CN112529300A - 一种天临空传感协同任务规划方法及装置 - Google Patents

一种天临空传感协同任务规划方法及装置 Download PDF

Info

Publication number
CN112529300A
CN112529300A CN202011468285.3A CN202011468285A CN112529300A CN 112529300 A CN112529300 A CN 112529300A CN 202011468285 A CN202011468285 A CN 202011468285A CN 112529300 A CN112529300 A CN 112529300A
Authority
CN
China
Prior art keywords
task
maximum
aerial vehicle
unmanned aerial
airship
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
CN202011468285.3A
Other languages
English (en)
Other versions
CN112529300B (zh
Inventor
梁昊
王明志
陈旺
曹璐
郭鹏宇
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202011468285.3A priority Critical patent/CN112529300B/zh
Publication of CN112529300A publication Critical patent/CN112529300A/zh
Application granted granted Critical
Publication of CN112529300B publication Critical patent/CN112529300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开一方面提供了一种天临空传感协同任务规划方法，包括：获取观测任务要求，包括目标空间位置要求和目标观测时效性要求；分别计算卫星最大任务合并结果、飞艇最大任务合并结果、无人机最大任务合并结果；根据所述卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果，以收益最高、任务执行率最高、负载均衡为目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置；本发明另一方面提供了一种天临空传感协同任务规划装置，包括：需求获取模块；卫星最大任务合并结果计算模块；飞艇最大任务合并结果计算模块；无人机最大任务合并结果计算模块；多约束多目标优化模块。

Description

一种天临空传感协同任务规划方法及装置
技术领域
本公开涉及空天传感器任务规划技术领域，尤其涉及一种天临空传感协同任务规划方法及装置。
背景技术
当前，常见的遥感对地观测技术手段主要包括对地观测卫星、临近空间飞艇以及无人机等，各类传感器资源已在抗震救灾、环境监测、地理标绘等方面取得了重要成果，然而，随着人们对遥感数据产品需求不断提高，传统仅依靠卫星、飞艇或无人机等单域手段越来越难以满足用户需求。
目前，已有的天临空传感协同任务规划方法研究成果较少，最新的技术成果是2019年中南大学李夏苗在期刊《控制与决策》中提出的“基于两阶段迭代优化的空天观测资源协同任务规划方法”，该技术采用分层迭代优化的思想，将任务规划架构分为1个中心节点和多个子规划节点，中心节点负责任务的协同分配，各子节点负责完成单颗卫星、单艘飞艇和单架无人机的任务规划，并将结果反馈给中心节点进行迭代优化。具体实现流程如图1所示，且现有技术的详细实现步骤如下：
(1)中心节点计算单个传感器资源的观测机会和不同传感资源之间的冲突度，并提出适应度函数；
(2)中心节点根据适应度函数计算结果，将观测任务分配给各个子节点进行优化调度计算；
(3)各个子节点根据中心节点分配的任务，完成单个传感器资源的任务规划，生成资源观测计划，计算观测收益，并将其反馈给中心节点
(4)中心节点根据各个子节点的反馈结果，判断是否满足用户需求，如果满足用户需求，则任务规划流程结束；否则，基于预先设计的禁忌表调整策略，进行任务重分配，并返回步骤(2)。
天临空各类传感器在使用时具有各自的特点和不足，对地观测卫星具有覆盖范围广、不受国界限制等优势，但观测时效性差；临近空间飞艇具有留空时间长、环境适应性强等优势，但机动性能弱；无人机具有使用灵活、图像分辨率高等优势，但覆盖范围较小。
因此，为了充分利用天临空各类传感器的优势，取长补短，，亟需提出一种天临空传感协同任务规划方法，以提高获取遥感数据产品的综合效益。
发明内容
(一)要解决的技术问题
基于上述问题，本公开提供了一种天临空传感协同任务规划方法及装置，以缓解现有技术中任务规划设置优化目标只考虑了收益最大，没有考虑任务执行数量多、负载均衡等其他常见优化的指标，传感器具有最大开关机次数的约束条件下，没有针对时效性要求类似、观测地点接近等多个遥感观测任务进行合并，可能造成收益损失，等技术问题。
(二)技术方案
本公开一方面提供了一种天临空传感协同任务规划方法，包括：
操作S100：获取观测任务要求，包括目标空间位置要求和目标观测时效性要求；
操作S200：分别计算卫星最大任务合并结果、飞艇最大任务合并结果、无人机最大任务合并结果；
操作S300：根据所述卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果，以收益最高、任务执行率最高、负载均衡为目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置；
其中，所述操作S200包括：
操作S210：根据所述观测任务要求和卫星传感器能力，包括卫星轨道、卫星载荷视场角、卫星单次最长开机时间和卫星最大侧摆角能力，构建卫星任务聚合图，并计算卫星最大任务合并结果；
操作S220：根据所述观测任务要求和飞艇传感器能力，包括飞艇位置、飞艇载荷视场角、飞艇单次最长开机时间和飞艇载荷最大侧摆角能力，构建飞艇任务聚合图，并计算飞艇最大任务合并结果；以及
操作S230：根据所述观测任务要求和无人机传感器能力，包括无人机部署位置、无人机巡航速度、无人机最大飞行时间、无人机载荷视场角、无人机载荷单次最长开机时间和无人机最大侧摆角能力，构建无人机任务聚合图，并计算无人机最大任务合并结果。
在本公开实施例中，所述卫星最大任务合并结果的计算方式操作包括：
操作S211：根据观测任务要求、卫星轨道和卫星视场角，计算目标观测时间窗口和卫星侧摆角范围；
操作S212：根据所述目标观测时间窗口和卫星单次最长开机时间，计算两个目标之间的时间聚合度；
操作S213：根据所述卫星侧摆角范围和卫星最大侧摆角能力，计算所述两个目标之间的空间聚合度；
操作S214：根据所述时间聚合度和空间聚合度，计算所述两个目标之间的任务聚合度；
操作S215根据所述两个目标之间的任务聚合度，构建卫星任务聚合图；以及
操作S216：根据所述卫星任务聚合图，采用递归回溯搜索算法，计算卫星最大任务合并结果。
在本公开实施例中，所述飞艇最大任务合并结果的计算方式操作包括：
操作S221：根据观测任务要求、飞艇位置、飞艇载荷视场角，计算目标观测时间窗口和飞艇载荷侧摆角范围；
操作S222：根据所述目标观测时间窗口和飞艇载荷单次最长开机时间，计算两个目标之间的时间聚合度；
操作S223：根据所述飞艇载荷侧摆角范围和飞艇载荷最大侧摆角能力，计算两个目标之间的空间聚合度；
操作S224：根据所述时间聚合度和空间聚合度，计算两个目标之间的任务聚合度；
操作S225：根据所述两个目标之间的任务聚合度，构建飞艇任务聚合图；以及
操作S226：根据所述飞艇任务聚合图，采用递归回溯搜索算法，计算飞艇最大任务合并结果。
在本公开实施例中，所述无人机最大任务合并结果的计算方式操作包括：
操作S231：根据观测任务要求、无人机部署位置和无人机巡航速度、无人机最大飞行时间，计算目标观测时间窗口和无人机侧摆角范围；
操作S232：根据所述目标观测时间窗口和无人机单次最长开机时间，计算所述两个目标之间的时间聚合度；
操作S233：根据所述无人机侧摆角范围和无人机最大侧摆角能力，计算所述两个目标之间的空间聚合度；
操作S234：根据所述时间聚合度和空间聚合度，计算所述两个目标之间的任务聚合度；
操作S235：根据所述两个目标之间的任务聚合度，构建无人机任务聚合图；以及
操作S236：根据所述无人机任务聚合图，采用递归回溯搜索算法，计算无人机最大任务合并结果。
本发明另一方面提供了使用了以上任一项所述的天临空传感协同任务规划方法的一种天临空传感协同任务规划装置，包括：
需求获取模块，用于获取观测任务要求，包括目标空间位置要求和任务目标观测时效性要求；
卫星最大任务合并结果计算模块，用于根据所述观测任务要求和卫星传感器能力，包括卫星轨道、卫星载荷视场角、卫星单次最长开机时间和卫星最大侧摆角能力，构建卫星任务聚合图，并计算卫星最大任务合并结果；
飞艇最大任务合并结果计算模块，用于根据所述观测任务要求和飞艇传感器能力，包括飞艇位置、飞艇载荷视场角、飞艇单次最长开机时间和飞艇载荷最大侧摆角能力，构建飞艇任务聚合图，并计算飞艇最大任务合并结果；
无人机最大任务合并结果计算模块，用于根据所述观测任务要求和无人机传感器能力，包括无人机部署位置、无人机巡航速度、无人机最大飞行时间、无人机载荷视场角、无人机载荷单次最长开机时间和无人机最大侧摆角能力，构建无人机任务聚合图，并计算无人机最大任务合并结果；
多约束多目标优化模块，用于根据所述卫星最大任务合并结果、飞艇最大任务合并结果、无人机最大任务合并结果，面向收益最高、任务执行率最高、负载均衡目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置。
在本公开实施例中，所述需求获取模块用于获取观测任务要求，包括目标空间位置要求和任务目标观测时效性要求。
在本公开实施例中，所述卫星最大任务合并结果计算模块用于：
根据观测任务要求、卫星轨道和卫星视场角，得到目标观测时间窗口和卫星侧摆角范围；
根据所述目标观测时间窗口和卫星单次最长开机时间，得到两个目标之间的时间聚合度；
根据所述卫星侧摆角范围和卫星最大侧摆角能力，得到两个目标之间的空间聚合度；
根据所述时间聚合度和空间聚合度，得到两个目标之间的任务聚合度；
根据所述两个目标之间的任务聚合度，得到卫星任务聚合图；以及
根据所述卫星任务聚合图，计算卫星最大任务合并结果。
在本公开实施例中，所述飞艇最大任务合并结果计算模块用于：
根据观测任务要求、飞艇位置、飞艇载荷视场角，得到目标观测时间窗口和飞艇载荷侧摆角范围；
根据所述目标观测时间窗口和飞艇载荷单次最长开机时间，得到两个目标之间的时间聚合度；
根据所述飞艇载荷侧摆角范围和飞艇载荷最大侧摆角能力，得到两个目标之间的空间聚合度；
根据所述时间聚合度和空间聚合度，得到两个目标之间的任务聚合度；根据所述两个目标之间的任务聚合度，得到飞艇任务聚合图；以及
根据所述飞艇任务聚合图，计算飞艇最大任务合并结果。
在本公开实施例中，所述无人机最大任务合并结果计算模块用于：
根据观测任务要求、无人机部署位置和无人机巡航速度、无人机最大飞行时间，得到目标观测时间窗口和无人机侧摆角范围；
根据所述目标观测时间窗口和无人机单次最长开机时间，得到两个目标之间的时间聚合度；
根据所述无人机侧摆角范围和无人机最大侧摆角能力，得到两个目标之间的空间聚合度；
根据所述时间聚合度和空间聚合度，得到两个目标之间的任务聚合度；根据所述两个目标之间的任务聚合度，得到无人机任务聚合图；以及
根据所述无人机任务聚合图，计算无人机最大任务合并结果。
在本公开实施例中，所述多约束多目标优化模块用于：
根据任务序号进行问题编码并完成种群初始化；
利用卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果对种群进行多目标非支配排序和种群多样性计算；
根据非支配排序计算结果和多样性计算结果，生成父种群；对种群完成选择、交叉和变异，生成子种群；
将父种群与子种群进行合并，并重新计算多目标非支配排序和种群多样性，生成新的父种群，开始下一代的迭代优化；以及
经过数次迭代优化后，可实现面向多个优化目标的天临空传感器资源的优化配置。
(三)有益效果
从上述技术方案可以看出，本公开一种天临空传感协同任务规划方法及装置至少具有以下有益效果其中之一或其中一部分：
(1)达到了收益最高、任务执行率最高、负载均衡等目标；
(2)完成了多约束多目标优化；
(3)实现了面向多个优化目标的天临空传感器资源的优化配置；
(4)实现了对观测任务要求类似的多个遥感观测任务进行合并，并利用其辅助天临空传感协同任务规划方案的优化制定，相较于传统方法，可减少能源消耗，提高观测任务执行率，增加观测收益。
附图说明
图1为现有技术中基于两阶段迭代优化的空天观测资源协同任务规划方法示意图；
图2为本公开实施例中应用于天临空传感协同任务规划方法的架构示意图；
图3为本公开实施例中应用于天临空传感协同任务规划方法的流程图；
图4为本公开实施例中分别计算卫星、飞艇、无人机的最大任务合并结果流程图；
图5为本公开实施例中卫星最大任务合并结果的计算过程流程图；
图6为本公开实施例中分别计算两两任务的任务聚合度结构示意图；
图7为本公开实施例中飞艇最大任务合并结果计算过程流程图；
图8为本公开实施例中无人机最大任务合并结果计算过程流程图；
图9为本公开实施例中多约束多目标优化计算过程流程图；
图10为本公开实施例中天临空传感协同任务规划方法实施例的流程流程图；
图11为本公开实施例中天临空传感协同任务规划装置结构示意图。
【附图中本公开实施例主要元件符号说明】
10 需求获取模块
20 卫星最大任务合并模块
30 飞艇最大任务合并模块
40 无人机最大任务合并模块
50 多约束多目标优化模块
具体实施方式
本公开提供了一种天临空传感协同任务规划方法及装置，针对跨域传感器资源进行集中管理、统一调配，以实现天临空传感器资源的优化配置。所述方法及装置以收益最高、任务执行率最高、负载均衡等为目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置，相较于传统方法，可以实现面向多个优化目标的天临空传感器资源的优化配置。本公开分别计算卫星最大任务合并结果、计算飞艇最大任务合并结果和计算飞艇最大任务合并结果，可对观测任务要求类似的多个遥感观测任务进行合并，并利用其辅助天临空传感协同任务规划方案的优化制定，相较于传统方法，可减少能源消耗，提高观测任务执行率，增加观测收益。
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
本发明实施例的天临空传感协同任务规划方法架构如图2所示。
本发明实施例的天临空传感协同任务规划方法，首先获取观测任务要求，包括目标空间位置要求和任务目标观测时效性要求，接着结合卫星、飞艇和无人机的传感器能力，分别计算卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果，最后面向收益最高、任务执行率最高、负载均衡等为优化目标，进行多目标天临空传感协同任务规划。
为达到上述目的，本发明另一方面实施例提出了一种天临空传感协同任务规划装置，包括：需求获取模块，卫星最大任务合并结果计算模块，飞艇最大任务合并结果计算模块，无人机最大任务合并结果计算模块。
在本公开实施例中，天临空传感协同任务规划装置，首先需求获取模块获取观测任务要求，接着卫星最大任务合并结果计算模块、飞艇最大任务合并结果计算模块、无人机最大任务合并结果计算模块根据所述观测任务要求和传感器能力，分别计算卫星、飞艇、无人机的最大任务合并结果，最后多约束多目标优化模块，根据所述卫星、飞艇、无人机的最大任务合并结果，进行多目标天临空传感协同任务规划。
如图3和图4所示，该天临空传感协同任务规划方法可以包括以下操作：
在操作S100中，获取观测任务要求，包括目标空间位置要求和目标观测时效性要求。
在操作S200中，分别计算卫星最大任务合并结果、飞艇最大任务合并结果、无人机最大任务合并结果。
具体地，如图4所示，所述操作S200包括：
操作S210：根据所述观测任务要求和卫星传感器能力，包括卫星轨道、卫星载荷视场角、卫星单次最长开机时间和卫星最大侧摆角能力，构建卫星任务聚合图，并计算卫星最大任务合并结果；
操作S220：根据所述观测任务要求和飞艇传感器能力，包括飞艇位置、飞艇载荷视场角、飞艇单次最长开机时间和飞艇载荷最大侧摆角能力，构建飞艇任务聚合图，并计算飞艇最大任务合并结果；
操作S230：根据所述观测任务要求和无人机传感器能力，包括无人机部署位置、无人机巡航速度、无人机最大飞行时间、无人机载荷视场角、无人机载荷单次最长开机时间和无人机最大侧摆角能力，构建无人机任务聚合图，并计算无人机最大任务合并结果。
为了本领域人员更加了解卫星最大任务合并结果的计算过程，其中，如图5所示，所述卫星最大任务合并结果的计算方式操作为：
操作S211：根据观测任务要求、卫星轨道和卫星视场角，计算目标观测时间窗口和卫星侧摆角范围；
操作S212：根据所述目标观测时间窗口和卫星单次最长开机时间，计算两个目标之间的时间聚合度；
操作S213：根据所述卫星侧摆角范围和卫星最大侧摆角能力，计算所述两个目标之间的空间聚合度；
操作S214：根据所述时间聚合度和空间聚合度，计算所述两个目标之间的任务聚合度；
操作S215根据所述两个目标之间的任务聚合度，构建卫星任务聚合图；
操作S216：根据所述卫星任务聚合图，采用递归回溯搜索算法，计算卫星最大任务合并结果。
如图5所示，卫星最大任务合并结果的计算过程具体为：
设任务Mu和任务Mv的目标空间位置要求为Pu和Pv，目标观测时效性要求为Tu＝[tsu，teu]和Tv＝[tsv，tev]，卫星si的轨道参数为Oi，视场角为Δgi，单次最长开机时间为Δti，最大侧摆角能力为Δai。
第一，根据Oi，可利用通用轨道递推算法(如HPOP算法)，计算Pu和Pv的时间窗口，得到Wu＝[wsu，weu]和Wv＝[wsv，wev]，计算Pu和Pv的姿态调整角度，得到Au和Av；
第二，判断Wu和Wv是否满足Tu和Tv的要求，如果不满足要求，则剔除该任务，否则，计算任务Mu和任务Mv的时间聚合度，计算公式如下：
Figure BDA0002833381900000091
第三，判断Au和Av是否满足Δai的要求，如果不满足要求，则剔除该任务，否则，计算任务Mu和任务Mv的空间聚合度，计算公式如下：
Figure BDA0002833381900000092
第四，计算两个目标之间的任务聚合度，计算公式如下：
Figure BDA0002833381900000101
第五，分别计算两两任务的任务聚合度，可构成任务聚合图，如图6所示。
如图所示，每一个顶点V代表一个任务，不同顶点之间有边，意味着两个任务的任务聚合度为1，否则为0；
第六，设置三个集合{R，P，X}，初始化
Figure BDA0002833381900000102
P＝{V1，V2，…，Vn}，其中每一个顶点V代表一个任务，采用递归函数进行最大任务合并结果计算，递归函数设计如下：
f_cluster(R，P，X)
{
(1)判断如果
Figure BDA0002833381900000103
且
Figure BDA0002833381900000104
时，R即存储最大任务合并结果，否则进入操作(2)；
(2)从P中取一个顶点V，计算V的邻接顶点集合N(V)；
(3)递归计算计算f_cluster(R∪V，P∩N(V)，X∩N(V))；
(4)在P中删除V，在X中添加V
}
为了本领域人员更加了解飞艇最大任务合并结果的计算过程，其中，如图7所示，所述飞艇最大任务合并结果的计算方式操作为：
操作S221：根据观测任务要求、飞艇位置、飞艇载荷视场角，计算目标观测时间窗口和飞艇载荷侧摆角范围；
操作S222：根据所述目标观测时间窗口和飞艇载荷单次最长开机时间，计算两个目标之间的时间聚合度；
操作S223：根据所述飞艇载荷侧摆角范围和飞艇载荷最大侧摆角能力，计算两个目标之间的空间聚合度；
操作S224：根据所述时间聚合度和空间聚合度，计算两个目标之间的任务聚合度；
操作S225：根据所述两个目标之间的任务聚合度，构建飞艇任务聚合图；
操作S226：根据所述飞艇任务聚合图，采用递归回溯搜索算法，计算飞艇最大任务合并结果。
如图7所示，飞艇最大任务合并结果的计算过程具体为：
第一，根据飞艇部署位置Pi，计算Pu和Pv是否可见，如果不可见，则
Figure BDA0002833381900000111
否则，计算Pu和Pv的姿态调整角度，得到Au和Av，且设置Wu＝[0，+∞)，Wv＝[0，+∞)；
其余操作与卫星最大任务合并结果的计算过程相同，在此不再赘述。
为了本领域人员更加了解无人机最大任务合并结果的计算过程，其中，如图8所示，所述无人机最大任务合并结果的计算方式操作为：
操作S231：根据观测任务要求、无人机部署位置和无人机巡航速度、无人机最大飞行时间，计算目标观测时间窗口和无人机侧摆角范围；
操作S232：根据所述目标观测时间窗口和无人机单次最长开机时间，计算所述两个目标之间的时间聚合度；
操作S233：根据所述无人机侧摆角范围和无人机最大侧摆角能力，计算所述两个目标之间的空间聚合度；
操作S234：根据所述时间聚合度和空间聚合度，计算所述两个目标之间的任务聚合度；
操作S235：根据所述两个目标之间的任务聚合度，构建无人机任务聚合图；
操作S236：根据所述无人机任务聚合图，采用递归回溯搜索算法，计算无人机最大任务合并结果。
如图8所示，无人机最大任务合并结果的计算过程具体为：
第一，根据无人机巡航速度vi和无人机最大飞行时间tmax，i，计算Pu和Pv是否可见，如果不可见，则
Figure BDA0002833381900000112
否则，计算Pu和Pv的姿态调整角度，得到Au和Av；
第二，任务Mu和任务Mv的时间聚合度，计算公式如下：
Figure BDA0002833381900000113
其余操作与无人机最大任务合并结果的计算过程相同，在此不再赘述。
在操作S300中，进行多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置。
具体地，根据所述卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果，以收益最高、任务执行率最高、负载均衡等为目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置。
为了本领域人员更加了解多约束多目标优化的计算过程，下面进行结合图9进行具体说明。
第一，初始化种群。设参与任务规划的天临空传感器的集合表示为
Figure BDA0002833381900000121
其中su表示第u个传感器编号，待规划的任务集合表示为
Figure BDA0002833381900000122
其中cv表示第v个任务编号，随机产生规模初始种群，初始种群每一个染色体的编码如下所示：
Xk＝{ck，1 ck，2 … ck，i … ck，N}
其中，Xk为第k个染色体，ck，i为第k个染色体第i个基因，表示第i个任务，N表示任务的总数。ck，i随机产生，取值范围如下所示：
Figure BDA0002833381900000123
在i不变的条件下，按照k的不同检查ck，i是否涵盖所有su，对于缺项可随机修改存在重复的ck，i的数值。最终得到的初始化种群结果可以表示为
Figure BDA0002833381900000124
其中pmax取值与传感器数量有关，按照经验可取传感器数量的10～50倍。
第二，父、子代个体合并。设父代种群为Popf，子代种群为Pops，则合并结果可以表示为：
Popc＝Popf∪Pops
第三，多目标评估。设任务收益率表示为
Figure BDA0002833381900000131
其中
Figure BDA0002833381900000132
wi为第i个任务的收益；任务完成率表示为
Figure BDA0002833381900000133
负载均衡度表示为
Figure BDA0002833381900000134
其中SWTi表示第第i个传感器的使用时长，
Figure BDA0002833381900000135
利用卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果进行多约束检查，检查方法如下：
1)判断被安排给传感器su的任务ck，i是否满足的空间约束，如果不满足，则ck，i设置为0；
2)判断被安排给传感器su的任务ck，i是否满足的时间约束，如果不满足，则ck，i设置为0；
利用卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果，对Popc中各个Xk分别计算任务收益率、任务完成率和负载均衡度，计算方法如下：
1)如果多个可以合并的任务中某个任务没有被安排时，将其安排给另一个被合并任务的传感器，并分别计算任务收益率、任务完成率和负载均衡度；
2)如果多个可以合并的任务中分别被不同传感器安排时，按照负载均衡的原则，将合并任务安排给执行任务使用时长最少的传感器，并分别计算任务收益率、任务完成率和负载均衡度；
第四，非支配排序。设对于给定的两点x和x*，当且仅当满足如下公式时：
Figure BDA0002833381900000136
则认为x支配x*，记为x＜x*，若x没有被其他解所支配，则认为x为非支配解。根据Mk，1、Mk，2和Mk，3计算结果找出Popc的非支配解集合，将其定义为F1，并从Popc中除去；然后继续找非支配解集合，将其定义为F2，再从Popc中除去；照此执行，直到整个Popc被分层；
第五，多样性排序。将同层的Xk分别按照M1、M2和M3进行升序排列，并按照如下公式进行多样性计算：
Figure BDA0002833381900000141
其中L(i+1)r为Xk+1的第r个目标函数的值，
Figure BDA0002833381900000142
为第r个目标函数的最大值，
Figure BDA0002833381900000143
为第r个目标函数的最小值，R为目标函数的种类，在此发明中可取3。
将多样性计算结果按照从大到小进行排序。
第六，选择合适个体组成新父种群。按照非支配排序结果将Xk依次放入新的父种群中，直到放入某一层Fl大小超过种群规模限制时，将该层的Xk按照多样性排序结果填入新的父种群中。
第七，选择、交叉、变异。按照经验预先设定交叉概率，从新的父种群中随机选择2组进行交叉，随机更换基因序列。按照经验预先设定变异概率，对交叉后的序列按照变异概率随机改变基因序列的值。
第八，进化代数判断。判断进化代数是否小于最大进化代数，如果小于，则返回第二步，否则进入第九步。
第九，任务合并修正。利用卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果对多目标优化结果进行修正，修正方法如下：
1)如果多个可以合并的任务中某个任务没有被安排时，将其安排给另一个被合并任务的传感器；
2)如果多个可以合并的任务中分别被不同传感器安排时，按照负载均衡的原则，将合并任务安排给执行任务使用时长最少的传感器。
如图10所示，根据本发明一个具体实施例的天临空传感协同任务规划方法的流程图。
S401，利用需求获取模块获取观测任务要求，包括目标空间位置要求和任务目标观测时效性要求，并分别将观测任务要求送入卫星最大任务合并模块、飞艇最大任务合并模块、无人机最大任务合并模块；
S402，利用卫星最大任务合并模块构建卫星任务聚合图并计算卫星最大任务合并结果，利用飞艇最大任务合并模块构建飞艇任务聚合图并计算飞艇最大任务合并结果，利用无人机最大任务合并模块构建无人机任务聚合图并计算无人机最大任务合并结果；
S403，利用多约束多目标优化模块，卫星、飞艇、无人机的最大任务合并结果，进行多目标天临空传感协同任务规划。
如图11所示，该天临空传感协同任务规划装置可以包括：需求获取模块10、卫星最大任务合并模块20、飞艇最大任务合并模块30、无人机最大任务合并模块40、多约束多目标优化模块50。
其中，需求获取模块10用于获取观测任务要求，包括目标空间位置要求和任务目标观测时效性要求；卫星最大任务合并模块20用于计算卫星最大任务合并结果；飞艇最大任务合并模块30用于计算卫星最大任务合并结果；无人机最大任务合并模块40用于计算卫星最大任务合并结果；多约束多目标优化模块50用于以收益最高、任务执行率最高、负载均衡等为目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置。
至此，已经结合附图对本公开实施例进行了详细描述。需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。
依据以上描述，本领域技术人员应当对本公开一种天临空传感协同任务规划方法及装置有了清楚的认识。
综上所述，本公开提供了一种天临空传感协同任务规划方法及装置，所述方法及装置以收益最高、任务执行率最高、负载均衡等为目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置，相较于传统方法，可以实现面向多个优化目标的天临空传感器资源的优化配置。本公开分别计算卫星最大任务合并结果、计算飞艇最大任务合并结果和计算飞艇最大任务合并结果，可对观测任务要求类似的多个遥感观测任务进行合并，并利用其辅助天临空传感协同任务规划方案的优化制定，相较于传统方法，可减少能源消耗，提高观测任务执行率，增加观测收益。
还需要说明的是，实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向，并非用来限制本公开的保护范围。贯穿附图，相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时，将省略常规结构或构造。
并且图中各部件的形状和尺寸不反映真实大小和比例，而仅示意本公开实施例的内容。另外，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。
除非有所知名为相反之意，本说明书及所附权利要求中的数值参数是近似值，能够根据通过本公开的内容所得的所需特性改变。具体而言，所有使用于说明书及权利要求中表示组成的含量、反应条件等等的数字，应理解为在所有情况中是受到「约」的用语所修饰。一般情况下，其表达的含义是指包含由特定数量在一些实施例中±10％的变化、在一些实施例中±5％的变化、在一些实施例中±1％的变化、在一些实施例中±0.5％的变化。
再者，单词“包含”不排除存在未列在权利要求中的元件或操作。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的用词，以修饰相应的元件，其本身并不意味着该元件有任何的序数，也不代表某一元件与另一元件的顺序、或是制造方法上的顺序，该些序数的使用仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清楚区分。
此外，除非特别描述或必须依序发生的操作，上述操作的顺序并无限制于以上所列，且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑，彼此混合搭配使用或与其他实施例混合搭配使用，即不同实施例中的技术特征可以自由组合形成更多的实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。并且，在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。
类似地，应当理解，为了精简本公开并帮助理解各个公开方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，公开方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。
以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种天临空传感协同任务规划方法，包括：
操作S100：获取观测任务要求，包括目标空间位置要求和目标观测时效性要求；
操作S200：分别计算卫星最大任务合并结果、飞艇最大任务合并结果、无人机最大任务合并结果；
操作S300：根据所述卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果，以收益最高、任务执行率最高、负载均衡为目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置；
其中，所述操作S200包括：
操作S210：根据所述观测任务要求和卫星传感器能力，包括卫星轨道、卫星载荷视场角、卫星单次最长开机时间和卫星最大侧摆角能力，构建卫星任务聚合图，并计算卫星最大任务合并结果；
操作S220：根据所述观测任务要求和飞艇传感器能力，包括飞艇位置、飞艇载荷视场角、飞艇单次最长开机时间和飞艇载荷最大侧摆角能力，构建飞艇任务聚合图，并计算飞艇最大任务合并结果；以及
操作S230：根据所述观测任务要求和无人机传感器能力，包括无人机部署位置、无人机巡航速度、无人机最大飞行时间、无人机载荷视场角、无人机载荷单次最长开机时间和无人机最大侧摆角能力，构建无人机任务聚合图，并计算无人机最大任务合并结果。
2.根据权利要求1所述的天临空传感协同任务规划方法，其中，所述卫星最大任务合并结果的计算方式操作包括：
操作S211：根据观测任务要求、卫星轨道和卫星视场角，计算目标观测时间窗口和卫星侧摆角范围；
操作S212：根据所述目标观测时间窗口和卫星单次最长开机时间，计算两个目标之间的时间聚合度；
操作S213：根据所述卫星侧摆角范围和卫星最大侧摆角能力，计算所述两个目标之间的空间聚合度；
操作S214：根据所述时间聚合度和空间聚合度，计算所述两个目标之间的任务聚合度；
操作S215根据所述两个目标之间的任务聚合度，构建卫星任务聚合图；以及
操作S216：根据所述卫星任务聚合图，采用递归回溯搜索算法，计算卫星最大任务合并结果。
3.根据权利要求1所述的天临空传感协同任务规划方法，其中，所述飞艇最大任务合并结果的计算方式操作包括：
操作S221：根据观测任务要求、飞艇位置、飞艇载荷视场角，计算目标观测时间窗口和飞艇载荷侧摆角范围；
操作S222：根据所述目标观测时间窗口和飞艇载荷单次最长开机时间，计算两个目标之间的时间聚合度；
操作S223：根据所述飞艇载荷侧摆角范围和飞艇载荷最大侧摆角能力，计算两个目标之间的空间聚合度；
操作S224：根据所述时间聚合度和空间聚合度，计算两个目标之间的任务聚合度；
操作S225：根据所述两个目标之间的任务聚合度，构建飞艇任务聚合图；以及
操作S226：根据所述飞艇任务聚合图，采用递归回溯搜索算法，计算飞艇最大任务合并结果。
4.根据权利要求1所述的天临空传感协同任务规划方法，其中，所述无人机最大任务合并结果的计算方式操作包括：
操作S231：根据观测任务要求、无人机部署位置和无人机巡航速度、无人机最大飞行时间，计算目标观测时间窗口和无人机侧摆角范围；
操作S232：根据所述目标观测时间窗口和无人机单次最长开机时间，计算所述两个目标之间的时间聚合度；
操作S233：根据所述无人机侧摆角范围和无人机最大侧摆角能力，计算所述两个目标之间的空间聚合度；
操作S234：根据所述时间聚合度和空间聚合度，计算所述两个目标之间的任务聚合度；
操作S235：根据所述两个目标之间的任务聚合度，构建无人机任务聚合图；以及
操作S236：根据所述无人机任务聚合图，采用递归回溯搜索算法，计算无人机最大任务合并结果。
5.一种天临空传感协同任务规划装置，其使用了权利要求1至4任一项所述的天临空传感协同任务规划方法，包括：
需求获取模块，用于获取观测任务要求，包括目标空间位置要求和任务目标观测时效性要求；
卫星最大任务合并结果计算模块，用于根据所述观测任务要求和卫星传感器能力，包括卫星轨道、卫星载荷视场角、卫星单次最长开机时间和卫星最大侧摆角能力，构建卫星任务聚合图，并计算卫星最大任务合并结果；
飞艇最大任务合并结果计算模块，用于根据所述观测任务要求和飞艇传感器能力，包括飞艇位置、飞艇载荷视场角、飞艇单次最长开机时间和飞艇载荷最大侧摆角能力，构建飞艇任务聚合图，并计算飞艇最大任务合并结果；
无人机最大任务合并结果计算模块，用于根据所述观测任务要求和无人机传感器能力，包括无人机部署位置、无人机巡航速度、无人机最大飞行时间、无人机载荷视场角、无人机载荷单次最长开机时间和无人机最大侧摆角能力，构建无人机任务聚合图，并计算无人机最大任务合并结果；
多约束多目标优化模块，用于根据所述卫星最大任务合并结果、飞艇最大任务合并结果、无人机最大任务合并结果，面向收益最高、任务执行率最高、负载均衡目标，完成多约束多目标优化，实现面向多个优化目标的天临空传感器资源的优化配置。
6.根据权利要求5所述的天临空传感协同任务规划装置，其中，所述需求获取模块用于获取观测任务要求，包括目标空间位置要求和任务目标观测时效性要求。
7.根据权利要求5所述的天临空传感协同任务规划装置，其中，所述卫星最大任务合并结果计算模块用于：
根据观测任务要求、卫星轨道和卫星视场角，得到目标观测时间窗口和卫星侧摆角范围；
根据所述目标观测时间窗口和卫星单次最长开机时间，得到两个目标之间的时间聚合度；
根据所述卫星侧摆角范围和卫星最大侧摆角能力，得到两个目标之间的空间聚合度；
根据所述时间聚合度和空间聚合度，得到两个目标之间的任务聚合度；
根据所述两个目标之间的任务聚合度，得到卫星任务聚合图；以及
根据所述卫星任务聚合图，计算卫星最大任务合并结果。
8.根据权利要求5所述的天临空传感协同任务规划装置，其中，所述飞艇最大任务合并结果计算模块用于：
根据观测任务要求、飞艇位置、飞艇载荷视场角，得到目标观测时间窗口和飞艇载荷侧摆角范围；
根据所述目标观测时间窗口和飞艇载荷单次最长开机时间，得到两个目标之间的时间聚合度；
根据所述飞艇载荷侧摆角范围和飞艇载荷最大侧摆角能力，得到两个目标之间的空间聚合度；
根据所述时间聚合度和空间聚合度，得到两个目标之间的任务聚合度；根据所述两个目标之间的任务聚合度，得到飞艇任务聚合图；以及
根据所述飞艇任务聚合图，计算飞艇最大任务合并结果。
9.根据权利要求5所述的天临空传感协同任务规划装置，其中，所述无人机最大任务合并结果计算模块用于：
根据观测任务要求、无人机部署位置和无人机巡航速度、无人机最大飞行时间，得到目标观测时间窗口和无人机侧摆角范围；
根据所述目标观测时间窗口和无人机单次最长开机时间，得到两个目标之间的时间聚合度；
根据所述无人机侧摆角范围和无人机最大侧摆角能力，得到两个目标之间的空间聚合度；
根据所述时间聚合度和空间聚合度，得到两个目标之间的任务聚合度；根据所述两个目标之间的任务聚合度，得到无人机任务聚合图；以及
根据所述无人机任务聚合图，计算无人机最大任务合并结果。
10.根据权利要求5所述的天临空传感协同任务规划装置，其中，所述多约束多目标优化模块用于：
根据任务序号进行问题编码并完成种群初始化；
利用卫星最大任务合并结果、飞艇最大任务合并结果和无人机最大任务合并结果对种群进行多目标非支配排序和种群多样性计算；
根据非支配排序计算结果和多样性计算结果，生成父种群；对种群完成选择、交叉和变异，生成子种群；
将父种群与子种群进行合并，并重新计算多目标非支配排序和种群多样性，生成新的父种群，开始下一代的迭代优化；以及
经过数次迭代优化后，可实现面向多个优化目标的天临空传感器资源的优化配置。
CN202011468285.3A 2020-12-14 2020-12-14 一种天临空传感协同任务规划方法及装置 Active CN112529300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011468285.3A CN112529300B (zh) 2020-12-14 2020-12-14 一种天临空传感协同任务规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011468285.3A CN112529300B (zh) 2020-12-14 2020-12-14 一种天临空传感协同任务规划方法及装置

Publications (2)

Publication Number Publication Date
CN112529300A true CN112529300A (zh) 2021-03-19
CN112529300B CN112529300B (zh) 2023-10-10

Family

ID=74999626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011468285.3A Active CN112529300B (zh) 2020-12-14 2020-12-14 一种天临空传感协同任务规划方法及装置

Country Status (1)

Country Link
CN (1) CN112529300B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114879745A (zh) * 2022-07-12 2022-08-09 成都戎星科技有限公司 基于预规划和禁忌搜索算法的多无人机协同任务规划方法
CN114915537A (zh) * 2022-05-11 2022-08-16 军事科学院系统工程研究院网络信息研究所 卫星通信频轨资源分布式协同监测系统和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184291A1 (en) * 2005-02-16 2006-08-17 Lockheed Martin Corporation Mission planning system with asynchronous request capability
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
US20180268720A1 (en) * 2017-03-14 2018-09-20 Tata Consultancy Services Limited Distance and communication costs based aerial path planning
CN109933842A (zh) * 2019-01-23 2019-06-25 北京航空航天大学 一种基于约束满足遗传算法的移动目标单星任务规划方法
CN111780797A (zh) * 2020-05-28 2020-10-16 中国人民解放军军事科学院国防科技创新研究院 天临空协同遥感系统模拟试验装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184291A1 (en) * 2005-02-16 2006-08-17 Lockheed Martin Corporation Mission planning system with asynchronous request capability
US20180268720A1 (en) * 2017-03-14 2018-09-20 Tata Consultancy Services Limited Distance and communication costs based aerial path planning
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
CN109933842A (zh) * 2019-01-23 2019-06-25 北京航空航天大学 一种基于约束满足遗传算法的移动目标单星任务规划方法
CN111780797A (zh) * 2020-05-28 2020-10-16 中国人民解放军军事科学院国防科技创新研究院 天临空协同遥感系统模拟试验装置及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114915537A (zh) * 2022-05-11 2022-08-16 军事科学院系统工程研究院网络信息研究所 卫星通信频轨资源分布式协同监测系统和方法
CN114879745A (zh) * 2022-07-12 2022-08-09 成都戎星科技有限公司 基于预规划和禁忌搜索算法的多无人机协同任务规划方法
CN114879745B (zh) * 2022-07-12 2022-09-16 成都戎星科技有限公司 基于预规划和禁忌搜索算法的多无人机协同任务规划方法

Also Published As

Publication number Publication date
CN112529300B (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN110673635B (zh) 一种基于无线能量传输网络的无人机三维轨迹的设计方法
Champasak et al. Self-adaptive many-objective meta-heuristic based on decomposition for many-objective conceptual design of a fixed wing unmanned aerial vehicle
CN110400002B (zh) 一种多星成像任务规划方法
CN109933842B (zh) 一种基于约束满足遗传算法的移动目标单星任务规划方法
CN110412869B (zh) 一种多星协同的空间动态目标实时跟踪方法
CN103744733B (zh) 成像卫星资源调用配置方法
CN112529300A (zh) 一种天临空传感协同任务规划方法及装置
Tuba et al. Mobile robot path planning by improved brain storm optimization algorithm
CN113009934A (zh) 一种基于改进粒子群算法的多无人机任务动态分配方法
CN110288857B (zh) 一种基于时空间维度分解的机场停机位快速调度方法
CN112230675B (zh) 在协同搜救中考虑运行环境和性能的无人机任务分配方法
CN111897640B (zh) 一种面向区域成图的卫星成像任务规划方法及系统
Tuba et al. Drone placement for optimal coverage by brain storm optimization algorithm
CN112733251B (zh) 一种多无人飞行器协同航迹规划方法
CN113485409B (zh) 一种面向地理公平性的无人机路径规划分配方法及系统
CN116307535A (zh) 一种基于改进差分进化算法的多星协作成像任务规划方法
CN109885082A (zh) 一种基于任务驱动下的无人机航迹规划的方法
Gong et al. Optimized layout methods based on optimization algorithms for DPOS
CN112648999A (zh) 一种基于多尺度网格细胞路径积分的类脑导航方法
Xiang et al. An effective memetic algorithm for UAV routing and orientation under uncertain navigation environments
Mohamadi et al. Efficient algorithms for decision making and coverage deployment of connected multi-low-altitude platforms
Champasak et al. Grid-based many-objective optimiser for aircraft conceptual design with multiple aircraft configurations
CN111157002A (zh) 基于多智能体进化算法的飞行器3d路径规划方法
Qi et al. A cooperative autonomous scheduling approach for multiple earth observation satellites with intensive missions
CN113608546A (zh) 量子海狮机制的无人机群任务分配方法

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