CN112230677B - 无人机族群任务规划方法及终端设备 - Google Patents
无人机族群任务规划方法及终端设备 Download PDFInfo
- Publication number
- CN112230677B CN112230677B CN202011141516.XA CN202011141516A CN112230677B CN 112230677 B CN112230677 B CN 112230677B CN 202011141516 A CN202011141516 A CN 202011141516A CN 112230677 B CN112230677 B CN 112230677B
- Authority
- CN
- China
- Prior art keywords
- task
- agent
- unmanned aerial
- group
- aerial vehicle
- 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 54
- 238000012545 processing Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 10
- 239000010410 layer Substances 0.000 description 38
- 238000007726 management method Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 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
- 239000012792 core layer Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用于无人机技术领域,提供了一种无人机族群任务规划方法及终端设备,其中,该方法包括:集群第一智能体接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体;集群第二智能体根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体;目标子群智能体将目标任务分配至目标智能体所属的无人机子群中的各个无人机智能体。本发明能够提高任务的分配质量及多任务协同规划效率。
Description
技术领域
本发明属于无人机技术领域,尤其涉及一种无人机族群任务规划方法及终端设备。
背景技术
随着人类科技的不断发展,无人机在各个领域的应用愈发广泛,例如军用领域。在军用领域中,考虑到作战环境日益复杂、作战任务日渐多样、作战范围日趋扩大等情况,通常由多个无人机进行协同作战。
目前,无人机协同作战中作战任务的分配质量较差,导致协同作战的作战效能较低。
发明内容
有鉴于此,本发明实施例提供了一种无人机族群任务规划方法及终端设备,以解决现有技术中作战任务分配质量较差的问题。
本发明实施例的第一方面提供了一种无人机族群任务规划方法,方法应用于无人机集群,无人机集群包括集群第一智能体、集群第二智能体以及多个无人机子群,无人机子群包括子群智能体和多个无人机智能体,方法包括:
集群第一智能体接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体;
集群第二智能体根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体;
目标子群智能体将目标任务分配至目标智能体所属的无人机子群中的无人机智能体。
可选的,集群第二智能体根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体,包括:
集群第二智能体获取每个无人机子群完成目标任务的任务成本值;
集群第二智能体将与满足预设条件的任务成本值相对应的无人机子群中的子群智能体,确定为目标子群智能体,并将目标任务分配至目标子群智能体。
可选的,集群第一智能体在将多个任务发送至集群第二智能体之后,方法还包括:
集群第一智能体获取无人机子群的剩余任务处理值,并将无人机子群的剩余任务处理值发送至集群第二智能体;
集群第二智能体将与满足预设条件的任务成本值相对应的无人机子群中的子群智能体,确定为目标子群智能体,包括:
集群第二智能体将任务成本值小于剩余任务处理值的无人机子群确定为候选无人机子群;
集群第二智能体将与最小任务成本相对应的候选无人机子群中的子群智能体,确定为目标子群智能体。
可选的,集群第一智能体获取无人机子群的剩余任务处理值,包括:
集群第一智能体接收由子群智能体发送的剩余任务处理值。
可选的,任务成本值至少包括路径成本值和任务执行成本值。
本发明实施例的第二方面提供了一种终端设备,终端设备包括集群第一智能体、集群第二智能体以及多个无人机子群,无人机子群包括子群智能体和多个无人机智能体,其中:
集群第一智能体,用于接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体;
集群第二智能体,用于根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体;
目标子群智能体,用于将目标任务分配至目标智能体所属的无人机子群中的无人机智能体。
可选的,集群第二智能体还用于:
获取每个无人机子群完成目标任务的任务成本值;
将与满足预设条件的任务成本值相对应的无人机子群中的子群智能体,确定为目标子群智能体,并将目标任务分配至目标子群智能体。
可选的,集群第一智能体还用于:
获取无人机子群的剩余任务处理值,并将无人机子群的剩余任务处理值发送至集群第二智能体;
集群第二智能体还用于:
将任务成本值小于剩余任务处理值的无人机子群确定为候选无人机子群;
将与最小任务成本相对应的候选无人机子群中的子群智能体,确定为目标子群智能体。
可选的,集群第一智能体还用于:
接收由子群智能体发送的剩余任务处理值。
可选的,任务成本值至少包括路径成本值和任务执行成本值。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过将无人机集群划分为集群第一智能体、集群第二智能体、子群智能体和无人机智能体等四个层级,由集群第一智能体接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体,然后由集群第二智能体根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体,之后由目标子群智能体将目标任务分配至目标智能体所属的无人机子群中的各个无人机智能体。通过四个层级各自的处理与协同,可以快速完成作战任务的分配,实现多种任务模式的灵活协同规划,从而可以提高任务的分配质量,提升无人机协同作战效能。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种无人机族群任务规划方法的步骤流程图;
图2是本发明实施例提供的另一种无人机集群架构示意图;
图3是本发明实施例提供的一种任务分配流程示意图;
图4是本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
正如相关技术中所描述的,无人机在协同作战时,由于作战任务的分配质量较差,导致协同作战的作战效能较低。经过研究发现,作战任务的分配质量较差的原因,在于缺乏有效的多种任务模式快速协同分配、规划的方法,特别是当作战指挥中心的处理资源受限时,任务分配下达的效率更低。
为了解决现有技术问题,本发明实施例提供了一种无人机族群任务规划方法及终端设备。下面首先对本发明实施例所提供的无人机族群任务规划方法进行介绍。
下面对本发明实施例所涉及的技术术语进行介绍。
1.智能体(Agent)。
Agent是指具有自治性、社会性、反应性和预动性的基本特性的实体,Agent可以是一个软件程序或者一个实体,例如如人、车辆、机器人等。
2.多智能体系统(Multi-Agent Systems,MAS)。
MAS是由一系列相互作用的智能体构成,MAS可以通过各个智能体之间相互通信、合作、竞争等方式,完成单个智能体不能完成的大量而又复杂的工作。
3.同构智能体/异构智能体。
同构智能体可以是MAS中动力学模型相同的智能体,如同构无人机。异构智能体,可以是MAS中动力学模型不相同的智能体,如异构无人机。
接下来介绍本发明实施例所提供的无人机族群任务规划方法。
无人机族群任务规划方法可以应用于无人机族群任务规划。无人机族群任务规划是将所有无人机集群作为一个整体进行规划,并结合具体任务需求,进行任务分配,将具体子任务分配给由同构/异构无人机组成的子群去完成。相应的,无人机族群任务规划方法的执行主体可以是无人机集群,无人机集群可以包括集群第一智能体、集群第二智能体以及多个无人机子群,无人机子群可以包括子群智能体和多个无人机智能体。
无人机集群可以是由作战指挥中心所能指挥的所有或者部分无人机构成的集群,其中,集群第一智能体和集群第二智能体分别可以是无人机集群内具备一定信息处理及计算能力的无人机。无人机子群可以是包括单个或者多个无人机,可称为无人机智能体,其中,子群智能体可以是无人机子群内某个无人机。无人机子群中的无人机可以是同构无人机,也可以是异构无人机,这里不对其做具体限定。
如图1所示,本发明实施例提供的无人机族群任务规划方法包括以下步骤:
S101、集群第一智能体接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体。
在一些示例实施例中,任务信息可以是由信息部门分配或者其它部门反馈至集群第一智能体的信息,例如侦察信息、攻击信息。预设任务生成规则可以是用于生成符合标准任务形式的任务的规则,其中,符合标准任务形式的任务可以被无人机集群中的其它智能体所读取。
具体的,集群第一智能体可以从信息部门或者其它部门的信息设备处接收任务信息。之后,集群第一智能体可以根据预设任务生成规则和任务信息生成多个任务,并将生成的多个任务发送至集群第二智能体。
需要说明的是,任务可以包括侦察任务、中继任务、攻击任务,其中,侦察任务可以是对预设区域进行侦察的任务,例如对作战目标所在的区域进行侦察;中继任务可以是中继通信任务;攻击任务可以是对作战目标进行攻击的任务。
S102、集群第二智能体根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体。
在一些示例实施例中,集群第二智能体可以根据每个任务的任务要求,将任务分配至相应的无人机子群的子群智能体。
例如,集群第二智能体可以将侦察任务分配至具有侦察能力的无人机子群,集群第二智能体可以将中继任务分配至具有中继能力的无人机子群,集群第二智能体可以将攻击任务分配至具有攻击能力的无人机子群。
进一步的,对于具有时序性的任务,集群第二智能体可以根据不同任务之间的时序关系,将任务分配至相应的子群智能体。
可选的,集群第二智能体可以根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体,相应的处理可以如下:集群第二智能体获取每个无人机子群完成目标任务的任务成本值;集群第二智能体将与满足预设条件的任务成本值相对应的无人机子群中的子群智能体,确定为目标子群智能体,并将目标任务分配至目标子群智能体。
在一些示例实施例中,任务成本值可以是衡量完成任务所花费的成本的数值。
可选的,任务成本值可以至少包括路径成本值和任务执行成本值。
在一些示例实施例中,路径成本可以是执行任务的无人机从预设地点(起始地点或者当前地点)飞行到任务执行所在的地点之间的飞行距离,相应的,路径成本值可以是衡量路径成本的数值。任务执行成本可以是无人机执行任务的成本的数值,例如无人机自身成本、武器损耗成本等,相应的,任务执行成本值可以是衡量任务执行成本的数值。
在一些示例实施例中,集群第二智能体可以根据每个无人机子群的参数,例如无人机子群中各个类型无人机的无人机数量、每个无人机的性能等,计算每个无人机子群完成目标任务的任务成本值。之后,集群第二智能体可以判断各个无人机子群的任务成本值是否满足预设条件。之后,集群第二智能体可以将与满足预设条件的任务成本值相对应的无人机子群中的子群智能体,确定为目标子群智能体,并将目标任务分配至目标子群智能体。
可选的,上述集群第二智能体将与满足预设条件的任务成本值相对应的无人机子群中的子群智能体,确定为目标子群智能体的具体处理,可以如下:集群第二智能体将任务成本值小于剩余任务处理值的无人机子群确定为候选无人机子群;集群第二智能体将与最小任务成本相对应的候选无人机子群中的子群智能体,确定为目标子群智能体。
在一些实施例中,集群第一智能体在将多个任务发送至集群第二智能体之后,集群第一智能体可以获取无人机子群的剩余任务处理值,并将无人机子群的剩余任务处理值发送至集群第二智能体。之后,集群第二智能体可以将任务成本值小于剩余任务处理值的无人机子群确定为候选无人机子群,以排除那些不能执行目标任务的无人机子群。之后,集群第二智能体可以从候选无人机子群中确定出对应最小任务成本的无人机子群,并将该无人机子群确定为目标子群智能体。
可选的,集群第一智能体获取无人机子群的剩余任务处理值的具体处理,可以如下:集群第一智能体接收由子群智能体发送的剩余任务处理值。
在一些实施例中,子群智能体可以将其所属的无人机子群的剩余任务处理值主动发送至集群第一智能体。具体的,子群智能体可以每隔预设周期,如5秒或10秒,更新所属的无人机子群的剩余任务处理值,并将更新的剩余任务处理值发送至集群第一智能体。
S103、目标子群智能体将目标任务分配至目标智能体所属的无人机子群中的无人机智能体。
在一些示例实施例中,目标子群智能体在接收到目标任务后,可以将目标任务分配至目标智能体所属的无人机子群中的各个无人机智能体。例如,当目标任务是侦察任务时,目标子群智能体可以将该侦察任务分配至具备侦察能力的无人机智能体,也就是真实的无人机。
在本发明实施例中,通过将无人机集群划分为集群第一智能体、集群第二智能体、子群智能体和无人机智能体等四个层级,由集群第一智能体接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体,然后由集群第二智能体根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体,之后由目标子群智能体将目标任务分配至目标智能体所属的无人机子群中的各个无人机智能体。通过四个层级各自的处理与协同,可以快速及时的完成作战任务的分配,实现多种任务模式的灵活协同规划,从而可以提高任务的分配质量,提升无人机协同作战效能。
为了更好的理解上述无人机族群任务规划方法,下面给出一种场景实施例。
如图2所示,可以将无人机族群划分为输入层、族群任务规划层、族任务规划层和执行任务层等四个层,这里将每个无人机子群称为“族”,由不同“族”组成的无人机集群称为“族群”。
其中,输入层对应于上述的集群第一智能体,输入层可以包括任务信息管理Agent和资源信息管理Agent。族群任务规划层对应于上述的集群第二智能体,族群任务规划层可以包括族群任务规划Agent。族任务规划层对应于上述无人机子群中的子群智能体,族任务规划层可以包括多种类型的族任务规划Agent,例如侦察族任务规划Agent、攻击族任务规划Agent、中继族任务规划Agent。执行任务层对应于上述无人机子群中的无人机智能体,执行任务层可以包括多个无人机。
任务信息管理Agent,可以实时的接收信息部门分配或者下级部门反馈的需要完成的任务,并将其处理为无人机集群中各个智能体可读的标准任务形式。资源信息管理Agent,可以对各种无人机的一些重要属性和能力指标进行建模,并向资源信息管理Agent和族群任务规划Agent提供必要的资源信息查询和能力计算。资源信息管理Agent,从族任务规划层中得到各族任务资源的反馈信息,并实时跟踪和更新任务资源的状态和信息。
族群任务规划Agent,可以分别从任务信息管理Agent和资源信息管理Agent中接收任务信息和资源信息,并根据任务需求和资源能力来确定哪些资源具有完成哪些任务的能力;同时将所有需要完成的任务适时的分发到相应的族任务规划Agent中。
值得一提的是,族群规划层具有全局视角,其可以根据任务类型和时序进行协同,按要求将任务分配给族任务规划层中的族任务规划Agent。
对于族任务规划层,任务规划部门可以将具有相同或相似任务功能和配置地域的多个无人机封装成一个Agent,族任务规划Agent可以接受族群任务规划Agent分发的协同任务,然后制定任务分配及路径规划综合方案,并将其分发给所属无人机,同时反馈给输入层,此外,还可以将所属资源的变化实时通知资源信息管理Agent。
对于执行任务层,该层中的所有无人机可以由其上一层族任务规划Agent管理控制,各个无人机可以将自身的状态信息反馈给族任务规划Agent,并从族任务规划Agent中接收任务分配及路径规划方案,并按照各自接受的任务规划方案执行任务。
需要说明的是,输入层可以实现对任务信息及资源信息的管理及预处理,以支撑下一层族群任务规划层的数据输入。族群任务规划层作为核心层,可以根据输入的任务及资源信息,实时对各类任务进行按需分配,形成任务分配方案并派发给族任务规划层,同时接收族任务规划层的规划结果。族任务规划层,可以从上一层得到任务分配方案,之后,各无人机族按任务分配结果并结合各域度资源规划任务航路,并将规划结果实时反馈给输入层、执行任务层。执行任务层,可以按照族任务规划层确定的任务航路,执行作战任务。并将作战进程实时反馈给族任务规划层,以便出现特情状况,族任务规划层进行实时动态重规划。
参见图3,以无人机对目标进行攻击、对目标先侦察再攻击、对远距离目标侦察,这三种典型的任务类型为例,对任务的分配流程进行介绍,规划流程可以包括任务预处理部分、任务分配部分以及任务执行部分。其中:
任务预处理部分中,各指挥决策机构下达的作战任务随机进入任务队列中,任务信息管理Agent对任务进行预处理操作并确定每个到达任务的类型。例如,确定任务需要几种类型的任务无人机,以及是否需要中继无人机。之后,可以将处理后的结果发送到族群任务规划Agent,等待分配。
任务分配部分中,族群任务规划Agent与族任务规划Agent进行周期性信息交互,并通过分配算法将处理后的任务按照时序要求,按需分配给族任务规划Agent。
任务分配部分作为任务规划的核心部分,可以包括分配模型和分配方法。
下面对分配模型进行介绍。
无人机族群可以表示为S={v1,v2,…,vn},其中,S表示由各类异构无人机族所组成的无人机族群,vi表示第i个无人机族,n表示族群中族数量。无人机族可以具有以下属性:可执行多类型任务,如侦察、攻击或者中继等;单个无人机族,其阵地部署应在同一地域;单个无人机族,其执行任务能力是一定的,即其可执行的任务无人机数量也是一定的。
在无人机族群执行任务期间,对于任何给定的时间t,每个无人机族都有一个定义为vi(t)的任务状态,任务状态vi(t)可以包含以下信息:执行任务的情况,族内正在执行任务的无人机数量;剩余容量,族内未分配任务的无人机数量;分配给此无人机族的任务列表。
需要说明的是,族群的任务状态vi(t)可以包括两方面的含义,一方面是所有任务族状态的集合,另一方面是族群调度的所有任务的任务状态的集合。
为了更好的理解任务状态,下面对任务状态进行介绍。
族群任务可以是由一个或多个相互关联的独立任务组成。具体的,可以用MS={T,D}表示族群任务,其中T={t1,t2,…tk}是族群任务中独立的任务集合,D是不同任务之间的依赖关系。其D={ti,tj}表示任务tj依赖于任务ti,即tj必须等待ti完成才能开始。如果我们把每个任务看作一个节点,把两个任务之间的依赖关系看作有向边,那么族群任务就可以用有向图来表示任务间的时序状态。
在族群任务规划中,在任何给定的时间t都有与其相关联的状态。任务状态是一个三元组MSt={C,P,W},其中C表示已完成任务的集合,P表示正在进行的任务的集合,W表示正在等待完成的任务的集合。当任务被完成时,P=W={},即空集;C=T。
下面对上述任务分配部分中的分配方法进行介绍。
基于上述定义,分配方法的核心在于,给定一个无人机族群S和一个新的族群任务MS,如何使用无人机族群完成作战任务成本最小。具体的,可以生成从任务集合到无人机族集合的映射M。该映射M指定将哪个任务分配给哪个无人机族。例如,M={t1,v2}可以表示无人机族2获得任务1。
此外,在族群任务分配过程中需要考虑两个方面的问题:第一个是任务类型的区分,第二个是不同任务类型之间的协同。不同的任务类型很容易被分配到相应的任务族中,而由于协同任务中的任务之间存在依赖关系,它们需要同时被分配,或者按时序关系被先后分配。因此,族群任务规划Agent需要决定哪些任务需要等待被分配,哪些任务需要被立即分配或哪些任务已经被分配或者完成。当一个任务完成或者正在进行时,其他依赖于该任务的任务需要准备就绪。族群任务规划Agent通过接受任务信息Agent以及各个族反馈来的完成任务情况的信息,实时更新每个任务的状态,并在任务准备就绪时将任务分配给相应的任务族。
对于每个准备好的任务,族群任务规划Agent可以通过下述阶段将任务较好地分配到相应的族任务规划Agent:
第一阶段,族群任务规划Agent和族任务规划Agent之间的初始匹配。匹配操作是指为族群任务选择候选的族任务规划Agent。具体的,如果一个族任务规划Agent的任务类型符合任务要求,则认为该任务族可以与该任务匹配。该初始匹配是一种预处理操作,尽管预处理操作直观简单,但可以明显降低协同任务分配的复杂性。
第二阶段,将任务分发给各个族任务规划Agent。之后,计算每个任务族完成任务的成本。族群任务规划Agent将利用各个族的最新状态,使用多无人机任务规划算法来计算完成任务的成本。这一成本对于不同的任务族来说是不同的,因为无人机族配置在不同的位置。将计算的任务成本与任务族的剩余容量进行比较。如果前者大于后者,则选择此任务族作为任务分配的候选。之后,对计算出的成本进行排序,选择成本值最小的任务族作为执行任务的族。
任务执行部分中,从族群任务规划Agent接受任务后,族任务规划Agent将根据所管控的无人机资源情况将各自需要执行的任务进行规划,形成对所属无人机的任务分配及路径规划方案,然后将规划方案反馈给族群任务规划Agent,族群任务规划Agent评估反馈的规划方案,同时决定是否需要与族规划中心Agent进行再一轮协商,如果族群任务规划Agent对反馈的规划方案合理,将告知各个族任务规划Agent,族任务规划Agent接到消息后将任务分配和路径规划方案发送给各自管控的任务无人机,任务无人机依据规划方案执行作战任务。
值得一提的是,经过上述处理,不同任务族之间的协同是间接通过族群任务规划Agent实现的,并且,族群任务规划Agent以集中式的形式负责协调各族任务规划Agent以共同完成作战任务。此外,各族任务规划Agent的目标是不仅要尽可能完成族群任务规划Agent分发的协同任务,还可以完成更多简单非协同任务。此外,族任务规划Agent之间也可以具备直接交互能力,可以增强扰动处理能力。
为了更好的理解本发明实施例所提供的无人机族群任务规划方法,下面通过仿真方式进行介绍。
以仿真实验平台为Inter Core i5-7300HQ/8GB/64位Win10操作系统的惠普笔记本、编程工具为Matlab R2017b(64位)为例进行介绍,仿真过程如下:
设置30个目标点,其位置坐标如表一所示,其中,t表示目标点,(x,y)表示目标点的位置坐标。
表一
t | (x,y)/m | t | (x,y)/m | t | (x,y)/m |
1 | (1150,1176) | 11 | (840,550) | 21 | (830,1770) |
2 | (630,1660) | 12 | (1170,2300) | 22 | (490,500) |
3 | (40,2090) | 13 | (970,1340) | 23 | (1840,1240) |
4 | (750,1100) | 14 | (510,700) | 24 | (1260,1500) |
5 | (750,2030) | 15 | (750,900) | 25 | (1280,790) |
6 | (1030,2070) | 16 | (1280,1200) | 26 | (490,2130) |
7 | (1650,650) | 17 | (230,590) | 27 | (1460,1420) |
8 | (1490,1630) | 18 | (460,860) | 28 | (1260,1910) |
9 | (790,2260) | 19 | (1040,950) | 29 | (360,1980) |
10 | (710,1310) | 20 | (590,1390) | 30 | (110,900) |
各任务族的无人机的配置位置和类型如表二所示。
表二
任务族 | 类型 | 位置/m | 容量/架 |
v1 | 侦察 | (350,300) | 6 |
v2 | 侦察 | (2100,2600) | 6 |
v3 | 攻击 | (330,290) | 6 |
v4 | 攻击 | (2000,2500) | 6 |
v5 | 中继 | (360,310) | 9 |
在预处理部分,通过对同一时间所下达的任务进行分析整理将任务分为三种类型和两个时间段。第一时间段对30个目标完成侦察任务。其中,侦察部分距离较远目标时,需要部署中继无人机保证飞行距离较远的无人机通信。第二时间段对15个目标完成攻击任务。其中,攻击部分距离较远目标时,需要部署中继无人机保证攻击距离较远的无人机通信。
在任务分配部分,首先计算各族对所需执行攻击或侦察任务的任务成本,可以得出侦察任务使用无人机族v1执行任务成本较小,攻击任务使用无人机族v3执行任务成本较小,所以将侦察任务分配给无人机族v1,攻击任务分配给无人机族v3。
在执行任务部分,根据以上无人机任务族所收到的任务,各无人机族对侦察和攻击无人机进行任务分配及路径规划以及对中继无人机进行位置部署。在第一时间段,中继无人机族v5中各无人机部署位置如表三所示,侦察无人机族v1中各无人机侦察路径如表四所示。
表三
无人机号 | 位置 |
1 | (322,649) |
2 | (796,696) |
3 | (1227,715) |
4 | (1239,1183) |
5 | (1454,1455) |
6 | (965,1461) |
7 | (941,1919) |
8 | (464,1877) |
表四
无人机号 | 侦察路径 |
1 | T22-T14-T18-T15-T4-T10-T20-T2-T21-T5-T9-T13-T11 |
2 | T17-T19-T25-T7-T23-T24 |
3 | T27-T28-T6 |
4 | T29-T26-T12-T8 |
5 | T30-T3-T1-T16 |
在第二时间段,中继无人机族v5调整各中继无人机位置,调整后位置如表五所示,其余未分配任务的中继机返回基地;同时攻击无人机族v3中各无人机攻击路径如表六所示。
表五
表六
无人机号 | 攻击路径 |
1 | T29-T26-T21-T28-T24 |
2 | T17-T30-T20-T18-T22 |
3 | T19-T16-T27-T23-T25 |
通过上述仿真,可以发现,本发明提供的无人机族群任务规划方法,可以将各类型的任务准确的分配给各个无人机族,使各无人机族按预定阶段去执行相应类型的任务。同时,各无人机族根据现有任务规划算法,针对所需执行任务完成任务分配和路径规划。此外,上述无人机族群任务规划方法可以根据实时下达的作战任务,按照各类型任务之间的依赖关系,有序的分配给相应的任务族,而后由各任务族规划任务执行方案,可以有效的解决较大规模无人机实时任务规划问题。
值得一提的是,本发明提供的无人机族群任务规划方法,可以根据战场任务需要,将各类型配置地域相同的任务无人机作为无人机族进行统一规划调度,又通过族群统一规划各族任务,在形式上起到了对多无人机快速协同规划的效果。此外,采用分层结构和多Agent形式进行任务规划,每个Agent各司其职且相互联通,各层级之间有序协调,使任务规划方案达到既并行又串行的效果,节省了规划时间又满足了协同需要。
基于上述实施例提供的无人机族群任务规划方法,相应地,本发明还提供了终端设备的具体实现方式。请参见以下实施例。
参见图4,本发明实施例提供的终端设备400,包括集群第一智能体410、集群第二智能体420以及多个无人机子群430,无人机子群430包括子群智能体431和多个无人机智能体432,其中:
集群第一智能体410,用于接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体420;
集群第二智能体420,用于根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体431;
目标子群智能体431,用于将目标任务分配至目标智能体所属的无人机子群430中的无人机智能体432。
可选的,集群第二智能体420还用于:
获取每个无人机子群430完成目标任务的任务成本值;
将与满足预设条件的任务成本值相对应的无人机子群430中的子群智能体431,确定为目标子群智能体431,并将目标任务分配至目标子群智能体431。
可选的,集群第一智能体410还用于:
获取无人机子群430的剩余任务处理值,并将无人机子群430的剩余任务处理值发送至集群第二智能体420。
集群第二智能体420还用于:
将任务成本值小于剩余任务处理值的无人机子群430确定为候选无人机子群430;
将与最小任务成本相对应的候选无人机子群430中的子群智能体431,确定为目标子群智能体431。
可选的,集群第一智能体410还用于:
接收由子群智能体431发送的剩余任务处理值。
可选的,任务成本值至少包括路径成本值和任务执行成本值。
在本发明实施例中,通过将无人机集群划分为集群第一智能体、集群第二智能体、子群智能体和无人机智能体等四个层级,由集群第一智能体接收任务信息,并根据预设任务生成规则和任务信息生成多个任务,将多个任务发送至集群第二智能体,然后由集群第二智能体根据预设任务分配规则,将多个任务中的目标任务分配至相应的目标子群智能体,之后由目标子群智能体将目标任务分配至目标智能体所属的无人机子群中的无人机智能体。通过四个层级各自的处理与协同,可以快速及时的完成作战任务的分配,实现多种任务模式的灵活协同规划,从而可以提高任务的分配质量,提升无人机协同作战效能。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人机族群任务规划方法,其特征在于,所述方法应用于无人机集群,所述无人机集群包括集群第一智能体、集群第二智能体以及多个无人机子群,所述无人机子群包括子群智能体和多个无人机智能体,所述方法包括:
所述集群第一智能体接收任务信息,并根据预设任务生成规则和所述任务信息生成多个任务,将所述多个任务发送至所述集群第二智能体;
所述集群第二智能体根据预设任务分配规则,将所述多个任务中的目标任务分配至相应的目标子群智能体,其中,对于具有时序性的任务,所述集群第二智能体根据不同任务之间的时序关系,将任务分配至相应的目标子群智能体;
所述目标子群智能体将所述目标任务分配至所述目标智能体所属的所述无人机子群中的各个无人机智能体;
无人机智能体按照集群第二智能体确定的任务航路,执行作战任务,并将作战进程实时反馈给集群第二智能体。
2.根据权利要求1所述的方法,其特征在于,所述集群第二智能体根据预设任务分配规则,将所述多个任务中的目标任务分配至相应的目标子群智能体,包括:
所述集群第二智能体获取每个所述无人机子群完成所述目标任务的任务成本值;
所述集群第二智能体将与满足预设条件的所述任务成本值相对应的所述无人机子群中的所述子群智能体,确定为所述目标子群智能体,并将所述目标任务分配至所述目标子群智能体。
3.根据权利要求2所述的方法,其特征在于,在将所述多个任务发送至所述集群第二智能体之后,所述方法还包括:
所述集群第一智能体获取所述无人机子群的剩余任务处理值,并将所述无人机子群的剩余任务处理值发送至所述集群第二智能体;
所述集群第二智能体将与满足预设条件的所述任务成本值相对应的所述无人机子群中的所述子群智能体,确定为所述目标子群智能体,包括:
所述集群第二智能体将所述任务成本值小于所述剩余任务处理值的所述无人机子群确定为候选无人机子群;
所述集群第二智能体将与最小任务成本相对应的所述候选无人机子群中的所述子群智能体,确定为所述目标子群智能体。
4.根据权利要求3所述的方法,其特征在于,所述集群第一智能体获取所述无人机子群的剩余任务处理值,包括:
所述集群第一智能体接收由所述子群智能体发送的所述剩余任务处理值。
5.根据权利要求2或3所述的方法,其特征在于,所述任务成本值至少包括路径成本值和任务执行成本值。
6.一种终端设备,其特征在于,所述终端设备包括集群第一智能体、集群第二智能体以及多个无人机子群,所述无人机子群包括子群智能体和多个无人机智能体,其中:
所述集群第一智能体,用于接收任务信息,并根据预设任务生成规则和所述任务信息生成多个任务,将所述多个任务发送至所述集群第二智能体;
所述集群第二智能体,用于根据预设任务分配规则,将所述多个任务中的目标任务分配至相应的目标子群智能体,其中,对于具有时序性的任务,所述集群第二智能体根据不同任务之间的时序关系,将任务分配至相应的目标子群智能体;
所述目标子群智能体,用于将所述目标任务分配至所述目标智能体所属的所述无人机子群中的所述无人机智能体;
无人机智能体按照集群第二智能体确定的任务航路,执行作战任务,并将作战进程实时反馈给集群第二智能体。
7.根据权利要求6所述的终端设备,其特征在于,所述集群第二智能体还用于:
获取每个所述无人机子群完成所述目标任务的任务成本值;
将与满足预设条件的所述任务成本值相对应的所述无人机子群中的所述子群智能体,确定为所述目标子群智能体,并将所述目标任务分配至所述目标子群智能体。
8.根据权利要求7所述的终端设备,其特征在于,所述集群第一智能体还用于:
获取所述无人机子群的剩余任务处理值,并将所述无人机子群的剩余任务处理值发送至所述集群第二智能体;
所述集群第二智能体还用于:
将所述任务成本值小于所述剩余任务处理值的所述无人机子群确定为候选无人机子群;
将与最小任务成本相对应的所述候选无人机子群中的所述子群智能体,确定为所述目标子群智能体。
9.根据权利要求8所述的终端设备,其特征在于,所述集群第一智能体还用于:
接收由所述子群智能体发送的所述剩余任务处理值。
10.根据权利要求7或8所述的终端设备,其特征在于,所述任务成本值至少包括路径成本值和任务执行成本值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141516.XA CN112230677B (zh) | 2020-10-22 | 2020-10-22 | 无人机族群任务规划方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141516.XA CN112230677B (zh) | 2020-10-22 | 2020-10-22 | 无人机族群任务规划方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112230677A CN112230677A (zh) | 2021-01-15 |
CN112230677B true CN112230677B (zh) | 2023-07-07 |
Family
ID=74110460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011141516.XA Active CN112230677B (zh) | 2020-10-22 | 2020-10-22 | 无人机族群任务规划方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112230677B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965525B (zh) * | 2021-02-10 | 2022-11-22 | 成都两江前沿科技有限公司 | 约束条件下的大规模固定翼无人机集群编队方法 |
CN113312172B (zh) * | 2021-02-23 | 2023-08-22 | 中国人民解放军国防科技大学 | 基于适变网络的多无人机集群动态任务调度模型 |
CN114047786A (zh) * | 2021-11-26 | 2022-02-15 | 北京航天自动控制研究所 | 一种用于集散式异构无人机集群的协同处理系统和方法 |
CN115454146B (zh) * | 2022-10-29 | 2023-03-21 | 中国电子科技集团公司第十五研究所 | 基于相对收益机制的无人机集群协同任务分配方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 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 |
CN106600147A (zh) * | 2016-12-15 | 2017-04-26 | 合肥工业大学 | 面向可分解任务的多无人机任务分配方法和装置 |
CN108830448A (zh) * | 2018-04-28 | 2018-11-16 | 广州亿航智能技术有限公司 | 无人机集群任务分解发送方法及系统 |
CN109709985A (zh) * | 2019-01-21 | 2019-05-03 | 中国联合网络通信集团有限公司 | 一种无人机任务优化方法、装置及系统 |
CN110502031A (zh) * | 2019-08-02 | 2019-11-26 | 中国航空无线电电子研究所 | 基于任务需求的异构无人机集群协同最优配置方法 |
CN110597292A (zh) * | 2019-10-09 | 2019-12-20 | 朱彬 | 无人机集群作业规划方法及装置 |
CN110852486A (zh) * | 2019-10-16 | 2020-02-28 | 中国人民解放军国防科技大学 | 一种无人机集群自主协同的任务规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10310501B2 (en) * | 2017-02-15 | 2019-06-04 | International Business Machines Corporation | Managing available energy among multiple drones |
-
2020
- 2020-10-22 CN CN202011141516.XA patent/CN112230677B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 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 |
CN106600147A (zh) * | 2016-12-15 | 2017-04-26 | 合肥工业大学 | 面向可分解任务的多无人机任务分配方法和装置 |
CN108830448A (zh) * | 2018-04-28 | 2018-11-16 | 广州亿航智能技术有限公司 | 无人机集群任务分解发送方法及系统 |
CN109709985A (zh) * | 2019-01-21 | 2019-05-03 | 中国联合网络通信集团有限公司 | 一种无人机任务优化方法、装置及系统 |
CN110502031A (zh) * | 2019-08-02 | 2019-11-26 | 中国航空无线电电子研究所 | 基于任务需求的异构无人机集群协同最优配置方法 |
CN110597292A (zh) * | 2019-10-09 | 2019-12-20 | 朱彬 | 无人机集群作业规划方法及装置 |
CN110852486A (zh) * | 2019-10-16 | 2020-02-28 | 中国人民解放军国防科技大学 | 一种无人机集群自主协同的任务规划方法 |
Non-Patent Citations (3)
Title |
---|
An Auction-based Multiple Constraints Task Allocation Algorithm for Multi-UAV System;Qiao Cheng等;《IEEE》;20161231;第1-5页 * |
Path planning of multiple UAVs with online changing tasks by an ORPFOA algorithm;Kun Li等;《ES》;20200713;第1-15页 * |
面向无人机蜂群的航电云多层任务调度模型;王荣巍 等;《航空学报》;20191125;第40卷(第11期);第1-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112230677A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112230677B (zh) | 无人机族群任务规划方法及终端设备 | |
US5255181A (en) | Method of planning organizational activities | |
CN114193447A (zh) | 多机器人控制方法、电子设备及存储介质 | |
CN110162388A (zh) | 一种任务调度方法、系统及终端设备 | |
CN110888407B (zh) | 一种agv调度系统中的任务分配方法及装置 | |
CN110456633B (zh) | 机载多平台分布式任务分配方法 | |
EP2643885B1 (en) | Dynamic resource allocation in a multi-role or multi-function system | |
CN105677441A (zh) | 虚拟机迁移方法、虚拟设施管理器及协调器 | |
CN110503593A (zh) | 多个图形处理单元的调度 | |
CN114169748A (zh) | 多机器人任务分配方法、系统、设备及可读存储介质 | |
Dai et al. | Dynamic scheduling for emergency tasks in space data relay network | |
CN108830449A (zh) | 航拍无人机选取方法及系统 | |
Balogun et al. | Towards the integration of flexible manufacturing system scheduling | |
CN112180974A (zh) | 基于小型无人机的资源分布式协作方法及系统 | |
Cheong et al. | A multi-objective multi-colony ant algorithm for solving the berth allocation problem | |
CN115564374A (zh) | 协同多任务重分配方法、装置、设备及可读存储介质 | |
CN113657718B (zh) | 一种多机器人动态联盟任务分配方法及相关装置 | |
CN113377503A (zh) | 一种协作式ai的任务调度方法、装置与系统 | |
Reddy et al. | Simultaneous Scheduling of Machines and Tools in a Multi-Machine FMS with Alternate Machines Using Crow Search Algorithm | |
Mareddy et al. | Simultaneous Scheduling of Machines, Tool Transporter and Tools in a Multi Machine Flexible Manufacturing System Without Tool Delay Using Crow Search Algorithm. | |
Ng et al. | HSCS-the design of a holonic shopfloor control system | |
CN114035919A (zh) | 基于配电网分层分布特征的任务调度系统及方法 | |
Mareddy et al. | Simultaneous scheduling of machines and tools without tool delay using crow search algorithm | |
CN108062249A (zh) | 基于大数据的云端数据分配调度方法 | |
Narapureddy et al. | Optimal scheduling methodology for machines, tool transporter and tools in a multi-machine flexible manufacturing system without tool delay using flower pollination 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 |