CN106679666A - 无人机大范围巡航路径规划模型及方法 - Google Patents
无人机大范围巡航路径规划模型及方法 Download PDFInfo
- Publication number
- CN106679666A CN106679666A CN201611221916.5A CN201611221916A CN106679666A CN 106679666 A CN106679666 A CN 106679666A CN 201611221916 A CN201611221916 A CN 201611221916A CN 106679666 A CN106679666 A CN 106679666A
- Authority
- CN
- China
- Prior art keywords
- waters
- path
- unmanned plane
- klb
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种无人机大范围巡航路径规划模型及方法,首先根据无人机大范围海域巡航路径问题描述,确定以有效巡航范围最大和巡航作业时间最短为目标的路径规划模型,根据无人机的客观约束条件确定约束条件模型,包括自身续航能力约束条件模型、天气等环境影响下的约束条件模型、禁飞区影响下的约束条件模型,然后根据约束条件重新调整确定路径规划模型;根据确定的路径规划模型,综合各项约束条件,从搜寻水域网络中选取无人机大范围海域巡航的最优路径。本发明能够实现无人机覆盖的重点监管水域范围达到最大,同时确保在无人机自身续航能力范围内,巡航距离最短,为大范围海事无人机路径搜索提供最优的规划方案。
Description
技术领域
本发明涉及一种无人机大范围巡航路径规划模型及方法,属于无人机大范围海域巡航技术领域。
背景技术
目前,我国主要采用大型海事巡逻船进行远海、大范围海上巡航监管,大型海事巡逻船性能稳定可靠,不易受天气等环境因素的影响,但是其巡航速度慢、运行和维护成本高、船上工作人员要求具备一定的职业技能。
随着无人机遥感技术的快速发展,大型远程固定翼无人机的优势凸显,其巡航速度快,续航能力强,覆盖范围广,巡航成本低,且具有较强的环境适应能力,特别适合海上大范围巡航监管作业。在实际飞行作业中,无人机监管作业主要受到自身续航能力、禁飞区以及恶劣天气条件等客观条件的约束,无人机受其续航能力的限制,对于巡航范围过大的海域,往往无法实现对所有重点监管水域进行监管作业。
因此,需要设计一种无人机大范围巡航路径规划方法,综合考虑无人机的约束条件,保证巡航路径能够实现无人机覆盖的重点监管水域范围达到最大,同时确保在无人机自身续航能力范围内,巡航距离最短。
发明内容
鉴于上述原因,本发明的目的在于提供一种无人机大范围巡航路径规划模型及方法,该模型以有效巡航范围最大和巡航作业时间最短为目标对多水域巡航路径进行规划,在此模型基础上,既可实现无人机覆盖的重点监管水域范围达到最大,又能确保在无人机自身续航能力范围内,巡航距离最短。
为实现上述目的,本发明采用以下技术方案:
一种无人机大范围巡航路径规划模型,其包括:
S10:以有效巡航范围最大和巡航作业时间最短为目标,建立路径规划模型;
建立有效巡航范围最大的目标函数:
其中,S为无人机单次作业巡航的重点监管水域集合,第j(j=1,2,3,...,n1,j∈S)个重点监管水域的面积为aj,风险值为第j个重点监管水域的有效巡航面积为
建立巡航路径行程最短的目标函数为:
dkl=dTkl+dWl (2)
其中,dTkl为无人机从节点k到节点l(l≠k)的行程距离,即节点k到节点l最近点间的行程距离;dWl为无人机在节点l的作业距离,若节点l为基地,则dWl=0,节点包括基地及各重点监管水域;
S11:确定无人机的约束条件;
S111:无人机续航能力的约束条件:
其中,为无人机依路径r的总航程,dmax为无人机的最大安全航程;tmax为无人机最大安全续航时间,为无人机依路径r的总飞行时间,其表示为:
为路径r上节点k到节点l的行程时间,为路径r上于节点l的作业时间;
S112:确定恶劣天气条件的约束条件:
设水域l在第Tbwb时刻开始经历恶劣天气,在Tbwe时刻恶劣天气结束,无人机在Tklb时刻开始从节点k飞往节点l,在Tkle时刻水域l的作业结束;则有:
①若Tkle<Tbwb或Tklb>Tbwe,则a′l=al,tWl=Tkle-Tklb;
其中,a′l为水域l的实际巡航面积;tWl为水域l的实际作业时间;
②若Tklb<Tbwb且Tbwb<Tkle<Tbwe,则a′l=v2·(Tbwb-Tklb);
无人机需提前离开当前水域,则tWl=Tbwb-Tklb;v2为作业速度;
③若Tklb>Tbwb且Tkle<Tbwe,a′l=0,tWl=0;
④若Tbwb<Tklb<Tbwe且Tkle>Tbwe,则a′l=al;
无人机需延后Tbwe-Tklb时间飞入水域l,则tWl=(Tkle-Tklb)+tWCl,tWCl为延迟进入水域l的补偿时间,且tWCl=(Tbwe-Tklb);
⑤若Tklb<Tbwb且Tkle>Tbwe,需将大范围水域分割成若干子水域,然后按照前述①至④的情况分别对应处理;
S113:确定禁飞区的约束条件:
设水域l在[Tnfzb,Tnfze]时段临时禁飞,Tnfzb为禁飞区禁飞开始时刻,Tnfze为禁飞区禁飞结束时刻,则有:
⑥若Tkle<Tnfzb或Tklb>Tnfze,则a′l=al,tWl=Tkle-Tklb;
⑦若Tklb<Tnfzb且Tnfzb<Tkle<Tnfze,则a′l=v2·(Tnfzb-Tklb);
无人机需提前离开当前水域,则tWl=Tnfzb-Tklb;
⑧若Tklb>Tnfzb且Tkle<Tnfze,a′l=0,tWl=0;
⑨若Tnfzb<Tklb<Tnfze且Tkle>Tnfze,则a′l=al;
无人机需延后Tnfze-Tklb时间飞入水域l,则tWl=(Tkle-Tklb)+tWCl,tWCl为延迟进入水域l的补偿时间,且tWCl=(Tnfze-Tklb);
⑩若Tklb<Tnfzb且Tkle>Tnfze,需将大范围水域分割成若干子水域,然后按照前述⑥至⑨的情况分别对应处理;
S12:根据各约束条件,调整路径规划模型;
公式(1)中,将节点j的有效巡航面积aj调整为实际巡航面积a′j,即:
公式(2)中,将巡航路径行程最短的目标函数调整为巡航路径时间最短的目标函数,即:
其中,为依路径r节点k到节点l的行程时间;为依路径r于节点l的作业时间。
若水域测算的作业时间超过恶劣天气的影响时间或临时禁飞区的禁飞时间,需将该水域分割成若干子水域,分割后各子水域的作业时间应小于恶劣天气的影响时间或临时禁飞区的禁飞时间。
水域分割根据水域的形状、受恶劣天气或临时禁飞区影响范围、水域范围的大小因素确定分割的数量、分割线的位置和形状。
对于分割后的若干子水域,两相邻的子水域间的距离为零,该两节点间的行程时间为零;两远离的子水域间的行程时间按两节点间最短可行距离计算行程时间。
所述步骤S11中,根据以下假设条件确定无人机的约束条件:
1)假设无人机在各节点间按照可行的最短路径飞行,在整个路网规划中最短路径不变,且路径规划前可获知准确的最短路径路程;
2)假设无人机以指定的巡航速度飞行,续航时间和巡航里程固定不变;
3)假设无人机在各节点间以相同的行程速度v1匀速飞行,在各水域范围内以相同的作业速度v2匀速作业;
4)路径规划前可获知每个待巡航水域的位置、形状和面积;
5)路径规划前可获取待巡航水域的天气情况,以确定恶劣天气影响时间和空间范围。
基于上述无人机大范围巡航路径规划模型实现的无人机大范围巡航路径规划方法,其包括步骤:
S20:提取确定搜寻水域网络,该搜寻水域网络包括n个节点;
S21:规划无人机海上巡航的最优路径:
S211:确定无人机的起飞点和降落点;
S212:采用枚举法对搜寻水域网络进行路径搜索,获取含m条路径的备选路径集R,并按路径的巡航路径时间值由小到大排序;
S213:从备选路径集R中提取路径r,并对提取出的路径按序编号;
S214:验证路径r是否满足所述约束条件③或⑧,若满足,执行步骤S215;若不满足,执行步骤S219;
S215:从备选路径集R中提取下一条路径;
S216:验证备选路径集R中的路径是否已全部选完,若是则执行步骤S217,若否则执行步骤S213;
S217:验证可选路径集R1中的可选路径r1是否大于零,若是则执行步骤S218,若否则执行步骤S222;
S218:从可选路径集R1中,根据公式(6)、(7),确定值最大、值最小的路径为最优路径,结束搜索;
S219:依据所述约束条件①、②、④、⑥、⑦和⑨,根据公式(6)、(7)计算路径r的和值;
S220:验证无人机依路径r的总飞行时间是否小于其最大安全续航时间,若是则执行步骤S221;否则执行步骤S215;
S221:将路径r计入可选路径集R1,可选路径r1值计数加1,执行步骤S215;
S222:剔除当前搜寻水域网络中有效巡航面积最小的水域及其相关路径,返回步骤S212,重新选取路径。
所述步骤S20包括:
S201:根据实际搜寻需求,确定搜寻水域;
S202:根据无人机行程速度、作业速度,待搜寻水域面积、位置和形状,确定各节点行程时间、各重点监管水域作业时间,提取原始搜寻水域网络图;
S203:根据恶劣天气影响区域与时间、临时禁飞区的区域与禁飞时间,确定是否存在需分割的大范围水域,若不存在,执行步骤S205,若存在,先将大范围水域分割成多个子水域,然后执行步骤S204;
S204:大范围水域分割后,重新调整各水域间的行程时间,各水域的作业时间,重新提取搜寻水域网络图;
S205:根据各水域的风险等级,对各节点赋予不同的权重值。
本发明的优点是:
本发明的无人机大范围巡航路径规划模型及方法,建立了一种以有效巡航范围最大和巡航作业时间最短为目标的多水域巡航路径规划模型,在此模型基础上,能够实现无人机覆盖的重点监管水域范围达到最大,同时确保在无人机自身续航能力范围内,巡航距离最短,为大范围海事无人机路径搜索提供最优的规划方案。
附图说明
图1是本发明的无人机大范围巡航路径规划模型建立流程示意图。
图2是无人机进入恶劣天气影响水域的作业时间分布图。
图3是本发明对大范围水域进行分割的原理示意图。
图4是本发明提取的部分搜寻水域网络图,分别显示大范围水域分割前、后的搜寻水域网络图。
图5是本发明的无人机大范围巡航路径规划方法的流程示意图。
具体实施方式
以下结合附图和实施例对本发明作进一步详细的描述。
本发明公开的无人机大范围巡航路径规划模型,建立步骤包括:
S10:以有效巡航范围最大和巡航作业时间最短为目标,建立路径规划模型;
S101:建立有效巡航范围最大的目标函数;
设N为重点监管水域集,i(i=1,2,3,...,n)为重点监管水域编号,则有i∈N,设第i个重点监管水域的面积为ai,风险值为,则第i个重点监管水域的有效巡航面积表示为设S为无人机单次作业巡航的重点监管水域集合,且,则第j(j=1,2,3,...,n1,j∈S)个被巡航水域的有效巡航面积表示为则有效搜寻效益最大的目标函数为:
即在无人机续航能力范围内,第r条路径可使无人机有效巡航覆盖面积达到最大。
S102:建立巡航路径行程最短的目标函数。
无人机巡航监管路径的行程包括两部分,一部分是各节点(包括基地和各重点监管水域)间的行程距离,二是各重点监管水域的巡航监管作业距离。因此,从节点k到节点l的巡航距离dkl表示为:
dkl=dTkl+dWl (2)
其中,dTkl为无人机从节点k到节点l(l≠k)的行程距离,从实际飞行习惯出发,选取k和l两重点监管水域间可行的最短路径,即两水域最近点间的距离;dWl为无人机在节点l的作业距离,若节点l为基地,则dWl=0。
没为无人机从基地起飞,经过所有被覆盖重点监管水域一次并返回基地的第r条路径的飞行距离之和,其表示为:
则,根据公式(2),巡航路径行程最短的目标函数为:
其中,为第r条路径上节点k到节点l的行程距离,为第r条路径上节点l的作业距离。
S11:根据无人机的客观约束条件,建立约束条件模型;
本发明以下述五个假设条件为前提:
1)假设无人机在各节点间按照可行的最短路径飞行,在整个路网规划中最短路径不变,且路径规划前可获知准确的最短路径路程;
2)无人机的续航能力(续航时间和巡航里程)受飞行速度、环境和机体总重等多重因素的影响,本发明假设无人机以指定的巡航速度飞行,续航时间和巡航里程固定不变;
3)假设无人机在各节点间以相同的速度v1(行程速度)匀速飞行,在各水域范围内以相同的速度v2(作业速度)匀速作业;
4)每个待巡航水域的位置、形状和面积在路径规划前均可准确获知;
5)路径规划前可获取搜寻水域准确的天气情况,包括风、雨、雪等,可依此确定恶劣天气影响时间和空间范围。
S111:确定无人机续航能力的约束条件模型;
无人机巡航作业受其自身续航能力约束。若单次巡航监管作业范围过大,或巡航作业水域较多,为确保安全返航,无人机不能超出自身续航时间和最大航程限制,因此可能无法实现所有重点监管水域的巡航覆盖,即:
其中,为无人机第r条巡航路径的总航程,dmax为无人机最大安全航程;tmax为无人机最大安全续航时间,为无人机第r条巡航路径的总飞行时间,其表示为:
为第r条路径上节点k到节点l的行程时间,为第r条路径上节点l的作业时间。
S112:确定天气等环境条件的约束条件模型;
大风、雨雪、气温过高或过低等恶劣天气条件将严重影响无人机的安全运行,为确保无人机自身的安全,无人机应在一定的安全天气条件下进行飞行作业,因此,在实际作业中,无人机应避开恶劣天气时段覆盖的航路和重点监管水域。
如图2所示,若重点监管水域l在第Tbwb时刻开始经历恶劣天气,在Tbwe时刻恶劣天气结束,无人机在Tklb时刻开始从节点k赶往节点l,在Tkle时刻节点l的巡航监管作业结束。设为无人机采用第r条路径抵达节点l之前的所有节点的集合,设为无人机根据路径r出发飞往节点l前的行程时间和作业时间之和,则Tklb和Tkle表示为:
结合图2所示,无人机从节点k飞赴节点l作业,受恶劣天气影响的节点水域l,无人机巡航面积和巡航作业时间划分为如下六种情况:
①若Tkle<Tbwb(情况1)或Tklb>Tbwe(情况6),则a′l=al,tWl=Tkle-Tklb;
其中,a′l为水域l的实际巡航面积;tWl为水域l的实际作业时间;
即,对于情况1、6,无人机的巡航作业完全不受恶劣天气的影响。
②若Tklb<Tbwb且Tbwb<Tkle<Tbwe(情况2),则a′l=v2·(Tbwb-Tklb);
无人机需提前离开当前水域,则tWl=Tbwb-Tklb;
即,对于情况2,无人机的部分巡航作业受到恶劣天气的影响。若因部分巡航时段受影响就放弃对该水域的巡航,可能错过某水域大范围良好天气时段的巡航,从而错过实际巡航效益最优路径,因此,可规划无人机提前飞离该水域以避免恶劣天气的影响。
规划无人机提前飞离某水域时,为确保前述假设条件1)成立,可通过改变该水域内巡航路线来确保该水域与下一水域间的行程时间不变。需要说明的是,水域受天气影响时间范围越小,路线调整越方便。
③若Tklb>Tbwb且Tkle<Tbwe(情况3),则所选路径无效,a′l=0,tWl=0;
即,对于情况3,无人机的巡航作业全程均受恶劣天气的影响。
④若Tbwb<Tklb<Tbwe且Tkle>Tbwe(情况4),则a′l=al;
无人机需延后Tbwe-Tklb时间飞入水域l,则tWl=(Tkle-Tklb)+tWCl,tWCl为延迟进入水域l的补偿时间,且tWCl=(Tbwe-Tklb);
与情况2相类似,对于情况4,无人机的部分巡航作业受到恶劣天气的影响。此种情况下,规划无人机推迟飞入水域以避免受到恶劣天气的影响。
⑤若Tklb<Tbwb且Tkle>Tbwe(情况5),需提前分割受恶劣天气影响的大范围水域,然后按照前述①至④的情况分别对应处理。
即,对于情况5,无人机的部分巡航作业受到恶劣天气的影响。
恶劣天气禁飞时间段从预警到发生时间较长,一般在3h以上,对于情况5中的较大范围巡航水域,在天气多变的海上作业时,巡航期遇到恶劣天气的几率较大,因此,可通过将大范围巡航水域分割成多个小范围子水域,然后对于多个小范围子水域,按照上述情况1-4、6对应进行处理。
S113:确定禁飞区的约束条件模型。
由于民航飞行、军事演习等活动,海上空域存在一些固定或临时划设的禁飞(敏感)区,为确保无人机巡航监管的合法性,无人机航路规划应绕行或避开禁飞区。对于临时禁飞区,可将其视为特殊的恶劣天气情况,其规划方案可参照前述恶劣天气的约束处理方法,具体为:
假设水域l在[Tnfzb,Tnfze]时段临时禁飞,Tnfzb为禁飞区禁飞开始时刻,Tnfze为禁飞区禁飞结束时刻,则,无人机的巡航面积和巡航作业时间分别对应如下五种情况:
⑥若Tkle<Tnfzb或Tklb>Tnfze,则a′l=al,tWl=Tkle-Tklb;
其中,a′l为水域l的实际巡航面积;tWl为水域l的实际作业时间;
⑦若Tklb<Tnfzb且Tnfzb<Tkle<Tnfze,则a′l=v2·(Tnfzb-Tklb);
无人机需提前离开当前水域,则tWl=Tnfzb-Tklb;
⑧若Tklb>Tnfzb且Tkle<Tnfze,则所选路径无效,a′l=0,tWl=0;
⑨若Tnfzb<Tklb<Tnfze且Tkle>Tnfze,则a′l=al;
无人机需延后Tnfze-Tklb时间飞入水域l,则tWl=(Tkle-Tklb)+tWCl,tWCl为延迟进入水域l的补偿时间,且tWCl=(Tnfze-Tklb);
⑩若Tklb<Tnfzb且Tkle>Tnfze,需提前分割受禁飞区影响的大范围水域,然后按照前述⑥至⑨的情况分别对应处理。
S12:若存在大范围水域,则对大范围水域进行分割处理;
如图3所示,水域的分割可根据实际情况与需求确定,如可根据水域的形状、受恶劣天气或临时禁飞区影响范围、水域范围的大小等多种因素确定分割的数量、分割线的位置和形状。各节点的作业时间和节点间的行程时间可根据分割后的水域重新调整确定,总体原则是,若某水域测算的作业时间超过恶劣天气影响时间或临时禁飞区禁飞时间,则需分割该水域,且分割后各子水域的作业时间应小于恶劣天气影响时间或临时禁飞区禁飞时间。
如图4所示,大范围水域经过分割后,由于节点的增加,提取的网络路径密度大幅增加。为确保路径决策的效率,分割的子水域不宜过多,以两、三个为宜。多个子水域若物理上相互连接,则两相邻子水域间的距离可视为零,该两节点间的行程时间也为零(如水域3与4,水域4与5),即t34=t45=0;若两子水域间相互分离,则两个子水域间的行程时间仍按两节点间最短可行距离计算行程时间(如水域3与5)。
S13:根据约束条件模型,调整目标函数。
根据公式(1),对于有效搜寻效益最大的目标函数,将节点j的有效巡航面积aj,调整为节点j的实际巡航面积a′j,即:
根据假设条件2),无人机于各节点间的行程速度相同,在各节点的作业速度相同,因此作业距离与作业时间成正比,作业时间最短即为作业距离最短,鉴于上述各项约束条件模型均以时间参数为约束条件,为简化计算处理,根据公式(2),将巡航路径行程最短的目标函数调整为巡航路径时间最短的目标函数,即:
其中,为第r条路径上节点k到节点l的行程时间;为第r条路径上节点l的作业时间;和可根据已知的水域间距离、水域面积、节点间行程速度和作业速度计算得到。
基于上述有效搜寻效益最大的目标函数、巡航路径时间最短的目标函数,及无人机的约束条件模型,实现无人机大范围巡航路径规划的方法,包括以下步骤:
S20:提取确定搜寻水域网络;
具体包括:
S201:根据实际搜寻需求,确定搜寻水域;
S202:根据无人机行程速度、作业速度,待搜寻水域面积、位置和形状,确定各节点行程时间、各重点监管水域作业时间,提取原始搜寻水域网络图(参考图4);
S203:综合考虑恶劣天气影响区域与时间、临时禁飞区的区域与禁飞时间,确定是否存在需分割的大范围水域,若不存在,执行步骤S205,若存在,先将大范围水域分割成多个子水域,然后执行步骤S204;
S204:大范围水域分割后,重新调整各水域间的行程时间,各水域的作业时间,重新提取搜寻水域网络图(参考图4);
S205:根据各水域的风险等级,对各节点赋予不同的权重值(即风险值)。
S21:基于上述无人机大范围巡航路径规划模型,以枚举法为基础,规划无人机海上巡航的最优路径。
如图5所示,具体包括:
S211:确定无人机的起飞点O和降落点D;
降落点与起飞点一般相同。
S212:采用枚举法对含n个节点的网络进行路径搜索,获取含m条路径的备选路径集R,并按路径的巡航路径时间值由小到大排序;
S213:从备选路径集R中提取路径r,并对提取出的路径按序编号;
r的初始值为1。
S214:验证路径r是否满足前述约束条件③或⑧,若满足,执行步骤S215;若不满足,执行步骤S219;
即,先验证所选路径是否因受天气或禁飞区影响而划分为无效路径,若为无效路径则提取下一条路径重新验证,若不是无效路径则继续后续验证过程。
S215:从备选路径集R中提取下一条路径(即r=r+1),重新验证过程;
S216:验证备选路径集R中的路径是否已全部选完(即r>m?),若是则执行步骤S217,若否则执行步骤S213;
S217:验证可选路径集R1中的可选路径r1是否大于零(即r1>0?),若是则执行步骤S218,若否则执行步骤S222;
r1的初始值为0,即判断是否已有选取出的可选路径,若已有可选路径,则进一步从可选路径中选取出最优路径,若没有可选路径,则需舍弃一个有效巡航面积最小的水域,然后重新提取搜寻水域网络,重新选取路径。
S218:从可选路径集R1中,根据公式(10)、(11),确定值最大、值最小的路径为最优路径,结束搜索,本方法结束。
S219:依据前述约束条件①、②、④、⑥、⑦和⑨,根据公式(10)、(11)计算路径r的和值;
S220:验证无人机依路径r的总飞行时间是否小于其最大安全续航时间(即),若是则执行步骤S221;否则执行步骤S215;
S221:将路径r计入可选路径集R1,可选路径r1值计数加1(即r1=r1+1),执行步骤S215;
S222:剔除当前搜寻水域网络中有效巡航面积(值)最小的水域及其相关路径(即令n=n-1),返回步骤S212,重新选取路径。
本发明的无人机大范围巡航路径规划模型及方法,首先根据无人机大范围海域巡航路径问题描述,确定以有效巡航范围最大和巡航作业时间最短为目标的路径规划模型,根据无人机的客观约束条件确定约束条件模型,包括自身续航能力约束条件模型、天气等环境影响下的约束条件模型、禁飞区影响下的约束条件模型,然后根据约束条件重新调整确定路径规划模型;根据确定的路径规划模型,综合各项约束条件,从搜寻水域网络中选取无人机大范围海域巡航的最优路径。本发明能够实现无人机覆盖的重点监管水域范围达到最大,同时确保在无人机自身续航能力范围内,巡航距离最短,为大范围海事无人机路径搜索提供最优的规划方案。
以上所述是本发明的较佳实施例及其所运用的技术原理,对于本领域的技术人员来说,在不背离本发明的精神和范围的情况下,任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变,均属于本发明保护范围之内。
Claims (7)
1.无人机大范围巡航路径规划模型,其特征在于,其包括:
S10:以有效巡航范围最大和巡航作业时间最短为目标,建立路径规划模型;
建立有效巡航范围最大的目标函数:
其中,S为无人机单次作业巡航的重点监管水域集合,第j(j=1,2,3,...,n1,j∈S)个重点监管水域的面积为aj,风险值为第j个重点监管水域的有效巡航面积为
建立巡航路径行程最短的目标函数为:
dkl=dTkl+dWl (2)
其中,dTkl为无人机从节点k到节点l(l≠k)的行程距离,即节点k到节点l最近点间的行程距离;dWl为无人机在节点l的作业距离,若节点l为基地,则dWl=0,节点包括基地及各重点监管水域;
S11:确定无人机的约束条件;
S111:无人机续航能力的约束条件:
其中,为无人机依路径r的总航程,dmax为无人机的最大安全航程;tmax为无人机最大安全续航时间,为无人机依路径r的总飞行时间,其表示为:
为路径r上节点k到节点l的行程时间,为路径r上于节点l的作业时间;
S112:确定恶劣天气条件的约束条件:
设水域l在第Tbwb时刻开始经历恶劣天气,在Tbwe时刻恶劣天气结束,无人机在Tklb时刻开始从节点k飞往节点l,在Tkle时刻水域l的作业结束;则有:
①若Tkle<Tbwb或Tklb>Tbwe,则a′l=al,tWl=Tkle-Tklb;
其中,a′l为水域l的实际巡航面积;tWl为水域l的实际作业时间;
②若Tklb<Tbwb且Tbwb<Tkle<Tbwe,则a′l=v2·(Tbwb-Tklb);
无人机需提前离开当前水域,则tWl=Tbwb-Tklb;v2为作业速度;
③若Tklb>Tbwb且Tkle<Tbwe,a′l=0,tWl=0;
④若Tbwb<Tklb<Tbwe且Tkle>Tbwe,则a′l=al;
无人机需延后Tbwe-Tklb时间飞入水域l,则tWl=(Tkle-Tklb)+tWCl,tWCl为延迟进入水域l的补偿时间,且tWCl=(Tbwe-Tklb);
⑤若Tklb<Tbwb且Tkle>Tbwe,需将大范围水域分割成若干子水域,然后按照前述①至④的情况分别对应处理;
S113:确定禁飞区的约束条件:
设水域l在[Tnfzb,Tnfze]时段临时禁飞,Tnfzb为禁飞区禁飞开始时刻,Tnfze为禁飞区禁飞结束时刻,则有:
⑥若Tkle<Tnfzb或Tklb>Tnfze,则a′l=al,tWl=Tkle-Tklb;
⑦若Tklb<Tnfzb且Tnfzb<Tkle<Tnfze,则a′l=v2·(Tnfzb-Tklb);
无人机需提前离开当前水域,则tWl=Tnfzb-Tklb;
⑧若Tklb>Tnfzb且Tkle<Tnfze,a′l=0,tWl=0;
⑨若Tnfzb<Tklb<Tnfze且Tkle>Tnfze,则a′l=al;
无人机需延后Tnfze-Tklb时间飞入水域l,则tWl=(Tkle-Tklb)+tWCl,tWCl为延迟进入水域l的补偿时间,且tWCl=(Tnfze-Tklb);
⑩若Tklb<Tnfzb且Tkle>Tnfze,需将大范围水域分割成若干子水域,然后按照前述⑥至⑨的情况分别对应处理;
S12:根据各约束条件,调整路径规划模型;
公式(1)中,将节点j的有效巡航面积aj调整为实际巡航面积a′j,即:
公式(2)中,将巡航路径行程最短的目标函数调整为巡航路径时间最短的目标函数,即:
其中,为依路径r节点k到节点l的行程时间;为依路径r于节点l的作业时间。
2.根据权利要求1所述的无人机大范围巡航路径规划模型,其特征在于,若水域测算的作业时间超过恶劣天气的影响时间或临时禁飞区的禁飞时间,需将该水域分割成若干子水域,分割后各子水域的作业时间应小于恶劣天气的影响时间或临时禁飞区的禁飞时间。
3.根据权利要求2所述的无人机大范围巡航路径规划模型,其特征在于,水域分割根据水域的形状、受恶劣天气或临时禁飞区影响范围、水域范围的大小因素确定分割的数量、分割线的位置和形状。
4.根据权利要求2所述的无人机大范围巡航路径规划模型,其特征在于,对于分割后的若干子水域,两相邻的子水域间的距离为零,该两节点间的行程时间为零;两远离的子水域间的行程时间按两节点间最短可行距离计算行程时间。
5.根据权利要求1所述的无人机大范围巡航路径规划模型,其特征在于,所述步骤S11中,根据以下假设条件确定无人机的约束条件:
1)假设无人机在各节点间按照可行的最短路径飞行,在整个路网规划中最短路径不变,且路径规划前可获知准确的最短路径路程;
2)假设无人机以指定的巡航速度飞行,续航时间和巡航里程固定不变;
3)假设无人机在各节点间以相同的行程速度v1匀速飞行,在各水域范围内以相同的作业速度v2匀速作业;
4)路径规划前可获知每个待巡航水域的位置、形状和面积;
5)路径规划前可获取待巡航水域的天气情况,以确定恶劣天气影响时间和空间范围。
6.基于权利要求1至5中任意一项所述的无人机大范围巡航路径规划模型实现的无人机大范围巡航路径规划方法,其特征在于,包括步骤:
S20:提取确定搜寻水域网络,该搜寻水域网络包括n个节点;
S21:规划无人机海上巡航的最优路径:
S211:确定无人机的起飞点和降落点;
S212:采用枚举法对搜寻水域网络进行路径搜索,获取含m条路径的备选路径集R,并按路径的巡航路径时间值由小到大排序;
S213:从备选路径集R中提取路径r,并对提取出的路径按序编号;
S214:验证路径r是否满足所述约束条件③或⑧,若满足,执行步骤S215;若不满足,执行步骤S219;
S215:从备选路径集R中提取下一条路径;
S216:验证备选路径集R中的路径是否已全部选完,若是则执行步骤S217,若否则执行步骤S213;
S217:验证可选路径集R1中的可选路径r1是否大于零,若是则执行步骤S218,若否则执行步骤S222;
S218:从可选路径集R1中,根据公式(6)、(7),确定值最大、值最小的路径为最优路径,结束搜索;
S219:依据所述约束条件①、②、④、⑥、⑦和⑨,根据公式(6)、(7)计算路径r的和值;
S220:验证无人机依路径r的总飞行时间是否小于其最大安全续航时间,若是则执行步骤S221;否则执行步骤S215;
S221:将路径r计入可选路径集R1,可选路径r1值计数加1,执行步骤S215;
S222:剔除当前搜寻水域网络中有效巡航面积最小的水域及其相关路径,返回步骤S212,重新选取路径。
7.根据权利要求6所述的无人机大范围巡航路径规划方法,其特征在于,所述步骤S20包括:
S201:根据实际搜寻需求,确定搜寻水域;
S202:根据无人机行程速度、作业速度,待搜寻水域面积、位置和形状,确定各节点行程时间、各重点监管水域作业时间,提取原始搜寻水域网络图;
S203:根据恶劣天气影响区域与时间、临时禁飞区的区域与禁飞时间,确定是否存在需分割的大范围水域,若不存在,执行步骤S205,若存在,先将大范围水域分割成多个子水域,然后执行步骤S204;
S204:大范围水域分割后,重新调整各水域间的行程时间,各水域的作业时间,重新提取搜寻水域网络图;
S205:根据各水域的风险等级,对各节点赋予不同的权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611221916.5A CN106679666B (zh) | 2016-12-26 | 2016-12-26 | 无人机大范围巡航路径规划模型及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611221916.5A CN106679666B (zh) | 2016-12-26 | 2016-12-26 | 无人机大范围巡航路径规划模型及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106679666A true CN106679666A (zh) | 2017-05-17 |
CN106679666B CN106679666B (zh) | 2019-12-17 |
Family
ID=58870570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611221916.5A Active CN106679666B (zh) | 2016-12-26 | 2016-12-26 | 无人机大范围巡航路径规划模型及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106679666B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107560614A (zh) * | 2017-08-04 | 2018-01-09 | 北京小米移动软件有限公司 | 路线规划方法及装置 |
CN108830032A (zh) * | 2018-05-17 | 2018-11-16 | 南京邮电大学 | 一种基于神经网络的无人机天气预警方法 |
CN109063891A (zh) * | 2018-06-22 | 2018-12-21 | 浙江大学城市学院 | 一种无人机调度路线规划方法 |
CN109831654A (zh) * | 2019-02-26 | 2019-05-31 | 安徽易睿众联科技有限公司 | 一种自动巡航网络摄像系统 |
CN110503244A (zh) * | 2019-07-29 | 2019-11-26 | 武汉大学 | 一种面向浒苔灾害覆盖区域的多观测手段组网优化监测方法 |
CN110555640A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东振世信息技术有限公司 | 路由规划的方法和装置 |
CN110766179A (zh) * | 2019-11-21 | 2020-02-07 | 中冶华天工程技术有限公司 | 一种采用风险优先策略的多站点巡检路径设计方法 |
CN111144827A (zh) * | 2020-01-21 | 2020-05-12 | 重庆邮电大学 | 基于历史增益估计的无人机巡航路径动态规划方法 |
CN111158402A (zh) * | 2020-01-16 | 2020-05-15 | 北京工商大学 | 一种物流运输无人机飞行路径规划方法 |
CN111338380A (zh) * | 2020-03-25 | 2020-06-26 | 河南华北水电工程监理有限公司 | 一种无人机工程监控方法 |
CN112382134A (zh) * | 2020-04-26 | 2021-02-19 | 北京三快在线科技有限公司 | 生成飞行路径的方法、装置、存储介质和电子设备 |
CN113204245A (zh) * | 2021-05-19 | 2021-08-03 | 广州海事科技有限公司 | 基于无人机的航标巡查方法、系统、设备及存储介质 |
CN116777096A (zh) * | 2023-08-10 | 2023-09-19 | 交通运输部水运科学研究所 | 一种面向综合监管的海事巡航路径动态开辟方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
CN103542852A (zh) * | 2013-10-23 | 2014-01-29 | 上海大学 | 一种基于分割法的无人机路径规划方法 |
US20150066248A1 (en) * | 2013-08-30 | 2015-03-05 | Insitu, Inc. | Unmanned vehicle searches |
CN104834317A (zh) * | 2015-04-24 | 2015-08-12 | 华北计算技术研究所 | 一种智能识别威胁类型的无人机飞行路径规划方法 |
CN106094606A (zh) * | 2016-05-19 | 2016-11-09 | 南通航运职业技术学院 | 一种水面无人艇导航与控制遥操作平台 |
-
2016
- 2016-12-26 CN CN201611221916.5A patent/CN106679666B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
US20150066248A1 (en) * | 2013-08-30 | 2015-03-05 | Insitu, Inc. | Unmanned vehicle searches |
CN103542852A (zh) * | 2013-10-23 | 2014-01-29 | 上海大学 | 一种基于分割法的无人机路径规划方法 |
CN104834317A (zh) * | 2015-04-24 | 2015-08-12 | 华北计算技术研究所 | 一种智能识别威胁类型的无人机飞行路径规划方法 |
CN106094606A (zh) * | 2016-05-19 | 2016-11-09 | 南通航运职业技术学院 | 一种水面无人艇导航与控制遥操作平台 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107560614B (zh) * | 2017-08-04 | 2020-02-07 | 北京小米移动软件有限公司 | 路线规划方法及装置 |
CN107560614A (zh) * | 2017-08-04 | 2018-01-09 | 北京小米移动软件有限公司 | 路线规划方法及装置 |
CN108830032A (zh) * | 2018-05-17 | 2018-11-16 | 南京邮电大学 | 一种基于神经网络的无人机天气预警方法 |
CN110555640A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东振世信息技术有限公司 | 路由规划的方法和装置 |
CN110555640B (zh) * | 2018-05-31 | 2023-08-08 | 北京京东振世信息技术有限公司 | 路由规划的方法和装置 |
CN109063891B (zh) * | 2018-06-22 | 2021-06-15 | 浙江大学城市学院 | 一种无人机调度路线规划方法 |
CN109063891A (zh) * | 2018-06-22 | 2018-12-21 | 浙江大学城市学院 | 一种无人机调度路线规划方法 |
CN109831654A (zh) * | 2019-02-26 | 2019-05-31 | 安徽易睿众联科技有限公司 | 一种自动巡航网络摄像系统 |
CN110503244A (zh) * | 2019-07-29 | 2019-11-26 | 武汉大学 | 一种面向浒苔灾害覆盖区域的多观测手段组网优化监测方法 |
CN110503244B (zh) * | 2019-07-29 | 2022-04-15 | 武汉大学 | 一种面向浒苔灾害覆盖区域的多观测手段组网优化监测方法 |
CN110766179B (zh) * | 2019-11-21 | 2023-02-03 | 中冶华天工程技术有限公司 | 一种采用风险优先策略的多站点巡检路径设计方法 |
CN110766179A (zh) * | 2019-11-21 | 2020-02-07 | 中冶华天工程技术有限公司 | 一种采用风险优先策略的多站点巡检路径设计方法 |
CN111158402A (zh) * | 2020-01-16 | 2020-05-15 | 北京工商大学 | 一种物流运输无人机飞行路径规划方法 |
CN111144827A (zh) * | 2020-01-21 | 2020-05-12 | 重庆邮电大学 | 基于历史增益估计的无人机巡航路径动态规划方法 |
CN111338380A (zh) * | 2020-03-25 | 2020-06-26 | 河南华北水电工程监理有限公司 | 一种无人机工程监控方法 |
CN111338380B (zh) * | 2020-03-25 | 2023-03-14 | 河南华北水电工程监理有限公司 | 一种无人机工程监控方法 |
CN112382134A (zh) * | 2020-04-26 | 2021-02-19 | 北京三快在线科技有限公司 | 生成飞行路径的方法、装置、存储介质和电子设备 |
CN113204245A (zh) * | 2021-05-19 | 2021-08-03 | 广州海事科技有限公司 | 基于无人机的航标巡查方法、系统、设备及存储介质 |
CN116777096A (zh) * | 2023-08-10 | 2023-09-19 | 交通运输部水运科学研究所 | 一种面向综合监管的海事巡航路径动态开辟方法及系统 |
CN116777096B (zh) * | 2023-08-10 | 2023-10-31 | 交通运输部水运科学研究所 | 一种面向综合监管的海事巡航路径动态开辟方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106679666B (zh) | 2019-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106679666A (zh) | 无人机大范围巡航路径规划模型及方法 | |
CN106970648B (zh) | 城市低空环境下无人机多目标路径规划联合搜索方法 | |
CN106767860B (zh) | 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法 | |
CN103365299B (zh) | 一种无人机的避障方法及其装置 | |
CN109448445A (zh) | 基于长短期记忆神经网络的航班延误分级预警方法 | |
Patron et al. | Flight trajectories optimization under the influence of winds using genetic algorithms | |
CN109493644A (zh) | 一种基于历史航迹数据挖掘的四维航迹推测方法 | |
CN104991895A (zh) | 一种基于三维空域网格的低空救援航空器航迹规划方法 | |
CN106323295A (zh) | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 | |
CN104197897A (zh) | 一种基于车载激光扫描点云的城区道路标线自动分类方法 | |
CN105388535B (zh) | 基于现有机载设备的航空气象风观测方法 | |
CN110109477A (zh) | 基于鸽群智能反向学习的无人机集群多目标控制优化方法 | |
Murrieta-Mendoza et al. | Lateral navigation optimization considering winds and temperatures for fixed altitude cruise using dijsktra’s algorithm | |
US11094206B2 (en) | Vertical flightpath optimization | |
CN108877298A (zh) | 一种基于四维航迹运行的航班计划安全性判断预警方法 | |
CN110244720A (zh) | 用于海上无人艇的路径规划方法及系统 | |
CN111192481B (zh) | 一种基于碰撞风险的进离场程序无人机管控区边界确定方法 | |
CN107220724A (zh) | 客流量预测方法及装置 | |
Holzäpfel et al. | Assessment of wake-vortex encounter probabilities for crosswind departure scenarios | |
CN113837446A (zh) | 一种基于多源异构数据的机场陆侧区域交通态势预测方法 | |
Di Donato et al. | An off-runway emergency landing aid for a small aircraft experiencing loss of thrust | |
Hamdi et al. | Drone-as-a-service composition under uncertainty | |
Wang et al. | AIS data-based probabilistic ship route prediction | |
Pan et al. | Safe and efficient UAV navigation near an airport | |
Guan et al. | A study of 4D trajectory prediction based on machine deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |