【技术实现步骤摘要】
本专利技术属于无人机任务规划，涉及一种无人机平台与载荷的一体化设计方法，尤其涉及一种基于群体智能搜索算法的无人机平台与载荷一体化设计方法，该方法通过建立集群搜索任务规划算法框架，结合改进顺次聚类算法、蚁群算法、粒子群优化算法和乌鸦搜索优化算法等多算法联合优化策略，实现对无人机数量的科学决策，以及在二维和三维层面上的最优任务调度和指标匹配。
技术介绍
1、无人机集群（unmanned aerial vehicle, uav, cluster）是指由多个无人机组成的协同作业系统，通过先进的通讯和算法技术实现，实现对多架无人机的集中控制并协同工作完成任务。无人机集群因其数量多、规模大、群体弹性等优势，在城市物流、海洋监测、边境安防、区域搜救等领域具有广阔的应用前景。特别是针对一些时效要求强、目标数量多的区域搜索任务，可派遣大量低成本无人机组成集群至任务区域，发挥数量优势，有效覆盖任务区域，快速完成任务。然而，尽管无人机集群具有上述优势，它们在实际操作中仍面临一系列挑战。其中一个关键问题是任务规划的复杂性，特别是在面对任务时效要求强、目标数量多的情况下，这不仅涉及到每个无人机的路径规划，还包括整个集群的优化调度和管理，涉及到无人机数量的确定、航线的规划、平台-载荷指标的匹配等多个方面。现有的任务规划方法往往无法充分利用集群的潜能，因而如何进行任务规划是一个值得研究的问题。
2、针对无人机平台性能和光电载荷（optical-electronic payload）指标性能的论证和匹配问题，现有技术通常都是将其简化处理，不考虑载荷
3、但是，无人机任务规划问题仍有一些值得继续研究的点。在面对强时效、多任务目标时，大多数研究都是基于既定数量的无人机进行研究，然而，无人机数量本身，就是一个值得研究的问题。面对数量众多的目标，派遣多少架无人机去，每架无人机遵循怎样的目标航线，并不是一个简单的问题，过多或过少的无人机都会影响任务完成质量和效率。此外，在二维层面，进行最优任务调度也不足以满足实际需求。在二维基础上，考虑无人机性能和光电载荷性能，将问题提升至三维，分析无人机平台和光电载荷性能指标对任务完成能力的影响，给出最优的指标分析结果，是一个更加符合实际的问题。因此，为高效利用无人机集群，如何根据任务要求和目标数量，确定无人机集群的规模、航线和平台-载荷指标的匹配等，这些问题的深入研究和解决是提高无人机集群应用效率和效果的关键所在，也是亟待解决的技术问题。
技术实现思路
1、（一）专利技术目的
2、针对现有技术的上述缺陷和不足，为解决如何根据任务要求和目标数量，确定无人机集群的规模、航线和平台-载荷指标的匹配等问题，本专利技术旨在提供一种基于群体智能搜索的无人机平台与载荷一体化设计方法，通过建立集群搜索任务规划算法框架，并将改进顺次聚类算法、蚁群算法、粒子群优化算法和乌鸦搜索优化算法等联合使用，实现无人机集群在二维和三维空间中的最优任务调度和指标匹配。此方法能够有效提升任务规划的时效性和精确性，同时实现无人机平台与载荷性能指标的最优匹配，增强了无人机集群在执行复杂任务时的集群效能，对于提升城市物流、海洋监测、边境安防、区域搜救等的作业效率具有重要意义。
3、（二）技术方案
4、为实现该专利技术目的，本专利技术采用如下技术方案：
5、一种基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，所述设计方法在实施时至少包括如下步骤：
6、ss1. 在任务规划的初始化阶段，对任务区域的目标点进行顺次聚类处理，根据目标点的地理坐标信息，应用顺次聚类算法，将杂乱无序的目标点聚类划分为若干数量的聚类圆，每个聚类圆对应一个无人机的任务分配，在聚类过程中，引入 d和 δd两个优化参数对聚类过程进行调整，优化参数 d表示聚类圆的直径并直接影响聚类圆的数量以及每个聚类能够覆盖的目标点的数量，优化参数 δd表示在聚类转移过程中新的聚类的初始点与上一聚类圆心的最小位置偏差并直接影响聚类圆之间的相对位置，通过优化这两个参数以调整聚类圆的大小和相对位置，以优化无人机集群的空间分布和对目标区域及其中目标点的均匀覆盖，同时确保每个聚类圆内目标点的地理位置接近，避免不必要的航迹重叠，从而降低无人机在目标点间转移的距离以提升任务效率；
7、ss2. 对于每个聚类圆内所确定的目标点集合，应用基于蚁群优化算法（antcolony optimization algorithm）的单机最优航迹算法，为每架无人机规划最短二维航迹，以逼近旅行商问题（traveling salesman problem, tsp）的最优解，所述蚁群优化算法模拟自然界蚂蚁觅食行为的最短路径原理，通过迭代寻找无人机从起点至各个目标点再返回起点的最短可能航迹；
8、ss3. 结合应用集群任务规划优化算法，通过多目标优化函数对聚类圆直径 d和聚类圆定位间距 δd进行优化，使得无人机数量、平均二维航迹长度、最长二维航迹长度和各机二维航迹长度标准差达到最优，以实现对无人机数量和总体二维航迹配置方案的全局优化，所述多目标优化函数的表达式为：
9、
10、式中， n为集群中无人机数量并等于聚类圆的数量， li为集群中各单机无人机的二维航迹长度，i=1，2，…， n，mean{ li}为集群中各单机无人机的平均二维航迹长度，max{ li}为集群中各单机无人机的最长二维航迹长度， σ1为集群中各单机无人机二维航迹长度 li的标准差， w1、 w2、 w3、 w4表示各对应指标的加权系数并可根据不同任务要求进行调整；
11、ss4. 在三维空间航线规划中，综合考虑无人机平台性能和光电载荷性能指标，对光电载荷的成像需求和无人机飞行特性进行指标分析，至少选择无人机的爬升下降角度 本文档来自技高网...
【技术保护点】
1.一种基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，所述设计方法在实施时至少包括如下步骤：
2.根据权利要求1所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，步骤SS1中，所述顺次聚类算法在实施时至少包括以下子步骤：
3.根据权利要求2所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤SS1.3中，在确定距离参考点P0最近的点Pini-i时，使用最近邻搜索算法，根据各目标点的地理坐标信息，计算目标点与参考点P0的欧氏距离，并从中选出最小的距离对应的目标点作为Pini-i；
4.根据权利要求1所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤SS2中，对于每个聚类圆内所确定的目标点集合，采用蚁群优化算法求解无人机的最短航迹路径，得到每个无人机的二维航迹，所述蚁群优化算法的具体流程至少包括以下子步骤：
5.根据权利要求1所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤SS3、SS6中，使用集群任务规划优化算法对目标优化函
6.根据权利要求5所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，所述粒子群优化算法PSO的具体流程至少包括以下子步骤：
7.根据权利要求5所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，所述乌鸦搜索优化算法CSO的具体流程包括以下子步骤：
8.根据权利要求6所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤SSC3中，对于每一代循环，从t=1到Tmax至少执行以下操作步骤：
9.根据权利要求5所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，所述集群任务规划优化算法同时使用粒子群优化算法PSO和乌鸦搜索优化算法CSO，分别对多目标优化函数进行优化，所述粒子群优化算法PSO模拟自然界中鸟群或鱼群的群体行为，通过迭代更新每个粒子的速度和位置，使其向全局最优解或个体最优解靠近，所述乌鸦搜索优化算法CSO模拟自然界中乌鸦的合作和竞争行为，通过概率更新每只乌鸦的速度和位置，使其向周围乌鸦中的最优解或最差解靠近或远离，如果两种算法得到的结果相同，说明原问题已经达到收敛，否则继续迭代直至满足终止条件。
10.根据权利要求1所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤SS5中，采用Sobol敏感性分析方法对α、Lgd和θgd三个指标参数进行任务时间敏感度分析时，其实施流程至少包括如下子步骤：
...【技术特征摘要】
1.一种基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，所述设计方法在实施时至少包括如下步骤：
2.根据权利要求1所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，步骤ss1中，所述顺次聚类算法在实施时至少包括以下子步骤：
3.根据权利要求2所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤ss1.3中，在确定距离参考点p0最近的点pini-i时，使用最近邻搜索算法，根据各目标点的地理坐标信息，计算目标点与参考点p0的欧氏距离，并从中选出最小的距离对应的目标点作为pini-i；
4.根据权利要求1所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤ss2中，对于每个聚类圆内所确定的目标点集合，采用蚁群优化算法求解无人机的最短航迹路径，得到每个无人机的二维航迹，所述蚁群优化算法的具体流程至少包括以下子步骤：
5.根据权利要求1所述的基于群体智能搜索的无人机平台与载荷一体化设计方法，其特征在于，上述步骤ss3、ss6中，使用集群任务规划优化算法对目标优化函数f(d, δd)或f(α, lgd,, θgd)进行优化，以得到最优的聚类圆直径d和聚类圆定位间距δd或最优的α、lgd和/或θgd，且所述集群任务规划优化算法为粒子群优化算法pso和/或乌鸦搜索优化算法cso。
6.根据权利要求5...
【专利技术属性】
技术研发人员：王波，张子健，燕永钊，谭湘敏，张国鑫，应培，袁起航，刘溢，郭一凡，李晨，
申请(专利权)人：中国科学院工程热物理研究所，
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。