CN110889625B - 一种用于蜂群无人机系统的任务规划方法 - Google Patents
一种用于蜂群无人机系统的任务规划方法 Download PDFInfo
- Publication number
- CN110889625B CN110889625B CN201911167316.9A CN201911167316A CN110889625B CN 110889625 B CN110889625 B CN 110889625B CN 201911167316 A CN201911167316 A CN 201911167316A CN 110889625 B CN110889625 B CN 110889625B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- task
- aerial vehicle
- target
- formation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 76
- 238000010845 search algorithm Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000004083 survival effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000005755 formation reaction Methods 0.000 description 55
- 238000011156 evaluation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000035899 viability Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- -1 hydrogen Chemical class 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于蜂群无人机系统的任务规划方法,涉及无人机应用技术领域,能够充分发挥蜂群无人机系统的协同一致性,使作战效能达到最优,更符合异构无人机组成编队执行异质任务且任务满足一定时序约束的蜂群无人机任务规划的需求;该方法包括:S1、根据上级下发任务建立蜂群无人机系统的任务模型,并根据蜂群无人机系统的特性制定任务规划原则,确定目标函数和优化目标;S2、根据蜂群无人机系统的任务特性和无人机性能,综合考虑航程约束、航时约束、执行任务能力约束和协同性约束确定模型的约束条件;S3、通过禁忌搜索算法对模型进行求解,获得近似最优解。本发明提供的技术方案适用于蜂群无人机系统任务规划的过程中。
Description
【技术领域】
本发明涉及无人机应用技术领域,尤其涉及一种用于蜂群无人机系统的任务规划方法。
【背景技术】
当前,无人机集长时巡飞监视、持续滞空压制、即时精确打击、毁伤评估等功能于一体,在战场中的重要性日益显著。蜂群无人机系统一种使用模式是通过大型无人运输机携带多架小型无人机并在任务区域投放,多架小型无人机通过携带不同的载荷执行不同任务,并组成子群编队协同作战,实现个体的功能互补,大幅提升系统的作战效益。
蜂群无人机系统相对于单架无人机而言,可以通过携带不同的载荷从而执行诸如侦察监视,电子干扰,打击与评估等作战任务。但由于蜂群系统构成复杂,若缺乏有效的任务规划,不仅无法体现出系统的协同作战的优势,甚至会因为任务分配的不合理导致各无人机任务发生冲突,无法完成作战任务,因而合理的任务规划对于蜂群无人机系统显得尤为重要。
中国专利文献CN109343569A公开了一种多无人机集群自组织协同察打任务规划方法,通过将任务区域离散化遍历无人机察打任务决策的离散状态空间,然后通过分布式蚁群算法决策得到无人机的航路点,实现多无人机集群的协同搜索和打击。该方法仅考虑了每一无人机功能一致,作战能力一致。不适合于异构的蜂群无人机系统。
中国专利文献CN109901616A公开了异构无人机群分布式任务规划方法,通过建立异构多无人机异质时序任务规划组合优化模型并分布式构建无人机集群任务包,基于此得到无冲突可执行的无人机集群任务包,最终完成异构无人机群分布式任务规划。该方案没有考虑蜂群系统中子群的存在以及无人机作战能力等特性。
因此,基于上述缺陷,有必要研究一种用于蜂群无人机系统的任务规划方法来应对现有技术的不足,以解决或减轻上述一个或多个问题。
【发明内容】
有鉴于此,本发明提供了一种用于蜂群无人机系统的任务规划方法,能够充分发挥蜂群无人机系统的协同一致性,使作战效能达到最优,更符合异构无人机组成编队执行异质任务且任务满足一定时序约束的蜂群无人机任务规划的需求。
一方面,本发明提供一种用于蜂群无人机系统的任务规划方法,其特征在于,所述方法的步骤包括:
S1、确定任务规划的原则并建立任务模型;
控制中心根据上级系统下发的任务建立蜂群无人机系统的任务模型,并根据蜂群无人机系统的特性制定任务规划原则,确定目标函数和优化目标;
S2、确定模型的约束条件;
根据蜂群无人机系统的任务特性和无人机性能,综合考虑航程约束、航时约束、执行任务能力约束和协同性约束确定模型的约束条件;
S3、对模型进行求解;
通过禁忌搜索算法对模型进行求解,获得近似最优解。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述约束条件包括执行任务的时间约束和无人机的性能约束。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,任务规划的原则包括:优先选取价值高的目标任务、优先选择距离近的目标任务、优先选择执行时间短的目标任务和在确保能完成任务的前提下使用最少的无人机执行任务。
其中,α和β为权重,α+β=1,α>β;
Nt为目标数目;
i和j代表目标点;
Dismax(X)所有无人机编队中航程的最大值。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,蜂群无人机系统执行的任务包括监视侦察、通信中继、电子干扰、电子对抗和火力打击;监视侦察、通信中继、电子干扰、电子对抗和火力打击五种任务分别采用0、1、2、3、4表示;
N为该目标区域的目标总数;
a+b=1,a,b∈[0,1]。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述无人机性能约束包括:作战能力约束、编队数量约束和航程约束;
Nt为目标数目;
k为无人机编号;m为编队编号;
i和j代表目标点;
所述编队数量约束具体为:第k架无人机的编队数量小于该无人机所能携带的最大无人机编队数以及航程约束;
所述航程约束具体为:
式中:Dij为目标点i,j之间的距离,Dmax为编队的最大航程;
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述执行任务的时间约束包括:目标任务执行次数约束和航时约束;
所述目标任务执行次数约束具体为:编队xkm对任意目标点最多只执行一次任务;
式中,cti表示编队对目标点i执行任务的持续时间,tij为编队从目标点i到目标点j所需要的时间,wj为编队到达目标点j后开始执行任务前的等待时间;Tmax为编队的最大航时;Nt为目标数目;xkm代表无人机编队。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S3中对模型进行求解的具体步骤包括:
S31:对任务进行分层排序,创建移动邻域;
S32:选取优先级最高的任务作为初始解;
S33:初始化禁忌列表,记录目标函数值以及移动操作;
S34:对禁忌列表进行遍历,判断是否满足收敛准则,若满足收敛准则,则得到最终解,求解过程完成;若不满足收敛准则,进入下一步;
S35:根据当前解改变任务的执行状态、无人机的选取和/或目标任务执行的先后顺序,生成所有可行解;
S36:在所有可行解中寻找最优解;
S37:判断从当前解到最优解的移动是否在禁忌列表中,若在,则返回S34中是否满足收敛准则的判断;若不在,则进入下一步;
S38:将S37中的移动产生的新解添加到禁忌列表中;
S39:判断新解是否优于当前解,若优于当前解,则将新解更新为当前解,并执行S34;若新解不优于当前解,则不更新,直接执行S34;
重复上述步骤直至得出最终解,完成求解过程。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,收敛准则包括:移动邻域内不包含可行解、在设定的步长内最优解未发生变化和迭代次数达到设置的最大迭代次数;
满足收敛准则中的任意一项或多项时,则判断为满足收敛准则。
与现有技术相比,本发明可以获得包括以下技术效果:本发明通过对蜂群无人机系统的任务规划进行合理建模,充分考虑各种约束条件,对模型进行基于禁忌搜索算法的求解,从而充分发挥蜂群的协同一致性,使作战效能达到最优;更符合异构的无人机组成编队,执行异质任务且任务满足一定时序约束的蜂群无人机任务规划的需求。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有技术效果。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明一个实施例提供的用于蜂群无人机系统的任务规划方法的任务规划流程图;
图2是本发明一个实施例提供的用于蜂群无人机系统的任务规划方法的模型求解流程图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
针对目前无人机集群任务规划技术算法不具备普适性的问题,为了解决异构的无人机执行异质任务且满足一定时序约束的蜂群无人机系统任务规划需求,本发明公开一种用于蜂群无人机系统的任务规划方法,针对性的对该需求建立任务模型并对模型进行求解,对蜂群中的每一个编队任务进行合理分配,保证整体的作战效能最优,毁伤目标总价值最高,作战航时最短,作战损耗最小等。
主要分为三个步骤,首先,控制中心先根据上级系统下发的任务建立蜂群无人机系统的任务模型,并根据蜂群无人机系统的特性制定其任务规划原则,确定目标函数和优化目标。其次,充分考虑蜂群无人机系统的任务特性,根据无人机性能,综合考虑航程,航时约束,执行任务能力,协同性等确定模型约束条件,包括执行任务的时间,各无人机的性能约束等条件。最后,通过禁忌搜索算法对模型进行求解,获得近似最优解。相比现有技术,本发明提供的方法,更符合异构的无人机组成编队,执行异质任务且任务满足一定时序约束的蜂群无人机任务规划的需求。
本发明用于蜂群无人机系统的任务规划方法的具体步骤包括:
步骤1、确定任务规划的原则并建立任务规划数学模型;
无人机的种类与目标任务的属性之间存在一一对应的关系,并且蜂群的指挥流程和目标的分类都存在一定的层次关系,对蜂群无人机任务规划应遵循如下原则:
原则1、优先选取价值高的目标任务:对重要目标的监视侦察更有利于指挥官决策,同时对重要目标的火力打击也能取得最大作战收益;目标任务价值是任务分配阶段首先需要考虑的因素;
原则2、优先选择距离近的目标:目标距离远近影响着到达目标区域的时间,距离越远的目标所需要的时间越长,同时会受到无人机航程,航时的制约,对接下来的任务产生影响;同时距离远近也决定了需要携带的燃料,反映出系统的利用率;
原则3、优先选择执行时间短的目标任务:无人机在目标区域对目标任务执行时间越长,被敌方发现的概率就越高,导致生存概率的降低。但由于是无人装备,生存概率往往不是优先考虑的因素;
原则4、尽量使用更少的无人机执行任务:在确保能完成全部作战任务后,尽可能提高其利用率,从而使整体作战效能最大化。
因而,对于无人机系统的任务规划需要遵循的原则总的来说就是要以最大程度完成权重最高的目标任务为目标,以油耗低,威胁少为前提,对每一架无人机进行动态高效合理的任务规划。
目标i权重
假设目标数目为Nt,第k架无人机投放的小型无人机编队数目为Nkm,其第m个编队为xkm,则编队执行任务h的二元决策变量为:
其中h=0,1,2,3,4分别表示监视侦察、通信中继、电子干扰、电子对抗、火力打击5种模态。
编队从同一起点出发,那么第k架无人运输机携带的编队数目Nkm为:
编队xkm的航程Diskm为
因而目标函数为:
其中,α+β=1,α>β;α、β表示权重,为手动输入的值,可以根据实际情况做适当调整,值越大表示该项的权重越大,保证无人机的作战效能最大。通过最小化目标函数Z,求解得到的结果,由结果可以知道每个无人机编队对应的目标,同时可知每个无人机编队所需的无人机数目从而在投放时确定编队数目和编队中xkm的无人机数量为表示所有无人机编队中航程最大值,假定所有无人机编队同一时间出发,通过最小化所有无人机编队中的最大航程,可以使所有任务在最短时间内完成;Dij代表由目标点i至目标点j的距离。
步骤2、确定模型约束条件:
由于无人机携带载荷有限,因而对目标进行火力打击能力有限,当无人机载荷消耗完毕后,无法执行之后的打击任务。因而对目标执行打击任务的无人机编队的作战能力不小于目标的生存能力之和(目标生存能力以单架无人机作战能力为单位):
编队的无人机数目dkm不能小于对应目标的生存能力。
编队xkm对任意目标最多只执行一次任务:
第k架无人运输机的编队数量小于该无人机所能携带的最大无人机编队数:
编队xkm航程约束:
Dij为目标点i,j的距离,编队的最大航程为Dmax;
假设编队xkm对目标i执行任务h的最早时刻为Eih,最晚时刻为Lih,开始执行任务h的时刻为Sih,Eih≤Sih≤Lih那么无人机对目标i执行任务h的时间窗为[Eih,Lih],当i<j时,Lih≤Ejh,因此对目标i执行所有任务的总时间窗为[Ei,Li]=[Ei0,Li4]。若编队完成目标i的任务后继续对j执行任务,则开始执行目标j任务的时刻为Sj=Si+cti+tij+wj。其中,cti表示编队对目标i执行任务的持续时间,tij为编队从i到j所需要的时间,wj为编队到达目标j后与开始执行任务的等待时间。
编队xkm航时约束:
步骤3、模型求解:
禁忌搜索算法的设计主要涉及以下概念:
A)初始解生成:
由于任务分配优先考虑权重高的目标任务,因而对所有无人机要执行的作战任务按任务权重进行排序,优先选择权重大的任务进行尝试,若不存在可行解则删除该任务,然后更新的任务列表,再选择其中权值最大的任务进行求解,反复进行上述操作直到任务列表为空或者得到初始解为止。
B)移动邻域的设计:
移动的含义是指从当前解产生新解,在本发明中包括改变任务的执行状态、无人机的选取以及目标任务执行的先后顺序等。
将所有任务按任务权重进行优先级排序并划分好层次。首先将邻域结构中待插入的任务设置为最高层优先级的任务(当前可选任务中仅分配了一部分任务,仍有剩余任务未分配,需要从未分配的任务集中选择一个任务插入),然后随着循环的增加,逐步插入优先级较低的任务;最终将所有可行的任务分层排序。
在同一层次中,针对每个无人机区分出有能力完成的任务集合和划分的优先级层次的任务集合取交集,从而将邻域结构进一步缩小,直到只需要考虑优先级层次与对应某一无人机相关的任务集,然后再逐层逐个无人机进行迭代改进。
C)禁忌列表:
禁忌列表用来记录之前无人机的移动操作和目标函数值信息,禁止返回,避免重复搜索。
D)评价函数:
采用目标函数为评价函数,衡量目标解的好坏,目标函数值越小,目标解就越好。
E)特赦准则:
当在禁忌范围内移动得到的评价函数解优于当前最优解时,该解也被接受;无人机完成的任务总价值远大于当前评价函数下最优解的任务总价值,该解也考虑被特赦。
F)收敛准则:
理论上来说,当把禁忌列表的长度设为足够大时,可以对整个状态空间可行解进行完整的遍历,但是在大规模作战场景下,计算时间过长,因而在实际应用中,通常设定一定的收敛准则来得到近似的最优解。收敛准则设计为当禁忌邻域内不包含可行解,或者在一定步长内最优解未发生变化,或者迭代次数达到设置的最大迭代次数,算法终止。
模型求解的流程如图2所示,具体步骤包括:
步骤1:对任务进行分层排序;即创建移动邻域,首先按照蜂群无人机需要执行的任务按优先级排序并划分好层次;
步骤2:从分层排序后的任务中选取任务优先级最高的解当做初始解X;
步骤3:初始化禁忌表,记录目标函数值以及移动操作,包括无人机任务的插入、删除和交换;
步骤4:对禁忌表进行遍历,判断是否满足收敛准则,若满足收敛准则,则得到最终解;若不满足收敛准则,进入下一步;
步骤5:根据当前解改变任务的执行状态、无人机的选取以及目标任务执行的先后顺序,生成所有可行解;
步骤6:在所有可行解中寻找最优解;最优解的判断是以任务规划的原则为指导的,越满足任务规划的原则越优异;
步骤7:判断从当前解到最优解的移动是否在禁忌列表中,若在列表中,则执行步骤4中的收敛准则的判断,否则进入下一步;
步骤8:通过该移动生成新的解,即步骤6中的最优解,并将该最优解添加到禁忌列表中;
步骤9:判断新解是否优于当前解,若优于当前解,则将新解更新为最优解,并执行步骤4;若新解不优于当前解,则不更新最优解,直接执行步骤4;
移动是指通过改变当前解的无人机任务的执行状态、无人机的选取和/或目标任务执行的先后顺序从而到最优解的一种变化。
重复上述步骤直至得出最终解。
以上对本申请实施例所提供的一种用于蜂群无人机系统的任务规划方法,进行了详细介绍。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
如在说明书及权利要求书当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求书并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求书当中所提及的“包含”、“包括”为一开放式用语,故应解释成“包含/包括但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求书所界定者为准。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
上述说明示出并描述了本申请的若干优选实施例,但如前所述,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述申请构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求书的保护范围内。
Claims (7)
1.一种用于蜂群无人机系统的任务规划方法,其特征在于,所述方法的步骤包括:
S1、确定任务规划的原则并建立任务模型;
控制中心根据上级系统下发的任务建立蜂群无人机系统的任务模型,并根据蜂群无人机系统的特性制定任务规划原则,确定目标函数和优化目标;
S2、确定模型的约束条件;
根据蜂群无人机系统的任务特性和无人机性能,综合考虑航程约束、航时约束、执行任务能力约束和协同性约束,确定模型的约束条件;
S3、对模型进行求解;
通过禁忌搜索算法对模型进行求解,获得近似最优解;
任务规划的原则包括:优先选取价值高的目标任务、优先选择距离近的目标任务、优先选择执行时间短的目标任务和在确保能完成任务的前提下使用最少的无人机执行任务;
其中,α和β为权重,α+β=1,α>β;
Nt为目标数目;
i和j代表目标点;
Dismax(X)所有无人机编队中航程的最大值;
所述约束条件包括无人机的性能约束;
所述无人机性能约束包括:作战能力约束、编队数量约束和航程约束;
Nt为目标数目;
k为无人机编号;m为编队编号;
i和j代表目标点;
所述编队数量约束具体为:第k架无人机的编队数量小于该无人机所能携带的最大无人机编队数以及航程约束;
所述航程约束具体为:
式中:Dij为目标点i,j之间的距离,Dmax为编队的最大航程;
2.根据权利要求1所述的用于蜂群无人机系统的任务规划方法,其特征在于,所述约束条件还包括执行任务的时间约束。
6.根据权利要求1所述的用于蜂群无人机系统的任务规划方法,其特征在于,所述S3中对模型进行求解的具体步骤包括:
S31:对任务进行分层排序,创建移动邻域;
S32:选取优先级最高的任务作为初始解;
S33:初始化禁忌列表,记录目标函数值以及移动操作;
S34:对禁忌列表进行遍历,判断是否满足收敛准则,若满足收敛准则,则得到最终解,求解过程完成;若不满足收敛准则,进入下一步;
S35:根据当前解改变任务的执行状态、无人机的选取和/或目标任务执行的先后顺序,生成所有可行解;
S36:在所有可行解中寻找最优解;
S37:判断从当前解到最优解的移动是否在禁忌列表中,若在,则返回S34中是否满足收敛准则的判断;若不在,则进入下一步;
S38:将S37中的移动产生的新解添加到禁忌列表中;
S39:判断新解是否优于当前解,若优于当前解,则将新解更新为当前解,并执行S34;若新解不优于当前解,则不更新,直接执行S34;
重复上述步骤直至得出最终解,完成求解过程。
7.根据权利要求6所述的用于蜂群无人机系统的任务规划方法,其特征在于,收敛准则包括:移动邻域内不包含可行解、在设定的步长内最优解未发生变化和迭代次数达到设置的最大迭代次数;
满足收敛准则中的任意一项或多项时,则判断为满足收敛准则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911167316.9A CN110889625B (zh) | 2019-11-25 | 2019-11-25 | 一种用于蜂群无人机系统的任务规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911167316.9A CN110889625B (zh) | 2019-11-25 | 2019-11-25 | 一种用于蜂群无人机系统的任务规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889625A CN110889625A (zh) | 2020-03-17 |
CN110889625B true CN110889625B (zh) | 2022-05-24 |
Family
ID=69748683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911167316.9A Active CN110889625B (zh) | 2019-11-25 | 2019-11-25 | 一种用于蜂群无人机系统的任务规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889625B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538950B (zh) * | 2020-04-17 | 2020-11-06 | 中国人民解放军91550部队 | 一种多无人平台干扰资源分配方法 |
CN111626500A (zh) * | 2020-05-25 | 2020-09-04 | 南京航空航天大学 | 一种基于改进人工蜂群算法的路径规划方法 |
CN112099522B (zh) * | 2020-08-12 | 2023-06-30 | 中国人民解放军陆军工程大学 | 多无人机协同对地攻击任务规划方法及终端设备 |
CN112256057B (zh) * | 2020-10-22 | 2021-08-24 | 上海大学 | 一种异构无人系统协同控制方法 |
CN112484732B (zh) * | 2020-11-30 | 2023-04-07 | 北京工商大学 | 一种基于ib-abc算法的无人机飞行路径规划方法 |
CN112835033A (zh) * | 2021-01-04 | 2021-05-25 | 航天时代飞鸿技术有限公司 | 一种基于蜂群的反辐射导引头系统及反辐射导引方法 |
CN112734239B (zh) * | 2021-01-12 | 2023-11-24 | 中南大学 | 基于任务与资源能力属性的任务规划方法、装置和介质 |
CN112698637B (zh) * | 2021-01-13 | 2023-03-07 | 广东轻工职业技术学院 | 一种多任务蜂群的协同资源调度方法 |
CN113448703B (zh) * | 2021-06-23 | 2024-01-09 | 桂林电子科技大学 | 一种基于感知阵型的无人机蜂群动态侦察任务调度系统及方法 |
CN113536564B (zh) * | 2021-07-13 | 2023-11-28 | 中国科学院软件研究所 | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 |
CN114237284B (zh) * | 2021-12-03 | 2023-10-03 | 南京航空航天大学 | 一种基于改进蜉蝣算法的无人机多任务规划方法 |
CN114118845B (zh) * | 2021-12-03 | 2023-06-30 | 国网江苏省电力有限公司泰州供电分公司 | 一种无人机任务匹配方法、装置及智能柜 |
CN115016533B (zh) * | 2022-05-31 | 2023-03-24 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种无人机多机协同任务分配控制系统及其方法 |
CN115630513B (zh) * | 2022-10-29 | 2023-04-18 | 中国电子科技集团公司第十五研究所 | 基于集群优化的无人机集群协同任务分配方法 |
CN116126015B (zh) * | 2022-12-19 | 2023-08-01 | 南昌航空大学 | 基于改进人工蜂群算法的动态环境多无人机任务分配方法 |
CN116233804B (zh) * | 2023-05-08 | 2023-07-14 | 北京瀚科智翔科技发展有限公司 | 基于自组网的无人机蜂群高精度定位系统及方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286071B (zh) * | 2008-04-24 | 2010-11-10 | 北京航空航天大学 | 基于微粒群优化和遗传算法的多无人机三维编队重构方法 |
KR101667032B1 (ko) * | 2009-10-30 | 2016-10-17 | 삼성전자 주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
CN103279793B (zh) * | 2013-04-25 | 2015-11-11 | 北京航空航天大学 | 一种确定环境下的无人飞行器编队任务分配方法 |
US9752878B2 (en) * | 2014-12-09 | 2017-09-05 | Sikorsky Aircraft Corporation | Unmanned aerial vehicle control handover planning |
CN105184092B (zh) * | 2015-09-23 | 2018-04-13 | 电子科技大学 | 一种资源限制条件下多类型无人机协同任务分配方法 |
CN105302153B (zh) * | 2015-10-19 | 2018-04-17 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
CN105892480B (zh) * | 2016-03-21 | 2018-12-11 | 南京航空航天大学 | 异构多无人机系统协同察打任务自组织方法 |
CN106020230B (zh) * | 2016-05-20 | 2019-01-15 | 武汉科技大学 | 一种能耗约束下的多无人机任务分配方法 |
CN106529674B (zh) * | 2016-11-03 | 2018-10-19 | 中国人民解放军信息工程大学 | 多无人机协同多目标分配方法 |
CN113110564B (zh) * | 2017-05-24 | 2024-01-19 | 深圳市大疆创新科技有限公司 | 用于控制无人机的方法和装置及无人机系统 |
CN107677273B (zh) * | 2017-09-11 | 2020-09-25 | 哈尔滨工程大学 | 一种基于二维栅格划分的集群无人机多航迹规划方法 |
CN108459616B (zh) * | 2018-03-07 | 2021-08-03 | 西安电子科技大学 | 基于人工蜂群算法的无人机群协同覆盖航路规划方法 |
CN108876086A (zh) * | 2018-04-12 | 2018-11-23 | 南安市创培电子科技有限公司 | 一种基于粒子群算法的多无人机任务分配方法 |
-
2019
- 2019-11-25 CN CN201911167316.9A patent/CN110889625B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110889625A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889625B (zh) | 一种用于蜂群无人机系统的任务规划方法 | |
CN105302153B (zh) | 异构多无人机协同察打任务的规划方法 | |
CN113395676B (zh) | 一种基于重叠联盟形成博弈的无人机任务协作方法 | |
JP5306051B2 (ja) | 火力配分装置 | |
CN114442662A (zh) | 基于改进狼群优化算法的无人机集群协同对地打击方法 | |
CN112327927B (zh) | 基于网格规划算法的编队无人机多角度打击航迹规划方法 | |
CN108594645B (zh) | 单场站多无人机分配与飞行路线的规划方法及系统 | |
CN112734278B (zh) | 一种面向时敏目标打击的c2组织资源动态调度方法 | |
CN111240211B (zh) | 一种无人机群动态回收方法 | |
CN113887919A (zh) | 基于杂交-离散粒子群算法的多无人机协同任务分配方法及系统 | |
CN114326827B (zh) | 一种无人机集群多任务动态分配方法及系统 | |
CN109917805A (zh) | 一种通信延迟约束下多无人机任务指派冲突消解方法 | |
CN108428004A (zh) | 基于蚁群算法的飞行物冲突解脱路径规划方法 | |
CN108335024A (zh) | 一种舰载机连续出动任务规划方法及任务规划描述方法 | |
CN111797966B (zh) | 一种基于改进羊群算法的多机协同全局目标分配方法 | |
CN115239204B (zh) | 一种多平台无人机载射频系统的协同任务规划方法 | |
CN113485456A (zh) | 一种无人机群分布式在线自适应任务规划方法 | |
CN113608546A (zh) | 量子海狮机制的无人机群任务分配方法 | |
CN114397911A (zh) | 一种基于多智能体的无人机集群对抗决策方法 | |
CN107180309A (zh) | 一种空天地观测资源的协同规划方法 | |
CN113487220A (zh) | 面向静态目标观测的空天异构对地观测资源协同调度方法 | |
CN115016537B (zh) | 一种sead场景下异构无人机配置与任务规划联合优化方法 | |
CN115829230A (zh) | 一种异构无人机群协同攻击任务分配方法 | |
CN117008641B (zh) | 用于多个异构无人机协同低空突防的分配方法和装置 | |
CN117151422B (zh) | 卡车-无人机多目标协同配送规划方法与系统 |
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 |