CN112148035A - 多无人机轨迹优化方法、装置、存储介质及计算机设备 - Google Patents

Abstract

本发明公开了一种多无人机轨迹优化方法、装置、存储介质及计算机设备，涉及无人机技术领域，主要目的在于能够解决多无人机协同编队飞行的轨迹优化方法存在效率低、覆盖率低等问题，且容易出现无人机相互碰撞以及重复探寻的问题。所述方法包括：利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。本发明适用于多无人机的轨迹优化。

Description

多无人机轨迹优化方法、装置、存储介质及计算机设备

技术领域

本发明涉及无人机技术领域，特别是涉及一种多无人机轨迹优化方法、装置、存储介质及计算机设备。

背景技术

无人机具有机动性好、使用方便以及无人员伤亡风险等特点，因此近年来被广泛应用于军事领域、农林植保、快递运输和灾难救援等各个领域。单个无人机在复杂环境下执行巡逻、目标搜索和目标跟踪任务时，由于障碍密度大、空域受限以及机载传感器能力不足等原因，导致单机观测存在观测范围狭窄、观测精度低以及目标易丢失等缺点，而多机协同可获得更大的观测范围、观测精度以及更好的抗丢失性。当执行野外大面积长里程探测任务时，单机受能源限制难以独立完成，而多机可进行分工协作，提高了探测效率。然而，目前针对多无人机协同编队飞行的轨迹优化方法存在效率低、覆盖率低等问题，且容易出现无人机相互碰撞以及重复探寻的情况，限制了多无人机协同编队的应用和发展。

发明内容

有鉴于此，本发明提供一种多无人机轨迹优化方法、装置、存储介质及计算机设备，主要目的在于能够解决多无人机协同编队飞行的轨迹优化方法存在效率低、覆盖率低等问题，且容易出现无人机相互碰撞以及重复探寻的问题。

依据本发明一个方面，提供了一种多无人机轨迹优化方法，包括：

利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；

根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；

将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；

根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

进一步地，所述利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，包括：

设置一组待覆盖的点，并利用标量字段定义覆盖级别；

根据预设的生产函数以及所述待覆盖的点，对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，所述预设的生产函数包括：

其中，p_i(t)表示无人机在路径中的位置。ρ_i(q)表示无人机的覆盖行动，t表示移动覆盖时间，q表示待覆盖的点。

进一步地，所述根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，包括：

利用成本函数定义二次约束程序，所述二次约束程序包括：

s.t

其中，f(θ_i,j,ρ_i,j)为成本函数，

为无人机i的移动时间，θ_i,j为无人机i在路径j上所用的覆盖时间，Q＝{q₁,...,q_Q}为一组必须覆盖的有限点，

为无人机编队集合；

进一步地，所述根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化，包括：

利用预先定义的第二约束程序及第三约束程序，避免多无人机在覆盖期间发生碰撞；

利用预先定义的第四约束程序及第五约束程序，避免多无人机在运动期间发生碰撞；

根据预设的成本函数，减少两个或者多个代理同时移动的时间；

生成多无人机的最佳时间表，以对多无人机进行轨迹优化。

可选地，所述利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径之前，所述方法还包括：

对无人机控制器系统进行建模，得到所述无人机控制器系统的运动模型。

进一步地，所述对无人机控制器系统进行建模，得到所述无人机控制器系统的运动模型，包括：

对各无人机控制器进行建模，得到各无人机的动力学模型；

根据所述动力学模型，定义状态向量；

根据所述动力学模型及所述状态向量，得到无人机的姿态模型及位置模型。

依据本发明二个方面，提供了一种多无人机轨迹优化装置，包括：

规划单元，用于利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；

计算单元，用于根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；

合并单元，用于将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；

生成单元，用于根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

进一步地，所述规划单元，包括：

设置模块，用于设置一组待覆盖的点，并利用标量字段定义覆盖级别；

规划模块，用于根据预设的生产函数以及所述待覆盖的点，对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，所述预设的生产函数包括：

其中，p_i(t)表示无人机在路径中的位置。ρ_i(q)表示无人机的覆盖行动，t表示移动覆盖时间，q表示待覆盖的点。

进一步地，所述计算单元，包括：

第一定义模块，用于利用成本函数定义二次约束程序，所述二次约束程序包括：

s.t

其中，f(θ_i,j,ρ_i,j)为成本函数，

为无人机i的移动时间，θ_i,j为无人机i在路径j上所用的覆盖时间，Q＝{q₁,...,q_Q}为一组必须覆盖的有限点，

为无人机编队集合；

进一步地，所述生成单元，包括：

第一约束模块，用于利用预先定义的第二约束程序及第三约束程序，避免多无人机在覆盖期间发生碰撞；

第二约束模块，用于利用预先定义的第四约束程序及第五约束程序，避免多无人机在运动期间发生碰撞；

优化模块，用于根据预设的成本函数，减少两个或者多个代理同时移动的时间；

生成模块，用于生成多无人机的最佳时间表，以对多无人机进行轨迹优化。

可选地，所述装置还包括：

建模单元，用于对无人机控制器系统进行建模，得到所述无人机控制器系统的运动模型。

进一步地，所述建模单元，包括：

建模模块，用于对各无人机控制器进行建模，得到各无人机的动力学模型；

第二定义模块，用于根据所述动力学模型，定义状态向量；

处理模块，用于根据所述动力学模型及所述状态向量，得到无人机的姿态模型及位置模型。

依据本发明第三方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述执行指令使处理器执行以下步骤：利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

依据本发明第四方面，提供了一种计算机设备，包括处理器、存储器、通信接口和通信总线所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信，所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行以下步骤：利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

本发明提供一种多无人机轨迹优化方法及装置，本发明通过利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。从而能够解决多无人机协同编队飞行的轨迹优化方法存在效率低、覆盖率低等问题，且容易出现无人机相互碰撞以及重复探寻的问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种多无人机轨迹优化方法流程图；

图2示出了本发明实施例提供的一种多无人机轨迹优化装置的结构示意图；

图3示出了本发明实施例提供的一种多无人机轨迹优化装置的结构示意图；

图4示出了本发明实施例提供的一种计算机设备的实体结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如背景技术所述，目前，针对多无人机协同编队飞行的轨迹优化方法存在效率低、覆盖率低等问题，且容易出现无人机相互碰撞以及重复探寻的情况，限制了多无人机协同编队的应用和发展。

为了解决上述问题，本发明实施例提供了一种多无人机轨迹优化方法，如图1所示，所述方法包括：

101、利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径。

其中，所述预设的生产函数包括：

其中，p_i(t)表示无人机在路径中的位置。ρ_i(q)表示无人机的覆盖行动，t表示移动覆盖时间，q表示待覆盖的点。

所述各无人机的覆盖点可以表示为Q＝{q₁,...,q_Q}，其意义为一组无人机必须覆盖的有限点的集合。

具体地，可以利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，以便于根据所述单独封闭路径确定各无人机的最优覆盖时间和覆盖行动，从而提高多无人机飞行轨迹的优化效率和覆盖率。

102、根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划。

其中，所述无人机的轨迹计划可以包括所述各无人机的最优覆盖时间和最优覆盖行动。具体地，通过步骤101可以得到各无人机的多个单独封闭路径，可以根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的最优覆盖时间和最优覆盖行动。从而能够提高多无人机飞行轨迹的优化效率和覆盖率。

103、将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中。

具体地，本发明实施例可以将无人机的单个时间引用到团队计划中，具体方法如下所示：假设到达时间表示如下：

if

if

为了将这些时间包含在MILP公式中，可以引入二元变量

如果

则

否则，

这些变量表示团队计划中的到达时间是否大于1，并且必须通过减去1将它们移到团队计划的左侧。

同时服从

该方法根据二进制变量的值激活或停用约束，R是足够大的数字。在这种情况下，如果

则使用公式(5a),如果

则使用公式(5b)。

假设出发时间满足下列公式：

if

if

j∈{1,...,Γ_i},i∈{2,...,I}

引入二元变量

可以得到：

同时服从：

由于二元变量

和

是问题的变量，可以对它们的值进行以下限制，以保证路径的顺序遵循：

从而能够实现将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中，以便于后续生成时间表，以对多无人机进行轨迹优化。

104、根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

其中，所述时间表可以为根据各无人机合并计划后，形成的团体计划生成的最佳时间表，通过所述时间表，可以对多无人机进行轨迹优化，从而能够提高多无人机飞行轨迹的优化效率和覆盖率。具体地，在将各无人机的轨迹计划合并至多无人机团体的轨迹计划中之后，可以通过预设的约束集进行处理，以避免无人机在在覆盖时以及运动时的碰撞，并且可以通过成本函数，减少两个或者多个代理同时移动的时间，最后生成最佳时间表，以对多无人机进行轨迹优化。

本发明实施例提供了另一种多无人机轨迹优化方法，如图2所示，该方法包括：

201、对无人机控制器系统进行建模，得到所述无人机控制器系统的运动模型。

其中，所述无人机控制器系统是无人机完成起飞、空中飞行、执行任务和返场回收等整个飞行过程的核心系统。所述运动模型是指通过对无人机控制器系统进行建模，得到的动力学和运动学方程。

对于本发明实施例，所述步骤201具体可以包括：对各无人机控制器进行建模，得到各无人机的动力学模型；根据所述动力学模型，定义状态向量；根据所述动力学模型及所述状态向量，得到无人机的姿态模型及位置模型。

在实际场景中，所述无人机可以为四旋翼无人机，对无人机控制器系统进行建模，得到无人机机体坐标系下的运动模型，从而为保证准确追踪无人机，以及保证飞行的稳定性。所述无人机集体坐标系下的运动模型如下：

其中：上述运动模型的输入量可以为：

其中：ω表示旋翼转速，F_i表示第i个旋翼产生的升力，M_i表示第i个旋翼产生的反扭矩。K_F与K_M为两个常数，其大小与旋翼尺寸、形状以及空气密度等因素有关，所述K_F与K_M的计算方式如下：

其中：ρ表示空气密度，C_T和C_M为常数，A为形状参数，R表示旋翼半径。根据所述运动模型，可以设置状态向量为如下参数：

x₁＝φ,

x₃＝θ,

x₅＝ψ,

x₇＝z,

x₉＝x,

x₁₁＝y,

其中：θ、φ、ψ分别表示无人机飞行的俯仰角，横管，偏航。

则依据所述运动模型可建立位置姿态子系统状态方程S₁与位置子系统状态方程S₂：

其中，g表示重力加速度，m表示无人机的质量。各个状态参数可以为：

u_x＝cosφsinθcosψ+sinφsinψ,u_y＝cosφsinθsinψ-sinφcosψ

其中：I_x、I_y、I_z表示单位矩阵，l表示无人机的轴长。

202、利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径。

本步骤与图1所示的步骤101方法相同，在此不再赘述。

对于本发明实施例，所述步骤202具体可以包括：设置一组待覆盖的点，并利用标量字段定义覆盖级别，所述覆盖级别可以表示为Z(q,t)；根据预设的生产函数以及所述待覆盖的点，对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径。

在每个点上，可以通过标量字段定义覆盖级别Z(q,t)≥0，以便于通过提供一定的覆盖行动P^*(q,t)≥0来期望水平Z^*(q,t)≥0，具体可以通过一个团队I∈N的移动代理

的半径r_i来实现，它们能够根据生产函数P_i(q,t)在它们所在的点上提高水平。

在这种情况下，每个点提供的覆盖范围可以计算为：

假定Z(q,0)＝0为初始条件，所需要的覆盖范围为：

若想保持Z(q,τ)＝Z^*(q,τ)的解决方案需要至少与点一样多的代理。

在这种情况下，周期目标的要求可以为：

1)在某一时间t≤T，覆盖范围从Z(q,t)＝Z^*(q,t)

2)同时Z(q,t+kT)＝Z^*(q,t+kT),

且Z(q,t+kT)-Z(q,t+(k-1)T)＝Z^*(q,t+kT)-Z^*(q,t+(k-1)T)

由于p^*(q)的变化率比周期大的多，所以可以假定p^*(q)≡p^*(q,t)随时间(至少周期)是恒定的。因此，问题可以被认为是平稳的变化之间。根据上述(2)式，右项可变换成

为了满足这一目标，无人机遵循一个周期路径Γ_i，Γ_i表示在可达点之间Q_i的有序子集。沿着这些路径，无人机花费一些时间(即覆盖时间)

)覆盖每个点。这些时间按周期归一化，即它们表示该周期的分数。通过这种归一化，环境的每个点Q的周期性覆盖目标可以表示为：

可以将q称为i路径上的第j个点。虽然j对每个无人机i来说可能是不同的，但Γ_i≡q。为了避免无人机相撞，需要找到合适的路径Γ_i，覆盖时间θ_i,j和生产函数ρ_i,j满足下式：

本发明实施例通过利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，从而能够得到所述各无人机的单独封闭路径，以便于后续针对各无人机的单独封闭路径处理多无人机的协同覆盖过程，提高多无人机飞行轨迹的优化效率和覆盖率。

203、利用成本函数定义二次约束程序。

其中，根据步骤202中公式(4)可以得到所述二次约束程序包括：

s.t

其中，f(θ_i,j,ρ_i,j)为成本函数，

为无人机i的移动时间，θ_i,j为无人机i在路径j上所用的覆盖时间，Q＝{q₁,...,q_Q}为一组必须覆盖的有限点，

为无人机编队集合。需要说明的是，在上述二次约束程序中，(4a)是对线性程序覆盖目标的二次限制方程组；(4b)规定了对于每个无人机，覆盖这些点的时间加上沿着路径移动的时间必须小于周期；而集合(4c)表示每个点不能覆盖超过周期的时间。在特殊情况下，对于方程(4a)的解，有时候θ_i,j可能等于零。在这种情况下，这意味着无人机i不需要覆盖j点。因此，较短的路径只能通过覆盖时间大于零的点，从而减少移动时间

和覆盖环境所需的总时间。

具体地，所述寻找最短时间和最优路径的方法可以如下所示：

假设初始预测路径为

所用时间为

其中，

可以为预测路径，

可以为无人机i在路径

上的预测移动时间。

可以为移动时间，T可以为具有固定已知周期，通过下式进行计算：

θ_i,j＝t_i,j(q)/T≤1

选择并求解初始线性程序：

s.t

假设初始路径为

当任意的θ_i,j＝0，进行以下运算：

从初始路径

中去除点q；

如果

可以被修改，则在路径Γ_i中计划一条较短的路径；

重新计算新路径Γ_i所需要的时间

重新求解始线性程序：

s.t

得到最短时间θ_i,j和最优路径Γ_i。

204、根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划。

本步骤与图1所示的步骤102方法相同，在此不再赘述。

205、将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中。

本步骤与图1所示的步骤103方法相同，在此不再赘述。

206、根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

本步骤与图1所示的步骤104方法相同，在此不再赘述。

对于本发明实施例，所述步骤205具体可以包括：利用预先定义的第二约束程序及第三约束程序，避免多无人机在覆盖期间发生碰撞。

其中，考虑碰撞需要在问题中包含时空限制，这意味着对环境进行离散化，并分析每一次发生的情况点。然而，对于大型环境有许多点要覆盖，这个问题变得难以计算。因此，可以将避免碰撞作为规划约束，可能发生冲突的第一种情况是两个或两个以上的行动者试图同时覆盖同一点。从规划的角度来看，如果团队计划中不同代理对该点的覆盖重叠，就会发生这种情况，可以用两组约束避免这种冲突。第一组限制可以为：

其中：a_i,j为单个无人机到达时间，A_i,j为加入团队后无人机到达时间，

为二元变量，其要么为0，要么为1；d_i,j为单个无人机离开时间，D_i,j为加入团队后无人机离开时间，

为二元变量，其要么为0，要么为1。ε是持续的间隔，即出发和到达在同一点的最小间隔。

等类似的参数均为二元变量，其要么为0，要么为1。对于所有的j₁和j₂有

持续的间隔ε是出发和到达在同一点的最小间隔。如果无人机i₁的覆盖在无人机i₂的覆盖之前，即

则使用限制(7a)。当这种情况出现时，二元变量

(7c)确保无人机i₂的覆盖范围从i₁的覆盖范围结束后开始，即

最后一个限制保证，如果i₂的覆盖范围必须是拆分的，即

它在i₁覆盖开始之前完成。

第二组限制可以为：

与式(7)相反，当

或当

时，式(8)被激活，从而可以避免无人机在覆盖时碰撞。

对于本发明实施例，所述步骤205具体还可以包括：利用预先定义的第四约束程序及第五约束程序，避免多无人机在运动期间发生碰撞。

在实际应用场景中，可能发生一对无人机之间碰撞的第二种情况是当它们都在移动或一个正在移动，另一个正在覆盖一个点。这可以用同样的方式来解决，因为在覆盖期间的碰撞，通过避免可能引起冲突的运动和覆盖物的重叠。实际上，可以对这两种情况的限制与上一步骤中的两组约束过程相同：两名无人机的移动和一名无人机的移动以及另一名无人机对某一点的覆盖。

可以将δ_i,j和α_i,j分别定义为Γ_i(j)和Γ_i(j+1)之间运动的初始和最终时间。δ_i,j＝d_i,j是移动开始，α_i,j(j)＝α_i,j(j+1)是移动结束，j∈{1,...,Γ_i}。特别的，对于j＝|Γ_i|，可以有

与覆盖度时间类似，可以将团队计划中运动的出发和到达时间表示为无人机二元变量

和

的函数，如下所示：

其中：Δ_i,j表示团队出发时间，Λ_i,j表示团队离开时间，

为团队进度变量，表示每个无人机单独的计划转移产生团队计划的时间。对于j＝|Γ_i|，可以定义二进制变量

它表示每个无人机的最后一次移动的最终时间是否大于1。它需要以下限制：

为了确定两个运动是否会导致碰撞，可以计算运动的两个轨迹之间的最小距离

如果这种距离低于无人机的大小之和，

则确定碰撞是可能的。如果这对运动可能导致冲突，则问题中包括以下两组约束，分别是运动的出发和到达时间。

第一组约束：

如果无人机i₁的移动在无人机i₂的移动之前，即

则使用约束(10a)。当这种情况出现时，二元变量

(10b)约束表示代理i₁的运动不能在周期结束时分裂，(10c)表示i₂的运动必须在i₁的运动结束后开始，(10d)表示如果i₂的运动在周期结束时被分割，它必须在i₁开始移动之前完成。

当无人机i₂的移动在无人机i₁的移动之前，第二组约束就会激活：

在无人机i₁的运动过程中，第二种碰撞是与覆盖一个点的另一个无人机i₂发生的。在这种情况下，可以计算移动者的轨迹之间的最小距离

如果可能发生碰撞，即

时，可以将无人机i₁运动的出发和到达时间以及无人机i₂到达和离开时间和它必须覆盖的点相同的两组约束条件包括进来。

第一组约束：

如果运动在覆盖之前就开始了，那么第一组约束被激活，反之，第二组约束被激活。

第二组约束：

上述约束集的相关变量的含义与前文中公式相同。

对于本发明实施例，所述步骤205具体又可以包括：根据预设的成本函数，减少两个或者多个代理同时移动的时间。

其中，所提出的限制保证了在结果调度中，无人机之间在任何时候都不会发生冲突。在某些应用中，可以将问题转化成一个约束满足问题。目标是尽量减少两个或多个代理同时移动的时间，其满足公式(12)

k₁,k₂＝1,2

其中：f_sch表示不同无人机之间每对运动重叠的时间总和。

最小化问题(12)可以转化为标准MILP公式如下。首先，引入大于或等于(12)内最小值的辅助变量

这可以归结为以下约束之一：

其中

k∈{1,...,4}是激活(14a)和(14b)的二元变量，在(14e)中给出了

的最小值。

其次，引入大于或等于(12)内最小值的辅助变量

由于目标(15)是使

的总和最小化，因此可以看到，

也将通过激活(14a)(14d)中的适当约束而最小化。

对于本发明实施例，所述步骤205具体再可以包括：生成多无人机的最佳时间表，以对多无人机进行轨迹优化。

具体地，由于其中每个无人机都执行自己的周期计划，为了保证不发生碰撞，则要使两个或多个无人机运动重叠的时间最小，即为以下MILP的解：

min f_sch (17)

公式(17)受(6)和(16)之间引入的限制。

定义团队计划的变量是φ_i，它表示每个个人计划必须被转移以产生团队计划的时间。

使用标准的求解器就可以求出想要的解。事实上，周期也可以根据系统的期望性能单独计算。例如，它可以设置为一个点可以保持未发现的最大时间，或者根据分配给移动的最大时间来计算。

本发明提供一种多无人机轨迹优化方法，通过利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。从而能够解决多无人机协同编队飞行的轨迹优化方法存在效率低、覆盖率低等问题，且容易出现无人机相互碰撞以及重复探寻的问题。

进一步地，作为图1的具体实现，本发明实施例提供了一种多无人机轨迹优化装置，如图3所示，所述装置包括：规划单元31、计算单元32、合并单元33和生成单元34。

所述规划单元31，可以用于利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；

所述计算单元32，可以用于根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；

所述合并单元33，可以用于将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；

所述生成单元34，可以用于根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

进一步地，所述规划单元31，包括：

设置模块311，可以用于设置一组待覆盖的点，并利用标量字段定义覆盖级别；

规划模块312，可以用于根据预设的生产函数以及所述待覆盖的点，对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，所述预设的生产函数包括：

其中，p_i(t)表示无人机在路径中的位置。ρ_i(q)表示无人机的覆盖行动，t表示移动覆盖时间，q表示待覆盖的点。

进一步地，所述计算单元32，包括：

第一定义模块321，可以用于利用成本函数定义二次约束程序，所述二次约束程序包括：

s.t

其中，f(θ_i,j,ρ_i,j)为成本函数，

为无人机i的移动时间，θ_i,j为无人机i在路径j上所用的覆盖时间，Q＝{q₁,...,q_Q}为一组必须覆盖的有限点，

为无人机编队集合；

进一步地，所述生成单元34，包括：

第一约束模块341，可以用于利用预先定义的第二约束程序及第三约束程序，避免多无人机在覆盖期间发生碰撞；

第二约束模块342，可以用于利用预先定义的第四约束程序及第五约束程序，避免多无人机在运动期间发生碰撞；

优化模块343，可以用于根据预设的成本函数，减少两个或者多个代理同时移动的时间；

生成模块344，可以用于生成多无人机的最佳时间表，以对多无人机进行轨迹优化。

可选地，所述装置还包括：

建模单元35，可以用于对无人机控制器系统进行建模，得到所述无人机控制器系统的运动模型。

进一步地，所述建模单元35，包括：

建模模块351，可以用于对各无人机控制器进行建模，得到各无人机的动力学模型；

第二定义模块352，可以用于根据所述动力学模型，定义状态向量；

处理模块353，可以用于根据所述动力学模型及所述状态向量，得到无人机的姿态模型及位置模型。

需要说明的是，本发明实施例提供的一种多无人机轨迹优化装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。

基于上述如图1所示方法，相应的，本发明实施例还提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述执行指令使处理器执行以下步骤：利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

基于上述如图1所示方法和如图3所示装置的实施例，本发明实施例还提供了一种计算机设备，如图4所示，处理器(processor)41、通信接口(Communications Interface)42、存储器(memory)43、以及通信总线44。其中：处理器41、通信接口42、以及存储器43通过通信总线44完成相互间的通信。通信接口34，用于与其它设备比如用户端或其它服务器等的网元通信。处理器41，用于执行程序，具体可以执行上述多无人机轨迹优化方法实施例中的相关步骤。具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。处理器41可能是中央处理器CPU，或者是特定集成电路ASIC(Application Specific IntegratedCircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。存储器43，用于存放程序。存储器43可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。程序具体可以用于使得处理器41执行以下操作：利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

通过本发明的技术方案，能够利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。从而能够解决多无人机协同编队飞行的轨迹优化方法存在效率低、覆盖率低等问题，且容易出现无人机相互碰撞以及重复探寻的问题。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种多无人机轨迹优化方法，其特征在于，包括：

利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；

根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；

将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；

根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

2.根据权利要求1所述的方法，其特征在于，所述利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，包括：

设置一组待覆盖的点，并利用标量字段定义覆盖级别；

根据预设的生产函数以及所述待覆盖的点，对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，所述预设的生产函数包括：

其中，p_i(t)表示无人机在路径中的位置。ρ_i(q)表示无人机的覆盖行动，t表示移动覆盖时间，q表示待覆盖的点。

3.根据权利要求1所述的方法，其特征在于，所述根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，包括：

利用成本函数定义二次约束程序，所述二次约束程序包括：

s.t

其中，f(θ_i,j,ρ_i,j)为成本函数，

为无人机i的移动时间，θ_i,j为无人机i在路径j上所用的覆盖时间，Q＝{q₁,...,q_Q}为一组必须覆盖的有限点，

为无人机编队集合。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化，包括：

利用预先定义的第二约束程序及第三约束程序，避免多无人机在覆盖期间发生碰撞；

利用预先定义的第四约束程序及第五约束程序，避免多无人机在运动期间发生碰撞；

根据预设的成本函数，减少两个或者多个代理同时移动的时间；

生成多无人机的最佳时间表，以对多无人机进行轨迹优化。

5.根据权利要求1所述的方法，其特征在于，所述利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径之前，所述方法还包括：

对无人机控制器系统进行建模，得到所述无人机控制器系统的运动模型。

6.根据权利要求5所述的方法，其特征在于，所述对无人机控制器系统进行建模，得到所述无人机控制器系统的运动模型，包括：

对各无人机控制器进行建模，得到各无人机的动力学模型；

根据所述动力学模型，定义状态向量；

根据所述动力学模型及所述状态向量，得到无人机的姿态模型及位置模型。

7.一种多无人机轨迹优化装置，其特征在于，包括：

规划单元，用于利用预设的生产函数以及各无人机的覆盖点对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径；

计算单元，用于根据预先定义的二次约束程序以及所述各无人机的单独封闭路径，得到所述各无人机的轨迹计划，所述各无人机的轨迹计划包括所述无人机的最优覆盖时间和最优覆盖行动；

合并单元，用于将所述各无人机的轨迹计划合并至多无人机团体的轨迹计划中；

生成单元，用于根据所述多无人机团体的轨迹规划生成时间表，以对多无人机进行轨迹优化。

8.根据权利要求6所述的方法，其特征在于，所述规划单元，包括：

设置模块，用于设置一组待覆盖的点，并利用标量字段定义覆盖级别；

规划模块，用于根据预设的生产函数以及所述待覆盖的点，对各无人机进行轨迹规划，得到所述各无人机的单独封闭路径，所述预设的生产函数包括：

其中，p_i(t)表示无人机在路径中的位置。ρ_i(q)表示无人机的覆盖行动，t表示移动覆盖时间，q表示待覆盖的点。

9.一种存储介质，其上存储有计算机程序，所述存储介质中存储有至少一可执行指令，所述执行指令使处理器执行如权利要求1-6中任一项所述的多无人机轨迹优化方法对应的操作。

10.一种计算机设备，包括处理器、存储器、通信接口和通信总线所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信，所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的多无人机轨迹优化方法对应的操作。

Images