CN110414722A - 基于能耗公平的无人机协同侦察路径规划方法 - Google Patents

Abstract

本发明公开了一种基于能耗公平的无人机协同侦察路径规划方法，利用旅行商问题的算法，计算一条覆盖所有目标点的路径，使其总的能量消耗最小；利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的初始路径；将每架无人机的初始路径，加上无人机从起点飞行到侦察区域的路径，构成K架无人机的闭合路径。本发明有效降低了无人机的最大能耗，提高了无人机之间能耗公平性，保证了侦察任务顺利完成。

Description

基于能耗公平的无人机协同侦察路径规划方法

技术领域

本发明属于无人机路径规划领域，具体为一种基于能耗公平的无人机协同侦察路径规划 方法。

背景技术

在侦察应用中，采用无人机执行侦察任务比载人飞机更经济、更安全。与此同时，高分 辨率摄像机、传感器和GPS可以安装在低成本的无人机上，保证了比地面传感器网络更好的 区域侦察效果。传统的侦察方式主要是部署静态的无人机覆盖地面网络进行侦察。但是对于 范围较大的侦察区域，需要部署的无人机数量较多，将会带来较大的开销。因此，采用动态 的无人机执行侦察任务会有效的提高侦察效率。但这就需要对无人机的路径进行规划。

现有的路径规划方法大多针对单架无人机的路径进行规划。但随着作战要求的不断提高 和防空体系的日益完善，依靠单架无人机执行侦察任务已不能满足当前需求，而以编队形式 执行任务的无人机群能有效克服单架无人机的性能缺陷，提高侦察的效能。但在实际应用中， 每架无人机能量有限，一旦能量耗尽将无法完成任务并且返回基地。因此，无人机之间的能 耗公平性问题是整个侦察任务能否成功的关键。与此同时，多无人机路径规划方法相对于单 无人机路径规划带来了新的难度，例如任务分配和无人机协同等。现有的多无人机路径规划 方法在进行路径规划、解决任务分配和协同等问题时，大多以最小化所有无人机总能耗为目 标，没有考虑多无人机之间的能耗公平性。这种方法往往可能会出现单架无人机能量消耗过 大而无法继续执行侦察任务的情况。

发明内容

本发明的目的在于提供一种基于能耗公平的无人机协同侦察路径规划方法。

实现本发明目的的技术方案如下：一种基于能耗公平的无人机协同侦察路径规划方法， 包括以下步骤：

步骤1、将地面目标点网络构建为完全无向图G＝(V,E)，其中，V中的每个顶点表示要 覆盖的目标点，E中的每条边代表无人机要飞行的路径；

步骤2、利用旅行商问题的算法，计算一条覆盖所有目标点的路径，使其总的能量消耗 最小；

步骤3、利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的 初始路径；

步骤4、将每架无人机的初始路径，加上无人机从起点飞行到侦察区域的路径，构成K 架无人机的闭合路径。

优选地，步骤3利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无 人机的初始路径的具体步骤为：

步骤3.1、根据步骤2得到的路径，计算运动能耗w(v_j,v_j+1)、悬停和通信能耗h(v_j)以 及总能耗W(C)，v_j∈V表示目标点；

步骤3.2、计算路径分解向量B＝(B₁,...,B_i,...,B_K)，其中K为无人机数量；

步骤3.3、根据步骤2得到的路径，建立目标点和路径的组合序列 VE＝(ve₀＝v₀,ve₁＝e(v₀,v₁),ve₂＝v₁,ve₃＝e(v₁,v₂),...,ve_2n+1＝v₀)，其中v_m表示目标点，e(v_m,v_m+1) 表示目标点v_j和v_j+1之间的路径；

步骤3.4、计算目标点和路径的子序列(ve_o,ve₁,...,ve_j(i))的总权重 wh(ve_o,ve₁,ve₂,ve₃,...,ve_j(i))＝h(ve₀)+w(ve₁)+h(ve₂)+w(ve₃)+....+h(ve_j(i))/w(ve_j(i))，其中 h(ve_2j)为悬停和通信能耗之和，w(ve_2j+1)为运动能耗；

步骤3.5、根据判定条件wh(ve_o,ve₁,...,ve_j(i))≤B_i，在VE序列中寻找路径分界点ve_j(i)， 1≤i≤K；

如果路径分界点ve_j(i)是边，则将该边删除，ve_j(i)＝ve_j(i)-1作为无人机i初始路径的终点， ve′_j(i)＝ve_j(i)+1作为无人机i+1初始路径的起始点；

如果路径分界点ve_j(i)是点，则ve_j(i)＝ve_j(i)-2作为无人机i初始路径的终点，ve′_j(i)＝ve_j(i)作为无人机i+1初始路径的起始点；

步骤3.6、重复步骤3.5，直到i＝K，得到K架无人机路径片段C＝{C₁,...,C_i,...,C_K}， 其中C_i为无人机i的初始路径，即C_i＝(ve′_j(i-1),...,ve_j(i))。

优选地，运动能耗具体为：

w(v_j,v_j+1)＝Q·l

其中，Q为单位长度能量消耗率；l为无人机飞行的路径长度；

悬停能耗为：

其中，为无人机在目标点j消耗的悬停能量；P_hv为无人机悬停时的功率；t_j为无人 机在目标点j的悬停时间；

通信能耗为：

其中，e_tx是1bit的数据量传输1米所需要的能量；α是传输介质的路径损耗指数，d_i,R为侦察无人机i与中继无人机R之间的距离；

总能耗W(C)由运动、悬停和通信能耗三部分组成，具体为：

其中UT_i是无人机i的轨迹。

本发明与现有技术相比，其显著优点为：本发明以最小化能耗最大的无人机的能耗为目 标，在规划一条无人机路径后采用侦察目标点任务分配和路径分解的方法解决面向能耗公平 的多无人机协同侦察路径规划问题；本发明利用保证各个无人机之间的能耗公平性的算法来 对无人机的路径进行规划，有效降低了无人机的最大能耗，提高了无人机之间能耗公平性， 保证了侦察任务顺利完成。

附图说明

图1为面向多无人机的侦察系统示意图。

图2为单架无人机飞行过程中执行侦察任务时信息传输示意图。

图3为本发明的流程示意图。

图4为本发明各个无人机能耗与目标点数关系仿真结果图。

图5为本发明多无人机最大能耗与目标点数关系仿真结果图。

图6为本发明多无人机平均能耗与目标点数关系仿真结果图。

图7为本发明多无人机间能耗标准差与目标点数关系仿真结果图。

图8为本发明多无人机最大能耗与无人机个数关系仿真结果图。

图9为本发明多无人机平均能耗与无人机个数关系仿真结果图。

图10为本发明多无人机间能耗标准差与无人机个数关系仿真结果图。

具体实施方式

一种基于能耗公平的无人机协同侦察路径规划方法，如图所示，考虑有K架无人机协 同对目标点进行侦察，拍摄其视频信息并通过中继无人机传回基站。在考虑运动、通信和悬 停能耗的前提下，通过对K架无人机路径的规划，实现能耗的公平性，具体步骤为：

步骤1、基于能耗公平的无人机协同侦察路径规划问题等价于用K条路径覆盖图中的所 有顶点，使权重最大的无人机路径的权重最小化。利用图论的知识，将地面目标点网络构建 成一个完全无向图G＝(V,E)。其中V中的每个顶点表示要覆盖的目标点，E中的每条边代 表无人机要飞行的路径。对于顶点v_j∈V，用顶点权重h(v_j)表示通信和悬停的能量消耗。 对于边e(v_j,v_j+1)∈E，边权重w(v_j,v_j+1)表示运动能耗。

路径规划的目的是用K架无人机覆盖图中的所有顶点，使点权重和边权重之和最大的 无人机路径的权重最小化。该问题的能耗模型主要包括运动、通信和悬停能耗。其中运动能 耗主要取决于无人机飞行路径的长度，可以表述为：

E_m＝Q·l

其中Q为单位长度能量消耗率，以J/m为单位，l为无人机飞行的路径长度。悬停能耗 主要与其悬停的时间有关，我们定义为：

成功的无线数据传输所需要的能量受两个通信节点之间的距离以及数据量、信道等因素 的影响。基于此，我们将通信能耗定义为：

其中e_tx是1bit的数据量传输1米所需要的能量；α是传输介质的路径损耗指数，这主 要取决于传输环境。此外，d_i,R为侦察无人机i与中继无人机R之间的距离。

侦察无人机的总能耗由运动、悬停和通信能耗三部分组成，可以表示为：

其中UT_i是无人机i的轨迹。

为了实现各个无人机之间的能耗公平性，优化目标是使能耗最大的无人机能耗最小化。 该基于能耗公平的无人机协同侦察路径规划问题可被建模为如下优化问题：

该模型的优化目标是最小化耗能最多的无人机的总能耗，第一个限制条件保证了无人机 的飞行速度不超过其最大速度；第二个限制条件保证了多无人机飞行的时候避免碰撞，d_min为无人机之间保证避碰的最小距离；第三个限制条件保证了每个目标点v_j有且只被一个侦 察无人机覆盖。

步骤2、利用旅行商问题的算法，计算一条覆盖所有目标点的路径C，使其总的能量消 耗最小。在某些实施例中，利用克里斯托菲德斯算法(Christofides algorithm)完成路径C的 计算，其是旅行商问题在度量空间(即距离对称且满足三角不等式)上的一个近似算法。该 算法可以保证相对最优哈密尔顿回路长度有3/2的近似比。

步骤3、利用路径分解算法将步骤2中得到的路径C进行分解，并且把N个侦察目标点分配给K架无人机，保证各个无人机之间的能耗公平性，具体如下：

步骤3.1、根据步骤2得到的路径，计算运动能耗w(v_j,v_j+1)、悬停和通信能耗h(v_j)以 及总能耗W(C)，v_j∈V表示目标点；

运动能耗主要取决于无人机飞行路径的长度，具体为：

w(v_j,v_j+1)＝Q·l

其中,Q为单位长度能量消耗率；l为无人机飞行的路径长度；

悬停能耗为：

其中，为无人机在目标点j消耗的悬停能量；P_hv为无人机悬停时的功率；t_j为无人 机在目标点j的悬停时间；

成功的无线数据传输所需要的能量受两个通信节点之间的距离以及数据量、信道等因素

的影响，则通信能耗为：

其中，e_tx是1bit的数据量传输1米所需要的能量；α是传输介质的路径损耗指数，d_i,R为侦察无人机i与中继无人机R之间的距离；

总能耗W(C)由运动、悬停和通信能耗三部分组成，具体为：

其中UT_i是无人机i的轨迹。

步骤3.2、计算路径分解向量B＝(B₁,...,B_i,...,B_K)，其中

步骤3.3、根据步骤2得到的路径C，建立目标点和路径的组合序列 VE＝(ve₀＝v₀,ve₁＝e(v₀,v₁),ve₂＝v₁,ve₃＝e(v₁,v₂),...,ve_2n+1＝v₀)，其中v_m表示目标点，e(v_m,v_m+1) 表示目标点v_j和v_j+1之间的路径；

步骤3.4、计算目标点和路径的子序列(ve_o,ve₁,...,ve_j(i))的总权重 wh(ve_o,ve₁,ve₂,ve₃,...,ve_j(i))＝h(ve₀)+w(ve₁)+h(ve₂)+w(ve₃)+....+h(ve_j(i))/w(ve_j(i))，其中 h(ve_2j)为悬停和通信能耗之和，w(ve_2j+1)为运动能耗；

步骤3.5、根据判定条件wh(ve_o,ve₁,...,ve_j(i))≤B_i，在VE序列中寻找路径分界点ve_j(i)， 1≤i≤K；

如果路径分界点ve_j(i)是边，则将该边删除，ve_j(i)＝ve_j(i)-1作为无人机i初始路径的终点， ve′_j(i)＝ve_j(i)+1作为无人机i+1初始路径的起始点；

如果路径分界点ve_j(i)是点，则ve_j(i)＝ve_j(i)-2作为无人机i初始路径的终点，ve′_j(i)＝ve_j(i)作为无人机i+1初始路径的起始点；

步骤3.6、重复步骤3.5，直到i＝K，得到K架无人机路径片段C＝{C₁,...,C_i,...,C_K}， 其中C_i为无人机i的初始路径，即C_i＝(ve′_j(i-1),...,ve_j(i))。

步骤4、将每架无人机的初始路径，加上无人机从起点飞行到侦察区域的路径，构成K 架无人机的闭合路径。

实施例

如图2、3所示，一种基于能耗公平的无人机协同侦察路径规划方法，将其应用到具体 实例上，保证多无人机之间的能耗公平性，具体应用如下：

考虑用多架无人机对区域5km×5km的区域内N个目标点进行侦察。所有无人机都从初 始位置(0,0,50)开始飞行。无人机间避碰的最小距离为100m。无人机的运动能耗Q为13.19J/m，悬停功率P_hv为237J/s，通信能量参数e_tx为10pJ/(m·bit)。本实施例比较了3 种不同的路径规划方法，分别为：1)每架无人机负责侦察的目标点数量相同。首先计算一 条覆盖所有目标点的路径，然后根据任务数相等的原理对路径进行分解；2)利用多旅行商 问题的算法得到每架无人机的轨迹；3)将N个目标点分为K个簇。然后使用利用旅行商问 题的算法计算每个簇的轨迹。

图4表示在目标点个数由10增长至100的过程中，三个无人机各自能耗变化趋势；图 5～7分别表示在无人机总个数为3时，目标点个数由10增长至100的过程中，无人机最大能耗、平均能耗和标准差的变化趋势；图8～10分别表示在目标个数为100时，无人机数由 2增加到10的过程中，无人机最大能耗、平均能耗和标准差的变化趋势；

如图4所示，随着目标点个数的增加，三架无人机之间能耗差距逐渐变小，可以保证侦 察无人机之间的能耗公平性。

如图5和图7所示，随着目标点个数的增多，采用本发明来对多无人机路径进行规划， 无人机的最大能耗和标准差都要小于其它三种方案。如图6所示，当目标点个数超过一定阈 值，本发明的无人机的平均能耗是最小的。

如图8～10所示，随着无人机个数的增多，本发明无人机的最大能耗、平均能耗和标准 差依然小于另外2方案。并且由图8和图9可得，无人机组个数小于等于5时，无人机最大 能耗和平均能耗下降较快，当无人机个数大于5时，两种能耗均下降迟缓，因此从经济角度， 无人机数可根据实验结果选择合适的值，达到经济高效的效果。

Claims (3)

1.一种基于能耗公平的无人机协同侦察路径规划方法，其特征在于，包括以下步骤：

步骤1、将地面目标点网络构建为完全无向图G＝(V,E)，其中，V中的每个顶点表示要覆盖的目标点，E中的每条边代表无人机要飞行的路径；

步骤2、利用旅行商问题的算法，计算一条覆盖所有目标点的路径，使其总的能量消耗最小；

步骤3、利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的初始路径；

步骤4、将每架无人机的初始路径，加上无人机从起点飞行到侦察区域的路径，构成K架无人机的闭合路径。

2.根据权利要求1所述的基于能耗公平的无人机协同侦察路径规划方法，其特征在于，步骤3利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的初始路径的具体步骤为：

步骤3.1、根据步骤2得到的路径，计算运动能耗w(v_j,v_j+1)、悬停和通信能耗h(v_j)以及总能耗W(C)，v_j∈V表示目标点；

步骤3.2、计算路径分解向量B＝(B₁,...,B_i,...,B_K)，其中K为无人机数量；

步骤3.3、根据步骤2得到的路径，建立目标点和路径的组合序列VE＝(ve₀＝v₀,ve₁＝e(v₀,v₁),ve₂＝v₁,ve₃＝e(v₁,v₂),...,ve_2n+1＝v₀)，其中v_m表示目标点，e(v_m,v_m+1)表示目标点v_j和v_j+1之间的路径；

步骤3.4、计算目标点和路径的子序列(ve_o,ve₁,...,ve_j(i))的总权重wh(ve_o,ve₁,ve₂,ve₃,...,ve_j(i))＝h(ve₀)+w(ve₁)+h(ve₂)+w(ve₃)+....+h(ve_j(i))/w(ve_j(i))，其中h(ve_2j)为悬停和通信能耗之和，w(ve_2j+1)为运动能耗；

步骤3.5、根据判定条件wh(ve_o,ve₁,...,ve_j(i))≤B_i，在VE序列中寻找路径分界点ve_j(i)，1≤i≤K；

如果路径分界点ve_j(i)是边，则将该边删除，ve_j(i)＝ve_j(i)-1作为无人机i初始路径的终点，ve′_j(i)＝ve_j(i)+1作为无人机i+1初始路径的起始点；

如果路径分界点ve_j(i)是点，则ve_j(i)＝ve_j(i)-2作为无人机i初始路径的终点，ve′_j(i)＝ve_j(i)作为无人机i+1初始路径的起始点；

步骤3.6、重复步骤3.5，直到i＝K，得到K架无人机路径片段C＝{C₁,...,C_i,...,C_K}，其中C_i为无人机i的初始路径，即C_i＝(ve′_j(i-1),...,ve_j(i))。

3.根据权利要求2所述的基于能耗公平的无人机协同侦察路径规划方法，其特征在于，运动能耗具体为：

w(v_j,v_j+1)＝Q·l

其中，Q为单位长度能量消耗率；l为无人机飞行的路径长度；

悬停能耗为：

其中，为无人机在目标点j消耗的悬停能量；P_hv为无人机悬停时的功率；t_j为无人机在目标点j的悬停时间；

通信能耗为：

其中，e_tx是1bit的数据量传输1米所需要的能量；α是传输介质的路径损耗指数，d_i,R为侦察无人机i与中继无人机R之间的距离；

总能耗W(C)由运动、悬停和通信能耗三部分组成，具体为：

其中UT_i是无人机i的轨迹。