基于禁忌蜂群算法的无人机海上搜救路径规划方法技术

本发明专利技术公开了一种基于禁忌蜂群算法的无人机海上搜救路径规划方法，包括：初始化任务信息，从救援需求和环境特征入手，构建搜救目标模型和目标函数；初始化约束条件信息，确定路径规划过程中的资源约束和环境约束，构建约束描述模型；对无人机搜救过程中涉及的各类型信息进行分析，构建相应的能力描述模型；根据任务信息和约束条件信息进行无人机搜救路径初步规划，生成初步搜救预案；利用所述目标函数，结合禁忌搜索和蜂群算法对所述初步搜救预案进行迭代更新，直至输出最优化规划方案。本发明专利技术提出的方法基于禁忌的蜂群算法提升了算法的探索能力和收敛速度，实现了对大规模、复杂的海上搜救路径规划问题的高效求解。杂的海上搜救路径规划问题的高效求解。杂的海上搜救路径规划问题的高效求解。

【技术实现步骤摘要】
基于禁忌蜂群算法的无人机海上搜救路径规划方法


[0001]本专利技术属于路径规划
，具体涉及一种基于禁忌蜂群算法的无人机海上搜救路径规划方法，可用于海上搜救、路径规划的场景。

技术介绍

[0002]海上安全是各个国家安全应急体系的重要组成部分，出现人员落水、船只损坏等需要快速搜寻海域事故现场从而保证人员安全时，面对辖区广阔的海域，仅仅依靠人力搜救难以达到理想的效率，无人机在海上救援的应用便越来越受到重视。因此，制定合理高效的搜救计划进而定位落水人员的位置对于海上搜救至关重要。无人机由于操纵灵活、高效、成本低等优点，已经在很多场景中得到了很好的应用。无人机海上搜救路径规划问题是为一系列搜救任务合理安排无人机资源，使得无人机在能力允许的情况下完成任务，达到最大化发挥搜救作用的效果。当搜救任务数量少时，通过简单的规划即可完成全部的搜救任务。
[0003]传统的无人机路径规划管控模式是基于地面调度飞控中心集中管控的，整个无人机搜救的流程是从收到应急响应需求到提出合理的飞行路径方案的闭环流程。
[0004]请参见图1，图1是一种传统的海上搜救路径规划方法的实现流程图。从图1可以看出，海上搜救过程包括如下步骤：
①
海上搜救部门首先搜到救援申请；
②
海上搜救部门结合气象信息对搜救任务进行预处理，转化为路径规划的标准任务信息格式；
③
海上搜救部门再结合无人机、海上其他救援装备的信息进行任务规划，生成最终的无人机调度方案；
④
海上搜救部门根据任务调度方案无人机指令和多装备协同配合任务并发送给指挥部门；
⑤
指挥部门按照既定预案调度无人机开展搜救；
⑥
无人机开始搜救；
⑦
无人机获取的信息通过传输链路传输给海上处理平台或者指挥中心；
⑧
指挥中心将加工后的救援信息反馈给用户。这样就完成了整个无人机搜救的闭环流程。无人机路径规划主要是指其中的步骤
②
、
③
、
④
，属于海上搜救部门所负责的工作。
[0005]从图1可以看出，这个搜救流程涉及用户、搜救部门、指挥中心以及数据处理中心多个单位，每个单位业务不统一，交互不方便。路径规划时依据的气象信息和搜救资源信息并非实时信息，存在一定滞后性。而且我国海岸线很长，目前通信传输链路也不完善，而有限的链路资源在整个流程中起到了至关重要的作用，影响无人机接收指令和现场信息传输。整体上说，传统的无人机搜救流程可以完成无人机对部分环境信息的获取，但已然无法胜任新的需求与挑战。传统无人机搜救流程的弊端可总结如下：整个规划流程过于复杂繁琐，从接收到应急救援信息到无人机反馈信息周期往往较长，无法满足用户对于时效性的要求；无人机规划一般以离线作业为主，规划方案不能与实时变化的环境相适应；对通信链路过于依赖，无人机与指挥中心之间无法实时通信；缺乏辅助搜救手段和自动化信息处理流程，很多情况下需要对信息进行人工修正，整个搜索流程复杂，涉及大量的人机交互，极易出现错误操作。
[0006]可以看出，无人机在整个过程中只是依据调度指令执行路径调整、环境成像以及
数据传输等指令，不能依据海上搜救环境变化做出实时响应，导致搜救任务无法完成，这也反映出搜救的效率比预计的要低。
[0007]对于海上救援问题而言，求解时间过久对于实际搜救是难以接受的。目前，已经存在很多利用蜜蜂算法解决路径规划问题或其他算法求解海上救援问题的研究。目前针对海上救援路径规划问题，学者提出了新形式的蜜蜂算法解决室内机器人的路径规划问题，通过静态环境中的可行路径得到初始种群，再通过局部搜索避免路径与动态障碍物的碰撞提升了算法的优越性。还有学者以两阶段的蜂群算法用于生成移动机器人的动态路径，先用简单规则生成初始无碰撞路径，再利用蜂群算法优化得到机器人的实时路径，有效提升了算法寻优速度和收敛性能。此外，针对单个无人机无法快速覆盖搜索区域的问题，基于网格的区域分解方法的随机搜索启发式算法，用来快速解决大规模无人机区域覆盖路径规划问题。上述技术专利技术在海上救援、路径规划等
中有着重要的研究意义和越来越广泛的应用价值。
[0008]针对海上搜救路径规划问题，需要考虑无人机搜救过程时效性以及算法在求解过程中的全局最优性。目前，已经存在很多求解海上搜救路径规划问题的研究，在此类研究中，演化算法在解该问题方面较为常用，这些提出的算法在求解小规模无人机在静态环境下的路径规划效率较好，没有综合无人机搜救过程的目标。其局限性主要体现在：对于大规划任务和复杂环境约束条件下的求解算法存在不足，算法过早地陷入局部最优、搜救任务数据较少以及未充分考虑无人机在海上飞行环境下的电量约束、运动性能约束、区域覆盖搜索等约束条件。由于海上搜救路径规划问题目标函数和约束条件极为复杂，计算复杂度高，当前的求解模型和求解方法在优化结果上收敛速度慢，无法达到算法求解时效性和结果全局性二者兼顾的目的，还有待进一步完善。

技术实现思路

[0009]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于禁忌蜂群算法的无人机海上搜救路径规划方法，在建立海上搜救路径规划问题的数学规划模型的基础上，基于禁忌的蜂群算法提升算法的探索能力和收敛速度，实现对大规模、复杂的海上搜救路径规划问题的高效求解。本专利技术要解决的技术问题通过以下技术方案实现：
[0010]本专利技术提供了一种基于禁忌蜂群算法的无人机海上搜救路径规划方法，包括：
[0011]S1：初始化任务信息，利用救援需求和环境特征构建搜救目标模型和目标函数；
[0012]S2：初始化约束条件信息，确定路径规划过程中的资源约束和环境约束，构建约束描述模型；
[0013]S3：对无人机搜救过程中涉及的各类型信息进行分析，构建无人机搜救能力模型；
[0014]S4：根据任务信息和约束条件信息进行无人机搜救路径初步规划，生成初步搜救预案；
[0015]S5：利用所述目标函数，结合禁忌搜索和蜂群算法对所述初步搜救预案进行迭代更新，直至输出最优化规划方案。
[0016]在本专利技术的一个实施例中，所述目标函数为：
[0017][0018]其中，GT
r
表示第r个搜救中心派出的无人机数量，Q表示搜救中心数量，SD表示搜救中心派出的无人机数量的标准差，α1表示目标函数中无人机数量部分的影响因子，α2表示无人机数量标准差部分的影响因子，α1+α2＝1。
[0019]在本专利技术的一个实施例中，所述S2包括：
[0020]S2.1：结合无人机工作模型构建无人机搜救能力模型：
[0021][0022]其中，UAVCap
i,j
表示无人机i的第j个能力，其中，表示无人机载荷能力描述模型，包括搜救范围和分辨率，表示无人机工作模式描述模型Mode
i,j
表示由一系列操作组成的向量；
[0023]S2.2：构建约束描述模型：...

【技术保护点】

【技术特征摘要】
1.一种基于禁忌蜂群算法的无人机海上搜救路径规划方法，其特征在于，包括：S1：初始化任务信息，利用救援需求和环境特征构建搜救目标模型和目标函数；S2：初始化约束条件信息，确定路径规划过程中的资源约束和环境约束，构建约束描述模型；S3：对无人机搜救过程中涉及的各类型信息进行分析，构建无人机搜救能力模型；S4：根据任务信息和约束条件信息进行无人机搜救路径初步规划，生成初步搜救预案；S5：利用所述目标函数，结合禁忌搜索和蜂群算法对所述初步搜救预案进行迭代更新，直至输出最优化规划方案。2.根据权利要求1所述的基于禁忌蜂群算法的无人机海上搜救路径规划方法，其特征在于，所述目标函数为：其中，GT
r
表示第r个搜救中心派出的无人机数量，Q表示搜救中心数量，SD表示搜救中心派出的无人机数量的标准差，α1表示目标函数中无人机数量部分的影响因子，α2表示无人机数量标准差部分的影响因子，α1+α2＝1。3.根据权利要求1所述的基于禁忌蜂群算法的无人机海上搜救路径规划方法，其特征在于，所述S2包括：S2.1：结合无人机工作模型构建无人机搜救能力模型：其中，UAVCap
i,j
表示无人机i的第j个能力，其中，表示无人机载荷能力描述模型，包括搜救范围和分辨率，表示无人机工作模式描述模型Mode
i,j
表示由一系列操作组成的向量；S2.2：构建约束描述模型：其中，UAVCons
i,j
表示无人机i的第j个约束条件，包括搜救区域约束C、无人机电量约束E、航迹约束L和航程约束D。4.根据权利要求3所述的基于禁忌蜂群算法的无人机海上搜救路径规划方法，其特征在于，所述搜救区域约束、所述无人机电量约束、所述航迹约束和所述航程约束的表达式分别为：搜救区域约束：其中，Q表示搜救中心数量，T表示任务数量，M
r
表示搜救中心包括的无人机数量；表示任务j由搜救中心r派出的无人机u执行；无人机电量约束：
其中，d
oj
表示任务o与任务j之间的距离，d
ij
表示任务i与任务j之间的距离，e
u
表示单架无人机单位距离电量消耗；为决策变量，表示如果由搜救中心r派出的无人机u先执行任务o，然后执行任务j，则否则同理为决策变量，表示如果由搜救中心r派出的无人机u先执行任务i，然后执行任务j，则否则E
u
表示无人机蓄电池能存储的最大电量。d
i(|T|+1)
表示任务i与任务|T|+1之间的距离；为决策变量，表示如果由搜救中心r派出的无人机u先执行任务i，然后执行任务|T|+1，则否则航迹约束：航程约束：5.根据权利要求1所述的基于禁忌蜂群算法的无人机海上搜救路径规划方法，其特征在于，所...

【专利技术属性】
技术研发人员：邢立宁，蒋雪梅，李豪，郭泱泱，吕旷达，李济廷，宋彦杰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：