面向任务集合的多无人机三维路径规划方法技术

本发明专利技术提供一种面向任务集合的多无人机三维路径规划方法、系统、存储介质和电子设备，涉及无人机巡检技术领域。本发明专利技术中，以最短化所有无人机完成巡检任务的时间为优化目标，构建整数规划模型，利用整合Q

【技术实现步骤摘要】
面向任务集合的多无人机三维路径规划方法


[0001]本专利技术涉及无人机巡检
，具体涉及一种面向任务集合的多无人机三维路径规划方法、系统、存储介质和电子设备。

技术介绍

[0002]近年来，随着无人机的快速发展，无人机已经成为城市巡检、输电线路巡检、水电站巡检等领域数据采集的重要作业方式之一。
[0003]传统的巡检作业主要依赖人工，凭借经验，在巡检效率、准确性及安全性上都存在一定盲区。目前巡检模式逐渐从人工巡检转变为人机协同，无人机巡检作业方式成为各应用至各巡检领域的一种主流方法，已经大规模应用于日常巡检工作中。与此同时，无人机巡检的方式已经由人员手动操控无人机飞行过渡到自动化巡检的阶段，通过事先对无人机的飞行航线的手动设定，进一步简化巡检过程、提高巡检效率。
[0004]然而现有的巡检方式存在着巡检效率低、人工成本高、巡检航线固化等问题。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种面向任务集合的多无人机三维路径规划方法、系统、存储介质和电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向任务集合的多无人机三维路径规划方法，其特征在于，包括：S1、获取待巡检的任务集合和无人机资源；S2、根据所述待巡检的任务集合和无人机资源，以最小化所有无人机完成巡检任务的时间为优化目标，构建整数规划模型；S3、采用整合Q
‑
learning机制的遗传算法求解所述整数规划模型，获取多无人机三维路径规划结果。2.如权利要求1所述的面向任务集合的多无人机三维路径规划方法，其特征在于，所述S2中的整数规划模型包括：以最小化所有无人机完成巡检任务的时间为优化目标的目标函数：其中，i、j为任务点或者虚拟站点索引，i,j∈N∪D；N为任务点集；D为虚拟站点集，一架无人机对应一个虚拟站点，虚拟站点用于保证每架无人机均从起点出发最后回到起点，虚拟站点的坐标均是起点坐标；R
ij
为任务点i到任务点j之间的可靠距离；F
l
为簇l对应的任务点集合；m
l
为簇l中需要被访问的任务点数量；v为无人机速度；x
ij
为决策变量，当任务点i连接任务点j时，取1，否则取0。3.如权利要求2所述的面向任务集合的多无人机三维路径规划方法，其特征在于，所述S2中的整数规划模型还包括：约束条件：(1)每个虚拟站点出入各一次，即每架无人机均从起点出发，再回到起点，(1)每个虚拟站点出入各一次，即每架无人机均从起点出发，再回到起点，(2)如果点j存在入流，则点j被无人机访问，(3)如果点i存在入流，则点i也被无人机访问，(4)每个簇中需要有指定数量的任务点被访问，
(5)每个点至多只能访问一次，(6)如果路径(i,j)被选中，则点i和点j要被同一个无人机访问，(7)消除子回路约束，其中，k为无人机索引，k∈K；n为任务点与虚拟站点数量之和；z
ik
、z
jk
分别表示任务点i、j被无人机k访问的次序；y
ik
、y
jk
均为决策变量，当无人机k访问任务点i时，y
ik
取1，否则取0；当无人机k访问任务点j时，y
jk
取1，否则取0。4.如权利要求3所述的面向任务集合的多无人机三维路径规划方法，其特征在于，所述S3包括：S31、令迭代次数t＝1；根据模型的约束条件生成初始种群，初始化Q表；其中，染色体编码规则具体是指：单条三行染色体代表一个解，染色体的总长度等于任务点数量；每个任务点都预先标记有唯一序列号，第二行染色体代表任务点序列；第一行染色体代表任务点序列对应的簇序列；第三行染色体代表无人机序号，表示任务点被该架无人机选中进行访问，若为0则不被访问；S32、若达到最大迭代次数则停止，并解码当前最优染色体作为所述多无人机三维路径规划结果，否则继续执行；S33、计算种群目标函数值；其中，采用线性转换法将模型的目标函数转化为适应度函数，变换公式如下：F
′
＝aF+b其中，F
′
表示适应度函数，a、b为线性方程的超参数，且a<0；S34、根据种群目标函数值评判当前种群所处状态；根据当前种群所处状态进行动作选择，并计算奖励，更新Q表；S35、采用轮盘赌策略从当前种群中选取M个母体；S36、根据S34选择动作确定的交叉概率，对M个母体进行交叉操作；S37、根据S34选择动作确定的变异概率，对M个交叉后的个体进行变异操作；S38、将父代种群和子代种群合并，得到规模为2M的种群；S39、采用基于适应度排序的重插入方法在2M种群中选出M个个体，得到新一代种群；令t＝t+1，回到S32。5.如权利要求4所述的面向任务集合的多无人机三维路径规划方法，其特征在于，所述
S34中根据种群目标函数值评判当前种群所处状态，具体包括：S341、分别求解当前种群的平均种群目标函数z1、种群的多样性z2、种群的最佳目标函数值z3；数值z3；数值z3；其中，为第t...

【专利技术属性】
技术研发人员：罗贺，赵慧敏，梁晨蕾，林世忠，阴酉龙，台建玮，王国强，胡笑旋，夏圆青，朱默宁，范茜茜，段婕，李晓多，施倩，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：