CN112506220B - 一种突发事件下的空中无人体系平台调度方法及系统 - Google Patents

一种突发事件下的空中无人体系平台调度方法及系统 Download PDF

Info

Publication number
CN112506220B
CN112506220B CN202011360374.6A CN202011360374A CN112506220B CN 112506220 B CN112506220 B CN 112506220B CN 202011360374 A CN202011360374 A CN 202011360374A CN 112506220 B CN112506220 B CN 112506220B
Authority
CN
China
Prior art keywords
target
unmanned aerial
platform
unmanned
scheduling
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
Application number
CN202011360374.6A
Other languages
English (en)
Other versions
CN112506220A (zh
Inventor
刘彬
钟赟
马腾
张杰勇
孙鹏
徐鑫
刘东洋
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.)
Air Force Engineering University of PLA
Original Assignee
Air Force Engineering University of PLA
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 Air Force Engineering University of PLA filed Critical Air Force Engineering University of PLA
Priority to CN202011360374.6A priority Critical patent/CN112506220B/zh
Publication of CN112506220A publication Critical patent/CN112506220A/zh
Application granted granted Critical
Publication of CN112506220B publication Critical patent/CN112506220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于空中无人协同技术领域，公开了一种突发事件下的空中无人体系平台调度方法及系统，所述空中无人体系平台调度方法根据协同体系预先规划结果和突发事件情况，区分编组内部协调和编组外部协作两个层次，建立平台调度模型，设计贪心策略(GS)和两阶段贪心策略(TSGS)的平台调度求解方法，解决目标新增、平台失效等突发事件下空中无人协同系统如何进行平台调度的问题。本发明处理的对象为空中无人体系平台编成和任务执行计划。本发明的核心是实现计划对突发事件的及时响应，达到最大化空中行动效能的目的，从而有效完成任务。本发明通过确定性的GS算法或TSGS算法输出实时稳定的平台调度方案。

Description

一种突发事件下的空中无人体系平台调度方法及系统
技术领域
本发明属于空中无人协同技术领域，尤其涉及一种突发事件下的空中无人体系平台调度方法及系统。
背景技术
近年来，随着无人机的广泛运用，在空中协同任务中也发挥越来越重要的作用。在空中协同任务过程中，由于环境不确定性和双方的对抗性，目标新增、无人机损毁等突发事件将导致空中无人体系无法按照预先任务执行计划执行相应任务。此时，需要对任务执行计划乃至平台编成计划进行适应性演化，从而以最小代价最大程度保证系统任务执行效能。空中无人体系平台编成和任务执行计划适应性演化的本质是根据环境态势变化改变任务计划，不同的演化思想或演化方法会导致任务计划变更效果不同。
从平台编成和任务执行计划适应性演化思想分类，主要包括系统重构和局部调整两类。前者是指在突发事件发生时，空中无人体系将原有场景信息和突发场景信息(两者合称为当前场景信息)作为输入信息，不考虑预先平台编成和任务执行计划，从无到有地重新进行适应当前场景信息的计划生成；而后者是在考虑预先平台编成和任务执行计划基础上，在其解邻域范围内进行局部拓展搜索，从有到优(这里的“有”是相对于原有场景信息而言)地进行适应突发场景信息的计划生成。
Levchuk等基于系统重构思想，对大规模任务执行计划适应性演化问题开展了相应研究，但由于涉及重构规模较大，演化的耗时和成本较高。姚佩阳等在研究空中编组动态任务计划问题时，针对系统重构的缺陷，引入模型预测控制(Model Predictive Control,MPC)中的滚动时域思想，设计适应突发事件特征的预测窗口和滚动窗口，将静态大规模优化问题转化为动态小规模优化问题，从而提高问题求解时效性。
孙昱等基于局部调整思想，针对场景资源适应性调度问题，区分需要和不需进行重调度两类任务类型，建立含区间参数的规划模型，采用混合贪心策略进行求解，并在仿真实验部分验证了方法具有较强的时效性和稳定性。Evers等针对无人机执行过程中出现的突发时敏目标，对随机定向问题(Stochastic Orienteering Problem,SOP)进行拓展，构建了带时间窗的SOP模型，并采用多项式时间算法进行求解。
通过上述分析，现有技术存在的问题及缺陷为：现有技术对突发事件分析不够全面，并较少涉及平台编成平台调度，存在平台调度算法的时效性不够高效。
解决以上问题及缺陷的难度为：若在平台调度阶段仍然采用智能优化算法，则可能造成平台调度计算的稳定性、时效性不足，导致平台调度难以快速、有效应对场景态势的变化。
解决以上问题及缺陷的意义为：能够提高空中无人体系平台调度的稳定性和实时性，实现平台资源的高效利用，进而提高空中无人体系的任务执行效能。
发明内容
针对现有技术存在的问题，本发明提供了一种突发事件下的空中无人体系平台调度方法及系统。
本发明是这样实现的，一种空中无人体系平台调度方法，所述空中无人体系平台调度方法包括：
分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出编组、无人机、可支援无人机、初始目标、突现目标、目标联盟集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
基于平台调度的测度模型，根据突发事件情况，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建空中无人计划的调整模型；
设计空中无人平台调度模型的求解方法，即确定性的贪心策略GS和两阶段贪心策略TSGS。
进一步，所述分析无人体系的平台调度过程，给出编组、无人机、可支援无人机、初始目标、突现目标、目标联盟集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，具体如下：令编组集合为
Figure BDA0002803815790000021
其中，Ntcc为编组的数量；令无人机集合为
Figure BDA0002803815790000022
其中，Nu是无人机的数量；无人机uj(j＝1,2,…,Nu)加载的资源为
Figure BDA0002803815790000023
其中，Nr是资源种类；无人机uj的当前位置为
Figure BDA0002803815790000024
且uj的平均航行速度为vj，令可支援无人机集合为
Figure BDA0002803815790000025
其中，
Figure BDA0002803815790000026
为可支援无人机的数量；可支援无人机
Figure BDA0002803815790000027
加载的资源为
Figure BDA0002803815790000028
可支援无人机
Figure BDA0002803815790000029
的当前位置为
Figure BDA00028038157900000210
且
Figure BDA00028038157900000211
的平均航行速度为
Figure BDA00028038157900000212
令初始目标集合为
Figure BDA00028038157900000213
其中，Nit为初始目标的数量；初始目标itk(k＝1,2,…,Nit)的资源需求为
Figure BDA0002803815790000031
初始目标itk的位置为
Figure BDA0002803815790000032
初始目标itk的处理时长为
Figure BDA0002803815790000033
若itk的开始执行时刻为
Figure BDA0002803815790000034
则itk的完成时刻满足
Figure BDA0002803815790000035
令突现目标集合为
Figure BDA0002803815790000036
其中，Net为突现目标的数量；突现目标etl(l＝1,2,…,Net)的资源需求为
Figure BDA0002803815790000037
突现目标etl的位置为
Figure BDA0002803815790000038
突现目标etl的处理时长为
Figure BDA0002803815790000039
若etl的开始执行时刻为
Figure BDA00028038157900000310
则etl的完成时刻满足
Figure BDA00028038157900000311
定义目标集合为
Figure BDA00028038157900000312
其中，Nt为所有目标的数量，则有Nt＝Nit+Net成立，目标to(o＝1,2,…,Nt)的资源需求、位置、处理时长、开始执行时刻和完成时刻均与IT或ET集合中的itk或etl的对应值相等；
令目标联盟集合为
Figure BDA00028038157900000313
其中，Ntc为目标联盟的数量；一般而言，单个目标通常由包含若干架无人机的一个目标联盟执行相关任务，因此，有Ntc＝Nt成立；归属于目标联盟tcq的无人机集合为
Figure BDA00028038157900000314
其中，
Figure BDA00028038157900000315
为Uq中无人机的数量，目标联盟tcq中无人机的联合资源为
Figure BDA00028038157900000316
令
Figure BDA00028038157900000317
为表征itk是否由uj执行的分配向量，
Figure BDA00028038157900000318
表示itk由uj执行，
Figure BDA00028038157900000319
表示itk不由uj执行；所有这样的
Figure BDA00028038157900000320
构成目标联盟形成矩阵
Figure BDA00028038157900000321
令
Figure BDA00028038157900000322
为uj的执行转移向量，若
Figure BDA00028038157900000323
则uj在执行tk'后将执行tk；因此，有
Figure BDA00028038157900000324
成立；
所有无人机必须从固定位置出发开始对目标进行任务执行，假定在该固定位置存在虚拟初始目标t0，则有IT＝IT∪{t0}成立。
进一步，基于平台调度的测度模型，根据突发事件情况，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建空中无人协同计划的调整模型具体如下：
(1)确定目标函数，对于执行初始目标任务的无人机，预期是在满足所有初始目标的资源需求前提下，使得所有目标的完成时刻最大值最小，具体表示为：
Figure BDA00028038157900000325
其中，
Figure BDA00028038157900000326
为初始目标itk的完成时刻；
(2)构建约束条件，对初始目标itk执行相关任务时，需满足以下六个约束条件：
约束条件1：对于无人机uj和初始目标itk，若
Figure BDA0002803815790000041
则包含两种情况。其一，是uj在执行itk'后被分配执行itk，其中，k'≠0，则有
Figure BDA0002803815790000042
成立；其二，为uj是首次被分配对目标进行任务执行，即没有前序目标任务，则有
Figure BDA0002803815790000043
成立。因此，向量
Figure BDA0002803815790000044
和
Figure BDA0002803815790000045
需满足约束：
Figure BDA0002803815790000046
约束条件2：当需要组成多个目标联盟对多个目标任务进行执行时，同一无人机uj只能同时执行一个目标任务，即在完成itk'的任务执行后，uj仅能被分配执行itk，约束表示为：
Figure BDA0002803815790000047
约束条件3：对于初始目标itk，所有对其执行无人机的联合资源必须满足其资源需求，约束表示为：
Figure BDA0002803815790000048
约束条件4：若初始目标itk由tcq中无人机执行，则itk的执行开始时刻取决于所有tcq中无人机到达时刻的最大值，约束表示为：
Figure BDA0002803815790000049
约束条件5：若对于uj，有
Figure BDA00028038157900000410
成立，itk的执行需要所有无人机均到达任务执行区域，即先到达任务区域的无人机需等待其他无人机到达，itk的执行开始时刻需满足约束：
Figure BDA00028038157900000411
其中，
Figure BDA00028038157900000412
为uj从itk'航行到itk的时长。若
Figure BDA00028038157900000413
则令FTupp为目标任务执行时长的上限，有：
Figure BDA00028038157900000414
成立，根据公式，有：
Figure BDA00028038157900000415
约束条件6：对于上式中的
Figure BDA00028038157900000416
考虑到目标分布的广域性，相对于目标间的距离，无人机的转弯半径相对较小，有：
Figure BDA00028038157900000417
(3)令C0为所有约束条件，建立空中无人体系的计划构建模型：
Figure BDA0002803815790000051
(4)在计划构建模型基础上，构建突发事件下的平台调度模型；将仅对任务执行计划进行调整称为编组内部协调，将对平台编成和任务执行计划进行先后调整称为编组外部协作；
在出现突发事件时，需要进行下述调整策略：首先，判断是否为目标新增，若是，将突现目标并入目标集合；然后，对因目标新增造成的任务资源需求变化和平台失效造成的无人机资源能力变化进行分析，若变化后的任务资源需求超出编组内所有无人机资源能力，则对平台编成和任务执行计划进行先后调整，反之，则只需进行任务执行平台调度；
第一种情况，假定在时刻epo，目标集合从T＝IT变化为T＝IT∪ET，令矩阵
Figure BDA0002803815790000052
为新目标联盟形成矩阵，
Figure BDA0002803815790000053
表示uj被分配执行to，而
Figure BDA0002803815790000054
表示uj未被分配执行to；
对平台编成和任务执行计划进行局部调整，令FT'为所有目标的完成时刻，则建立编组内部协调模型为：
Figure BDA0002803815790000055
其中，第一个约束表示保持初始目标的分配方案不变，第二个约束表示需对突现目标进行无人机分配；
第二种情况，同样假定在时刻epo，目标集合从T＝IT变化为T＝IT∪ET，令矩阵Y”为新目标联盟形成矩阵，
Figure BDA0002803815790000061
表示uj被分配执行to，而
Figure BDA0002803815790000062
表示uj未被分配执行to；
Y”的生成应在遵循最小变更原则基础上，最小化支援无人机数量，令FT”为所有目标的完成时刻，则建立编组外部协作模型为：
Figure BDA0002803815790000063
其中，j'的取值为Nu+1到
Figure BDA0002803815790000064
进一步，区分编组内部协调和编组外部协作两种情况，设计确定性GS算法和TSGS算法，具体包括：
步骤一，分析目标新增、平台失效等突发事件对编组内目标任务执行的影响，确定需进行编组内协调还是编组间协作；
步骤二，针对编组内协调问题，对于不需变更执行计划任务，其无人机执行方案不变；对于需变更执行计划任务，以可用资源为输入信息，设计相应执行方案；针对编组间协作问题，采用TSGS算法：第一阶段，确定最小支援无人机集合；第二阶段，确定无人机支援下的目标任务执行方案。
进一步，所述求解编组内协调问题的GS算法为：
(1)参数初始化，令编组内可用资源为自身无人机初始资源向量之和减去不需进行执行平台调度任务资源向量之和，记为
Figure BDA0002803815790000065
其中，
Figure BDA0002803815790000066
且令Tready＝ET；
(2)建立模型初始解，令其为Y1，在满足etl＝to时，有
Figure BDA0002803815790000067
成立；在满足itk＝to时，有
Figure BDA0002803815790000068
成立。因此，对于et1，可用资源为Rspare；而对于et2，可用资源为
Figure BDA0002803815790000069
以此类推，
Figure BDA00028038157900000610
的可用资源均可计算，令当前解Ycurrent＝Y1；
(3)选取满足etl＝to条件的任一
Figure BDA00028038157900000611
判断当令
Figure BDA00028038157900000612
后，分配给目标to执行的所有无人机资源是否满足需求；若是，则记录这样的
Figure BDA0002803815790000071
然后执行(4)；若否，则令Tready＝Tready\{etl}；
(4)判断令哪一个
Figure BDA0002803815790000072
能够使得FT'最小，且记录下对应解Y2。若o＝1，则根据步骤二中所述方法依次更新
Figure BDA0002803815790000073
若o＝2，依次更新
Figure BDA0002803815790000074
依次类推，更新所有突现目标的可用资源，且令Ycurrent＝Y2；
(5)判断Tready是否为空集，若是，则输出最终解Y'＝Ycurrent；若否，则返回(3)。
进一步，所述求解编组间协作问题的TSGS算法为：
(1)参数初始化，将编组可支援无人机联合资源向量记为
Figure BDA0002803815790000075
其中，
Figure BDA0002803815790000076
总可用资源为
Figure BDA0002803815790000077
则有
Figure BDA0002803815790000078
成立，且令Tready＝ET；
(2)建立模型初始解，令其为Y3，在满足etl＝to时，有
Figure BDA0002803815790000079
成立；在满足itk＝to时，有
Figure BDA00028038157900000710
成立，对于et1，可用资源为Rspare；而对于et2，可用资源为
Figure BDA00028038157900000711
以此类推，
Figure BDA00028038157900000712
的可用资源均可计算，令当前解Ycurrent＝Y3；
(3)选取满足etl＝to条件的任一
Figure BDA00028038157900000713
判断当令
Figure BDA00028038157900000714
后，分配给目标to执行的所有无人机资源是否满足需求；若是，则记录这样的
Figure BDA00028038157900000715
然后执行(4)；若否，则令Tready＝Tready\{etl}；
(4)判断令哪一个
Figure BDA00028038157900000716
能够使得FT”最小，且记录下对应解Y4，若o＝1，则根据(2)中所述方法依次更新
Figure BDA00028038157900000717
若o＝2，依次更新
Figure BDA00028038157900000718
依次类推，更新所有突现目标的可用资源，且令Ycurrent＝Y4；
(5)判断Tready是否为空集，若是，则输出最终解Y5＝Ycurrent；若否，则返回(3)；
(6)通过(1)～(5)，最小支援无人机集合Ub确定，令支援无人机的联合资源向量为
Figure BDA00028038157900000719
其中，
Figure BDA00028038157900000720
且p＝1,2,…,Nr；此外，总可用资源向量为
Figure BDA00028038157900000721
其中，
Figure BDA00028038157900000722
且令Tready＝ET；
(7)将Y5作为输入，再次采用GS算法生成Y”。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出编组、无人机、可支援无人机、初始目标、突现目标、目标联盟集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
基于平台调度的测度模型，根据突发事件情况，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建空中无人计划的调整模型；
设计空中无人平台调度模型的求解方法，即确定性的贪心策略GS和两阶段贪心策略TSGS。
本发明的另一目的在于提供一种实施所述突发事件下空中无人体系平台调度方法的突发事件下空中无人体系平台调度系统，所述突发事件下空中无人体系平台调度系统包括：
空中无人体系平台调度分析模块，用于分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出多种集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
平台调度模型构建模块，用于根据平台调度的测度模型，确定平台调度过程中的优化目标，分析平台调度过程，设计平台调度问题的约束条件，构建空中无人体系平台调度模型；
求解算法模块，根据平台调度的范围不同，包括用于求解编组内协调问题的GS算法，以及用于求解编组间协作问题的TSGS算法。
本发明的另一目的在于提供一种空中无人机体系平台调度管理终端，所述空中无人机体系平台调度管理终端搭载所述的突发事件下空中无人体系平台调度系统。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述突发事件下空中无人体系平台调度方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过分析空中无人体系研究成果，立足于实现大规模空中任务应用场景，研究场景突发时间下的平台调度问题，建立起高效灵活的突发事件下空中无人体系平台调度方法及系统。
本发明针对现有发明存在的问题，在对当前国内外研究现状进行系统总结分析基础上进行适应性改进，实现空中任务体系敏捷适应目标新增、无人机损毁等突发事件的目的。针对群智能优化算法在求解平台调度问题稳定性、时效性不高的问题，本文区分编组内协调和编组间协作两种情况，分别采用GS算法和TSGS算法输出稳定实时的平台调度方案。因此，本发明重点对突发事件下的空中无人体系平台调度问题进行研究，给出相应的模型和算法。
本发明在空中无人体系平台调度过程中，在对目标新增、无人机损毁等突发事件进行快速应对的同时，实现目标任务需求和平台资源的较优匹配。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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他的附图。
图1是本发明实施例提供的空中无人体系平台调度方法流程图。
图2是本发明实施例提供的空中无人体系平台调度系统的结构示意图；
图2中：1、空中无人体系平台调度分析模块；2、平台调度模型构建模块；3、求解算法模块。
图3是本发明实施例提供的空中无人体系平台调度过程示意图。
图4是本发明实施例提供的任务编组信息交互关系示意图。
图5是本发明实施例提供的任务编组内部协调和外部协作流程图。
图6是本发明实施例提供的8组随机实验下GS算法与对比算法耗时对比图。
图7是本发明具体案例提供的不同突发事件出现时刻下GS算法与对比算法耗时对比图。
图8是本发明实施例提供的某时刻出现突发事件下GS算法与对比算法耗时对比图。
图9是本发明实施例提供的8组随机实验下TSGS算法与对比算法耗时对比图。
图10是本发明实施例提供的不同突发事件出现时刻下TSGS算法与对比算法耗时对比图。
图11是本发明实施例提供的某时刻出现突发事件下TSGS算法与对比算法耗时对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种突发事件下的空中无人体系平台调度方法及系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的空中无人体系平台调度方法包括以下步骤：
S101：输入目标任务资源需求信息、位置信息，无人机资源能力信息、位置信息，突发事件发生时刻epo；
S102：对突发事件下的目标任务资源需求和无人机资源能力进行大小判断，若前者更大或相等，则进行编组内协调，若后者更大，则进行编组间协作；
S103：生成在epo时刻，其他编组可支援无人机信息，包括编号、位置和可用资源；
S104：分别采用GS算法或TSGS算法对编组内协调或编组间协作问题进行求解；
S105：输出突发事件下的空中无人体系平台调度最优解。
本发明提供的突发事件下的空中无人体系平台调度方法，业内的普通技术人员还可以采用其他的步骤实施，图1所述的本发明提供的突发事件下的空中无人体系平台调度方法仅仅是一个具体案例而已。
如图2所示，本发明提供的应急救援指挥控制组织资源调度系统包括：
空中无人体系平台调度分析模块1，用于分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出多种集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
平台调度模型构建模块2，用于根据平台调度的测度模型，确定平台调度过程中的优化目标，分析平台调度过程，设计平台调度问题的约束条件，构建空中无人体系平台调度模型；
求解算法模块3，根据平台调度的范围不同，主要包括用于求解编组内协调问题的GS算法，以及用于求解编组间协作问题的TSGS算法。
下面结合附图对本发明的技术方案作进一步的描述。
本发明的空中无人体系平台调度过程示意图如图3所示，借鉴分层-递阶思想和粒度计算思想，对空中无人体系平台编成和任务执行计划分别进行调整，具体包括以下3个步骤。
步骤一，对目标集(任务集)和平台集进行初始化，输入目标集(任务集)和平台集各类信息。
步骤二，对任务执行过程中的突发事件进行分析，区分情况，在只需调整任务执行计划时，依据一定调整规则(任务完成总时间最小)进行任务执行平台调度。
步骤三，在需要对平台编成和任务执行计划均进行调整时，依据一定调整规则(需支援无人机数量和任务完成总时间最小)进行相应调整。
本发明根据突发事件的情况，分析突发事件类型，构建平台调度的测度模型，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建空中无人任务计划的调整模型，设计空中无人任务平台调度模型的求解方法，即确定性的贪心策略(Greedy Strategy,GS)算法或两阶段贪心策略(Two Stage Greedy Strategy,TSGS)算法。
本发明提供的突发事件下空中无人体系平台调度方法包括以下步骤：
步骤一，分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出编组、无人机、可支援无人机、初始目标、突现目标、目标联盟等集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
步骤二，基于平台调度的测度模型，根据突发事件情况，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建空中无人任务计划的调整模型；
步骤三，设计空中无人任务平台调度模型的求解方法，即确定性的GS算法和TSGS算法。
本发明的步骤一中，令编组集合为
Figure BDA0002803815790000111
其中，Ntcc为编组的数量。令无人机集合为
Figure BDA0002803815790000112
其中，Nu是无人机的数量；无人机uj(j＝1,2,…,Nu)加载的资源为
Figure BDA0002803815790000113
其中，Nr是资源种类；无人机uj的当前位置为
Figure BDA0002803815790000114
且uj的平均航行速度为vj。令可支援无人机集合为
Figure BDA0002803815790000115
其中，
Figure BDA0002803815790000116
为可支援无人机的数量；可支援无人机
Figure BDA0002803815790000117
加载的资源为
Figure BDA0002803815790000118
可支援无人机
Figure BDA0002803815790000119
的当前位置为
Figure BDA00028038157900001110
且
Figure BDA00028038157900001111
的平均航行速度为
Figure BDA00028038157900001112
令初始目标集合为
Figure BDA00028038157900001113
其中，Nit为初始目标的数量；初始目标itk(k＝1,2,…,Nit)的资源需求为
Figure BDA00028038157900001114
初始目标itk的位置为
Figure BDA00028038157900001115
初始目标itk的处理时长为
Figure BDA00028038157900001116
若itk的开始执行时刻为
Figure BDA00028038157900001117
则itk的完成时刻满足
Figure BDA00028038157900001118
令突现目标集合为
Figure BDA00028038157900001119
其中，Net为突现目标的数量；突现目标etl(l＝1,2,…,Net)的资源需求为
Figure BDA00028038157900001120
突现目标etl的位置为
Figure BDA00028038157900001121
突现目标etl的处理时长为
Figure BDA00028038157900001122
若etl的开始执行时刻为
Figure BDA00028038157900001123
则etl的完成时刻满足
Figure BDA00028038157900001124
为简化问题，定义目标集合为
Figure BDA00028038157900001125
其中，Nt为所有目标的数量，则有Nt＝Nit+Net成立。因此，目标to(o＝1,2,…,Nt)的资源需求、位置、处理时长、开始执行时刻和完成时刻均与IT或ET集合中的itk或etl的对应值相等。
令目标联盟集合为
Figure BDA00028038157900001126
其中，Ntc为目标联盟的数量；一般而言，单个目标通常由包含若干架无人机的一个目标联盟执行相关任务，因此，有Ntc＝Nt成立。假定归属于目标联盟tcq的无人机集合为
Figure BDA0002803815790000121
其中，
Figure BDA0002803815790000122
为Uq中无人机的数量，目标联盟tcq中无人机的联合资源为
Figure BDA0002803815790000123
令
Figure BDA0002803815790000124
为表征itk是否由uj执行的分配向量，
Figure BDA0002803815790000125
表示itk由uj执行，
Figure BDA0002803815790000126
表示itk不由uj执行；因此，所有这样的
Figure BDA0002803815790000127
构成目标联盟形成矩阵
Figure BDA0002803815790000128
令
Figure BDA0002803815790000129
为uj的执行转移向量，若
Figure BDA00028038157900001210
则uj在执行tk'后将执行tk；因此，有
Figure BDA00028038157900001211
成立。
特别地，所有无人机必须从固定位置出发开始对目标进行任务执行，假定在该固定位置存在虚拟初始目标t0，则有IT＝IT∪{t0}成立。
步骤二中构建数学模型的步骤如下：
1)确定目标函数，对于执行初始目标任务的无人机，任务预期是在满足所有初始目标的资源需求前提下，使得所有目标的完成时刻最大值最小，具体表示为：
Figure BDA00028038157900001212
其中，
Figure BDA00028038157900001213
为初始目标itk的完成时刻。
2)构建约束条件，对初始目标itk执行相关任务时，需满足以下六个约束条件：
约束条件1：对于无人机uj和初始目标itk，若
Figure BDA00028038157900001214
则包含两种情况。其一，是uj在执行itk'后被分配执行itk，其中，k'≠0，则有
Figure BDA00028038157900001215
成立。其二，为uj是首次被分配对目标进行任务执行，即没有前序目标任务，则有
Figure BDA00028038157900001216
成立。因此，向量
Figure BDA00028038157900001217
和
Figure BDA00028038157900001218
需满足约束：
Figure BDA00028038157900001219
约束条件2：当需要组成多个目标联盟对多个目标任务进行执行时，同一无人机uj只能同时执行一个目标任务，即在完成itk'的任务执行后，uj仅能被分配执行itk，约束表示为：
Figure BDA00028038157900001220
约束条件3：对于初始目标itk，所有对其执行无人机的联合资源必须满足其资源需求，约束表示为：
Figure BDA00028038157900001221
约束条件4：若初始目标itk由tcq中无人机执行，则itk的执行开始时刻取决于所有tcq中无人机到达时刻的最大值，约束表示为：
Figure BDA00028038157900001222
约束条件5：若对于uj，有
Figure BDA0002803815790000131
成立，itk的执行需要所有无人机均到达任务执行区域，即先到达任务区域的无人机需等待其他无人机到达。因此，itk的执行开始时刻需满足约束：
Figure BDA0002803815790000132
其中，
Figure BDA0002803815790000133
为uj从itk'航行到itk的时长。若
Figure BDA0002803815790000134
则令FTupp为目标任务执行时长的上限(一个较大常量)，因此，有：
Figure BDA0002803815790000135
成立，根据上述两个公式，有：
Figure BDA0002803815790000136
约束条件6：对于上式中的
Figure BDA0002803815790000137
考虑到目标分布的广域性，相对于目标间的距离，无人机的转弯半径相对较小，可以忽略不计，因此，有：
Figure BDA0002803815790000138
3)令C0为所有约束条件，建立空中无人体系的任务计划构建模型：
Figure BDA0002803815790000139
4)在上述任务计划构建模型基础上，构建突发事件下的平台调度模型。其中，突发事件主要包括目标新增和无人机损毁两类，当发生突发事件时，在分析突发事件对任务执行影响基础上，需要判断是否对平台编成和任务执行计划进行相应调整，主要包括两种情况：第一种情况是仅需对任务执行计划进行调整；第二种情况是对平台编成和任务执行计划均需进行调整。下面进行具体分析。为了区分两种情况，将仅对任务执行计划进行调整称为编组内部协调，将对平台编成和任务执行计划进行先后调整称为编组外部协作。
以某一编组为例，在出现突发事件时，需要进行下述调整策略：首先，判断是否为目标新增，若是，将突现目标并入目标集合；然后，对因目标新增造成的任务资源需求变化和平台失效造成的无人机资源能力变化进行分析，若变化后的任务资源需求超出编组内所有无人机资源能力，则对平台编成和任务执行计划进行先后调整，反之，则只需进行任务执行平台调度。
第一种情况，假定在时刻epo，目标集合从T＝IT变化为T＝IT∪ET。令矩阵
Figure BDA0002803815790000141
为新目标联盟形成矩阵，
Figure BDA0002803815790000142
表示uj被分配执行to，而
Figure BDA0002803815790000143
表示uj未被分配执行to。
考虑到平台调度的时效性要求较高，且对原方案进行大规模重构，可能造成系统结构稳定性不足。因此，为了保证空中无人机任务体系的稳定性，主要基于最小变更原则，对平台编成和任务执行计划进行局部调整。令FT'为所有目标的完成时刻，则建立编组内部协调模型为：
Figure BDA0002803815790000144
其中，第一个约束表示保持初始目标的分配方案不变，第二个约束表示需对突现目标进行无人机分配。
第二种情况，同样假定在时刻epo，目标集合从T＝IT变化为T＝IT∪ET，令矩阵Y”为新目标联盟形成矩阵，
Figure BDA0002803815790000145
表示uj被分配执行to，而
Figure BDA0002803815790000146
表示uj未被分配执行to。
为减少对其他编组目标任务执行的影响，Y”的生成应在遵循最小变更原则基础上，最小化支援无人机数量。令FT”为所有目标的完成时刻，则建立编组外部协作模型为：
Figure BDA0002803815790000151
其中，j'的取值为Nu+1到
Figure BDA0002803815790000152
步骤三中确定性GS算法和TSGS算法的步骤如下：
步骤3-1-1，分析目标新增、平台失效等突发事件对编组内目标任务执行的影响，确定需进行编组内协调还是编组间协作；
步骤3-1-2，针对编组内协调问题，对于不需变更执行计划任务，其无人机执行方案不变；对于需变更执行计划任务，以可用资源为输入信息，设计相应执行方案。针对编组间协作问题，采用TSGS算法：第一阶段，确定最小支援无人机集合；第二阶段，确定无人机支援下的目标任务执行方案。
本发明所述求解编组内协调问题的GS算法为：
步骤3-2-1，参数初始化，令编组内可用资源为自身无人机初始资源向量之和减去不需进行执行平台调度任务资源向量之和，记为
Figure BDA0002803815790000153
其中，
Figure BDA0002803815790000154
且令Tready＝ET。
步骤3-2-2，建立模型初始解，令其为Y1，在满足etl＝to时，有
Figure BDA0002803815790000155
成立；在满足itk＝to时，有
Figure BDA0002803815790000156
成立。因此，对于et1，可用资源为Rspare；而对于et2，可用资源为
Figure BDA0002803815790000157
以此类推，
Figure BDA0002803815790000158
的可用资源均可计算，令当前解Ycurrent＝Y1。
步骤3-2-3，选取满足etl＝to条件的任一
Figure BDA0002803815790000159
判断当令
Figure BDA00028038157900001510
后，分配给目标to执行的所有无人机资源是否满足需求。若是，则记录这样的
Figure BDA00028038157900001511
然后执行步骤3-2-4；若否，则令Tready＝Tready\{etl}。
步骤3-2-4，判断令哪一个
Figure BDA00028038157900001512
能够使得FT'最小，且记录下对应解Y2。若o＝1，则根据步骤3-2-2中所述方法依次更新
Figure BDA00028038157900001513
若o＝2，依次更新
Figure BDA00028038157900001514
依次类推，更新所有突现目标的可用资源，且令Ycurrent＝Y2。
步骤3-2-5，判断Tready是否为空集，若是，则输出最终解Y'＝Ycurrent；若否，则返回步骤3-2-3。
本发明所述求解编组间协作问题的TSGS算法为：
步骤3-3-1，参数初始化，将编组可支援无人机联合资源向量记为
Figure BDA0002803815790000161
其中，
Figure BDA0002803815790000162
总可用资源为
Figure BDA0002803815790000163
则有
Figure BDA0002803815790000164
成立，且令Tready＝ET。
步骤3-3-2，建立模型初始解，令其为Y3，在满足etl＝to时，有
Figure BDA0002803815790000165
成立；在满足itk＝to时，有
Figure BDA0002803815790000166
成立。因此，对于et1，可用资源为Rspare；而对于et2，可用资源为
Figure BDA0002803815790000167
以此类推，
Figure BDA0002803815790000168
的可用资源均可计算，令当前解Ycurrent＝Y3。
步骤3-3-3，选取满足etl＝to条件的任一
Figure BDA0002803815790000169
判断当令
Figure BDA00028038157900001610
后，分配给目标to执行的所有无人机资源是否满足需求。若是，则记录这样的
Figure BDA00028038157900001611
然后执行步骤3-3-4；若否，则令Tready＝Tready\{etl}。
步骤3-3-4，判断令哪一个
Figure BDA00028038157900001612
能够使得FT”最小，且记录下对应解Y4。若o＝1，则根据步骤3-3-2中所述方法依次更新
Figure BDA00028038157900001613
若o＝2，依次更新
Figure BDA00028038157900001614
依次类推，更新所有突现目标的可用资源，且令Ycurrent＝Y4。
步骤3-3-5，判断Tready是否为空集，若是，则输出最终解Y5＝Ycurrent；若否，则返回步骤3-3-3。
步骤3-3-6，通过步骤3-3-1～步骤3-3-5，最小支援无人机集合Ub就确定了，令支援无人机的联合资源向量为
Figure BDA00028038157900001615
其中，
Figure BDA00028038157900001616
且p＝1,2,…,Nr。此外，总可用资源向量为
Figure BDA00028038157900001617
其中，
Figure BDA00028038157900001618
Figure BDA00028038157900001619
且令Tready＝ET。
步骤3-3-7，将Y5作为输入，再次采用GS算法生成Y”。
下面结合仿真对本发明的技术效果作详细的描述。
实验想定：以TCC2为例，以预先任务执行计划作为输入信息，若在时刻epo，遭遇目标新增、平台失效等突发事件。其中，新增目标和失效平台数量在区间[1,2]内随机分布，新增目标的任务处理时间在区间[7,15]内随机分布，位置在原目标围合矩形区域内随机分布。
如表1～表5所示，分别为初始目标资源需求、初始目标位置坐标、无人机资源能力、任务编组情况、其他任务编组的任务执行计划。
表1初始目标资源需求
Figure BDA0002803815790000171
表2初始目标位置坐标
目标 位置 目标 位置 目标 位置 目标 位置
TAR1 (36.54,26.45) TAR9 (93.86,13.52) TAR17 (56.89,75.46) TAR25 (77.98,34.63)
TAR2 (85.34,20.46) TAR10 (25.82,15.50) TAR18 (31.52,18.62) TAR26 (44.84,13.75)
TAR3 (89.34,34.30) TAR11 (32.61,30.79) TAR19 (61.67,9.19) TAR27 (20.35,78.14)
TAR4 (22.18,72.44) TAR12 (12.73,52.36) TAR20 (8.06,35.54) TAR28 (90.32,28.41)
TAR5 (62.41,65.72) TAR13 (32.82,11.23) TAR21 (5.38,75.07) TAR29 (28.05,50.19)
TAR6 (54.86,70.79) TAR14 (30.77,89.72) TAR22 (28.13,18.43) TAR30 (20.06,37.45)
TAR7 (20.56,96.85) TAR15 (75.46,93.55) TAR23 (74.71,88.97) TAR31 (90.97,8.17)
TAR8 (79.57,78.99) TAR16 (46.92,45.15) TAR24 (25.73,46.34) TAR32 (45.63,76.80)
表3无人机资源能力
Figure BDA0002803815790000172
Figure BDA0002803815790000181
表4任务编组情况
Figure BDA0002803815790000182
表5 TCC1、TCC3、TCC4、TCC5的任务执行计划
Figure BDA0002803815790000183
Figure BDA0002803815790000191
仿真实验中，为验证GS算法和TSGS算法的有效性和优越性，设置仿真实验如下：第1组仿真实验验证GS算法有效性，即在特定场景下生成典型解；第2组仿真实验验证GS算法优越性，将其与CHIDPSO算法、WLIDPSO算法进行对比；第3组仿真实验验证TSGS算法有效性，即在特定场景下生成典型解；第4组仿真实验验证TSGS算法优越性，将其与约束处理改进多目标离散粒子群(Constraints Handling Improved Multi-objective DiscreteParticle Swarm Optimization,CHIMODPSO)算法、加权长度改进多目标离散粒子群(Weighted Length Improved Multi-objective Discrete Particle SwarmOptimization,WLIMODPSO)算法进行对比。
为验证GS算法的有效性，设置典型实验参数。记突发事件出现时刻为50；损毁无人机平台数量1架，为U6；突发目标数量1个，记为TAR33，坐标为(9.67,88.05)，该目标任务需处理时间分别为10、14、11，资源需求为：
Figure BDA0002803815790000192
采用GS算法生成调整后的任务执行计划，运行50次取平均值，算法耗时为0.0977s，任务完成总时长为191.0399。如表6所示，为编组内协调后的任务执行计划。
表6编组内协调后的任务执行计划
Figure BDA0002803815790000193
Figure BDA0002803815790000201
为验证TSGS算法的有效性，设置典型突发事件下的各实验参数。记突发事件出现时刻为20；损毁无人机平台数量2架，分别为U9和U13；突发目标数量为2个，记为TAR33和TAR34，位置坐标为(38.92,86.25)、(27.69,91.29)，TAR33和TAR34的任务需处理时间分别为11、12、8和9、13、7，任务所需资源需求为：
Figure BDA0002803815790000202
则可支援无人机数量为5架，分别为TCC3内的U10、U11，TCC4内的U28、U29，TCC5内的U40，突发事件出现时各可支援无人机可用资源向量和位置向量分别为：
Figure BDA0002803815790000203
运行50次取平均值，TSGS算法平均耗时为2.8762s，任务完成总时间为313.8607，需支援无人机为U11、U29、U40。如表7所示，为编组间协作后的任务执行计划。
表7编组间协作后的任务执行计划
Figure BDA0002803815790000204
Figure BDA0002803815790000211
为验证GS算法的优越性，将GS算法与对比算法进行对比。随机进行8组实验，当对比算法运行结果优于GS算法解时，停止仿真并记录时间，运行50次取平均值。如图6所示，为8组随机实验下GS算法与对比算法耗时对比图。为分析各对比算法耗时受突发事件出现时刻影响情况，分别设置在仿真时间20、30、40、50、60、70和80时出现突发事件。如图7所示，为不同突发事件出现时刻下GS算法与对比算法耗时对比图，各算法分别运行50次取平均值。如图8所示，为某时刻出现突发事件下GS算法与对比算法耗时对比图。可以看出，不管是在算法时效性还是算法稳定性方面，GS算法上都较CHIDPSO算法和WLIDPSO算法为优，验证了GS算法的优越性。
为验证TSGS算法的优越性，将TSGS算法与对比算法进行对比。随机进行8组实验，当对比算法生成解优于TSGS算法解时，停止仿真并记录时间，运行50次取平均值。如图9所示，为8组随机实验下TSGS算法与对比算法耗时对比图。如图10所示，为不同突发事件出现时刻下TSGS算法与对比算法耗时对比(运行50次取平均值)。如图11所示，为某时刻出现突发事件下TSGS算法与对比算法运行50次算法耗时对比。可以看出，不管是在算法时效性还是算法稳定性方面，TSGS算法上都较CHIMODPSO算法和WLIMODPSO算法为优，验证了TSGS算法的优越性。
以上实例可以看出以本发明所提的GS算法和TSGS算法为基础的平台调度方法给出一个较优的平台调度方案，不存在随机性因素，能够有效给出平台调度问题的最终方案。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种突发事件下空中无人体系平台调度方法，其特征在于，所述突发事件下空中无人体系平台调度方法包括：
分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出编组、无人机、可支援无人机、初始目标、突现目标、目标联盟集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
基于平台调度的测度模型，根据突发事件情况，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建空中无人计划的调整模型；
设计空中无人平台调度模型的求解方法，即确定性的贪心策略GS和两阶段贪心策略TSGS；
基于平台调度的测度模型，根据突发事件情况，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建有人-无人机协同计划的调整模型具体如下：
(1)确定目标函数，对于执行初始目标任务的无人机，预期是在满足所有初始目标的资源需求前提下，使得所有目标的完成时刻最大值最小，具体表示为：
Figure FDA0004234469210000011
其中，
Figure FDA0004234469210000012
为初始目标itk的完成时刻；
(2)构建约束条件，对初始目标itk执行相关任务时，需满足以下六个约束条件：
约束条件1：对于无人机uj和初始目标itk，若
Figure FDA0004234469210000013
则包含两种情况，其一，是uj在执行itk'后被分配执行itk，其中，k'≠0，则有
Figure FDA0004234469210000014
成立；其二，为uj是首次被分配对目标进行任务执行，即没有前序目标任务，则有
Figure FDA0004234469210000015
成立，因此，向量
Figure FDA0004234469210000016
和
Figure FDA0004234469210000017
需满足约束：
Figure FDA0004234469210000021
约束条件2：当需要组成多个目标联盟对多个目标任务进行执行时，同一无人机uj只能同时执行一个目标任务，即在完成itk'的任务执行后，uj仅能被分配执行itk，约束表示为：
Figure FDA0004234469210000022
约束条件3：对于初始目标itk，所有对其执行无人机的联合资源必须满足其资源需求，约束表示为：
Figure FDA0004234469210000023
约束条件4：若初始目标itk由tcq中无人机执行，则itk的执行开始时刻取决于所有tcq中无人机到达时刻的最大值，约束表示为：
Figure FDA0004234469210000024
约束条件5：若对于uj，有
Figure FDA0004234469210000025
成立，itk的执行需要所有无人机均到达任务执行区域，即先到达任务区域的无人机需等待其他无人机到达，itk的执行开始时刻需满足约束：
Figure FDA0004234469210000026
其中，
Figure FDA0004234469210000027
为uj从itk'航行到itk的时长，若
Figure FDA0004234469210000028
则令FTupp为目标任务执行时长的上限，有：
Figure FDA0004234469210000029
成立，根据公式，有：
Figure FDA00042344692100000210
约束条件6：对于上式中的
Figure FDA00042344692100000211
考虑到目标分布的广域性，相对于目标间的距离，无人机的转弯半径相对较小，有：
Figure FDA0004234469210000031
(3)令C0为所有约束条件，建立空中无人体系的计划构建模型：
minFT
Figure FDA0004234469210000032
(4)在计划构建模型基础上，构建突发事件下的平台调度模型；将仅对任务执行计划进行调整称为编组内部协调，将对平台编成和任务执行计划进行先后调整称为编组外部协作；
在出现突发事件时，需要进行下述调整策略：首先，判断是否为目标新增，若是，将突现目标并入目标集合；然后，对因目标新增造成的任务资源需求变化和平台失效造成的无人机资源能力变化进行分析，若变化后的任务资源需求超出编组内所有无人机资源能力，则对平台编成和任务执行计划进行先后调整，反之，则只需进行任务执行平台调度；
第一种情况，假定在时刻epo，目标集合从T＝IT变化为T＝IT∪ET，令矩阵
Figure FDA0004234469210000041
为新目标联盟形成矩阵，
Figure FDA0004234469210000042
表示uj被分配执行to，而
Figure FDA0004234469210000043
表示uj未被分配执行to；
对平台编成和任务执行计划进行局部调整，令FT'为所有目标的完成时刻，则建立编组内部协调模型为：
minFT'
Figure FDA0004234469210000044
其中，第一个约束表示保持初始目标的分配方案不变，第二个约束表示需对突现目标进行无人机分配；
第二种情况，同样假定在时刻epo，目标集合从T＝IT变化为T＝IT∪ET，令矩阵Y”为新目标联盟形成矩阵，
Figure FDA0004234469210000045
表示uj被分配执行to，而
Figure FDA0004234469210000046
表示uj未被分配执行to；
Y”的生成应在遵循最小变更原则基础上，最小化支援无人机数量，令FT”为所有目标的完成时刻，则建立编组外部协作模型为：
Figure FDA0004234469210000047
Figure FDA0004234469210000048
其中，j'的取值为Nu+1到
Figure FDA0004234469210000049
2.如权利要求1所述的突发事件下空中无人体系平台调度方法，其特征在于，所述分析无人体系的平台调度过程，给出编组、无人机、可支援无人机、初始目标、突现目标、目标联盟集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，具体如下：令编组集合为
Figure FDA0004234469210000051
其中，Ntcc为编组的数量；令无人机集合为
Figure FDA0004234469210000052
其中，Nu是无人机的数量；无人机uj(j＝1,2,…,Nu)加载的资源为
Figure FDA0004234469210000053
其中，Nr是资源种类；无人机uj的当前位置为
Figure FDA0004234469210000054
且uj的平均航行速度为vj，令可支援无人机集合为
Figure FDA0004234469210000055
其中，
Figure FDA0004234469210000056
为可支援无人机的数量；可支援无人机
Figure FDA0004234469210000057
加载的资源为
Figure FDA0004234469210000058
可支援无人机
Figure FDA0004234469210000059
的当前位置为
Figure FDA00042344692100000510
且
Figure FDA00042344692100000511
的平均航行速度为
Figure FDA00042344692100000512
令初始目标集合为
Figure FDA00042344692100000513
其中，Nit为初始目标的数量；初始目标itk(k＝1,2,…,Nit)的资源需求为
Figure FDA00042344692100000514
初始目标itk的位置为
Figure FDA00042344692100000515
初始目标itk的处理时长为
Figure FDA00042344692100000516
若itk的开始执行时刻为
Figure FDA00042344692100000517
则itk的完成时刻满足
Figure FDA00042344692100000518
令突现目标集合为
Figure FDA00042344692100000519
其中，Net为突现目标的数量；突现目标etl(l＝1,2,…,Net)的资源需求为
Figure FDA00042344692100000520
突现目标etl的位置为
Figure FDA00042344692100000521
突现目标etl的处理时长为
Figure FDA00042344692100000522
若etl的开始执行时刻为
Figure FDA00042344692100000523
则etl的完成时刻满足
Figure FDA00042344692100000524
定义目标集合为
Figure FDA00042344692100000525
其中，Nt为所有目标的数量，则有Nt＝Nit+Net成立，目标to(o＝1,2,…,Nt)的资源需求、位置、处理时长、开始执行时刻和完成时刻均与IT或ET集合中的itk或etl的对应值相等；
令目标联盟集合为
Figure FDA00042344692100000526
其中，Ntc为目标联盟的数量；一般而言，单个目标通常由包含若干架无人机的一个目标联盟执行相关任务，因此，有Ntc＝Nt成立；归属于目标联盟tcq的无人机集合为
Figure FDA00042344692100000527
其中，
Figure FDA0004234469210000061
为Uq中无人机的数量，目标联盟tcq中无人机的联合资源为
Figure FDA0004234469210000062
令
Figure FDA0004234469210000063
为表征itk是否由uj执行的分配向量，
Figure FDA0004234469210000064
表示itk由uj执行，
Figure FDA0004234469210000065
表示itk不由uj执行；所有这样的
Figure FDA0004234469210000066
构成目标联盟形成矩阵
Figure FDA0004234469210000067
令
Figure FDA0004234469210000068
为uj的执行转移向量，若
Figure FDA0004234469210000069
则uj在执行tk'后将执行tk；因此，有
Figure FDA00042344692100000610
成立；
所有无人机必须从固定位置出发开始对目标进行任务执行，假定在该固定位置存在虚拟初始目标t0，则有IT＝IT∪{t0}成立。
3.如权利要求1所述的突发事件下空中无人体系平台调度方法，其特征在于，区分编组内部协调和编组外部协作两种情况，设计确定性GS算法和TSGS算法，具体包括：
步骤一，分析目标新增、平台失效等突发事件对编组内目标任务执行的影响，确定需进行编组内协调还是编组间协作；
步骤二，针对编组内协调问题，对于不需变更执行计划任务，其无人机执行方案不变；对于需变更执行计划任务，以可用资源为输入信息，设计相应执行方案；针对编组间协作问题，采用TSGS算法：第一阶段，确定最小支援无人机集合；第二阶段，确定无人机支援下的目标任务执行方案。
4.如权利要求3所述的突发事件下空中无人体系平台调度方法，其特征在于，所述求解编组内协调问题的GS算法为：
(1)参数初始化，令编组内可用资源为自身无人机初始资源向量之和减去不需进行执行平台调度任务资源向量之和，记为
Figure FDA00042344692100000611
其中，
Figure FDA00042344692100000612
且令Tready＝ET；
(2)建立模型初始解，令其为Y1，在满足etl＝to时，有
Figure FDA00042344692100000613
成立；在满足itk＝to时，有
Figure FDA00042344692100000614
成立，因此，对于et1，可用资源为Rspare；而对于et2，可用资源为
Figure FDA0004234469210000071
以此类推，
Figure FDA0004234469210000072
的可用资源均可计算，令当前解Ycurrent＝Y1；
(3)选取满足etl＝to条件的任一
Figure FDA0004234469210000073
判断当令
Figure FDA0004234469210000074
后，分配给目标to执行的所有无人机资源是否满足需求；若是，则记录这样的
Figure FDA0004234469210000075
然后执行(4)；若否，则令Tready＝Tready\{etl}；
(4)判断令哪一个
Figure FDA0004234469210000076
能够使得FT'最小，且记录下对应解Y2，若o＝1，则根据步骤二中所述方法依次更新
Figure FDA0004234469210000077
若o＝2，依次更新
Figure FDA0004234469210000078
依次类推，更新所有突现目标的可用资源，且令Ycurrent＝Y2；
(5)判断Tready是否为空集，若是，则输出最终解Y'＝Ycurrent；若否，则返回(3)。
5.如权利要求3所述的突发事件下空中无人体系平台调度方法，其特征在于，所述求解编组间协作问题的TSGS算法为：
(1)参数初始化，将编组可支援无人机联合资源向量记为
Figure FDA0004234469210000079
其中，
Figure FDA00042344692100000710
总可用资源为
Figure FDA00042344692100000711
则有
Figure FDA00042344692100000712
成立，且令Tready＝ET；
(2)建立模型初始解，令其为Y3，在满足etl＝to时，有
Figure FDA00042344692100000713
成立；在满足itk＝to时，有
Figure FDA00042344692100000714
成立，对于et1，可用资源为Rspare；而对于et2，可用资源为
Figure FDA00042344692100000715
以此类推，
Figure FDA00042344692100000716
的可用资源均可计算，令当前解Ycurrent＝Y3；
(3)选取满足etl＝to条件的任一
Figure FDA00042344692100000717
判断当令
Figure FDA00042344692100000718
后，分配给目标to执行的所有无人机资源是否满足需求；若是，则记录这样的
Figure FDA00042344692100000719
然后执行(4)；若否，则令Tready＝Tready\{etl}；
(4)判断令哪一个
Figure FDA00042344692100000720
能够使得FT”最小，且记录下对应解Y4，若o＝1，则根据(2)中所述方法依次更新
Figure FDA0004234469210000081
若o＝2，依次更新
Figure FDA0004234469210000082
依次类推，更新所有突现目标的可用资源，且令Ycurrent＝Y4；
(5)判断Tready是否为空集，若是，则输出最终解Y5＝Ycurrent；若否，则返回(3)；
(6)通过(1)～(5)，最小支援无人机集合Ub确定，令支援无人机的联合资源向量为
Figure FDA0004234469210000083
其中，
Figure FDA0004234469210000084
且p＝1,2,…,Nr；此外，总可用资源向量为
Figure FDA0004234469210000085
其中，
Figure FDA0004234469210000086
且令Tready＝ET；
(7)将Y5作为输入，再次采用GS算法生成Y”。
6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出编组、无人机、可支援无人机、初始目标、突现目标、目标联盟集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
基于平台调度的测度模型，根据突发事件情况，确定平台调度的范围，并随后设计平台调度过程中的约束条件和优化目标，构建空中无人计划的调整模型；
设计空中无人平台调度模型的求解方法，即确定性的贪心策略GS和两阶段贪心策略TSGS。
7.一种实施权利要求1～5任意一项所述突发事件下空中无人体系平台调度方法的突发事件下空中无人体系平台调度系统，其特征在于，所述突发事件下空中无人体系平台调度系统包括：
空中无人体系平台调度分析模块，用于分析突发事件类型，构建平台调度的测度模型，给出平台调度的测度模型，给出多种集合的定义，并设计无人机-目标分配向量、无人机-目标执行转移向量的测度方法，所给出的测度模型用于平台调度的求解；
平台调度模型构建模块，用于根据平台调度的测度模型，确定平台调度过程中的优化目标，分析平台调度过程，设计平台调度问题的约束条件，构建空中无人体系平台调度模型；
求解算法模块，根据平台调度的范围不同，包括用于求解编组内协调问题的GS算法，以及用于求解编组间协作问题的TSGS算法。
8.一种空中无人机体系平台调度管理终端，其特征在于，所述空中无人机体系平台调度管理终端搭载权利要求7所述的突发事件下空中无人体系平台调度系统。
9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1～5任意一项所述突发事件下空中无人体系平台调度方法。
CN202011360374.6A 2020-11-27 2020-11-27 一种突发事件下的空中无人体系平台调度方法及系统 Active CN112506220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011360374.6A CN112506220B (zh) 2020-11-27 2020-11-27 一种突发事件下的空中无人体系平台调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011360374.6A CN112506220B (zh) 2020-11-27 2020-11-27 一种突发事件下的空中无人体系平台调度方法及系统

Publications (2)

Publication Number Publication Date
CN112506220A CN112506220A (zh) 2021-03-16
CN112506220B true CN112506220B (zh) 2023-06-23

Family

ID=74967036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011360374.6A Active CN112506220B (zh) 2020-11-27 2020-11-27 一种突发事件下的空中无人体系平台调度方法及系统

Country Status (1)

Country Link
CN (1) CN112506220B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115946128B (zh) * 2023-03-09 2023-06-09 珞石（北京）科技有限公司 一种基于层级状态机的人机协作策略的实现方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108073185A (zh) * 2017-11-30 2018-05-25 江西洪都航空工业集团有限责任公司 多无人机同时到达协同控制方法
CN109189094A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多有人机与多无人机混合编队资源调度方法
CN109191004A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多无人机测绘任务分配方法和装置
CN110210700A (zh) * 2019-04-19 2019-09-06 中国科学院遥感与数字地球研究所 面向应急响应的基于任务优先级的多星动态任务规划方法
KR102076225B1 (ko) * 2019-05-21 2020-02-11 국방과학연구소 무인기의 임무 계획 최적화 방법 및 장치
CN111967642A (zh) * 2020-07-10 2020-11-20 北京航空航天大学 一种基于时间窗策略的资源约束型动态船舶调度方法及调度平台

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201700056428A1 (it) * 2017-05-24 2018-11-24 Telespazio Spa Innovativo metodo di scheduling satellitare basato su algoritmi genetici e simulated annealing e relativo pianificatore di missione

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108073185A (zh) * 2017-11-30 2018-05-25 江西洪都航空工业集团有限责任公司 多无人机同时到达协同控制方法
CN109189094A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多有人机与多无人机混合编队资源调度方法
CN109191004A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多无人机测绘任务分配方法和装置
CN110210700A (zh) * 2019-04-19 2019-09-06 中国科学院遥感与数字地球研究所 面向应急响应的基于任务优先级的多星动态任务规划方法
KR102076225B1 (ko) * 2019-05-21 2020-02-11 국방과학연구소 무인기의 임무 계획 최적화 방법 및 장치
CN111967642A (zh) * 2020-07-10 2020-11-20 北京航空航天大学 一种基于时间窗策略的资源约束型动态船舶调度方法及调度平台

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A hybrid algorithm based on MOSFLA and GA for multi-UAVs plant protection task assignment and sequencing optimization;Yang Xu;《Applied Soft Computing》;全文 *
基于协同进化的多平台联合对地观测优化调度;白国庆;《国防科技大学学报》;全文 *
基于大数据平台的无人机调度技术研究;王昀;《河北农业大学学报》;全文 *
有人/无人机协同作战系统C2结构和行动计划适应性设计方法;钟赟;《空军工程大学学报(自然科学版)》;全文 *

Also Published As

Publication number Publication date
CN112506220A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN113074728B (zh) 基于跳点寻路与协同避障的多agv路径规划方法
Luo et al. A novel mobile and hierarchical data transmission architecture for smart factories
Amato et al. An approach to control automated warehouse systems
CN112001560A (zh) 基于迭代邻域搜索的二阶段公交车辆排班算法
CN108596519A (zh) 一种自动化码头alv优化调度方法
CN112506220B (zh) 一种突发事件下的空中无人体系平台调度方法及系统
Zhang et al. A dynamic scheduling method for self-organized AGVs in production logistics systems
Hani et al. Simulation based optimization of a train maintenance facility
Basile et al. A cyber-physical view of automated warehouse systems
Lu The Three‐Stage Integrated Optimization of Automated Container Terminal Scheduling Based on Improved Genetic Algorithm
Zhang et al. An improved Tabu search algorithm for multi-robot hybrid disassembly line balancing problems
CN115834386A (zh) 面向边缘计算环境中的智能服务部署方法、系统及终端
Cahyono et al. Dynamic berth and quay crane allocation for multiple berth positions and quay cranes
De Sousa et al. Finite-time consensus and readjustment three-stage filter for predictive schedules in fms
CN115293394A (zh) 一种基于动态时空图的多机器人联合调度优化方法
CN112598316B (zh) 一种同轨双agv的物料分配及协同调度方法
Rippel et al. A mixed-integer formulation to optimize the resupply of components for the installation of offshore wind farms
Zhang et al. Study on Distributed Consistent Cooperative Control of Multi-ART in Automated Container Terminals
CN118151618B (zh) 离散制造车间调度控制方法、装置、设备及介质
Liu et al. An Integrated Task and Path Planning Approach for Mobile Robots in Smart Factory
Basile et al. A Colored Timed Petri Net model for a cyber-physical view of automated warehouse systems
Chen et al. Decentralized dispatching for blocking avoidance in automate material handling systems
Ueno et al. Simulation-based approach to design a multi-stage flow-shop in steel works
Geng et al. MAPF-LNS2* algorithm based on fast repair and parallelization
Sun et al. A Collision-Free Simulation Framework for ASCs in Automated Container Terminals

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