CN111006669A - 一种无人机系统任务协同及路径规划方法 - Google Patents

一种无人机系统任务协同及路径规划方法 Download PDF

Info

Publication number
CN111006669A
CN111006669A CN201911290769.0A CN201911290769A CN111006669A CN 111006669 A CN111006669 A CN 111006669A CN 201911290769 A CN201911290769 A CN 201911290769A CN 111006669 A CN111006669 A CN 111006669A
Authority
CN
China
Prior art keywords
task
unmanned aerial
aerial vehicle
modeling
path planning
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
Application number
CN201911290769.0A
Other languages
English (en)
Other versions
CN111006669B (zh
Inventor
柴蓉
魏涛
陈前斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Hongyue Enterprise Management Consulting Co ltd
Xingwang Shuzhi Technology (Beijing) Co.,Ltd.
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201911290769.0A priority Critical patent/CN111006669B/zh
Publication of CN111006669A publication Critical patent/CN111006669A/zh
Application granted granted Critical
Publication of CN111006669B publication Critical patent/CN111006669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种无人机系统任务协同及路径规划方法，属于无人机系统任务协同及路径规划领域。包括步骤：S1：建模无人机执行任务出发点、任务目标点集合；S2：建模无人机执行任务类型；S3：建模无人机飞行区域；S4：建模充电站部署标识；S5：建模无人机任务执行变量；S6：建模无人机路径规划变量；S7：建模无人机系统任务协同及路径规划限制条件；S8：建模无人机执行任务所需总时间；S9：基于无人机执行任务所需总时间最小化，确定无人机系统最优任务执行和路径规划策略。本发明综合考虑无人机任务协同及路径规划，以无人机执行任务所需总时间最小为目标，优化设计无人机任务执行及路径规划策略。

Description

一种无人机系统任务协同及路径规划方法
技术领域
本发明属于无线通信技术领域，涉及一种无人机系统任务协同及路径规划方法。
背景技术
近年来，自动控制，无线通信和智能信息处理技术的飞速发展促进了无人机相关技术及产业的快速发展及广泛应用。目前，无人机已应用于空中侦察、监视、通信、反潜、电子干扰等领域，在某些应用中，无人机需要飞行至某些目标点以执行任务。针对存在多架无人机和多个任务目标点的场景，如何合理地为无人机分配给任务目标点以实现无人机任务协同是亟待解决的问题。此外，由于无人机续航能力较差，无法进行长距离飞行，在无人机执行任务过程中，可能需进行充电，如何考虑充电站的部署条件及无人机飞行能力等多因素，为无人机设计合理的路径规划策略也是需研究的重要课题。
目前已有研究中，有文献提出利用深度强化学习技术实现无模型无人机控制，通过优化确定无人机路径，实现无人机高效信息收集；也有研究提出了一种基于A*算法的无人机航迹规划算法，基于代价函数最小化实现最短飞行时间；针对无人机任务协同问题，有学者提出了基于改进粒子群算法的无人机任务协同方法，通过合理任务分配，实现任务执行时间优化。
现有研究多考虑无人机路径规划问题，未综合考虑无人机系统业务需求、难以保证无人机高效任务执行。
发明内容
有鉴于此，本发明的目的在于提供一种无人机系统任务协同及路径规划方法，基于无人机执行任务所需总时间最小化，确定无人机系统最优任务执行和路径规划策略。
为达到上述目的，本发明提供如下技术方案：
一种无人机系统任务协同及路径规划方法，包括以下步骤：
S1：建模无人机执行任务出发点、任务目标点集合；
S2：建模无人机执行任务类型；
S3：建模无人机飞行区域；
S4：建模充电站部署标识；
S5：建模无人机任务执行变量；
S6：建模无人机路径规划变量；
S7：建模无人机系统任务协同及路径规划限制条件；
S8：建模无人机执行任务所需总时间；
S9：基于无人机执行任务所需总时间最小化，确定无人机系统最优任务执行及路径规划策略。
进一步，在步骤S1中，考虑多个无人机从特定位置出发协同执行任务，Uk表示第k个无人机，1≤k≤K，K为无人机总数；令Sk为Uk出发点，Tm为第m个任务目标点，1≤m≤M，M为任务目标点总数。
进一步，在步骤S2中，R＝{R1,R2,...,RN}为各任务目标点上需要完成的任务类型集合，Rn表示第n种任务，1≤n≤N，N为任务类型总数，令αm,n表示Tm处执行任务Rn标识，若Tm处需执行任务Rn，则αm,n＝1，否则，αm,n＝0；
令βk,n表示无人机执行任务能力标识，若Uk能执行任务Rn，则βk,n＝1，否则，βk,n＝0；
若任务目标点存在多个任务，则任务需按照一定优先级执行，Pn表示Rn的优先级，P1>P2＞...＞PN。
进一步，在步骤S3中，对无人机执行任务出发点、任务目标点之间区域进行二维离散化，建模为二维网格，令Δx及Δy分别为网格行、列相邻点之间距离，
Figure BDA0002315359720000021
及
Figure BDA0002315359720000022
分别为网格中行、列的最大点数，其中，
Figure BDA0002315359720000023
网格中第i行第j列节点为Ni,j，
Figure BDA0002315359720000024
令
Figure BDA0002315359720000025
表示二维网格中Sk对应节点，
Figure BDA0002315359720000026
表示二维网格中Tm对应节点，其中，
Figure BDA0002315359720000027
无人机飞行过程会受到大气、地形等的威胁，若Ni,j存在威胁，则Gi,j＝1，否则，Gi,j＝0。
进一步，在步骤S4中，充电站部署于无人机执行任务出发及目标点之间区域内，令χi,j为充电站部署标识，若Ni,j处已部署充电站，则χi,j＝1，否则，χi,j＝0。
进一步，在步骤S5中，令xk,m,n为无人机任务执行变量，若Uk到达Tm执行任务Rn，则xk,m,n＝1，否则，xk,m,n＝0，1≤k≤K，1≤m≤M，1≤n≤N。
进一步，在步骤S6中，令
Figure BDA0002315359720000028
为无人机路径规划变量，若Uk经过节点
Figure BDA0002315359720000029
到达节点
Figure BDA00023153597200000210
则
Figure BDA00023153597200000211
否则，
Figure BDA00023153597200000212
1≤k≤K，
Figure BDA00023153597200000213
Figure BDA00023153597200000214
进一步，在步骤S7中，建模无人机系统任务协同及路径规划限制条件，具体包括：
(1)建模无人机任务执行变量限制条件，Uk仅能到单个目的点执行一种任务，即：
Figure BDA0002315359720000031
(2)建模无人机路径规划限制条件，各节点需满足保持流守恒，若
Figure BDA0002315359720000032
则
Figure BDA0002315359720000033
若
Figure BDA0002315359720000034
则
Figure BDA0002315359720000035
若
Figure BDA0002315359720000036
且
Figure BDA0002315359720000037
则
Figure BDA0002315359720000038
(3)建模无人机飞行区域条件，即：若
Figure BDA0002315359720000039
则
Figure BDA00023153597200000310
(4)建模无人机飞行节点限制条件，即：若
Figure BDA00023153597200000311
则
Figure BDA00023153597200000312
或
Figure BDA00023153597200000313
同时
Figure BDA00023153597200000314
或
Figure BDA00023153597200000315
(5)建模无人机Uk飞行距离限制条件，若
Figure BDA00023153597200000316
则
Figure BDA00023153597200000317
其中，
Figure BDA00023153597200000318
为无人机Uk单次充满电后最大飞行距离，
Figure BDA00023153597200000319
表示无人机飞行线路上两节点
Figure BDA00023153597200000320
和
Figure BDA00023153597200000321
间飞行距离，建模为
Figure BDA00023153597200000322
(6)建模目的点任务完成限制条件，各目的点任务需保证全部被完成，
即：
Figure BDA00023153597200000323
其中Nm为Tm需执行任务总数。
进一步，在步骤S8中，所述无人机执行任务所需总时间建模为
Figure BDA00023153597200000324
其中，Dm为Tm任务执行总时间，建模为
Figure BDA00023153597200000325
其中，Dm,n为Tm处执行任务Rn所需时间，建模为
Figure BDA00023153597200000326
其中，Dk,m,n为Uk到达Tm执行任务Rn所需时间，建模为
Figure BDA00023153597200000327
其中，
Figure BDA00023153597200000328
为Uk完成任务Rn所需时间，建模为
Figure BDA00023153597200000329
其中，In为完成任务Rn所需资源，Fk为Uk任务执行能力；
Figure BDA00023153597200000330
为Uk到达Tm所需时间，建模为
Figure BDA00023153597200000331
其中，
Figure BDA00023153597200000332
为Uk从节点
Figure BDA00023153597200000333
飞行至节点
Figure BDA00023153597200000334
所需总时间，建模
Figure BDA0002315359720000041
其中，
Figure BDA0002315359720000042
为Uk从节点
Figure BDA0002315359720000043
飞行至节点
Figure BDA0002315359720000044
所需飞行时间，
Figure BDA0002315359720000045
vk为无人机Uk的飞行速度，
Figure BDA0002315359720000046
为无人机Uk自出发点到达目的点所需充电时间，建模
Figure BDA0002315359720000047
其中p为充电站充电功率，
Figure BDA0002315359720000048
为Uk从节点
Figure BDA00023153597200000413
飞行至节点
Figure BDA0002315359720000049
消耗电量，建模
Figure BDA00023153597200000410
其中Wk为Uk功率消耗速率。
进一步，在步骤S9中，基于无人机执行任务所需总时间最小化，优化确定无人机任务执行，路径规划变量，即
Figure BDA00023153597200000411
其中，
Figure BDA00023153597200000412
分别对应无人机Uk执行任务所需总时间最小的任务执行策略和最优路径规划策略。
本发明的有益效果在于：本发明可以在有效保障无人机执行任务的情况下，通过任务协同及路径规划，实现无人机执行任务所需总时间最小化。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为无人机场景示意图；
图2为本发明所述方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，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。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明所述一种无人机系统任务协同及路径规划方法，假设在某个区域有多个无人机执行任务，目标点需执行多种任务，对无人机执行任务出发点、任务目标点之间区域进行二维离散化，建模为二维网格，充电站部署于无人机执行任务源点及目标点之间区域内，建模无人机执行任务所需总时间，基于无人机执行任务所需总时间最小化，确定无人机任务执行策略和最优路径规划策略。
图1为无人机场景图，如图1所示，无人机需飞行至任务目标点完成任务，基于无人机执行任务所需总时间最小化，确定无人机任务执行策略和最优路径规划策略。
图2为本发明所述方法的流程示意图，如图2所示，本发明所述方法具体包括以下步骤：
1)建模无人机执行任务出发点、任务目标点集合
建模无人机执行任务出发点、任务目标点集合，具体地：考虑多个无人机从特定位置出发协同执行任务，Uk表示第k个无人机，1≤k≤K，K为无人机总数。令Sk为Uk出发点，Tm为第m个任务目标点，1≤m≤M，M为任务目标点总数。
2)建模无人机执行任务类型
建模无人机执行任务类型，具体地：R＝{R1,R2,...,RN}为各任务目标点上需要完成的任务类型集合,Rn表示第n种任务，1≤n≤N，N为任务类型总数,令αm,n表示Tm处执行任务Rn标识，若Tm处需执行任务Rn，则αm,n＝1，否则，αm,n＝0。令βk,n表示无人机执行任务能力标识，若Uk能执行任务Rn，则βk,n＝1，否则，βk,n＝0。若任务目标点存在多个任务，则任务需按照一定优先级执行，Pn表示Rn的优先级，P1>P2＞...＞PN。
3)建模无人机飞行区域
建模无人机飞行区域，具体地：对无人机执行任务出发点、任务目标点之间区域进行二维离散化，建模为二维网格，令Δx及Δy分别为网格行、列相邻点之间距离，
Figure BDA0002315359720000051
及
Figure BDA0002315359720000052
分别为网格中行、列的最大点数，其中，
Figure BDA0002315359720000061
网格中第i行第j列节点为Ni,j，
Figure BDA0002315359720000062
令
Figure BDA0002315359720000063
表示二维网格中Sk对应节点，
Figure BDA0002315359720000064
表示二维网格中Tm对应节点，其中，
Figure BDA0002315359720000065
无人机飞行过程会受到大气、地形等威胁，若Ni,j存在威胁，则Gi,j＝1，否则，Gi,j＝0。
4)建模充电站部署标识
建模充电站部署标识，具体地：充电站部署于无人机执行任务出发及目标点之间区域内,令χi,j为充电站部署标识，若Ni,j处已部署充电站，则χi,j＝1，否则，χi,j＝0。
5)建模无人机任务执行变量
建模无人机任务执行变量，具体地：令xk,m,n为无人机任务执行变量，若Uk到达Tm执行任务Rn，则xk,m,n＝1，否则，xk,m,n＝0，1≤k≤K，1≤m≤M，1≤n≤N。
6)建模无人机路径规划变量
建模无人机路径规划变量，具体地：令
Figure BDA0002315359720000066
为无人机路径规划变量，若Uk经过节点
Figure BDA0002315359720000067
到达节点
Figure BDA0002315359720000068
则
Figure BDA0002315359720000069
否则，
Figure BDA00023153597200000610
1≤k≤K，
Figure BDA00023153597200000611
Figure BDA00023153597200000612
7)建模无人机系统任务协同及路径规划限制条件
建模无人机系统任务协同及路径规划限制条件，具体地：建模无人机系统任务协同及路径规划限制条件，具体包括：
(1)建模无人机任务执行变量限制条件，Uk仅可到单个目的点执行一种任务，即：
Figure BDA00023153597200000613
(2)建模无人机路径规划限制条件，各节点需满足保持流守恒，若
Figure BDA00023153597200000614
则
Figure BDA00023153597200000615
若
Figure BDA00023153597200000616
则
Figure BDA00023153597200000617
若
Figure BDA00023153597200000618
且
Figure BDA00023153597200000619
则
Figure BDA00023153597200000620
(3)建模无人机飞行区域条件，即：若
Figure BDA00023153597200000621
则
Figure BDA00023153597200000622
(4)建模无人机飞行节点限制条件，即：若
Figure BDA0002315359720000071
则
Figure BDA0002315359720000072
或
Figure BDA0002315359720000073
同时
Figure BDA0002315359720000074
或
Figure BDA0002315359720000075
(5)建模无人机Uk飞行距离限制条件，若
Figure BDA0002315359720000076
则
Figure BDA0002315359720000077
其中，
Figure BDA0002315359720000078
为无人机Uk单次充满电后最大飞行距离，
Figure BDA0002315359720000079
表示无人机飞行线路上两节点
Figure BDA00023153597200000710
和
Figure BDA00023153597200000711
间飞行距离，建模为
Figure BDA00023153597200000712
(6)建模目的点任务完成限制条件，各目的点任务需保证全部被完成，
即：
Figure BDA00023153597200000713
其中Nm为Tm需执行任务总数。
8)建模无人机执行任务所需总时间
建模无人机执行任务所需总时间，具体地：无人机执行任务所需总时间建模为
Figure BDA00023153597200000714
其中，Dm为Tm任务执行总时间，建模为
Figure BDA00023153597200000715
其中，Dm,n为Tm处执行任务Rn所需时间，建模为
Figure BDA00023153597200000716
其中，Dk,m,n为Uk到达Tm执行任务Rn所需时间，建模为
Figure BDA00023153597200000717
其中，
Figure BDA00023153597200000718
为Uk完成任务Rn所需时间，建模为
Figure BDA00023153597200000719
其中，In为完成任务Rn所需资源，Fk为Uk任务执行能力。
Figure BDA00023153597200000720
为Uk到达Tm所需时间，建模为
Figure BDA00023153597200000721
其中，
Figure BDA00023153597200000722
为Uk从节点
Figure BDA00023153597200000723
飞行至节点
Figure BDA00023153597200000724
所需总时间，建模
Figure BDA00023153597200000725
其中，
Figure BDA00023153597200000726
为Uk从节点
Figure BDA00023153597200000727
飞行至节点
Figure BDA00023153597200000728
所需飞行时间，
Figure BDA00023153597200000729
vk为无人机Uk的飞行速度，
Figure BDA00023153597200000730
为无人机Uk自出发点到达目的点所需充电时间，建模
Figure BDA00023153597200000731
其中p为充电站充电功率，
Figure BDA00023153597200000732
为Uk从节点
Figure BDA00023153597200000733
飞行至节点
Figure BDA00023153597200000734
消耗电量，建模
Figure BDA00023153597200000735
其中Wk为Uk功率消耗速率。
9)基于无人机执行任务所需总时间最小化，确定无人机系统最优任务执行及路径规划策略
基于无人机执行任务所需总时间最小化，确定无人机系统最优任务执行及路径规划策略，具体地：基于无人机执行任务所需总时间最小化，优化确定无人机任务执行，路径规划变量，即
Figure BDA0002315359720000081
其中，
Figure BDA0002315359720000082
分别对应无人机Uk执行任务所需总时间最小的任务执行策略和最优路径规划策略。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种无人机系统任务协同及路径规划方法，其特征在于：包括以下步骤：
S1：建模无人机执行任务出发点、任务目标点集合；
S2：建模无人机执行任务类型；
S3：建模无人机飞行区域；
S4：建模充电站部署标识；
S5：建模无人机任务执行变量；
S6：建模无人机路径规划变量；
S7：建模无人机系统任务协同及路径规划限制条件；
S8：建模无人机执行任务所需总时间；
S9：基于无人机执行任务所需总时间最小化，确定无人机系统最优任务执行及路径规划策略。
2.根据权利要求1所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S1中，考虑多个无人机从特定位置出发协同执行任务，Uk表示第k个无人机，1≤k≤K，K为无人机总数；令Sk为Uk出发点，Tm为第m个任务目标点，1≤m≤M，M为任务目标点总数。
3.根据权利要求2所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S2中，R＝{R1,R2,...,RN}为各任务目标点上需要完成的任务类型集合，Rn表示第n种任务，1≤n≤N，N为任务类型总数，令αm,n表示Tm处执行任务Rn标识，若Tm处需执行任务Rn，则αm,n＝1，否则，αm,n＝0；
令βk,n表示无人机执行任务能力标识，若Uk能执行任务Rn，则βk,n＝1，否则，βk,n＝0；
若任务目标点存在多个任务，则任务需按照一定优先级执行，Pn表示Rn的优先级，P1>P2＞...＞PN。
4.根据权利要求3所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S3中，对无人机执行任务出发点、任务目标点之间区域进行二维离散化，建模为二维网格，令Δx及Δy分别为网格行、列相邻点之间距离，
Figure FDA0002315359710000011
及
Figure FDA0002315359710000012
分别为网格中行、列的最大点数，其中，
Figure FDA0002315359710000013
网格中第i行第j列节点为Ni,j，
Figure FDA0002315359710000014
令
Figure FDA0002315359710000015
表示二维网格中Sk对应节点，
Figure FDA0002315359710000016
表示二维网格中Tm对应节点，其中，
Figure FDA0002315359710000017
若Ni,j存在威胁，则Gi,j＝1，否则，Gi,j＝0。
5.根据权利要求4所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S4中，充电站部署于无人机执行任务出发及目标点之间区域内，令χi,j为充电站部署标识，若Ni,j处已部署充电站，则χi,j＝1，否则，χi,j＝0。
6.根据权利要求5所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S5中，令xk,m,n为无人机任务执行变量，若Uk到达Tm执行任务Rn，则xk,m,n＝1，否则，xk,m,n＝0，1≤k≤K，1≤m≤M，1≤n≤N。
7.根据权利要求6所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S6中，令
Figure FDA0002315359710000021
为无人机路径规划变量，若Uk经过节点
Figure FDA0002315359710000022
到达节点
Figure FDA0002315359710000023
则
Figure FDA0002315359710000024
否则，
Figure FDA0002315359710000025
8.根据权利要求7所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S7中，建模无人机系统任务协同及路径规划限制条件，具体包括：
(1)建模无人机任务执行变量限制条件，Uk仅能到单个目的点执行一种任务，即：
Figure FDA0002315359710000026
(2)建模无人机路径规划限制条件，各节点需满足保持流守恒，若
Figure FDA0002315359710000027
则
Figure FDA0002315359710000028
若
Figure FDA0002315359710000029
则
Figure FDA00023153597100000210
若
Figure FDA00023153597100000211
且
Figure FDA00023153597100000212
则
Figure FDA00023153597100000213
(3)建模无人机飞行区域条件，即：若
Figure FDA00023153597100000214
则
Figure FDA00023153597100000215
(4)建模无人机飞行节点限制条件，即：若
Figure FDA00023153597100000216
则
Figure FDA00023153597100000217
或
Figure FDA00023153597100000218
同时
Figure FDA00023153597100000219
或
Figure FDA00023153597100000220
(5)建模无人机Uk飞行距离限制条件，若
Figure FDA00023153597100000221
则
Figure FDA00023153597100000222
其中，
Figure FDA00023153597100000223
为无人机Uk单次充满电后最大飞行距离，
Figure FDA00023153597100000224
表示无人机飞行线路上两节点
Figure FDA00023153597100000225
和
Figure FDA00023153597100000226
间飞行距离，建模为
Figure FDA00023153597100000227
(6)建模目的点任务完成限制条件，各目的点任务需保证全部被完成，
即：
Figure FDA00023153597100000228
其中Nm为Tm需执行任务总数。
9.根据权利要求8所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S8中，所述无人机执行任务所需总时间建模为
Figure FDA0002315359710000031
其中，Dm为Tm任务执行总时间，建模为
Figure FDA0002315359710000032
其中，Dm,n为Tm处执行任务Rn所需时间，建模为
Figure FDA0002315359710000033
其中，Dk,m,n为Uk到达Tm执行任务Rn所需时间，建模为
Figure FDA0002315359710000034
其中，
Figure FDA0002315359710000035
为Uk完成任务Rn所需时间，建模为
Figure FDA0002315359710000036
其中，In为完成任务Rn所需资源，Fk为Uk任务执行能力；
Figure FDA0002315359710000037
为Uk到达Tm所需时间，建模为
Figure FDA0002315359710000038
其中，
Figure FDA0002315359710000039
为Uk从节点
Figure FDA00023153597100000310
飞行至节点
Figure FDA00023153597100000311
所需总时间，建模
Figure FDA00023153597100000312
其中，
Figure FDA00023153597100000313
为Uk从节点
Figure FDA00023153597100000314
飞行至节点
Figure FDA00023153597100000315
所需飞行时间，
Figure FDA00023153597100000316
vk为无人机Uk的飞行速度，
Figure FDA00023153597100000317
为无人机Uk自出发点到达目的点所需充电时间，建模
Figure FDA00023153597100000318
其中p为充电站充电功率，
Figure FDA00023153597100000319
为Uk从节点
Figure FDA00023153597100000320
飞行至节点
Figure FDA00023153597100000321
消耗电量，建模
Figure FDA00023153597100000322
其中Wk为Uk功率消耗速率。
10.根据权利要求9所述的无人机系统任务协同及路径规划方法，其特征在于：在步骤S9中，基于无人机执行任务所需总时间最小化，优化确定无人机任务执行，路径规划变量，即
Figure FDA00023153597100000323
其中，
Figure FDA00023153597100000324
分别对应无人机Uk执行任务所需总时间最小的任务执行策略和最优路径规划策略。
CN201911290769.0A 2019-12-12 2019-12-12 一种无人机系统任务协同及路径规划方法 Active CN111006669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911290769.0A CN111006669B (zh) 2019-12-12 2019-12-12 一种无人机系统任务协同及路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911290769.0A CN111006669B (zh) 2019-12-12 2019-12-12 一种无人机系统任务协同及路径规划方法

Publications (2)

Publication Number Publication Date
CN111006669A true CN111006669A (zh) 2020-04-14
CN111006669B CN111006669B (zh) 2022-08-02

Family

ID=70115369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911290769.0A Active CN111006669B (zh) 2019-12-12 2019-12-12 一种无人机系统任务协同及路径规划方法

Country Status (1)

Country Link
CN (1) CN111006669B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111679690A (zh) * 2020-06-24 2020-09-18 安徽继远软件有限公司 一种巡检无人机机巢分布及信息交互方法
CN112333648A (zh) * 2020-11-11 2021-02-05 重庆邮电大学 一种基于无人机的动态数据收集方法
CN113885566A (zh) * 2021-10-21 2022-01-04 重庆邮电大学 面向多无人机数据采集时间最小化的v型轨迹规划方法
CN113885555A (zh) * 2021-09-14 2022-01-04 安徽送变电工程有限公司 面向输电线路密集通道巡检的多机任务分配方法和系统
CN115202849A (zh) * 2022-09-02 2022-10-18 广东翼景信息科技有限公司 一种支持边缘计算的多无人机任务分配与路径规划方法

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104503349A (zh) * 2014-12-10 2015-04-08 天津大学 基于无人机的监控装置
CN104536454A (zh) * 2014-12-05 2015-04-22 中国运载火箭技术研究院 一种用于双无人机协同的时空同步匹配方法
CN106020189A (zh) * 2016-05-24 2016-10-12 武汉科技大学 基于邻域约束的空地异构机器人系统路径规划方法
CN106656310A (zh) * 2017-01-10 2017-05-10 肖峰 一种无人机任务执行方法及系统
CN106908065A (zh) * 2017-02-13 2017-06-30 中国人民解放军国防科学技术大学 车辆搭载无人机的双层路径构建方法及系统
CN107358322A (zh) * 2017-07-12 2017-11-17 中南大学 一种无人机快递自动投送最短路径规划方法
CN107862705A (zh) * 2017-11-21 2018-03-30 重庆邮电大学 一种基于运动特征和深度学习特征的无人机小目标检测方法
CN107977743A (zh) * 2017-11-29 2018-05-01 合肥工业大学 多无人机协同任务分配方法及装置
CN108548538A (zh) * 2018-03-08 2018-09-18 中国人民解放军国防科技大学 多场站多无人机任务分配与飞行路径的规划方法及系统
CN108664038A (zh) * 2018-05-14 2018-10-16 中国人民解放军火箭军工程大学 一种多无人机分布式合同竞拍在线任务规划方法
CN108846522A (zh) * 2018-07-11 2018-11-20 重庆邮电大学 无人机系统联合充电站部署及路由选择方法
US10140875B1 (en) * 2017-05-27 2018-11-27 Hefei University Of Technology Method and apparatus for joint optimization of multi-UAV task assignment and path planning
CN109000651A (zh) * 2018-05-31 2018-12-14 上海大学 一种路径规划方法及路径规划装置
CN109032177A (zh) * 2018-07-28 2018-12-18 江苏苏宁物流有限公司 一种优化无人机路径方法及装置
CN109583665A (zh) * 2018-12-26 2019-04-05 武汉烽火凯卓科技有限公司 一种无线传感器网络中的无人机充电任务调度方法
CN109670656A (zh) * 2019-02-27 2019-04-23 重庆邮电大学 一种基于4g网络的无人机最优通信路线规划方法
US20190155314A1 (en) * 2017-07-06 2019-05-23 Top Flight Technologies, Inc. Navigation system for a drone
CN109933089A (zh) * 2019-03-25 2019-06-25 北京邮电大学 基于最小化最大能量消耗的多无人机任务规划方法及装置
CN109991994A (zh) * 2019-05-10 2019-07-09 重庆邮电大学 一种基于飞行模拟器的小型无人机轨迹及姿态修正方法
CN110087257A (zh) * 2019-04-24 2019-08-02 重庆邮电大学 一种支持移动边缘计算的任务卸载装置及方法
CN110207708A (zh) * 2019-06-25 2019-09-06 重庆邮电大学 一种无人机航迹规划装置及方法
US20190289469A1 (en) * 2018-03-14 2019-09-19 Government Of The United States As Represented By The Secretary Of The Air Force Cooperative target execution system for unmanned aerial vehicle networks
CN110275546A (zh) * 2019-07-31 2019-09-24 河海大学常州校区 一种无人机编队搜索与任务调度方法
CN110362105A (zh) * 2019-06-17 2019-10-22 广州大学 基于多uav的传感器网络无线充电方法
CN110426039A (zh) * 2019-07-04 2019-11-08 中国人民解放军陆军工程大学 基于任务完成时间最小化的多无人机路径规划方法
CN110428111A (zh) * 2019-08-08 2019-11-08 西安工业大学 Uav/ugv协同长时多任务作业轨迹规划方法

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104536454A (zh) * 2014-12-05 2015-04-22 中国运载火箭技术研究院 一种用于双无人机协同的时空同步匹配方法
CN104503349A (zh) * 2014-12-10 2015-04-08 天津大学 基于无人机的监控装置
CN106020189A (zh) * 2016-05-24 2016-10-12 武汉科技大学 基于邻域约束的空地异构机器人系统路径规划方法
CN106656310A (zh) * 2017-01-10 2017-05-10 肖峰 一种无人机任务执行方法及系统
CN106908065A (zh) * 2017-02-13 2017-06-30 中国人民解放军国防科学技术大学 车辆搭载无人机的双层路径构建方法及系统
US10140875B1 (en) * 2017-05-27 2018-11-27 Hefei University Of Technology Method and apparatus for joint optimization of multi-UAV task assignment and path planning
US20190155314A1 (en) * 2017-07-06 2019-05-23 Top Flight Technologies, Inc. Navigation system for a drone
CN107358322A (zh) * 2017-07-12 2017-11-17 中南大学 一种无人机快递自动投送最短路径规划方法
CN107862705A (zh) * 2017-11-21 2018-03-30 重庆邮电大学 一种基于运动特征和深度学习特征的无人机小目标检测方法
CN107977743A (zh) * 2017-11-29 2018-05-01 合肥工业大学 多无人机协同任务分配方法及装置
CN108548538A (zh) * 2018-03-08 2018-09-18 中国人民解放军国防科技大学 多场站多无人机任务分配与飞行路径的规划方法及系统
US20190289469A1 (en) * 2018-03-14 2019-09-19 Government Of The United States As Represented By The Secretary Of The Air Force Cooperative target execution system for unmanned aerial vehicle networks
CN108664038A (zh) * 2018-05-14 2018-10-16 中国人民解放军火箭军工程大学 一种多无人机分布式合同竞拍在线任务规划方法
CN109000651A (zh) * 2018-05-31 2018-12-14 上海大学 一种路径规划方法及路径规划装置
CN108846522A (zh) * 2018-07-11 2018-11-20 重庆邮电大学 无人机系统联合充电站部署及路由选择方法
CN109032177A (zh) * 2018-07-28 2018-12-18 江苏苏宁物流有限公司 一种优化无人机路径方法及装置
CN109583665A (zh) * 2018-12-26 2019-04-05 武汉烽火凯卓科技有限公司 一种无线传感器网络中的无人机充电任务调度方法
CN109670656A (zh) * 2019-02-27 2019-04-23 重庆邮电大学 一种基于4g网络的无人机最优通信路线规划方法
CN109933089A (zh) * 2019-03-25 2019-06-25 北京邮电大学 基于最小化最大能量消耗的多无人机任务规划方法及装置
CN110087257A (zh) * 2019-04-24 2019-08-02 重庆邮电大学 一种支持移动边缘计算的任务卸载装置及方法
CN109991994A (zh) * 2019-05-10 2019-07-09 重庆邮电大学 一种基于飞行模拟器的小型无人机轨迹及姿态修正方法
CN110362105A (zh) * 2019-06-17 2019-10-22 广州大学 基于多uav的传感器网络无线充电方法
CN110207708A (zh) * 2019-06-25 2019-09-06 重庆邮电大学 一种无人机航迹规划装置及方法
CN110426039A (zh) * 2019-07-04 2019-11-08 中国人民解放军陆军工程大学 基于任务完成时间最小化的多无人机路径规划方法
CN110275546A (zh) * 2019-07-31 2019-09-24 河海大学常州校区 一种无人机编队搜索与任务调度方法
CN110428111A (zh) * 2019-08-08 2019-11-08 西安工业大学 Uav/ugv协同长时多任务作业轨迹规划方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
K YU等: "Algorithms for routing of unmanned aerial vehicles", 《2018 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》 *
R. SCHACHT-RODR&ACUTE等: "Path planning based on State-of-Health of the", 《PUBLISHED IN: 2018 UKACC 12TH INTERNATIONAL CONFERENCE ON CONTROL (CONTROL)》 *
周逊等: "一种高效低时延的无人机自组网多跳TDMA协议", 《光通信研究》 *
张广林等: "路径规划算法及其应用综述", 《现代机械》 *
胡洁等: "一种为地面WSN充电的无人机碰撞规避路径规划方法", 《计算机科学》 *
陈星: "无人机多目标的航线规划和任务分配算法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111679690A (zh) * 2020-06-24 2020-09-18 安徽继远软件有限公司 一种巡检无人机机巢分布及信息交互方法
CN111679690B (zh) * 2020-06-24 2023-03-31 安徽继远软件有限公司 一种巡检无人机机巢分布及信息交互方法
CN112333648A (zh) * 2020-11-11 2021-02-05 重庆邮电大学 一种基于无人机的动态数据收集方法
CN112333648B (zh) * 2020-11-11 2021-11-02 重庆邮电大学 一种基于无人机的动态数据收集方法
CN113885555A (zh) * 2021-09-14 2022-01-04 安徽送变电工程有限公司 面向输电线路密集通道巡检的多机任务分配方法和系统
CN113885566A (zh) * 2021-10-21 2022-01-04 重庆邮电大学 面向多无人机数据采集时间最小化的v型轨迹规划方法
CN113885566B (zh) * 2021-10-21 2024-01-23 重庆邮电大学 面向多无人机数据采集时间最小化的v型轨迹规划方法
CN115202849A (zh) * 2022-09-02 2022-10-18 广东翼景信息科技有限公司 一种支持边缘计算的多无人机任务分配与路径规划方法
CN115202849B (zh) * 2022-09-02 2023-04-18 广东翼景信息科技有限公司 一种支持边缘计算的多无人机任务分配与路径规划方法

Also Published As

Publication number Publication date
CN111006669B (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN111006669B (zh) 一种无人机系统任务协同及路径规划方法
CN111536979B (zh) 一种基于随机优化的无人机巡检路径规划方法
CN108846522B (zh) 无人机系统联合充电站部署及路由选择方法
CN110286694B (zh) 一种多领导者的无人机编队协同控制方法
CN109426273A (zh) 一种飞行器控制方法及装置
CN111240211B (zh) 一种无人机群动态回收方法
Duan et al. Optimal formation reconfiguration control of multiple UCAVs using improved particle swarm optimization
CN113552897B (zh) 基于任务优先级的空地无人系统侦察协同路径规划方法
Geng et al. Cooperative mission planning with multiple UAVs in realistic environments
CN113342034A (zh) 一种无人机通道巡检与精细化巡检的组合策略算法
CN112000128B (zh) 一种用于抢险救灾的无人机集群任务协同方法及系统
CN115993845B (zh) 一种集群智能系统协同运动规划与编队控制方法
CN114815898A (zh) 一种无人机协同任务规划方法
CN115237151A (zh) 一种基于信息素启发的群无人机多运动目标搜索方法
Yang et al. Multi-base multi-UAV cooperative patrol route planning novel method
CN112396298B (zh) 一种无人直升机多机协同任务规划方法
Qiu et al. A decoupling receding horizon search approach to agent routing and optical sensor tasking based on brain storm optimization
CN115574826B (zh) 基于强化学习的国家公园无人机巡护路径优化方法
Ni et al. An Improved Cooperative Control Method for Hybrid Unmanned Aerial‐Ground System in Multitasks
Diehl et al. Battery variability management for swarms
CN113495574B (zh) 一种无人机群飞行的控制方法、装置
CN111190438B (zh) 一种基于分布式优化的无人机群协同定位气体泄漏源方法
CN114578842B (zh) 一种无人车载旋翼无人机集群侦察的协同路径规划方法
Khaleghi et al. Analysis of uav/ugv control strategies in a dddams-based surveillance system
Chen et al. Research on multi-UAV dynamic mission assignment method based on clustering algorithm

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
TR01 Transfer of patent right

Effective date of registration: 20240621

Address after: No. 9-830 Fuqian East Street, Dasun Gezhuang Town, Shunyi District, Beijing, 101308

Patentee after: Xingwang Shuzhi Technology (Beijing) Co.,Ltd.

Country or region after: China

Address before: 518000 1104, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Patentee before: Shenzhen Hongyue Enterprise Management Consulting Co.,Ltd.

Country or region before: China

Effective date of registration: 20240621

Address after: 518000 1104, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Patentee after: Shenzhen Hongyue Enterprise Management Consulting Co.,Ltd.

Country or region after: China

Address before: 400065 Chongqing Nan'an District huangjuezhen pass Chongwen Road No. 2

Patentee before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS

Country or region before: China