面向异构多无人机集群作业的控制方法和装置制造方法及图纸

本发明专利技术提供了一种面向异构多无人机集群作业的控制方法和装置，涉及无人机应用的技术领域，包括：根据任务场景模型确定每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态，并计算无人机总投入成本与任务总延迟成本；基于无人机总投入成本与任务总延迟成本的贴现值之和，确定异构多无人机集群作业的个数与任务分配模型；根据蒙特卡罗模拟和遗传算法对异构多无人机集群作业的个数与任务分配模型进行求解，确定无人机最优个数与任务分配结果，以缓解了对于复杂性多需求随机场景的多无人机集群作业任务的分配并不能保证作业效率最优的技术问题

【技术实现步骤摘要】
面向异构多无人机集群作业的控制方法和装置


[0001]本专利技术涉及无人机应用的
，尤其是涉及一种面向异构多无人机集群作业的控制方法和装置
。

技术介绍

[0002]无人机是一种无需载人驾驶的飞行器，它可以在远程或自主控制下执行各种任务，如测绘
、
搜救
、
安防
、
电力巡检等
。
无人机具有灵活性高
、
成本低
、
安全性强等优点，因此在各个领域得到了广泛的应用和发展
。
[0003]单一类型的无人机往往难以满足复杂多变的作业需求，因此多种异构无人机配合作业的技术应运而生
。
多种异构无人机配合作业是指不同类型
、
功能或规格的无人机通过协同控制和通信，实现对某一目标或区域的联合作业
。
这种技术可以充分发挥各种无人机的优势，提高作业效率和质量，降低作业风险和难度
。
[0004]然而经专利技术人研究发现，当前多无人机集群作业的任务往往分配集中于单一和确定的需求场景，对于如何将多无人机集群作业的任务分配到多个随机需求对应的随机场景，并无最优的分配方案，影响无人机集群作业的效率
。

技术实现思路

[0005]本专利技术的目的在于提供一种面向异构多无人机集群作业的控制方法和装置，以缓解了对于复杂性多需求随机场景的多无人机集群作业任务的分配并不能保证作业效率最优的技术问题
。
[0006]第一方面，本专利技术实施例提供了一种面向异构多无人机集群作业的控制方法，包括：
[0007]预先建立任务场景模型，根据所述任务场景模型确定每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态；
[0008]根据每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态，计算无人机总投入成本与任务总延迟成本；
[0009]基于所述无人机总投入成本与所述任务总延迟成本的贴现值之和，确定异构多无人机集群作业的个数与任务分配模型；
[0010]根据蒙特卡罗模拟和遗传算法对所述异构多无人机集群作业的个数与任务分配模型进行求解，确定无人机最优个数与任务分配结果
。
[0011]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，预先建立任务场景模型，根据所述任务场景模型确定每个周期开始时的无人机状态和每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态的步骤，包括：
[0012]基于无人机类型的数目
、
任务类型的数目
、
每个类型无人机的价值
、
每个无人机的
故障概率
、
每个任务所需的无人机数目
、
每个任务所需的作业周期
、
每个任务在每个周期的随机需求和每个任务的单位时间延迟成本，建立任务场景模型；
[0013]根据所述任务场景模型，确定任务初始每个任务对应的无人机数目，每个周期开始时每个无人机的可用状态和故障状态，每个周期开始时每个任务对应随机需求的完成状态，以及每个周期结束时每个任务的完成状态
。
[0014]结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，根据每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态，计算无人机总投入成本与任务总延迟成本的步骤，包括：
[0015]获取无人机的个数
、
每个周期每个任务的随机需求完成状态
、
每个周期开始时呈可用状态的无人机的个数
、
每个周期开始时无故障且呈可用状态的无人机的个数以及概率分布；
[0016]建立每个周期随机需求呈完成状态的个数不能超过每个周期开始时无故障且呈可用状态的无人机的个数的第一约束；
[0017]建立每个周期呈完成状态的随机需求数量不能超过呈未完成状态的随机需求数量的第二约束；
[0018]基于所述第一约束和所述第二约束计算每个周期的任务延迟成本和无人机总投入成本
。
[0019]结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，基于所述无人机总投入成本与所述任务总延迟成本的贴现值之和，确定异构多无人机集群作业的个数与任务分配模型的步骤，包括：
[0020]根据所述任务延迟成本和所述无人机总投入成本的贴现值之和的最小值，确定异构多无人机集群作业的最优个数与任务分配模型
。
[0021]结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，根据蒙特卡罗模拟和遗传算法对所述异构多无人机集群作业的个数与任务分配模型进行求解，确定无人机最优个数与任务分配结果的步骤，包括：
[0022]采用蒙特卡罗模拟统计无人机对应的每种任务类型的延迟时间；
[0023]根据所述延迟时间确定每种任务类型的优先级；
[0024]在所述优先级作用下，使用遗传算法对所述异构多无人机集群作业的个数与任务分配模型求解得到无人机最优个数与任务分配结果
。
[0025]结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，根据所述延迟时间确定每种任务类型的优先级的步骤，包括：
[0026]根据所述延迟时间，确定每个任务的重要性；
[0027]按照所述重要性将所述每个任务进行优先级排序
。
[0028]结合第一方面，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述遗传算法采用自然数编码算法
。
[0029]第二方面，本专利技术实施例还提供一种面向异构多无人机集群作业的控制装置，包括：
[0030]建模模块，预先建立任务场景模型，根据所述任务场景模型确定每个周期开始时
的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态；
[0031]计算模块，根据每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态，计算无人机总投入成本与任务总延迟成本；
[0032]确定模块，基于所述无人机总投入成本与所述任务总延迟成本的贴现值之和，确定异构多无人机集群作业的个数与任务分配模型；
[0033]分配模块，根据蒙特卡罗模拟和遗传算法对所述异构多无人机集群作业的个数与任务分配模型进行求解，确定无人机最优个数与任务分配结果
。
[0034]第三方面，实施例提供一种电子设备，包括存储器
、
处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述前述实施方式任一项所述的方法的步骤
。
...

【技术保护点】

【技术特征摘要】
1.
一种面向异构多无人机集群作业的控制方法，其特征在于，包括：预先建立任务场景模型，根据所述任务场景模型确定每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态；根据每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态，计算无人机总投入成本与任务总延迟成本；基于所述无人机总投入成本与所述任务总延迟成本的贴现值之和，确定异构多无人机集群作业的个数与任务分配模型；根据蒙特卡罗模拟和遗传算法对所述异构多无人机集群作业的个数与任务分配模型进行求解，确定无人机最优个数与任务分配结果
。2.
根据权利要求1所述的方法，其特征在于，预先建立任务场景模型，根据所述任务场景模型确定每个周期开始时的无人机状态和每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态的步骤，包括：基于无人机类型的数目
、
任务类型的数目
、
每个类型无人机的价值
、
每个无人机的故障概率
、
每个任务所需的无人机数目
、
每个任务所需的作业周期
、
每个任务在每个周期的随机需求和每个任务的单位时间延迟成本，建立任务场景模型；根据所述任务场景模型，确定任务初始每个任务对应的无人机数目，每个周期开始时每个无人机的可用状态和故障状态，每个周期开始时每个任务对应随机需求的完成状态，以及每个周期结束时每个任务的完成状态
。3.
根据权利要求1所述的方法，其特征在于，根据每个周期开始时的无人机状态和每个周期开始时每个任务的随机需求完成状态，以及每个周期结束时每个任务的完成状态，计算无人机总投入成本与任务总延迟成本的步骤，包括：获取无人机的个数
、
每个周期每个任务的随机需求完成状态
、
每个周期开始时呈可用状态的无人机的个数
、
每个周期开始时无故障且呈可用状态的无人机的个数以及概率分布；建立每个周期随机需求呈完成状态的个数不能超过每个周期开始时无故障且呈可用状态的无人机的个数的第一约束；建立每个周期呈完成状态的随机需求数量不能超过呈未完成状态的随机需求数量的第二约束；基于所述第一约束和所述第二约束计算每个周期的任务延迟成本和无人机总投入...

【专利技术属性】
技术研发人员：万施霖，张裕汉，金鑫，
申请(专利权)人：广东翼景信息科技有限公司，
类型：发明
国别省市：