CN108427433A - 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 - Google Patents
一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 Download PDFInfo
- Publication number
- CN108427433A CN108427433A CN201810111989.1A CN201810111989A CN108427433A CN 108427433 A CN108427433 A CN 108427433A CN 201810111989 A CN201810111989 A CN 201810111989A CN 108427433 A CN108427433 A CN 108427433A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- value
- cost
- aerial vehicle
- cost function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005507 spraying Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 239000003814 drug Substances 0.000 title claims abstract description 15
- 229940079593 drug Drugs 0.000 title claims abstract description 15
- 239000007921 spray Substances 0.000 claims abstract description 33
- 230000003252 repetitive effect Effects 0.000 claims abstract description 29
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 18
- 238000013178 mathematical model Methods 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000003912 environmental pollution Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000010187 selection method Methods 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 239000003921 oil Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明涉及无人机的技术领域,更具体地,涉及一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法。一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其中,包括以下步骤:S1.输入多架无人机编队协同喷施问题中所涉及的相关参数:目标区域参数,无人机自身参数,成本函数参数;S2.构建多架无人机编队协同喷施问题的数学模型;S3.根据是否允许出现覆盖重复,划分多架无人机编队协同喷施问题的问题类型;S4.确定最优值的取值范围,并且在该范围内选取最优值。该方法中,多架植保无人机保持“一字型”或“V字型”实施药物喷施作业,综合考虑作业时间和油耗成本制定成本函数,在有限步骤内,以成本函数值最小为依据选择完成目标区域协同喷施任务的最优的编队成员数目,并给出编队成员之间覆盖重复率的选择方法。
Description
技术领域
本发明涉及无人机的技术领域,更具体地,涉及一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法。
背景技术
随着农业机械化程度的不断提高,以及植保无人机的大面积使用,植保作业效率得到了大幅度的提高。植保作业要求无人机喷施的药物完全覆盖目标区域,并避免在作业过程中出现重喷和漏喷现象,这需要为无人机规划出合适的轨迹,当无人机沿该轨迹行驶可以实现目标区域的完全覆盖,并满足重复率要求和能量消耗最少的目标。相较于单架无人机作业,多架无人机协同作业具有效率更高、作业时间更短、鲁棒性更强的优点。鉴于以上优势,多架植保无人机采用“一字型”或“V字形”紧密编队,协同喷施在农业植保任务上有着广泛的潜在用途,目前已有的方法是将目标区域进行划分,再将划分后的区域分配给各架无人机,每架无人机采用“几字形”往复运动对所负责的区域实施喷施作业。相对单机工作模式,这种联合作业的方法能获得更高的作业效率,但是这种工作模式下,无人机仅各自完成所分配区域的作业任务,各无人机之间缺乏密切的相互协同,没有考虑集群无人机采用编队协同的方式执行任务时提升喷施作业效能的可能性。另一方面,现有的多机协同喷施问题一般只以完成任务的时间长短作为作业效率的评价标准,没有综合考虑无人机油耗和喷施作业过程中的人力成本,这会造成实际应用中的结果偏差。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其针对现有技术的不足,以综合考虑作业时间和油耗花销的成本代价最小为优化目标,本发明公开一种多架植保无人机密集编队协同实施喷施任务时选取编队成员数目以及无人机群中各架无人机之间覆盖重复率的优化方法。
本发明的技术方案是:一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其中,包括以下步骤:
S1.输入多架无人机编队协同喷施问题中所涉及的相关参数:目标区域参数,无人机自身参数,成本函数参数;
S2.构建多架无人机编队协同喷施问题的数学模型;
S3.根据是否允许出现覆盖重复,划分多架无人机编队协同喷施问题的问题类型;
S4.确定最优值的取值范围,并且在该范围内选取最优值。
与现有技术相比,有益效果是:本发明公开一种多架植保无人机密集编队协同实施喷施作业时,选取编队成员数目以及无人机群中各架无人机之间覆盖重复率的优化方法。该方法中,多架植保无人机保持“一字型”或“V字型”实施药物喷施作业,综合考虑作业时间和油耗成本制定成本函数,在有限步骤内,以成本函数值最小为依据选择完成目标区域协同喷施任务的最优的编队成员数目,并给出编队成员之间覆盖重复率的选择方法。所提出方法能根据不同的应用场景调节区域长宽。时间成本与油耗花销权重参数,无人机覆盖范围等参数,并具有计算简单、实用性强的优点。
附图说明
图1:目标区域及相关参数示意图。
图2:无人机喷洒范围示意图。
图3:有效路径与往返路径的定义第一示意图。
图4:有效路径与往返路径的定义第二示意图。
图5:覆盖重复率为0时,不可整除数目完成协同喷施任务的效果。
图6:调整覆盖重复率后,不可整除数目完成协同喷施任务的效果。
图7:各无人机之间不允许有覆盖重复时,找寻最优解的流程图。
图8:各无人机间允许存在一定覆盖重复时,找寻最优解的流程图。
图9:相关参数计算流第一示意图。
图10:相关参数计算流第二示意图。
图11:判断条件示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
步骤1:输入图1所示的的相关参数,其中,形状规则的目标区域的一边宽为W、长为L,人工成本与路径消耗成本之间的比值α/β′;输入单架无人机的覆盖范围为Ld,如图2所示。
步骤2:针对图1所示的作业区域,和数目为n的无人机群,选定一个执行任务的覆盖方向,以ov表示两架无人机间的覆盖重复率,构建以无人机数目为自变量的路径长度函数、时间消耗函数、以及综合考虑由时间消耗和无人机群能量消耗构成的成本函数。具体过程如下所示:
(2.1)构建以无人机群数目为自变量的路径长度函数,该函数的值为无人机群中所有无人机航迹的总和。
以一架无人机执行喷施任务为例,如图3、4所示,将用于执行喷施任务的路径记为有效路径,在图中以红色虚线标注;从终点返回起始位置的路径称为往返路径,在图中以蓝色虚线标注。图3表示近端终点返回,图4表示远端终点返回。
无人机群的有效路径总长度:
无人机群总的往返路径长度:
无人机总的路径长度:
d=de+dwf (3)
(2.2)构建以无人机群数目为自变量的时间消耗函数,该函数的值与单架无人机所经过的路径长度和无人机的速度相关。
完成协同喷施任务的时间是:
t=d/v/n (4)
(2.3)构建成本函数,将时间消耗乘以比例系数β折算成人工成本花费,将路径消耗乘以比例系数α折算成油耗成本花费,综合考虑人工成本花费和无人机群的油耗成本花费,构建以无人机群数目为自变量的总的成本函数:
cost=α*d+β*t (5)
以成本函数值作为衡量该方案性能的标准,选取使成本函数值最小的无人机群成员数目。
步骤3:
针对某一确定的覆盖方向,选择最优编队成员数目进行编队协同喷施作业时,考虑对于某一数目的无人机群,若ov=0时,该数目的无人机群能刚好以“一字型”或“V字形”编队完成协同喷施任务,称这种情况下无人机群的数目为可整除数目如图5所示,与之相反,若ov为零,该数目的无人机群以“一字型”或“V字形”编队执行协同喷施共同覆盖任务时会出现覆盖到区域外侧的情况,如图6所示,称这种情况下的无人机群数目为不可整除数目,为避免造成环境污染,在该种情况下就必须引入一定的重复率,即ov>0,才能按要求完成协同喷施任务。根据是否允许出现重复,该问题可分为以下两类:
(1)假设无人机之间不允许出现覆盖重复率,即ov=0。在某一确定的覆盖方向下,针对所有可整除数目,选择使无人机群成本函数的值最小的机群中无人机的数目作为最优解。
(2)无人机之间允许出现覆盖重复率,则ov≠0,即针对任意数目在某一确定的覆盖方向下,选择机群的最优数目,并确定该种方案下,无人机群中每架无人机间的重复率。
步骤4:根据问题类别给出具体的解的过程如下所示:
(4.1)针对第3节所描述的情况,分类讨论两类问题
(4.2.1.1)当不允许无人机之间有覆盖重复率时,可能的求解范围为任意可整除数目,在该求解范围内,按照图7所示流程找寻最小值。
(4.2.1.2)图7所示流程图的具体参数和判断条件如图11所示,具体操作流程如下:
S1:判断W/Ld为奇数还是偶数,并写出所有可整除数目;
S2:若W/Ld为奇数,则接下来判断W/Ld是否是质数;
S2.1:若W/Ld是质数,则判断时间成本与路径成本的比值小于ξ1是否成立。
若成立,则最优数目为W/Ld,否则1架无人机执行该任务的成本最低;
S2.2.1:若W/Ld不是质数,则此时任意在取值范围内的无人机均从远端终
点返回,无人机群的成本函数可以统一写成如下形式:
Cost(n)=α·di·n+β′·di (6)
若将取值范围缩小到则式(7)可以近似为:
S2.2.2:判断表一中ξ2>0是否成立,若成立,则计算最小值X2,并比
较最接近X2的n值以及取值范围内最大的n值时,无人机群分别对应的成本函数值,由此判断ξ3>0是否成立;
若ξ2>0不成立,则n在取值范围取最大值时,成本函数值最小,那么转去步骤S2.2.4;
S2.2.3:若ξ3>0成立,则将集群内无人机数目在范围内取最大值时的成本函数值,与时的成本函数值再做一次比较,以此来得到无人机数目的优化解,由此判断ξ7>0是否成立;
S2.2.4:若ξ3>0不成立,则将无人机数目取最接近X2的值时的成本函数值与时的成本函数值再做一次比较,求解无人机数目的优化解,由此判断ξ6>0是否成立。
至此,已经分析得到W/Ld为奇数时所有可能的情况,并通过最多五次判断可以得到编队成员数目的最优值,使得成本函数值最小。
S3:当W/Ld为偶数时,无人机群既有可能从远返回,也有可能从近端返回。
先缩小求解范围,再给出无人机数目的最优解。
缩小求解范围的具体方法是:在可整除数目中,找到所有近端返回的点,作为新的取值范围。在缩小后的取值范围内,无人机均从近端终点返回。其成本函数如下:
进入如图7所示的流程图。
S3.1:看ξ4>0是否成立,如果成立,则转到S3.2,否则选取取值范围内的最大值为最优值。
S3.2:若ξ4>0不成立,则按照表格2所示,计算极小值X22,并比较n在取值范围内取最接近X22的值时,其成本函数值与对应的成本函数值的大小,由此判断ξ5>0是否成立,如果成立,则无人机数目的最优值为取值范围内最接近X22的值,否则最优值为
至此,已经分析了当无人机之间的覆盖重复率为0时各种可能出现的情况并针对各种情况给出了相应的最优解。
(4.2.2.1)当无人机之间允许出现覆盖重复率时,为求得最优编队成员数目以及该种方案下最优的重复率,我们要先缩小求解范围,在该求解范围内寻求最优解。
具体流程如图8所示:
T1:缩小待选区域:使待选区域中只包含所有纵向路径数目变化的节点所对应的无人机数目;
T2:进一步缩小待选范围:剔除T1中所得待选范围内的所有远端终点返回所对应的无人机群的无人机数目,得到新的更小的待选范围。在缩小后的取值范围内,无人机均从近端终点返回起始位置。其成本函数如下:
为了方便计算,我们进行了上面的近似,之后进入T3,对式(10)求解。
T3:判断对式(10)的成本函数值是否有极小值存在,若存在,则该极小值的计算遵循流程图8所示的过程,进入步骤T4.1。否则进入步骤T4.2。
T4.1:在T2得到的可能解的取值范围内,取出距离成本函数极小值最近的三个可能的值,并且计算各自的成本函数值,其中成本函数值最小的就是要求的最优解。
T4.2:不存在极小值,则整个函数单调递减,最小值在n=W/2Ld处取到。
至此,已经分析了多种可能出现的情况,并为所述情况给出了对应的最优解。
针对规则作业区域内多架无人机采用紧密编队进行协同喷施的问题,本发明定义了一个综合考虑作业时间和油耗花费的成本函数,并以使该成本函数值最小为优化目标来求解选取编队成员数目以及各架无人机之间覆盖重复率的优化方法。
针对多架无人机采用“一字形”或“V字形”密集编队执行协同喷施任务,考虑无人机之间允许存在/不存在覆盖重复率的情况,本发明给出了求解最优编队成员数目的方法,所提出的方法能通过有限的步骤和简单的计算准确地找到编队成员数目的最优解。
针对多架无人机采用“一字形”或“V字形”密集编队执行协同喷施任务,在考虑无人机之间允许存在覆盖重复率的情况下,本发明给出了求解无人机之间最优覆盖重复率的方法。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其特征在于,包括以下步骤:
S1.输入多架无人机编队协同喷施问题中所涉及的相关参数:目标区域参数,无人机自身参数,成本函数参数;
S2.构建多架无人机编队协同喷施问题的数学模型;
S3.根据是否允许出现覆盖重复,划分多架无人机编队协同喷施问题的问题类型;
S4.确定最优值的取值范围,并且在该范围内选取最优值。
2.根据权利要求1所述的一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其特征在于:所述的步骤S1中,
输入相关参数,其中,形状规则的目标区域的一边宽为W、长为L,人工成本与路径消耗成本之间的比值α/β′;输入单架无人机的覆盖范围为Ld。
3.根据权利要求1所述的一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其特征在于:所述的步骤S2中,
针对作业区域,和数目为n的无人机群,选定一个执行任务的覆盖方向,以ov表示两架无人机间的覆盖重复率,构建以无人机数目为自变量的路径长度函数、时间消耗函数、以及综合考虑由时间消耗和无人机群能量消耗构成的成本函数;具体过程如下所示:
(2.1)构建以无人机群数目为自变量的路径长度函数,该函数的值为无人机群中所有无人机航迹的总和;
以一架无人机执行喷施任务为例,将用于执行喷施任务的路径记为有效路径,从终点返回起始位置的路径称为往返路径,
无人机群的有效路径总长度:
无人机群总的往返路径长度:
无人机总的路径长度:
d=de+dwf (3)
(2.2)构建以无人机群数目为自变量的时间消耗函数,该函数的值与单架无人机所经过的路径长度和无人机的速度相关;
完成协同喷施任务的时间是:
t=d/v/n (4)
(2.3)构建成本函数,将时间消耗乘以比例系数β折算成人工成本花费,将路径消耗乘以比例系数α折算成油耗成本花费,综合考虑人工成本花费和无人机群的油耗成本花费,构建以无人机群数目为自变量的总的成本函数:
cost=α*d+β*t (5)
以成本函数值作为衡量该方案性能的标准,选取使成本函数值最小的无人机群成员数目。
4.根据权利要求1所述的一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其特征在于:所述的步骤S3中,
针对某一确定的覆盖方向,选择最优编队成员数目进行编队协同喷施作业时,考虑对于某一数目的无人机群,若ov=0时,该数目的无人机群能刚好以“一字型”或“V字形”编队完成协同喷施任务,称这种情况下无人机群的数目为可整除数目,与之相反,若ov为零,该数目的无人机群以“一字型”或“V字形”编队执行协同喷施共同覆盖任务时会出现覆盖到区域外侧的情况,称这种情况下的无人机群数目为不可整除数目,为避免造成环境污染,在该种情况下就必须引入一定的重复率,即ov>0,才能按要求完成协同喷施任务;根据是否允许出现重复,该问题可分为以下两类:
(1)假设无人机之间不允许出现覆盖重复率,即ov=0;在某一确定的覆盖方向下,针对所有可整除数目,选择使无人机群成本函数的值最小的机群中无人机的数目作为最优解;
(2)无人机之间允许出现覆盖重复率,则ov≠0,即针对任意数目在某一确定的覆盖方向下,选择机群的最优数目,并确定该种方案下,无人机群中每架无人机间的重复率。
5.根据权利要求1所述的一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法,其特征在于:所述的步骤S4中,
根据问题类别给出具体的解的过程如下所示:
(4.1)针对第3节所描述的情况,分类讨论两类问题;
(4.2.1.1)当不允许无人机之间有覆盖重复率时,可能的求解范围为任意可整除数目,在该求解范围内,找寻最小值;
(4.2.1.2)具体操作流程如下:
S1:判断W/Ld为奇数还是偶数,并写出所有可整除数目;
S2:若W/Ld为奇数,则接下来判断W/Ld是否是质数;
S2.1:若W/Ld是质数,则判断时间成本与路径成本的比值小于ξ1是否成立;若成立,则最优数目为W/Ld,否则1架无人机执行该任务的成本最低;
S2.2.1:若W/Ld不是质数,则此时任意在取值范围内的无人机均从远端终点返回,无人机群的成本函数可以统一写成如下形式:
Cost(n)=α·di·n+β′·di (6)
若将取值范围缩小到则式(7)可以近似为:
S2.2.2:判断表一中ξ2>0是否成立,若成立,则计算最小值X2,并比较最接近X2的n值以及取值范围内最大的n值时,无人机群分别对应的成本函数值,由此判断ξ3>0是否成立;
若ξ2>0不成立,则n在取值范围取最大值时,成本函数值最小,那么转去步骤S2.2.4;
S2.2.3:若ξ3>0成立,则将集群内无人机数目在范围内取最大值时的成本函数值,与时的成本函数值再做一次比较,以此来得到无人机数目的优化解,由此判断ξ7>0是否成立;
S2.2.4:若ξ3>0不成立,则将无人机数目取最接近X2的值时的成本函数值与时的成本函数值再做一次比较,求解无人机数目的优化解,由此判断ξ6>0是否成立;
至此,已经分析得到W/Ld为奇数时所有可能的情况,并通过最多五次判断可以得到编队成员数目的最优值,使得成本函数值最小;
S3:当W/Ld为偶数时,无人机群既有可能从远返回,也有可能从近端返回;
先缩小求解范围,再给出无人机数目的最优解;
缩小求解范围的具体方法是:在可整除数目中,找到所有近端返回的点,作为新的取值范围;在缩小后的取值范围内,无人机均从近端终点返回;其成本函数如下:
S3.1:看ξ4>0是否成立,如果成立,则转到S3.2,否则选取取值范围内的最大值为最优值;
S3.2:若ξ4>0不成立,计算极小值X22,并比较n在取值范围内取最接近X22的值时,其成本函数值与对应的成本函数值的大小,由此判断ξ5>0是否成立,如果成立,则无人机数目的最优值为取值范围内最接近X22的值,否则最优值为
至此,已经分析了当无人机之间的覆盖重复率为0时各种可能出现的情况并针对各种情况给出了相应的最优解;
(4.2.2.1)当无人机之间允许出现覆盖重复率时,为求得最优编队成员数目以及该种方案下最优的重复率,我们要先缩小求解范围,在该求解范围内寻求最优解;
T1:缩小待选区域:使待选区域中只包含所有纵向路径数目变化的节点所对应的无人机数目;
T2:进一步缩小待选范围:剔除T1中所得待选范围内的所有远端终点返回所对应的无人机群的无人机数目,得到新的更小的待选范围;在缩小后的取值范围内,无人机均从近端终点返回起始位置;其成本函数如下:
为了方便计算,我们进行了上面的近似,之后进入T3,对式(10)求解;
T3:判断对式(10)的成本函数值是否有极小值存在,若存在,进入步骤T4.1;否则进入步骤T4.2;
T4.1:在T2得到的可能解的取值范围内,取出距离成本函数极小值最近的三个可能的值,并且计算各自的成本函数值,其中成本函数值最小的就是要求的最优解;
T4.2:不存在极小值,则整个函数单调递减,最小值在n=W/2Ld处取到;
至此,已经分析了多种可能出现的情况,并为所述情况给出了对应的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810111989.1A CN108427433B (zh) | 2018-02-05 | 2018-02-05 | 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810111989.1A CN108427433B (zh) | 2018-02-05 | 2018-02-05 | 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108427433A true CN108427433A (zh) | 2018-08-21 |
CN108427433B CN108427433B (zh) | 2021-04-16 |
Family
ID=63156518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810111989.1A Active CN108427433B (zh) | 2018-02-05 | 2018-02-05 | 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108427433B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447357A (zh) * | 2018-11-02 | 2019-03-08 | 浙江大学 | 一种货物装载运输卡车调度系统的燃油消耗优化方法 |
CN109511443A (zh) * | 2018-11-15 | 2019-03-26 | 山东理工大学 | 一膜三行栽培模式下棉花脱叶药剂的航空喷施作业方法 |
CN109857137A (zh) * | 2018-12-28 | 2019-06-07 | 一飞智控(天津)科技有限公司 | 植保无人机、操控终端、信息处理中心以及协同控制方法、系统 |
CN111948942A (zh) * | 2020-07-30 | 2020-11-17 | 北京理工大学 | 一种多架旋翼飞行器协作搬运的能量优化方法 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112731969A (zh) * | 2020-12-29 | 2021-04-30 | 浙江量大智能科技有限公司 | 一种面向河流的多无人机水质采样和监测路径优化方法 |
US20210403159A1 (en) * | 2018-10-18 | 2021-12-30 | Telefonaktiebolaget Lm Ericsson (Publ) | Formation Flight of Unmanned Aerial Vehicles |
CN113934232A (zh) * | 2021-11-02 | 2022-01-14 | 山东交通学院 | 基于虚拟图像控制的植保无人机航线规划系统及方法 |
CN114845244A (zh) * | 2022-07-04 | 2022-08-02 | 深圳市盈润科技有限公司 | 一种基于云平台的农业物联网应用分析系统及方法 |
CN116894519A (zh) * | 2023-07-21 | 2023-10-17 | 江苏舟行时空智能科技股份有限公司 | 一种满足用户服务覆盖需求的位置点优化确定方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2353353A1 (en) * | 2010-02-05 | 2011-08-10 | Flander's Mechatronics Technology Centre v.z.w. | In use adaptation of schedule for multi-vehicle ground processing operations |
CN106406354A (zh) * | 2016-11-29 | 2017-02-15 | 中山大学 | 一种基于三维动态避障的分布式飞行器编队实现方法 |
WO2017080406A1 (zh) * | 2015-11-11 | 2017-05-18 | 刘晓阳 | 一种系留无人旋翼飞行器集群平台系统及液体连续喷洒系统 |
CN106873629A (zh) * | 2017-04-14 | 2017-06-20 | 合肥工业大学 | 无人机航空作业任务分配方法及装置 |
CN106969778A (zh) * | 2017-02-28 | 2017-07-21 | 南京航空航天大学 | 一种多无人机协同施药的路径规划方法 |
CN106997209A (zh) * | 2016-01-25 | 2017-08-01 | 深圳市鼎创旭飞科技有限公司 | 植保无人机喷施作业方法和系统 |
JP2017207815A (ja) * | 2016-05-16 | 2017-11-24 | 井関農機株式会社 | 作業車両の制御システム |
CN107479572A (zh) * | 2017-08-02 | 2017-12-15 | 南京理工大学 | 基于仿生的无人机群组实时路径规划方法 |
EP3324724B1 (en) * | 2015-07-17 | 2020-06-03 | Topcon Positioning Systems, Inc. | Agricultural crop analysis drone |
-
2018
- 2018-02-05 CN CN201810111989.1A patent/CN108427433B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2353353A1 (en) * | 2010-02-05 | 2011-08-10 | Flander's Mechatronics Technology Centre v.z.w. | In use adaptation of schedule for multi-vehicle ground processing operations |
EP3324724B1 (en) * | 2015-07-17 | 2020-06-03 | Topcon Positioning Systems, Inc. | Agricultural crop analysis drone |
WO2017080406A1 (zh) * | 2015-11-11 | 2017-05-18 | 刘晓阳 | 一种系留无人旋翼飞行器集群平台系统及液体连续喷洒系统 |
CN106997209A (zh) * | 2016-01-25 | 2017-08-01 | 深圳市鼎创旭飞科技有限公司 | 植保无人机喷施作业方法和系统 |
JP2017207815A (ja) * | 2016-05-16 | 2017-11-24 | 井関農機株式会社 | 作業車両の制御システム |
CN106406354A (zh) * | 2016-11-29 | 2017-02-15 | 中山大学 | 一种基于三维动态避障的分布式飞行器编队实现方法 |
CN106969778A (zh) * | 2017-02-28 | 2017-07-21 | 南京航空航天大学 | 一种多无人机协同施药的路径规划方法 |
CN106873629A (zh) * | 2017-04-14 | 2017-06-20 | 合肥工业大学 | 无人机航空作业任务分配方法及装置 |
CN107479572A (zh) * | 2017-08-02 | 2017-12-15 | 南京理工大学 | 基于仿生的无人机群组实时路径规划方法 |
Non-Patent Citations (2)
Title |
---|
SIYI FAN等: "Route Planning of Agricultural Plant Protection Unmanned Helicopter Based on Interfered Fluid Dynamical System", 《2017 9TH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS (IHMSC)》 * |
徐博等: "多架次作业植保无人机最小能耗航迹规划算法研究", 《农业机械学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210403159A1 (en) * | 2018-10-18 | 2021-12-30 | Telefonaktiebolaget Lm Ericsson (Publ) | Formation Flight of Unmanned Aerial Vehicles |
CN109447357A (zh) * | 2018-11-02 | 2019-03-08 | 浙江大学 | 一种货物装载运输卡车调度系统的燃油消耗优化方法 |
CN109511443A (zh) * | 2018-11-15 | 2019-03-26 | 山东理工大学 | 一膜三行栽培模式下棉花脱叶药剂的航空喷施作业方法 |
CN109511443B (zh) * | 2018-11-15 | 2020-10-13 | 山东理工大学 | 一膜三行栽培模式下棉花脱叶药剂的航空喷施作业方法 |
CN109857137A (zh) * | 2018-12-28 | 2019-06-07 | 一飞智控(天津)科技有限公司 | 植保无人机、操控终端、信息处理中心以及协同控制方法、系统 |
CN111948942B (zh) * | 2020-07-30 | 2022-04-01 | 北京理工大学 | 一种多架旋翼飞行器协作搬运的能量优化方法 |
CN111948942A (zh) * | 2020-07-30 | 2020-11-17 | 北京理工大学 | 一种多架旋翼飞行器协作搬运的能量优化方法 |
CN112731969A (zh) * | 2020-12-29 | 2021-04-30 | 浙江量大智能科技有限公司 | 一种面向河流的多无人机水质采样和监测路径优化方法 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112731969B (zh) * | 2020-12-29 | 2022-11-25 | 合肥一森电子科技有限公司 | 一种面向河流的多无人机水质采样和监测路径优化方法 |
CN113934232A (zh) * | 2021-11-02 | 2022-01-14 | 山东交通学院 | 基于虚拟图像控制的植保无人机航线规划系统及方法 |
CN114845244A (zh) * | 2022-07-04 | 2022-08-02 | 深圳市盈润科技有限公司 | 一种基于云平台的农业物联网应用分析系统及方法 |
CN114845244B (zh) * | 2022-07-04 | 2022-09-13 | 深圳市盈润科技有限公司 | 一种基于云平台的农业物联网应用分析系统及方法 |
CN116894519A (zh) * | 2023-07-21 | 2023-10-17 | 江苏舟行时空智能科技股份有限公司 | 一种满足用户服务覆盖需求的位置点优化确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108427433B (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427433A (zh) | 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 | |
CN105222779B (zh) | 植保无人机的航迹规划方法及装置 | |
CN107037827B (zh) | 无人机航空作业任务分配与航迹规划联合优化方法及装置 | |
Balampanis et al. | Area partition for coastal regions with multiple UAS | |
Gellner et al. | Reconciling the omnivory-stability debate | |
CN108375379A (zh) | 基于变异的双重dqn的快速路径规划方法及移动机器人 | |
CN110442022A (zh) | 带有时滞异构多智能体系统的分组一致性控制方法 | |
Chen et al. | End-to-end deep reinforcement learning for multi-agent collaborative exploration | |
Shi et al. | A graph-theoretic approach on optimizing informed-node selection in multi-agent tracking control | |
Lin | Consensus based on learning game theory with a UAV rendezvous application | |
CN111580514A (zh) | 基于联合编队的移动机器人最优路径覆盖方法 | |
CN112286189A (zh) | 一种作业路线规划方法、装置、无人设备和存储介质 | |
CN112418636B (zh) | 虚拟电厂自组织聚合运行调度方法 | |
CN112099498A (zh) | 基于参数化Thiele连分式插值的路径规划方法及系统 | |
CN108759841A (zh) | 一种复杂环境下的快速航路规划方法 | |
Iima et al. | Swarm reinforcement learning method for a multi-robot formation problem | |
CN110490319A (zh) | 基于融合神经网络参数的分布式深度强化学习 | |
Xu et al. | A multi-robot pattern formation algorithm based on distributed swarm intelligence | |
Mukherjee et al. | Cross-diffusion induced Turing and non-Turing patterns in Rosenzweig–MacArthur model | |
Meyer | Discontinuity induced bifurcations in timed continuous Petri nets | |
Lauri et al. | Ant colony optimization applied to the multi-agent patrolling problem | |
Kassir et al. | Decentralised information gathering with communication costs | |
Maudet et al. | Representation of interactions in a multi-level multi-agent model for cartography constraint solving | |
Fang et al. | Collaborative multi-agent reinforcement learning based on a novel coordination tree frame with dynamic partition | |
Kim et al. | Disentangling successor features for coordination in multi-agent reinforcement 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 |