低时，选择中心点作为投放位置，否则进行随机选择；步骤2：在障碍物和雷达威胁已知情况下，融合A*算法和离散遗传算法获得载具的全局最优轨迹步骤2
‑
1：整合轨迹规划相关信息，构建飞行距离和雷达威胁最优的全局轨迹规划模型假设各种雷达威胁的范围是具有不同半径的圆形区域，将点P处的雷达威胁值表示为：其中，表示雷达源r
e
到点P的欧式距离，表示雷达r
e
的探测半径，表示指示函数，具体表达式为：
为保证载具的安全，以同时最小化航迹长度和雷达威胁为目标，构建的航迹规划模型如下所示：如下所示：如下所示：如下所示：其中，J
p
表示目标函数；φ
q
表示障碍物集合Φ中的第q个障碍物；v
i
、v
j
分别表示节点集合V中的第i个节点和第j个节点；表示决策变量，它被定义为：在表达式(7)中，i,j＝0,1,...,N
F
；目标函数如表达式(3)所示，和分别表示载具航程长度和累计雷达威胁，它们分别被表示为：航程长度和累计雷达威胁，它们分别被表示为：其中，表示飞行轨迹的雷达威胁，它的计算方式将在步骤2
‑
2给出；如表达式(7)所示；表达式(4)表示避障约束，要求载具的飞行航迹与障碍物集合无交集；表达式(5)表示投放点唯一访问约束，表明载具将不会重复访问每个投放点，即到达投放点v
j
的航迹和从投放点v
j
出发的航迹仅有一条；步骤2
‑
2：基于改进评估函数的A*算法获得局部最优轨迹原始A*算法中的评估函数表示为如下形式：f(P(n))＝g(P(n))+h(P(n)).
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)其中，P(n)为可扩展节点，g(P(n))表示初始节点P
init
到当前节点P(n)的实际航迹成本，h(P(n))表示当前节点P(n)到目标节点P
goal
的启发式距离；对原始A*算法中的评估函数进行如下改进：g(P(n))＝g1(P(n))+g2(P(n)),
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)h(P(n))＝h1(P(n))+h2(P(n)),
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)其中，g1(P(n))和h1(P(n))与表达式(10)中的意义相同，g2(P(n))表示从初始节点P
init
到当前节点P(n)的实际雷达威胁，h2(P(n))表示从当前节点P(n)到目标节点P
goal
的预估雷达威胁，增加的这两项可以极大地提高航迹的安全性；步骤2
‑
3：融入步骤2
‑
2中的改进A*算法构建离散遗传算法以获得投放点的最优遍历顺
序利用步骤2
‑
2中的改进A*算法可以获得任意两个投放点之间的最优航迹，但得到的航迹仅为两个投放点之间的最优航迹；然而，作战空间中存在多个投放点，需要对投放点的遍历顺序进行优化，以最小化航迹成本；因此，构建一种结合改进A*的离散遗传算法求解投放点的遍历顺序优化问题；步骤3：以投放点v
i
(i＝1,2,...N
F
)处的任务分配问题进行说明，在飞行时间约束、负载资源约束和任务时序约束等条件下，构建任务完成时间和无人机利用率最优的多机协同任务规划模型，采用基于市场机制的改进差分进化算法获得最优任务分配方案；步骤3
‑
1：构建多机协同任务分配模型在投放点v
i
处，无人机的投放数量和目标的数量分别为与令表示投放无人机的集合，令表示目标集合，每个目标需要执行N
k
类任务，表示任务类型集合；这里取N
k
＝2，分别为攻击任务k1和评估任务k2；任何目标的两类任务必须按特定的顺序完成，并且这两类任务之间存在严格的时间间隔要求；此外，仅考虑每种类型的任务执行一次的情况；任务完成时间是评估分配方案的常用指标，在此基础上，进一步考虑无人机的投放数量；无人机的投放数量主要与目标数量有关，为保证任务的顺利完成，根据目标数量和无人机的最大载弹量设定投放数量的下限需要注意的是，没有考虑飞行距离约束，具体如表达式(20)所示，其中N
a_need
表示执行一次攻击任务所需的弹药数；对于存在上界表达式如下所示：其中表示无人机的最大额外投放数量，具体表达式如下所示：其中β表示调节无人机投放数量的比例因子；在投放点v
i
处，构建的多无人机协同任务规划问题的数学模型具体表示形式如下：处，构建的多无人机协同任务规划问题的数学模型具体表示形式如下：
其中，表示无人机的实际飞行时长；α1表示无人机剩余飞行时长的惩罚因子；α2表示无人机剩余弹药的惩罚因子；表示无人机的最长续航时间；G
i
表示投放点v
i
处的目标集合；表示G
i
中的第j个目标；K表示任务集合；k
p
表示K中的第p个任务；表示目标的任务k1的结束时间；表示目标的任务k2的开始时间；t
gap
...
【专利技术属性】
技术研发人员：王昕炜，王磊，苏析超，张鸿运，陶来发，吕琛，刘洁，余馨咏，高晓华，彭海军，张盛，
申请(专利权)人：大连理工大学，
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。