CN103267528A - 禁飞区限制下的多无人机协同区域搜索方法 - Google Patents

Abstract

本发明提供了一种禁飞区限制下的多无人机协同区域搜索方法，设置无人机数据、禁飞区数据、地图初始信息以及搜索时间，产生数字地图；执行禁飞区回避方法，依照无人机顺序依次执行通讯约束，比较各个无人机的可行点的搜索代价，判定结束条件；最终获得覆盖率。本发明能够使多无人机在通信限制和禁飞区限制下，在避免进入禁飞区的前提下，实现对固定区域的最大覆盖。

Description

禁飞区限制下的多无人机协同区域搜索方法

技术领域

本发明涉及一种多无人机在包含禁飞区的任务区域内协同搜索移动目标，以求达到最大覆盖率的实时航路规划方法，属于路径规划、协同搜索和通信技术领域。

背景技术

多无人机协同搜索是未来获取战场信息的主要手段，是一种重要的作战样式。如何有效地控制多架无人机在复杂环境中协同执行搜索任务成为近年来协同控制领域的研究热点之一，在民用方面具有重要的应用价值和现实意义，国内外的研究十分广泛。

Pedro DeLima和Daniel Pack在论文《Maximizing Search Coverage Using Future PathProjection for Cooperative Multiple UAVs with Limited Communication Ranges》中提出了一种基于搜索代价的过去路径分享（Past Path Sharing）算法。首先，构建了多无人机协同搜索路径规划的系统框架；其次，根据无人机协同搜索的运动趋势，建立了协同搜索的代价函数，使无人机根据代价函数计算下步可行点的搜索代价，从而使无人机选择代价最小的可行点为下步路径点；最后，设置仿真时间，对其进行仿真。

但是此算法并没有考虑无人机动力学的限制和禁飞区的限制，而这两个因素又是无人机协同搜索必须考虑的两个重要因素。

发明内容

为了克服现有技术的不足，本发明提供一种禁飞区限制下的多无人机协同区域搜索方法，能够规划出多无人机协同搜索的路径，在避免进入禁飞区的前提下，在规定时间内利用最小的搜索代价，来达到最大的目标区域覆盖率。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：设置无人机数据、禁飞区数据、地图初始信息以及搜索时间，产生数字地图；

所述的无人机数据包括无人机数量n、无人机初始位置坐标和初始航向(x，y，h)、无人机通讯半径r和无人机动力模型，其中h∈{1，2，3，4，5，6，7，8}；

所述的禁飞区数据包括禁飞区数量m、禁飞区边界顶点坐标（x1，y1）、（x2，y2）、（x1，y2）、（x2，y1）；

所述的地图初始信息是指数字地图中每个单元格的初始H值，H值表示了目标区域的搜索历史；

所述的搜索时间信息用字母k表示搜索时间，搜索步长为Δt；

步骤2：执行禁飞区回避方法，比较无人机与禁飞区之间的位置信息，若无人机的位置离禁飞区边界两个步长，结合无人机动力学限制，执行回避方法，产生无人机下步可行点集合，否则，则根据无人机的动力学限制，产生下步可行点集合；

步骤3：依照无人机顺序依次执行通讯约束，判断无人机之间的距离和通讯半径的关系，若无人机之间距离小于通信半径，则无人机之间进行信息交流，信息包括各自无人机位置和航向信息以及彼此的地图信息；若无人机之间距离大于通讯半径，则认为无人机之间相互不可知；根据已知无人机的位置信息，结合数字地图的信息，计算每个可行点的搜索代价 $\mathrm{Cs}=H(\underset{k=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{1}{D_k}+\underset{j=1}{\overset{4}{\mathrm{\Σ}}}\frac{1}{D_j})\sqrt{1+\frac{\left|\mathrm{\φ}\right|}{\mathrm{\π}/t}},$ 其中，D_k表示某个无人机和其他无人机的距离，k表示某无人机与其他无人机的距离的编号；n是指无人机数量；D_j是无人机和搜索区域各边界的距离，j是某无人机到四个边界距离的编号；φ是无人机到要求位置的航向角的变化；t表示决定转弯角度的分散点，t=8；

步骤4：比较各个无人机的可行点的搜索代价，得到拥有最小搜索代价的可行点的坐标作为目标点；然后无人机执行飞行动作，移动到目标点上；最后，整体更新各个无人机的位置以及航向信息；

步骤5：根据搜索时间k以及已搜索时间，判定结束条件；若已搜索时间达到k，则搜索结束，执行步骤6；否则，转到步骤2，执行循环；

步骤6：根据数字地图中各个单元格的最终H值，计算至少被一架无人机搜索过一次的单元格数量占总单元格数的比例，即覆盖率，若覆盖率＞90%，就认为已经对本区域的目标分布有了基本的了解，搜索结束；否则，增大搜索时间，继续进行搜索。

本发明的有益效果是：经过步骤2，多无人机满足动力学限制，同时又能避免进入禁飞区；

经过步骤3，可以实现多无人机的位置信息、航向信息以及地图信息的交流沟通；

经过步骤4，可以保证无人机可以连续飞向代价最小的区域；

经验证，本发明设计的方法能够使多无人机在通信限制和禁飞区限制下，在避免进入禁飞区的前提下，实现对固定区域的最大覆盖。

附图说明

图1是无人机完整搜索模型示意图；

图2是禁飞区回避决策示意图；

图3是本发明的方法流程图，其中，图3（a）是搜索算法流程图，图3（b）是禁飞区约束流程图，图3（c）是通讯距离约束流程图，图3（d）是搜索代价的计算流程图；

图4是禁飞区设置示意图；

图5是无人机1轨迹示意图；

图6是无人机2轨迹示意图；

图7是无人机3轨迹示意图；

图8是无人机4轨迹示意图；

图9是无人机5轨迹示意图；

图10是5架无人机总轨迹；

图11是覆盖率随仿真步数变化曲线图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

步骤1：设置无人机数据、禁飞区数据、地图初始信息以及搜索时间，产生数字地图，以供下一步调用。

无人机数据包括：无人机数量n，无人机初始位置坐标和初始航向(x，y，h)，无人机通讯半径r，无人机动力模型；

无人机信息包含位置信息（x坐标和y坐标）和航向信息（h表示），其中h∈{1，2，3，4，5，6，7，8}（各数字代表航向如附图1所示）。由于无人机的空气动力学的限制，无人机每次都只能执行三个动作中的一个：直行、左转45度、右转45度。无人机完整的搜索方向模型如附图1所示。

禁飞区数据包括：禁飞区数量m，禁飞区边界顶点坐标（x1，y1），（x2，y2），（x1，y2），（x2，y1）。

地图初始信息:数字地图中每个单元格的初始H值，H值具体含义将在公式中详细介绍。

搜索时间信息：搜索时间用字母k表示，搜索步长为Δt。

步骤2：执行禁飞区回避方法

对于禁飞区的限制，我们设计了禁飞区回避决策方法。解决的思路是在无人机进入禁飞区前做出选择，当无人机的位置离禁飞区边界两个步长时，我们利用转弯角与禁飞区边界的相对位置关系，对其进行判断。其主要原理如附图2所示。

如附图2所示，a1、a2、a3、b1、b2、b3、c1、c2、c3、c4、c5、c6、c7分别表示地图中的一个单元格。（x1，y1）、（x1，y2）、（x2，y2）、（x2，y1）为禁飞区四个边界点。若无人机当前位置为a1,航向为3，则无人机只能从b1，b2，b3三个位置中做出选择。若无人机选择b2时，由于受到转弯角的限制，无人机将无法避开禁飞区，因此b2为不可行点，此时b1和b3为可行点。若无人机移动到b1，下步无人机只能选择c1作为下步航路点，b3同理。因此无人机只有两种路径a1→b1→c1和a1→b3→c7。

比较无人机与禁飞区之间的位置信息，若满足执行禁飞区回避方法的条件(无人机的位置离禁飞区边界两个步长)，结合无人机动力学限制，执行回避方法，产生无人机下步可行点集合。若不满足，则根据无人机的动力学限制(附图1所示)，产生下步可行点集合。

步骤3：执行通讯约束。

执行通讯约束，判断无人机之间的距离和通讯半径的关系。若无人机之间距离小于通信半径，则无人机之间进行信息交流，信息包括各自无人机位置和航向信息以及彼此的地图信息；若无人机之间距离大于通讯半径，则认为无人机之间相互不可知。根据已知无人机的位置信息，结合数字地图的信息，计算每个可行点的搜索代价。如此，依照无人机顺序依次执行。

搜索代价计算的依据如下：

多无人机在协同搜索某固定区域时，其飞行轨迹会有三个趋势：

(1)趋于飞往发现目标可能性更大的地方。

(2)趋于飞往与其他无人机相隔尽可能远的地方。

(3)无人机有沿当前航向直飞的趋势。

根据多无人机协同搜索的运动趋势,建立了无人机进行区域搜索的代价方程:

$\mathrm{Cs}=H(\underset{k=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{1}{D_k}+\underset{j=1}{\overset{4}{\mathrm{\Σ}}}\frac{1}{D_j})\sqrt{1+\frac{\left|\mathrm{\φ}\right|}{\mathrm{\π}/t}},---\left(1\right)$

方程（1）由四个决策变量组成。D_k：某个无人机和其他无人机的距离，k是表示某无人机与其他无人机的距离的编号；n是指无人机数量；D_j：无人机和搜索区域各边界的距离，j是某无人机到四个边界距离的编号；φ：无人机到要求的特定位置的航向角的变化；t：决定转弯角度的分散点，本文取t=8。我们假设任务区域是由一个个正方形单元格组成的，每个单元格都有一个H值。H：表示了目标区域的搜索历史。若目标区域离上次被搜索时间越长，则再次搜索发现目标的可能性越大，H越小；反之，发现目标的可能性越小，H越大，反映了趋势一对代价函数的影响。

表示某无人机与其他无人机的距离的倒数和，反映了无人机的分布方式对代价函数的影响，充分体现了趋势二的影响。

无人机与四个边界距离的倒数和，反映了边界对无人机航迹选择的限制。

表示无人机到目标区域需要的转弯角的影响，充分体现了趋势三对代价函数的影响。

步骤4：比较代价值，执行飞行动作

无人机协同搜索的趋势是在付出最小代价的前提下，达到最好的搜索效果。因此，各个无人机根据步骤3中产生的可行点代价，对它们进行比较，得到拥有最小搜索代价的可行点的坐标；然后无人机执行飞行动作，移动到目标点上。最后，整体更新各个无人机的位置以及航向信息。

步骤5：执行搜索结束判定

根据搜索时间k以及已搜索时间，判定结束条件。若已搜索时间达到k，则搜索结束，执行步骤6；否则，转到步骤2，执行循环。

步骤6：计算覆盖率

我们根据数字地图中各个单元格的最终H值，计算至少被一架无人机搜索过一次的单元格数量占总单元格数的比例，这就是覆盖率的定义，它衡量了多无人机协同搜索的有效性。若覆盖率＞90%，我们就认为我们已经对本区域的目标分布有了基本的了解，搜索结束；否则，增大搜索时间，继续进行搜索。

通过计算机仿真对本算法进行了虚拟实施。

步骤1无人机数据：5架无人机，r=20km，初始信息如表1所示。

表1无人机设置

禁飞区数据：1个禁飞区，此禁飞区数据如表2、图4所示。

表2禁飞区设置

边界点	左上角	右上角	左下角	右下角
					坐标	（15,25）	（25,25）	（15,20）	（25,20）

数字地图信息：设定了一块60km×60km的矩形区域，每个单元格大小为2km×2km，即为由30×30的单元格组成的矩形区域。由于此地图从未被搜索过，我们设H初始值为0.05。被搜索过后H=1，此后H_m＝ωH_m-1（m为仿真步数），ω=0.95。又由于我们认为未搜索区域始终比已搜索区域发现目标的概率大，所以H_min＝0.1。

仿真步数：假设仿真步长Δt设为1min，仿真5个小时，即k=300。

步骤2：逐个比较无人机与禁飞区之间的位置信息。若某架无人机满足执行禁飞区回避方法的条件(无人机的位置离禁飞区边界距离差两个步长)，则此无人机执行回避方法，产生下步可行点集合。若不满足，则根据无人机的动力学限制(图1所示)，产生下步可行点集合。这样依次得到5架无人机的下步可行点。

步骤3：判断无人机之间的距离和通讯半径的关系。若无人机之间距离d<20km，则无人机之间进行信息交流，包括各自无人机位置和航向信息以及彼此的地图信息，若无人机之间距离d>20km，则认为此无人机不可知。根据已知无人机信息、数字地图，通过代价函数公式计算每个可行点的搜索代价。如此，5架无人机依次执行。

步骤4：5架无人机根据各自在步骤3中产生的可行点代价，对它们进行比较，得到拥有最小搜索代价的可行点的坐标；然后无人机执行飞行动作，移动到目标点上。最后，整体更新各个无人机的位置及航向信息。

步骤5：根据仿真步数k以及已仿真步数，判定循环结束条件。若已仿真步数达到k，则仿真结束，执行步骤6；否则，转到步骤2，执行循环。

步骤6：在仿真结束后，根据数字地图中H=0.1的单元格的数量，计算覆盖率，判断仿真结束条件即覆盖率是否大于90%。

在Windows XP环境下，使用软件仿真的结果如图5到图10所示。其中，图5是仿真100分钟后无人机1的运动轨迹；图6是仿真100分钟后无人机2的运动轨迹；图7是仿真100分钟后无人机3的运动轨迹；图8是仿真100分钟后无人机4的运动轨迹；图9是仿真100分钟后无人机5的运动轨迹；图10是仿真100分钟后总的路径轨迹。覆盖率随仿真步数的变化如附图11所示。

Claims (1)

1.一种禁飞区限制下的多无人机协同区域搜索方法，其特征在于包括下述步骤：

步骤1：设置无人机数据、禁飞区数据、地图初始信息以及搜索时间，产生数字地图；所述的无人机数据包括无人机数量n、无人机初始位置坐标和初始航向(x，y，h)、无人机通讯半径r和无人机动力模型，其中h∈{1，2，3，4，5，6，7，8}；所述的禁飞区数据包括禁飞区数量m、禁飞区边界顶点坐标（x1，y1）、（x2，y2）、（x1，y2）、（x2，y1）；所述的地图初始信息是指数字地图中每个单元格的初始H值，H值表示了目标区域的搜索历史；所述的搜索时间信息用字母k表示搜索时间，搜索步长为Δt；

步骤2：执行禁飞区回避方法，比较无人机与禁飞区之间的位置信息，若无人机的位置离禁飞区边界两个步长，结合无人机动力学限制，执行回避方法，产生无人机下步可行点集合，否则，则根据无人机的动力学限制，产生下步可行点集合；

步骤3：依照无人机顺序依次执行通讯约束，判断无人机之间的距离和通讯半径的关系，若无人机之间距离小于通信半径，则无人机之间进行信息交流，信息包括各自无人机位置和航向信息以及彼此的地图信息；若无人机之间距离大于通讯半径，则认为无人机之间相互不可知；根据已知无人机的位置信息，结合数字地图的信息，计算每个可行点的搜索代价 $\mathrm{Cs}=H(\underset{k=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\frac{1}{D_k}+\underset{j=1}{\overset{4}{\mathrm{\&Sigma;}}}\frac{1}{D_j})\sqrt{1+\frac{\left|\mathrm{\&phi;}\right|}{\mathrm{\&pi;}/t}},$ 其中，D_k表示某个无人机和其他无人机的距离，k表示某无人机与其他无人机的距离的编号；n是指无人机数量；D_j是无人机和搜索区域各边界的距离，j是某无人机到四个边界距离的编号；φ是无人机到要求位置的航向角的变化；t表示决定转弯角度的分散点，t=8；

步骤4：比较各个无人机的可行点的搜索代价，得到拥有最小搜索代价的可行点的坐标作为目标点；然后无人机执行飞行动作，移动到目标点上；最后，整体更新各个无人机的位置以及航向信息；

步骤5：根据搜索时间k以及已搜索时间，判定结束条件；若已搜索时间达到k，则搜索结束，执行步骤6；否则，转到步骤2，执行循环；

步骤6：根据数字地图中各个单元格的最终H值，计算至少被一架无人机搜索过一次的单元格数量占总单元格数的比例，即覆盖率，若覆盖率＞90%，就认为已经对本区域的目标分布有了基本的了解，搜索结束；否则，增大搜索时间，继续进行搜索。

Images