CN109186611B - 无人机飞行路径分配方法及装置 - Google Patents

Abstract

本发明公开了无人机飞行路径分配方法及装置，通过改进的基于分支定界法基本思想的路径分配算法，对路径分配的min‑max整数规划问题进行求解；再通过优化后的解来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务。本发明能够帮助用户解决无人机在完成飞行任务且满足约束条件的前提下，保证多架无人机的并行飞行时间最短、实现最优路径分配的问题。

Description

无人机飞行路径分配方法及装置

技术领域

本发明属于无人机控制技术领域，特别涉及了无人机飞行路径分配方法及装置。

背景技术

随着数字通信技术、自动控制技术、人工智能技术等高新技术的迅猛发展，以及航拍、测绘等民用领域和现代战争中侦察打击等军用领域的迫切需求，无人机的相关研究应用已进入了一个突飞猛进的发展阶段。然而，在“陆、海、空、天、电、网”六维一体化的复杂环境限制下，单架无人机往往会因为实时性、完备性、可靠性等不足制约了任务的最优化实现，导致任务不能在规定时限内尽早完成，也造成更多的衍生问题。

在对多无人机执行任务所带来的问题展开研究时，任务上的耦合性使得协同问题也应运而生，如何才能实现合理有效的协同控制？其中一个关键的技术挑战是，在无人机种类、任务要求等复杂因素的约束下，在保证所有任务均完成的前提下，如何才能为每架无人机分配出高效的可飞任务路径，使得无人机的任务并行完成时间，即无人机并行飞行时间最短。

然而，现有的工作大多使用群智能算法，并没有从确定性优化算法的角度尝试求解此类问题。群智能算法不同于线性规划、凸优化等确定性优化算法，而是一种概率性优化算法，虽然在某些情况下可以寻找到问题的解，但是其存在理论基础薄弱、优化结果不确定、无法证明收敛性等缺点，大大制约算法的应用。因此运用确定性优化算法对无人机飞行路径分配问题进行分析是必不可少的。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供无人机飞行路径分配方法及装置，运用确定性优化算法，在完成飞行任务且满足约束条件的前提下，实现无人机飞行路径的最优分配。

为了实现上述技术目的，本发明的技术方案为：

一种无人机飞行路径分配方法，通过改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解；再通过优化后的解来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务；所述改进的基于分支定界法基本思想的路径分配算法如下：

获取当前路径分配的min-max问题的任意可行解，开始迭代；获取可行解中对应任务执行时间最长的被某架已激活无人机所访问的路径，令该路径取消访问；随后依次按照无人机架数、路径种类、无人机种类的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”；直到所有分析完成后，更新当前迭代后的解，并进行下次迭代，即重新找出任务执行时间最长的被访问路径，直至满足迭代停止要求；最终获得优化后的解。

进一步地，所述路径分配的min-max整数规划问题是以最小化所有无人机的最大任务执行时间为问题目标函数，以多种任务要求、多种无人机飞行性能、优化变量的0-1约束为约束条件。

进一步地，所述针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”具体是指，改变当前所分析路径的访问状态，并计算改变前、后两个支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；若T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

一种无人机飞行路径分配装置，包括：

求解模块：根据改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解

分配模块：通过优化后的解，来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务；

所述求解模块包括：

初始化单元：用于获取当前路径分配的min-max问题的任意可行解，同时开始迭代；

获取单元：用于获取可行解中对应任务执行时间最长的被某架已激活无人机所访问的路径，令该路径取消访问；

分析单元：用于依次按照无人机架数、路径种类、无人机种类的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”；

迭代单元：用于所有分析完成后，更新当前迭代后的解，并进行下次迭代，即重新返回至获取单元重复上述操作，直至满足迭代停止要求；

输出单元：用于获得问题优化后的解，并将优化后的解输出到分配模块。

进一步地，所述初始化单元中路径分配的min-max整数问题是以最小化所有无人机的最大任务执行时间为问题目标函数，以多种任务要求、多种无人机飞行性能、优化变量的0-1约束为约束条件。

进一步地，所述分析单元中的“分支”和“剪支”具体是指，改变当前所分析路径的访问状态，并计算改变前后两个支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；若T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

一种无人机飞行路径分配装置，包括：

存储器，用于存储指令和数据；

处理器，与所述存储器耦合，所述处理器被配置为调用并执行存储在存储器中的指令与数据，具体为：

所述处理器，用于根据改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解，其具体过程如下：

处理器获取当前路径分配的min-max问题的任意可行解，同时开始进行迭代；获取可行解中对应任务执行时间最长的被某架已激活无人机所访问的路径，令该路径取消访问；依次按照无人机架数、路径种类、无人机种类的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”；在所有分析完成后，更新当前迭代后的解，并进行下次迭代，即重新找出任务执行时间最长的被访问路径，直至满足迭代停止要求；最终获得问题优化后的解，并将其存储至存储器；

所述处理器，用于通过优化后的解来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务。

进一步地，所述处理器中的min-max整数规划最优化问题是以最小化所有无人机的最大任务执行时间为问题目标函数，以多种任务要求、多种无人机飞行性能、优化变量的0-1约束为约束条件。

进一步地，所述处理器中具体用于进行“分支”和“剪支”的操作包括：改变当前所分析路径的访问状态，并计算改变前后两个支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；若T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

采用上述技术方案带来的有益效果：

本发明通过所述方法或装置中的改进的基于分支定界法基本思想的路径分配算法来求解对应的min-max整数规划问题，从而获取每架无人机对应的最优飞行路径，从而使得无人机完成诸如军事侦察、火力打击、传感器数据收集、农药喷洒、物资抛放等多项任务，并且在满足约束条件的前提下，使其并行飞行时间最短，实现最优路径分配。

附图说明

图1是本发明的适用场景示意图；

图2是本发明无人机飞行路径分配方法的流程图；

图3是本发明无人机飞行路径分配方法中路径分配算法的具体流程图；

图4是本发明分支定界法基本思想的具体流程图；

图5是本发明无人机飞行路径分配装置的结构示意图；

图6为本发明另一种无人机飞行路径分配装置的结构示意图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

图1是本发明无人机飞行路径分配方法及装置的场景示意图；即考虑无人机基地中的无人机(unmanned aerial vehicle,UAV)在需要同时执行多种任务时，进行最优路径分配的场景。

图2是本发明无人机飞行路径分配方法的流程示意图，包括：

S201、通过改进的基于分支定界法基本思想的路径分配算法对路径分配的min-max整数规划问题进行求解；

S202、通过优化后的解，来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务。

具体地，本发明将通过以下实施例来阐述所提出的无人机飞行路径分配方法。

所述实施例背景为多架无人机出动去同时执行目标侦察任务以及数据采集任务。所述目标侦察任务为基地中的一部分无人机遍历所有目标进行侦察，所述数据采集任务为一部分无人机去采集目标处传感器的相关数据，由于每个目标处都设置有传感器，因此所有目标均需要遍历。

首先为了方便描述，假设基地所处的位置为二维平面上的某点B。设任务目标集合为T₀＝{1,2,…,N_T}；无人机种类集合为：

D₁＝{1,2,…,N₁},D₂＝{1,2,…,N₂}，其中N₁＝card(D₁)为所有总种类数目，N₂＝card(D₂)为所有执行数据采集的无人机总种类数目。且N₁-1＝N₂，即第N₁种无人机执行数据采集,前1～N₂种执行目标侦察任务。针对第d∈D₁种无人机，其所有无人机集合为V_d＝{1,2,…,N_d}，v_d为无人机集合V_d中的第v_d架，N_d＝card(V_d)为该种类型无人机的最大数目，并且其最大巡航时间和最大巡航速度为T_d和s_d。无人机数目集合为

假设无人机各自可飞任务路径已知且无路径碰撞，且无人机均从基地起飞最后返回该基地。令

为第d∈D₁种第v_d∈V_d架无人机在满足该种无人机任务目标要求下的可飞路径种类集合，

为此时的可飞路径种类总数目。则可飞任务路径总种类集合为

此外，本发明中假设无人机的起飞时刻相同，并忽略无人机起飞降落时间。在此基础上，确定可飞任务种类路径集合上对应的每条路径的任务执行时间

其中

随后定义路径优化变量矩阵W以及矩阵元素

并使用“激活”和“访问”来代指无人机和路径所处的状态。其中“激活”是指：基地中某无人机起飞并巡航执行任务，则可称该无人机被“激活”；而“访问”则是指：若某无人机在其所属的某条可飞路径上执行任务遍历目标，则可称该路径被“访问”。若

则即说明基地中第d∈D种类型的无人机集合V_d中的第v_d架被“激活”去执行任务遍历目标,且“访问”其所对应的第

条路径。否则，该架无人机未被“激活”，且路径将不会被“访问”。并假设无人机最多“激活”N_m架，也即是无人机的最大任务架数为N_m。

同时，本发明中将构造路径目标向量

来保证所有的目标均能被无人机遍历。基地中第d∈D种第v_d架无人机所对应的第

条路径的路径目标向量

表征该路径所能遍历的目标个数以及目标对应的序号，且

若某目标处于该路径上，则该目标在路径目标向量中的对应元素置为1，否则为0。由于路径集合已知，因此每条路径的对应路径目标向量同样已知。

本实施例所对应的路径分配的min-max整数规划问题如下所示，其中已使用中间变量t对该问题进行了简化。

subject to

(C1):

(C2):

(C3):

(C4):

(C5):

(C6):

(C7):

此时本实施例将执行上述S201步骤，根据所提出的无人机飞行路径分配算法，来对上述路径分配的最优化问题进行求解。需要说明的是，本发明所提出的运用于S201步骤中的无人机飞行路径分配算法是对已有的整数规划算法，即分支定界法所做出的改进，运用了分支定界法的基本思想：通过不断的“分支”、“定界”、“剪支”等操作，使问题迭代分解为一个个小的易于求解的子问题。

图3是本发明无人机飞行路径分配方法中路径分配算法的具体流程图，图4是分支定界法基本思想的具体流程图。

无人机飞行路径分配算法伪代码如下所示。为方便起见，设

以及

因此路径优化变量矩阵W可以认为是一个大小为

的三维矩阵，并且伪代码中均用

来代替矩阵元素

如果某种类的无人机数量不足以达到最大数量N_dm或者路径数量不足以达到

则其对应矩阵元素值为0。

无人机飞行路径分配算法伪代码：

1：初始化路径优化变量矩阵可行解W，计算问题的初始目标函数值t⁰，令t_min＝t⁰。设置迭代次数n₁＝1,n₂＝1，规定迭代次数为N₁，所有可飞任务路径个数为N₂。设置初始分析的可飞路径为W(1,1,1)；

2：外层迭代：

3：找出W中对应任务执行时间最大的元素，记为W(m,p,q)，并令W(m,p,q)＝0；

4：内层迭代：(依次按

v_d,d的顺序进行迭代，n₂只起计数作用)

5：分支：

若是，令

否则

6：令当前路径优化变量矩阵为W′；

7：计算此时目标函数值

8：定界：tⁿ＜t_min？若是，则转9；否则直接转10；

9：判断：W′是否满足约束条件？若是，令t_min＝tⁿ，并转11；否则转10；

10：剪支：即剪去W′这一分支，不进行路径优化变量的更新，并令W'＝W；

11：更新：W＝W′,n₂＝n₂+1；

12：内层迭代停止：路径优化变量的所有路径均已被分析。即n₂＝N₂；

13：重新设置初始分析的可飞任务路径为W(1,1,1)，且更新：W＝W′,n₁＝n₁+1；

14：外层迭代停止：迭代次数达到要求，即n₁＝N₁，得到优化后的可行解W。

得到优化后的可行解W后，本实施例执行上述S202步骤，通过路径优化变量矩阵W的物理含义，也就是矩阵元素与路径的对应关系，来获取和分配每架无人机所对应的最优飞行路径，从而完成飞行任务，使得并行时间最短。

本实施例中，通过所提出的改进的基于分支定界法基本思想的路径分配算法，对具有实施例背景和特点的路径分配问题进行求解，从而得到每架无人机对应的最优飞行路径，使得无人机并行飞行时间最短，实现最优路径分配。

图5是本发明提供的一种无人机飞行路径分配装置的结构示意图，该装置可以集成在基地中的无人机指挥中心调度器上，如图5所示，该装置包括：求解模块501和分配模块502，其中：

求解模块501：用于根据所提出的一种改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解；

分配模块502：用于通过优化后的解，来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务。

进一步地，求解模块501中的改进的基于分支定界法基本思想的路径分配算法还包括：

初始化单元5011：用于获取当前路径分配的min-max问题的任意可行解，同时开始迭代；

获取单元5012：用于获取可行解中对应任务执行时间最长的被某架已“激活”无人机所“访问”的路径，令该路径取消“访问”；

分析单元5013：用于依次按照“无人机架数”、“路径种类”、“无人机种类”的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”；

迭代单元5014：用于所有分析完成后，更新当前迭代后的解，并进行下次迭代，即重新返回至获取单元重复上述操作，直至满足迭代停止要求；

输出单元5015：用于获得问题优化后的解，并将优化后的解输出到分配模块。

进一步地，所述初始化单元5011中的路径分配的min-max整数问题，包括：问题目标函数为最小化所有无人机的最大任务执行时间，约束条件为多种任务要求、多种无人机飞行性能、优化变量的0-1约束等。

进一步地，所述分析单元5013中的“分支”和“剪支”还包括：改变当前所分析路径的“访问”状态，并计算改变前后两支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；如果T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

本实施的无人机飞行路径分配装置可以执行图2所示方法的实施例的技术方案，其实现原理类似，在此不再赘述。

本装置中，通过所提出的改进的基于分支定界法基本思想的路径分配算法，对具有实施例背景和特点的路径分配问题进行求解，从而得到每架无人机对应的最优飞行路径，使得无人机并行飞行时间最短，实现最优路径分配。

图6为本发明提供的另一种无人机飞行路径分配装置的结构示意图，如图6所示，该装置包括：存储器601和处理器602，其中：

存储器601，用于存储指令和数据；

处理器602，与所述存储器601耦合，所述处理器602被配置为调用并执行存储在存储器601中的指令与数据，具体为：

处理器602，用于根据所提出的一种改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解；

处理器602，通过优化后的解，来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务。

进一步地，所述处理器602所根据的改进的基于分支定界法基本思想的路径分配算法包括：

所述处理器602，具体用于获取当前路径分配的min-max问题的任意可行解，同时用于开始进行迭代；还用于获取可行解中对应任务执行时间最长的被某架已“激活”无人机所“访问”的路径，令该路径取消“访问”；并用于依次按照“无人机架数”、“路径种类”、“无人机种类”的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”。接着用于所有分析完成后，更新当前迭代后的解，并进行下次迭代，即重新找出任务执行时间最长的被“访问”路径并重复上述操作，直至满足迭代停止要求；最后用于获得问题优化后的解，并将其存储至存储器601。

进一步地，所述处理器602中的min-max整数规划最优化问题，包括：问题目标函数为最小化所有无人机的最大任务执行时间，约束条件为多种任务要求、多种无人机飞行性能、优化变量的0-1约束等。

进一步地，所述处理器602具体用于进行“分支”和“剪支”的操作包括：用于改变当前所分析路径的“访问”状态，并计算改变前后两个支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；如果T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

本实施的无人机飞行路径分配装置可以执行图2所示方法的实施例的技术方案，其实现原理类似，在此不再赘述。

本装置中，通过所提出的改进的基于分支定界法基本思想的路径分配算法，对具有实施例背景和特点的路径分配问题进行求解，从而得到每架无人机对应的最优飞行路径，使得无人机并行飞行时间最短，实现最优路径分配。

实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (9)

1.一种无人机飞行路径分配方法，其特征在于，通过改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解；再通过优化后的解来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务；所述改进的基于分支定界法基本思想的路径分配算法如下：

获取当前路径分配的min-max整数规划问题的任意可行解，开始迭代；获取可行解中对应任务执行时间最长的被某架已激活无人机所访问的路径，令该路径取消访问；随后依次按照无人机架数、路径种类、无人机种类的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”；直到所有分析完成后，更新当前迭代后的解，并进行下次迭代，重新找出任务执行时间最长的被访问路径，直至满足迭代停止要求；最终获得优化后的解。

2.根据权利要求1所述无人机飞行路径分配方法，其特征在于，所述路径分配的min-max整数规划问题是以最小化所有无人机的最大任务执行时间为问题目标函数，以多种任务要求、多种无人机飞行性能、优化变量的0-1约束为约束条件。

3.根据权利要求1所述无人机飞行路径分配方法，其特征在于，所述针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”具体是指，改变当前所分析路径的访问状态，并计算改变前、后两个支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；若T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

4.一种无人机飞行路径分配装置，其特征在于，该装置包括：

求解模块：根据改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解

分配模块：通过优化后的解，来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务；

所述求解模块包括：

初始化单元：用于获取当前路径分配的min-max整数规划问题的任意可行解，同时开始迭代；

获取单元：用于获取可行解中对应任务执行时间最长的被某架已激活无人机所访问的路径，令该路径取消访问；

分析单元：用于依次按照无人机架数、路径种类、无人机种类的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”；

迭代单元：用于所有分析完成后，更新当前迭代后的解，并进行下次迭代，重新返回至获取单元重复上述操作，直至满足迭代停止要求；

输出单元：用于获得问题优化后的解，并将优化后的解输出到分配模块。

5.根据权利要求4所述无人机飞行路径分配装置，其特征在于，所述初始化单元中路径分配的min-max整数规划问题是以最小化所有无人机的最大任务执行时间为问题目标函数，以多种任务要求、多种无人机飞行性能、优化变量的0-1约束为约束条件。

6.根据权利要求4所述无人机飞行路径分配装置，其特征在于，所述分析单元中的“分支”和“剪支”具体是指，改变当前所分析路径的访问状态，并计算改变前后两个支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；若T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

7.一种无人机飞行路径分配装置，其特征在于，该装置包括：

存储器，用于存储指令和数据；

处理器，与所述存储器耦合，所述处理器被配置为调用并执行存储在存储器中的指令与数据，具体为：

所述处理器，用于根据改进的基于分支定界法基本思想的路径分配算法，对路径分配的min-max整数规划问题进行求解，其具体过程如下：

处理器获取当前路径分配的min-max整数规划问题的任意可行解，同时开始进行迭代；获取可行解中对应任务执行时间最长的被某架已激活无人机所访问的路径，令该路径取消访问；依次按照无人机架数、路径种类、无人机种类的次序进行分析，针对优化变量的0-1特性进行“分支”，并依据最优化问题进行“剪支”；在所有分析完成后，更新当前迭代后的解，并进行下次迭代，重新找出任务执行时间最长的被访问路径，直至满足迭代停止要求；最终获得问题优化后的解，并将其存储至存储器；

所述处理器，用于通过优化后的解来获取和分配每架无人机所对应的最优飞行路径，完成飞行任务。

8.根据权利要求7所述无人机飞行路径分配装置，其特征在于，所述处理器中的min-max整数规划问题是以最小化所有无人机的最大任务执行时间为问题目标函数，以多种任务要求、多种无人机飞行性能、优化变量的0-1约束为约束条件。

9.根据权利要求7所述无人机飞行路径分配装置，其特征在于，所述处理器中具体用于进行“分支”和“剪支”的操作包括：改变当前所分析路径的访问状态，并计算改变前后两个支路的目标函数值T_before和T_after；若改变后的支路不满足约束条件，则舍弃该支路；若T_before≤T_after，则同样舍弃该支路，否则舍弃原支路。

Images