CN108196575B - 一种无人机任务分配及路线规划方法 - Google Patents
一种无人机任务分配及路线规划方法 Download PDFInfo
- Publication number
- CN108196575B CN108196575B CN201810012046.3A CN201810012046A CN108196575B CN 108196575 B CN108196575 B CN 108196575B CN 201810012046 A CN201810012046 A CN 201810012046A CN 108196575 B CN108196575 B CN 108196575B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- base
- target area
- area
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Abstract
本发明公开了一种无人机任务分配及路线规划方法,将路线规划分成两步。第一步:通过Dijkstra算法,得出无人机从基地到每一个重点巡察区域的飞行路线;第二步,考虑海拔因素,将无人机所不能经过的区域设为障碍,采用蚁群算法,在规定的4小时内完成巡察并返回基地及规避障碍的条件下,在重点巡察区域内所能飞行的最长距离。本发明可以满足不同的任务需求:其一是为快速了解灾区情况,在避障的同时以最短时间从基地飞往目标区,并在续航时间内尽可能的巡察多的范围,以此为目标规划无人机飞行路线;其二是当有多个无人机基地的情况下,为充分利用资源,合理分配无人机巡航任务及飞行航线,将基地内无人机的利用率提升至最高。
Description
技术领域
本发明属于自动控制技术领域,涉及一种无人机任务分配及路线规划方法,具体涉及一种无人机抢险救灾中路线优化与任务分配方法。
背景技术
无人机(Unnamed Aerial Vehicle,简称UAV)是一种依靠程序自主操纵或受无线遥控的飞行器)。由于预测地震比较困难,及时高效的灾后救援是减少地震损失的重要措施。无人机作为一种新型运载工具,能够在救援行动中发挥重要作用。因此无人机的协调任务,航迹规划,巡查的研究就很有必要了。
美国空军赖特航空实验室首先提出了“战术飞行管理系统”概念,在二十世纪八十年代初期,航迹规划基本上依赖规划人员的手工操作。目前航迹规划方法需要解决的问题:
(1)由于飞行器航迹规划的规划区域非常广阔,同时涉及多种约束条件,数学模型的建立非常困难。飞行器航迹搜索算法研究,当前主要针对不同条件下的飞行任务,寻求合适的航迹搜索算法比较复杂。
(2)由于路径规划问题涉及到地形、威胁源等多方面因素,能够化繁为简,从全局出发快速找出最优或较优路径,是非常重要并亟待解决的问题。
无人机在抢险救灾中巡航路线规划需要考虑两个问题,一为最短路径问题;二是最大巡察范围。
最短路径问题:为及时了解受灾区域内的情况,要求无人机从基地出发达到重点巡察区域(人口较为密集地区)所花时间尽可能短,即无人机在考虑避障及最大飞行高度的情况下所经过的路径最短。
最大巡察范围:无人机在规定的续航时间内,在重点区域所能巡察的范围尽可能大。
发明内容
本发明的目的是实现无人机任务分配及路线优化,使得无人机在救灾抢险中发挥较大的作用;合理的分配无人机巡航任务,优化无人机巡航路线,使无人机能在最短时间内到达目标区域,并尽可能多的巡航人口较为集中的区域。
本发明提供的一种无人机任务分配及路线规划方法:
当无人机基地及目标区域唯一时,所述方法包括以下步骤:
步骤A1:规划出从基地到目标区域的最优路线;
通过Dijkstra算法,得出无人机从基地到目标区域的飞行路线。
步骤A2:优化无人机在目标区域内的航线;
针对海拔因素,将无人机所不能越过的区域设为障碍,采用蚁群算法,在规定的T小时内完成巡察并返回基地及规避障碍的条件下,将在目标区域内所能飞行的最长航线确定为无人机在目标区域内的航线。
当存在一个无人机基地对应多目标区域的情况时,所述方法包括以下步骤:
步骤B1:确定无人机飞行高度与查看范围;
无人机在高度h1,仰角为θ时的巡航范围为半径为R的圆;
R=(h1-h2)tanθ
其中h1为无人机飞行的高度,h2为目标区域海拔。
无人机的覆盖搜索采用平行搜索,无人机的起始从离基地最近的目标区域的边缘开始进行搜索,最小转弯半径r与探测范围半径R有三种情况:
1)当r<R时,无人机航迹是由两段圆心角分别为3π/2-β和α的圆弧和一条直线段组成的;由于无人机的探测范围半径大于最小转弯半径,无人机从调头点到结束点沿着轨迹运动可以覆盖到搜索边界;
a=2(R-r)
b=|xA-xB|
其中开始调头的点A为“调头点”,调头结束的点B为“结束点”;a表示两端圆弧所在圆心的纵坐标之差,b表示两端圆弧所在圆心的横坐标之差;
2)当r≥R时,无人机航迹是由两段圆心角分别为3π/2-β和α的圆弧组成,A与B的横坐标恰好满足:
a=2R
步骤B2:将目标区域栅格化,按照一定的比例设计栅格的边长,无人机巡查目标区域时,按照目标区域栅格图中的每个栅格的中心进行运动轨迹;
其中按照一定的比例设计栅格的边长,其原则是使无人机所走的每个栅格的面积都能够充分巡查。
步骤B3:计算无人机从基地出发绕过障碍到达目标区域的最短路径;
采用Dijkstra算法计算最短路径,首先假设每个点j都有一对标号(dj,pj),其中dj是从起始点s到点j的最短路径的长度;pj是从s到j的最短路径中j点的前一点;运用Dijkstra算法构建无人机从基地到各目标区域的模型,寻找到最短路径,使无人机更多的巡视目标区域;
经过对区域栅格化,得出每架无人机的巡视总时间为:
其中,d表示分割区域正方形的边长,n为每个正方形区域多少栅格数,ni表示无人机在每个区域巡航的网格数,i表示目标区域个数,i=1,2,3,4,5;V表示无人机的速度;
每架无人机经过Dijkstra算法寻找出从基地到目标区域的最短路径li,得出每架无人完成任务到回到基地的总时间为:
ti=Ti+li/V
最后通过所走的路径,所得覆盖率目标函数:
其中,Ni表示每个区域总的网格数,i=1,2,3,4,5;Δn表示有无人机到达某个目标区域中途经过其他区域所巡航的网格数;ni表示无人机在每个区域巡航的网格数,ti为人机从出发到返回所用时间,Ti为无人机在目标区域巡察时间;
假设每个目标区域至少派一架无人机,则最少需要多少架无人机目标函数:
步骤B4:优先设置无人机巡查目标区域内海拔M米以下的地方,优先设置无人机路线上无障碍物,设置无人机巡查速度为X千米/小时,求出无人机从基地到目标区域的最短路线以及在各个目标区域进行最多巡查的时间;
通过搜索算法找到从基地H到目标区域A的最短路径SA,通过最短路径求出无人机在目标区域A巡查的路径LA;则无人机在目标区域A巡航的网格数为nA
其中,d表示分割区域正方形的边长;
采用蚁群算法,寻找无人机在目标区域A内的巡航路线,使之能在尽可能少的避障的同时,能最大限度的利用无人机剩余飞行时间。
当存在多个无人机基地和多目标区域的情况时,假设从两个基地H、J向各个目标区域分派无人机;
假设每个基地派出的无人机在某个目标区域巡查的网格数相等,通过引入权重系数对无人机进行分配,要求从第一架无人机到最后一架无人机全部都回到基地的时间间隔尽量短,即可建立的最小目标函数为:
minT=max(tHA,tHB,tHC,tHD,tHE,tJA,tJB,tJC,tJD,tJE)×τ
其中τ为时间系数;
其中t1i表示无人机分别从基地H到A、B、C、D、E目标区域中心所需的时间,i=1,2,3,4,5;t2i表示无人机分别从基地J到A、B、C、D、E目标区域中心所需的时间,i=1,2,3,4,5;ti表示无人机分别在A、B、C、D、E目标区域内扫描时间,i=1,2,3,4,5;tHi表示无人机从基地H出发和在i区域内扫描的总时间,i=A,B,C,D,E;tJi表示无人机从基地J出发和在i区域内扫描的总时间,i=A,B,C,D,E;Li表示无人机在不同区域的巡查路径,i=A,B,C,D,E;V表示无人机飞行速度;
因从两个基地派往各个重点区域的无人机是未知的,故引入相隔时间比例权重ρti,引入优先选择变量Di,通过衡量权重最终得出各个重点需要派往的无人机的架数;
首先由ρti求出每个区域应该派出无人机架数,之后,由Di确定由哪个基地派出无人机;当目标区域与基地J之间的距离大于该区域与基地H时,Di=1,由H基地派出飞机;反之则Di=0,由J基地派出飞机;
无人机从基地被派往各重点区域的权重关系ρti,是根据无人机在各重点区域到基地的时间衡量;
其中(xi,yi)分别表示无人机在目标区域的平面坐标,(xH,yH)表示基地H的坐标,(xJ,yJ)表示基地J的坐标。
本发明能迅速分配巡察任务及相应的巡察路线方案。使无人机在规定时间内巡察尽可能多的地区,为抢险救灾提供充分的信息支持。
本发明可以满足不同的任务需求:其一是为快速了解灾区情况,在避障的同时以最短时间从基地飞往目标区,并在续航时间内尽可能的巡察多的范围,以此为目标规划无人机飞行路线;其二是当有多个无人机基地的情况下,为充分利用资源,合理分配无人机巡航任务及飞行航线,将基地内无人机的利用率提升至最高。
附图说明
图1为本发明实施例的震区地形图;
图2为本发明实施例的无人机探测范围示意图;
图3为本发明实施例的调头点与结束点;
图4为本发明实施例的无人机巡查范围与栅格比较;
图5为本发明实施例的栅格化地形图;
图6为本发明实施例的无人机到A,B,C,D,E五个区域的航线;
图7为本发明实施例的当r<R时转弯航路示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
2017年8月8日,四川阿坝州九寨沟县发生7.0级地震,造成了不可挽回的人员伤亡和重大的财产损失。在拥有灾区三维坐标(X,Y轴表示相对位置,Z轴为该坐标海拔高度),无人机基地H,并给出需要重点巡察的A,B,C,D,E五个区域的坐标,通过无人机路线优化及任务分配方法,对无人机巡航任务进行规划。图1为震区地形图。
为方便路线规划,现将地形图栅格化,具体方法为:
1:以无人机侦查面积为单位,将地形分为若干个小块;
2:将海拔低于无人机飞行高度的地区统一设定为无人机可飞行区域,将海拔高于无人机飞行高度的区域设为障碍区。
图5为栅格化后的地形图。
本发明提供一种无人机任务分配及路线规划方法,当无人机基地及目标区域唯一时,将路线规划分成两步。第一步:通过Dijkstra算法,得出无人机从基地到每一个重点巡察区域(即目标区域)的的飞行路线;第二步,考虑海拔因素,将无人机所不能经过的区域设为障碍,采用蚁群算法,在规定的4小时内完成巡察并返回基地及规避障碍的条件下,在重点巡察区域内所能飞行的最长距离。
多无人机任务分配就是使编队内各飞机在环境及任务的要求下,使整体的效率最高,所付出的代价最小。其原则如下:
(1)整体收益最大;
(2)从无人机的角度,使无人机完成的任务对其自身最有利;
(3)尽快完成所有任务,尽可能减小飞行总路程;
(4)均衡使用编队内的各无人机。
可将多无人机协同任务分配的问题看作是多目标优化的问题,一般而言,这种问题需要考虑的指标很多,并且往往相互之间不一致。求解该问题就是要在加权协调之后,获得使整体收益最大的分配方案。
本发明提供一种多无人机任务分配及路线规划方法,当存在一个无人机基地对应多目标区域的情况时,其步骤为:
步骤1:无人机飞行高度与查看范围;
无人机搜索区域如图2所示,不考虑无人机在巡航过程中转弯问题,无人机飞行高度h1,仰角为θ时的巡航范围为半径为R的圆。
R=(h1-h2)tanθ
其中h1=4000米为无人机飞行的高度。h2=3000米为该地区海拔。
无人机的覆盖搜索采用的是平行搜索,平行搜索是无人机最常用的一种搜索。无人机的起始可以从重点区域的各个边缘开始进行搜索,为了增大在重点区域的搜索路径,考虑从离基地最近的边缘开始搜索。最小转弯半径r与探测范围半径R有三种情况,先假设r与R相等。如图3所示,搜索边界左侧为搜索区域内部,称开始调头的点A为“调头点”,调头结束的点为“结束点”;无人机进行巡航的轨迹如图3所示。
1)r<R时的情况;
请见图7,当r<R时,无人机航迹是由两段圆心角分别为3π/2-β和α的圆弧和一条直线段组成的。由于无人机的探测范围半径大于最小转弯半径,无人机从调头点到结束点沿着轨迹运动可以覆盖到搜索边界。
a=2(R-r)
b=|xA-xB|
xA表示点A的横坐标,xB表示点B的横坐标,a表示两端圆弧所在圆心的纵坐标之差,b表示两端圆弧所在圆心的横坐标之差;
2)r≥R时的情况;
当r≥R时,无人机航迹是由两段圆心角分别为3π/2-β和α的圆弧组成,A与B的横坐标恰好满足:
a=2R
本实施例中,无人机的查巡范围为半径为r1的圆形,每个重点区域分割的小区域是边长为d(d=878.6)的正方形。由于无人机的巡查范围外切与正方形,所以无人机可以巡查到正方形区域。
2r1>d
如图4所示,当2r1>d时,无人机巡查的范围可以覆盖整个栅格区域,故无人机以平行搜索的方法进行巡查时可以覆盖到所巡查栅格的整个区域。
步骤2:将整体地形栅格化;
无人机存在飞行高度的限制,将无人机可以通行的区域用一种颜色表示,无人机无法通过只能绕行的区域用另一种颜色表示。栅格的设计需要考虑无人机的巡察半径,无人机航行时,按照该区域栅格图中的每个栅格的中心进行运动轨迹,设计好栅格边长可以使得无人机所走的每个栅格的面积都能够充分巡查。图6为无人机到A,B,C,D,E五个区域的航线。
步骤3:采用现代优化算法,找出无人机从基地出发(绕过障碍)到达目标区域的最短路径。Dijkstra算法是一种最短路径的算法,是假设每个点都有一对标号(dj,pj),dj是从起始点s到点j的最短路径的长度(从顶点到其本身的最短路径的长度是零);pj则是从s到j的最短路径中j点的前一点,通过特定的计算步骤得到最短距离。运用Dijkstra算法构建无人机从基地到各重点区域的模型,寻找到最短路径,可以使无人机更多的巡视重点区域灾情。
经过对区域栅格化,可以得出每架无人机的巡视总时间为:
每架无人机经过Dijkstra算法寻找出从基地到重点区域的最短路径li,可以得出每架无人完成任务到回到基地的总时间为:
ti=Ti+li/V
最后通过所走的路径,所得覆盖率目标函数:
假设每个重点区域至少派一架无人机,则最少需要多少架无人机目标函数:
Ni表示每个区域总的网格数(i=1,2,3,4),d表示分割区域正方形的边长,n为每个正方形区域多少栅格数。则无人机在每个区域巡航的网格数ni,Δn表示有无人机到达某个重区域中途经过重点区域所巡航的网格数。
步骤4:考虑无人机续航时间之内,无人机尽可能多地巡查区域S内海拔3000米以下的地方,无人机巡查速度为60千米/小时,通过计算分析,求得无人机从基地到重点区域的最短路线以及在各个重点区域进行至多巡查的时间,尽量保证无人机较少的穿插山峰(绕过障碍物)。
通过搜索算法找到从基地H到巡察区域A的最短路径SA,通过最短路径可以求出无人机在A区域巡查的路径LA。则无人机在A区域巡航的网格数为nA
其中,nA为无人机实际巡航格数,为理论上无人机可巡航网格数;考虑实际情况,无人机在A区域巡航时要转弯,消耗一定的时间,则选取无人机在A区域巡航的网格数为同理可求得无人机在B、C、D、E区域巡航的网格数分别为nB,nC,nD,nE。则无人机在重点区域巡航的覆盖率P。
其中Δn表示无人机在区域内巡航时要转弯,消耗一定的时间,所需的矫正系数。
本实施例中,采用蚁群算法,寻找无人机在区域内的巡航路线,使之能在尽可能少的避障的同时,能最大限度的利用无人机剩余飞行时间。
本方案中,多无人机任务分配则是在上述步骤基础上的改进方法。
多无人机任务分配就是使编队内各飞机在环境及任务的要求下,使整体的效率最高,所付出的代价最小。其原则如下:
(1)整体收益最大;
(2)从无人机的角度,使无人机完成的任务对其自身最有利;
(3)尽快完成所有任务,尽可能减小飞行总路程;
(4)均衡使用编队内的各无人机。
可将多无人机协同任务分配的问题看作是多目标优化的问题,一般而言,这种问题需要考虑的指标很多,并且往往相互之间不一致。求解该问题就是要在加权协调之后,获得使整体收益最大的分配方案
将从两个基地(分别为H、J)向各个重点区域分派无人机,X1(X=A,B,C,D)表示表示无人机从基地H出发,X2(X=A,B,C,D)表示无人机从基地J出发。
假设每个基地派出的无人机在某个重点区域巡查的网格数相等,通过引入权重系数对无人机进行分配,要求从第一架无人机到最后一架无人机全部都回到基地的时间间隔尽量短,即可建立的最小目标函数为:
minT=max(tHA,tHB,tHC,tHD,tHE,tJA,tJB,tJC,tJD,tJE)×τ
其中τ为时间系数,实际τ的取值留有裕量,τ的取值为1.03。
其中t1i表示无人机分别从基地H到A、B、C、D、E目标区域中心所需的时间,i=1,2,3,4,5;t2i表示无人机分别从基地J到A、B、C、D、E目标区域中心所需的时间,i=1,2,3,4,5;ti表示无人机分别在A、B、C、D、E目标区域内扫描时间,i=1,2,3,4,5;tHi表示无人机从基地H出发和在i区域内扫描的总时间,i=A,B,C,D,E;tJi表示无人机从基地J出发和在i区域内扫描的总时间,i=A,B,C,D,E;Li表示无人机在不同区域的巡查路径,i=A,B,C,D,E;V表示无人机飞行速度;
因从两个基地派往各个重点区域的无人机是未知的,故引入相隔时间比例权重ρti,引入优先选择变量Di,通过衡量权重最终得出各个重点需要派往的无人机的架数;
首先由ρti求出每个区域应该派出无人机架数,之后,由Di确定由哪个基地派出无人机;当目标区域与基地J之间的距离大于该区域与基地H时,Di=1,由H基地派出飞机;反之则Di=0,由J基地派出飞机;
无人机从基地被派往各重点区域的权重关系ρti,是根据无人机在各重点区域到基地的时间衡量;
其中(xi,yi)分别表示无人机在目标区域的平面坐标,(xH,yH)表示基地H的坐标,(xJ,yJ)表示基地J的坐标。
有两个基地,先计算出无人机分别从H、J两个基地出发到达重点区域所需的时间,和无人机扫描完整个重点区域所需的时间,所需的时间如表1所示。
表1从H、J派无人机到各重点区域所要的时间
通过改进的蚁群算法,得到从基地派往各个重点区域的无人机架数如表2所示。
表2派往不同重点区域的无人机架数
无人机分别从两个基地出发,到达各重点区域巡航后,在回到基地所消耗的时间如表3所示。
表3派往不同重点区域的无人机消耗时间
本方法提供一种无人机在抢险救灾中任务分配及路线规划的优化方法,在设定无人机基地坐标位置,受灾区域整体地形,及人口密度十分集中的部分地区的坐标后,能迅速分配巡察任务及相应的巡察路线方案。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (7)
1.一种无人机任务分配及路线规划方法,其特征在于,当无人机基地及目标区域唯一时,所述方法包括以下步骤:
步骤A1:规划出从基地到目标区域的最优路线;
步骤A2:优化无人机在目标区域内的航线;
当存在一个无人机基地对应多目标区域的情况时,所述方法包括以下步骤:
步骤B1:确定无人机飞行高度与查看范围;
其中,无人机在高度h1,仰角为θ时的巡航范围为半径为R的圆;
R=(h1-h2)tanθ
其中h1为无人机飞行的高度,h2为目标区域海拔;
无人机的覆盖搜索采用平行搜索,无人机的起始从离基地最近的目标区域的边缘开始进行搜索,最小转弯半径r与探测范围半径R有三种情况:
1)当r<R时,无人机航迹是由两段圆心角分别为3π/2-β和α的圆弧和一条直线段组成的;由于无人机的探测范围半径大于最小转弯半径,无人机从调头点到结束点沿着轨迹运动可以覆盖到搜索边界;
a=2(R-r)
b=|xA-xB|
其中开始调头的点A为“调头点”,调头结束的点B为“结束点”;xA表示点A的横坐标,xB表示点B的横坐标;a表示两端圆弧所在圆心的纵坐标之差,b表示两端圆弧所在圆心的横坐标之差;
2)当r≥R时,无人机航迹是由两段圆心角分别为3π/2-β和α的圆弧组成,A与B的横坐标恰好满足:
a=2R
步骤B2:将目标区域栅格化,按照一定的比例设计栅格的边长,无人机巡查目标区域时,按照目标区域栅格图中的每个栅格的中心进行运动轨迹;
步骤B3:计算无人机从基地出发绕过障碍到达目标区域的最短路径;
步骤B4:设置无人机巡查目标区域内海拔M米以下的地方,设置无人机路线上无障碍物或最少障碍物,设置无人机巡查速度为X千米/小时,求出无人机从基地到目标区域的最短路线以及在各个目标区域进行最多巡查的时间。
2.根据权利要求1所述的无人机任务分配及路线规划方法,其特征在于:步骤A1中,通过Dijkstra算法,得出无人机从基地到目标区域的飞行路线。
3.根据权利要求1所述的无人机任务分配及路线规划方法,其特征在于:步骤A2中,针对海拔因素,将无人机所不能越过的区域设为障碍,采用蚁群算法,在规定的T小时内完成巡察并返回基地及规避障碍的条件下,将在目标区域内所能飞行的最长航线确定为无人机在目标区域内的航线。
4.根据权利要求1所述的无人机任务分配及路线规划方法,其特征在于:步骤B2中,所述按照一定的比例设计栅格的边长,其原则是使无人机所走的每个栅格的面积都能够充分巡查。
5.根据权利要求1所述的无人机任务分配及路线规划方法,其特征在于:步骤B3中,采用Dijkstra算法计算最短路径,首先假设每个点j都有一对标号(dj,pj),其中dj是从起始点s到点j的最短路径的长度;pj是从s到j的最短路径中j点的前一点;运用Dijkstra算法构建无人机从基地到各目标区域的模型,寻找到最短路径,使无人机更多的巡视目标区域;
经过对区域栅格化,得出每架无人机的巡视总时间为:
其中,d表示分割区域正方形的边长,n为每个正方形区域多少栅格数,ni表示无人机在每个区域巡航的网格数,i表示目标区域个数,i=1,2,3,4,5;V表示无人机的速度;
每架无人机经过Dijkstra算法寻找出从基地到目标区域的最短路径li,得出每架无人完成任务到回到基地的总时间为:
ti=Ti+li/V
最后通过所走的路径,所得覆盖率(P)目标函数:
其中,Ni表示每个区域总的网格数,i=1,2,3,4,5;Δn表示无人机到达某个目标区域中途经过其他区域所巡航的网格数;ni表示无人机在每个区域巡航的网格数,ti为人机从出发到返回所用时间;
假设每个目标区域至少派一架无人机,则最少需要多少架无人机目标函数:
7.根据权利要求1所述的无人机任务分配及路线规划方法,其特征在于:当存在多个无人机基地和多目标区域的情况时,假设从两个基地H、J向各个目标区域分派无人机;
假设每个基地派出的无人机在某个目标区域巡查的网格数相等,通过引入权重系数对无人机进行分配,要求从第一架无人机到最后一架无人机全部都回到基地的时间间隔尽量短,即可建立的最小目标函数为:
minT=max(tHA,tHB,tHC,tHD,tHE,tJA,tJB,tJC,tJD,tJE)×τ
其中τ为时间系数;
其中t1i表示无人机分别从基地H到A、B、C、D、E目标区域中心所需的时间,i=1,2,3,4,5;t2i表示无人机分别从基地J到A、B、C、D、E目标区域中心所需的时间,i=1,2,3,4,5;ti表示无人机分别在A、B、C、D、E目标区域内扫描时间,i=1,2,3,4,5;tHi表示无人机从基地H出发和在i区域内扫描的总时间,i=A,B,C,D,E;tJi表示无人机从基地J出发和在i区域内扫描的总时间,i=A,B,C,D,E;Li表示无人机在不同区域的巡查路径,i=A,B,C,D,E;V表示无人机飞行速度;
因从两个基地派往各个重点区域的无人机是未知的,故引入相隔时间比例权重ρti,引入优先选择变量Di,通过衡量权重最终得出各个重点需要派往的无人机的架数;
首先由ρti求出每个区域应该派出无人机架数,之后,由Di确定由哪个基地派出无人机;当目标区域与基地J之间的距离大于该区域与基地H时,Di=1,由H基地派出飞机;反之则Di=0,由J基地派出飞机;
无人机从基地被派往各重点区域的权重关系ρti,是根据无人机在各重点区域到基地的时间衡量;
其中(xi,yi)分别表示无人机在目标区域的平面坐标,(xH,yH)表示基地H的坐标,(xJ,yJ)表示基地J的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810012046.3A CN108196575B (zh) | 2018-01-05 | 2018-01-05 | 一种无人机任务分配及路线规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810012046.3A CN108196575B (zh) | 2018-01-05 | 2018-01-05 | 一种无人机任务分配及路线规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108196575A CN108196575A (zh) | 2018-06-22 |
CN108196575B true CN108196575B (zh) | 2020-11-03 |
Family
ID=62588470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810012046.3A Active CN108196575B (zh) | 2018-01-05 | 2018-01-05 | 一种无人机任务分配及路线规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108196575B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983817B (zh) * | 2018-08-07 | 2021-03-23 | 西北工业大学 | 一种多区域搜索方法及装置 |
CN109032186B (zh) * | 2018-09-30 | 2021-04-02 | 西安科技大学 | 一种无人机群协同退出圆形轨迹的控制方法 |
CN109375645B (zh) * | 2018-11-01 | 2020-05-12 | 中国科学技术大学 | 基于群集智能的多无人机协同区域巡视控制方法 |
CN109520504B (zh) * | 2018-11-27 | 2022-07-22 | 北京航空航天大学 | 一种基于网格离散化的无人机巡查路径优化方法 |
CN109358650B (zh) * | 2018-12-14 | 2022-11-18 | 国网冀北电力有限公司检修分公司 | 巡检路径规划方法、装置、无人机和计算机可读存储介质 |
CN109945867B (zh) * | 2019-03-04 | 2021-02-19 | 中国科学院深圳先进技术研究院 | 无人机的路径规划方法、装置和计算机设备 |
US11493939B1 (en) * | 2019-03-15 | 2022-11-08 | Alarm.Com Incorporated | Premise mapping with security camera drone |
CN109947130A (zh) * | 2019-04-03 | 2019-06-28 | 广东电网有限责任公司 | 一种基于网格化管理的输电多机编队巡视管理方法和系统 |
CN110083173B (zh) * | 2019-04-08 | 2022-01-11 | 合肥工业大学 | 无人机编队巡检任务分配的优化方法 |
CN110244763B (zh) * | 2019-06-21 | 2021-11-02 | 浙江海洋大学 | 海水污染物的远程监测系统及监测方法 |
CN110751360B (zh) * | 2019-08-30 | 2022-06-17 | 广州睿启智能科技有限公司 | 一种无人船区域调度方法 |
CN111427378B (zh) * | 2020-04-10 | 2023-04-18 | 南宁师范大学 | 无人机山地优先救援路径规划方法 |
CN111552313B (zh) * | 2020-04-29 | 2022-06-28 | 南京理工大学 | 基于边缘计算动态任务到达的多无人机路径规划方法 |
CN111561934A (zh) * | 2020-06-24 | 2020-08-21 | 平湖市中地测绘规划有限公司 | 基于无人机的地质勘探规划方法 |
CN112068592B (zh) * | 2020-08-31 | 2021-10-26 | 南京航空航天大学 | 一种基于可充电无人机实现栅栏覆盖的调度方法 |
CN114167884A (zh) * | 2020-09-11 | 2022-03-11 | 丰翼科技(深圳)有限公司 | 无人机控制方法、装置、计算机设备及存储介质 |
CN112629539B (zh) * | 2020-12-15 | 2022-08-12 | 西安电子科技大学 | 一种多无人机路径规划方法 |
CN113671985A (zh) * | 2021-07-28 | 2021-11-19 | 中国人民解放军32146部队 | 一种分阶段多基地无人机任务分配和航迹规划方法 |
CN114812564B (zh) * | 2022-06-22 | 2022-09-20 | 北京航空航天大学杭州创新研究院 | 基于城市动态时空风险分析的多目标无人机路径规划方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477169A (zh) * | 2009-01-16 | 2009-07-08 | 华北电力大学 | 巡检飞行机器人对电力线路的检测方法 |
CN103246204A (zh) * | 2013-05-02 | 2013-08-14 | 天津大学 | 多无人机系统仿真与验证方法与装置 |
CN104932515A (zh) * | 2015-04-24 | 2015-09-23 | 深圳市大疆创新科技有限公司 | 一种自主巡航方法以及巡航设备 |
CN105629989A (zh) * | 2015-12-28 | 2016-06-01 | 电子科技大学 | 基于最小外包圆和最大内接圆的障碍区域划分方法 |
WO2017019595A1 (en) * | 2015-07-27 | 2017-02-02 | Genghiscomm Holdings, LLC | Airborne relays in cooperative-mimo systems |
CN106705970A (zh) * | 2016-11-21 | 2017-05-24 | 中国航空无线电电子研究所 | 一种基于蚁群算法的多无人机协同路径规划方法 |
CN106774392A (zh) * | 2016-12-13 | 2017-05-31 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力线路巡检过程中飞行路径的动态规划方法 |
CN107478233A (zh) * | 2017-08-25 | 2017-12-15 | 中国地质大学(武汉) | 一种地质勘探航迹规划方法及系统 |
-
2018
- 2018-01-05 CN CN201810012046.3A patent/CN108196575B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477169A (zh) * | 2009-01-16 | 2009-07-08 | 华北电力大学 | 巡检飞行机器人对电力线路的检测方法 |
CN103246204A (zh) * | 2013-05-02 | 2013-08-14 | 天津大学 | 多无人机系统仿真与验证方法与装置 |
CN104932515A (zh) * | 2015-04-24 | 2015-09-23 | 深圳市大疆创新科技有限公司 | 一种自主巡航方法以及巡航设备 |
WO2017019595A1 (en) * | 2015-07-27 | 2017-02-02 | Genghiscomm Holdings, LLC | Airborne relays in cooperative-mimo systems |
CN105629989A (zh) * | 2015-12-28 | 2016-06-01 | 电子科技大学 | 基于最小外包圆和最大内接圆的障碍区域划分方法 |
CN106705970A (zh) * | 2016-11-21 | 2017-05-24 | 中国航空无线电电子研究所 | 一种基于蚁群算法的多无人机协同路径规划方法 |
CN106774392A (zh) * | 2016-12-13 | 2017-05-31 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力线路巡检过程中飞行路径的动态规划方法 |
CN107478233A (zh) * | 2017-08-25 | 2017-12-15 | 中国地质大学(武汉) | 一种地质勘探航迹规划方法及系统 |
Non-Patent Citations (2)
Title |
---|
The Comparison of Four UAV Path Planning Algorithms Based on Geometry Search Algorithm;ZeFang He,等;《2017 9th International Conference on Intelligent Human-Machine Systems and Cybernetics》;20170827;33-36页 * |
一种基于PEGA 算法的UAV 区域覆盖搜索路径规划方法;赵晨皓,等;《科技导报》;20141231(第32期);85-90页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108196575A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108196575B (zh) | 一种无人机任务分配及路线规划方法 | |
US11955017B2 (en) | Dynamic aircraft routing | |
CN112116830B (zh) | 一种基于空域网格化的无人机动态地理围栏规划方法 | |
CN110111608B (zh) | 基于雷达轨迹构建机坪场面运动目标运行意图识别的方法 | |
CN102915652B (zh) | 飞行器交通分离系统及方法 | |
US9513125B2 (en) | Computing route plans for routing around obstacles having spatial and temporal dimensions | |
AU2011261838B2 (en) | Determining emergency landing sites for aircraft | |
CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
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 | |
CN109493644A (zh) | 一种基于历史航迹数据挖掘的四维航迹推测方法 | |
CN112102650B (zh) | 改航航路生成方法、装置及存储介质 | |
JP2022537148A (ja) | 動的な航空機ルーティング | |
CN112130587A (zh) | 一种针对机动目标的多无人机协同跟踪方法 | |
CN116257082B (zh) | 多无人机分布式主动协同探测方法 | |
Bulusu et al. | Cooperative and non-cooperative UAS traffic volumes | |
AU2020388371B2 (en) | Map including data for routing aerial vehicles during GNSS failure | |
CN111192481A (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 | |
CN115454148B (zh) | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 | |
CN111142555B (zh) | 一种基于碰撞风险的机场无人机管控区域划设方法 | |
CN113485421A (zh) | 一种无人机飞行巡检方法、系统、设备及介质 | |
CN110793522A (zh) | 一种基于蚁群算法的航迹规划方法 | |
GB2598939A (en) | Method and system for the prodiction of risk maps of airspace, and land areas based on the fusion of data from multiple sources | |
CN103680213A (zh) | 用于确定合适航点位置的方法 | |
CN114595518B (zh) | 一种基于数字孪生的商业航天飞行与民航运行协作系统 | |
Shen et al. | A dynamic airspace planning framework with ads-b tracks for manned and unmanned aircraft at low-altitude sharing airspace |
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 |