CN113050672B - 一种面向应急信息采集与传输的无人机路径规划方法 - Google Patents

Abstract

本发明涉及一种面向应急信息采集与传输的无人机路径规划方法，包括以下步骤：步骤S1:基于多目标无人机系统，构建多目标无人机路径规划模型；步骤S2:基于多目标无人机路径规划模型，获取路径规划目标函数；步骤S3:最大化归一化体验质量，并基于路径规划目标函数，生成无人机航点；步骤S4:根据得到的无人机航点，最小化航点遍历时间，生成无人机轨迹。本发明可以有效实现应急信息的快速采集与可靠传输。

Description

一种面向应急信息采集与传输的无人机路径规划方法

技术领域

本发明涉及无人机路径规划领域，具体涉及一种面向应急信息采集与传输的无人机路径规划方法。

背景技术

应急信息的采集与传输是构建我国国土资源与生态环境安全应急响应技术体系的关键问题。目前，无线传感网技术虽已广泛应用于应急信息的采集与传输，但是仍存在数据采集与传输过分依赖地面基站的问题与灾害发生后救援人员无法及时进入现场的问题。近年来，无人机技术为地面通讯网络受限情况下的数据采集与传输提供切实可行的方案。针对地面通信网络阻断或不稳定的情况，无人机可在多个用户设备之间提供无线网络连接，以提高地面设备间的连通性；针对现有基础通信设施的服务盲区，无人机可以提供额外的无线网络覆盖，从而有效地补充现有蜂窝网络体系的“盲点”。

虽然无人机技术有着广泛的应用前景，但也必须克服一些技术挑战。例如，将无人机部署为空中基站时，关键的设计因素包括无线网络性能评价、最优无人机部署、最优路径规划等。而将无人机部署为空中中继时，信道切换与抗干扰管理、低延迟控制、无人机三维定位则是主要的技术挑战。面对上述诸多的技术挑战，其中最基础，也最复杂的问题便是无人机路径规划问题。无人机路径规划，作为无人机实现自主飞行任务的基本部分，是指无人机基于机身性能与环境约束，寻找一条自适应的、能够安全到达目标点的最优或者次优的飞行轨迹。为了解决应急信息的采集与传输问题，顾及无人机性能、环境约束、用户分布、传输需求等因素，亟需一个能实现多无人机数据采集与传输的局部与全局最优路径规划方法。

发明内容

有鉴于此，本发明的目的在于提供一种面向应急信息采集与传输的无人机路径规划方法，实现多无人机数据采集与传输的局部与全局最优路径规划。

为实现上述目的，本发明采用如下技术方案：

一种面向应急信息采集与传输的无人机路径规划方法，包括以下步骤：

步骤S1:基于多目标无人机系统，构建多目标无人机路径规划模型；

步骤S2:基于多目标无人机路径规划模型，获取路径规划目标函数；

步骤S3:最大化归一化体验质量，并基于路径规划目标函数，生成无人机航点；

步骤S4:根据得到的无人机航点，最小化航点遍历时间，生成无人机轨迹。

进一步的，所述多目标无人机系统包括空中应急信息获取单元和地面应急信息传输单元；所述空中应急信息获取单元由M＝{1,2,...,M}台无人机组成；所述地面应急信息传输单由

组用户设备组成。

进一步的，所述多目标无人机路径规划模型包括用户设备分布与任务分配模型、无线传输信道模型和路径规划环境模型。

进一步的，所述户设备分布与任务分配模型具体为：用户设备的分布满足齐次泊松分布；使用均值漂移算法对整体的用户设备进行聚类，从而确定无人机的数量；无人机基于用户设备簇质心的分布情况，执行全局或局部的应急响应任务。

进一步的，所述无线传输信道模型，具体为：

式中

表示用户设备的索引，

表示无人机的索引，LoS表示视距通信，NLoS表示非视距通信，UAV表示无人机，

与

表示信道的发生概率，A与B表示环境常数，θ表示高程角，

与

表示信道路径损耗；

所述路径规划环境模型包括地形约束和风速影响，具体为：

(1)地形约束：

式中

表示无人机的有限集，

表示数字高程模型的有限集；

(2)风速影响：V＝v_wb+v_wg+v_wr+v_wn，式中v_wb表示基本风风速，v_wg表示阵风风速，v_wr表示渐变风风速，v_wn表示随机风风速，并基于伯努利方程定义风向量f∈R³。

进一步的，所述路径规划目标函数包括无人机航点规划约束函数和无人机运动规划约束函数；

所述无人机航点规划约束函数，具体为：

式中G表示路径增益，R表示信道容量，C表示蜂窝覆盖率，ω_G、ω_R、ω_C表示变量所对应的权重；

所述无人机运动规划约束函数，具体为：

式中t_i表示无人机单次位置更新时间，E表示无人机的能量消耗，n表示无人机位置更新的次数，P表示无人机能够安全返航的能量函数，Q表示总能量。

进一步的，所述最大化归一化体验质量包括最大化路径增益、最大化信道容量和最大化蜂窝覆盖率；

所述最大化路径增益，具体为：

扩展

为

式中

分别表示额外视距与非视距路径损耗系数，θ＝arcsin(h_i，j/d_i，j)表示高程角，

h_i,j表示无人机与用户设备间的高度差，G_l表示天线增益，λ表示波长；

所述最大化信道容量，具体为：

式中B_w表示带宽，P_t表示发射功率，N₀表示噪声功率，I表示干扰功率；

所述最大化蜂窝覆盖率，具体为：

式中

表示距离R处的接收功率，P_min表示最小接收功率的阈值。

进一步的，所述步骤S4具体为：

步骤S41:最大化四旋翼无人机加速度：设A点坐标为(x_A,y_A,z_A)，B点坐标为(x_B,y_B,z_B)，机体升力为l∈R³，机体所受外力为f∈R³，升力在惯性参考系下的极角为α，方位角为β，且升力与

的夹角为p，外力与

的夹角为q，则最大化无人机加速度的最优朝向表示为：

式中

A表示f+l的合力大小；

步骤S42:基于最优控制理论的无人机运动规划：

步骤S43:基于PID控制算法的生成无人机运动轨迹。

进一步的，所述基于最优控制理论的无人机运动规划，具体为：

式中τ最短的运动时间；

设无人机需要以最短的时间τ从A点运动到B点，基于不同的控制持续时间，无人机的位移表示为如下分段函数：

式中t^*表示最优的控制转换时间，且速度的变化满足：v_A+a_maxt^*+a_min(τ-t^*)＝v_B，式中v_A表示机体在A点的速度，v_B表示机体在B点的速度；

因此，最短的运动时间τ与最优的控制转换时间t^*表示为：

式中f_max表示最大的升力，a_min＜0表示减速；

进一步的，所述步骤S43具体为：

通过位置控制、姿态控制、控制分配和电机控制生成无人机的运动轨迹，其中，位置控制用于解算期望的姿态角与总拉力：

与

姿态控制用于解算期望的力矩：

控制分配用于解算期望的电机转速：

而电机控制则用于解算期望的油门指令：

式中

K_P，K_I，K_D表示PID控制系数，

c_T表示推力系数，c_M表示力矩系数，d_r表示机身半径。

本发明与现有技术相比具有以下有益效果：

1、本发明构建更加稳定的空地通信链路，使得用户设备与无人机之间的路径损耗处于较低的水平，从而有效地保证数据传输的可靠性；

2、本发明提高上行链路的信道容量，从而提高数据传输的速度；

3、本发明扩大下行链路的无人机蜂窝覆盖率，使得无人机能够服务更大范围内的用户设备，从而保证数据传输的持续性；

4、本发明显著地提升无线传输性能评价指标，并有效地缩短无人机的飞行时间。

附图说明

图1是本发明一实施例中方法流程图；

图2是本发明一实施例中系统框架图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

请参照图1，本发明提供一种面向应急信息采集与传输的无人机路径规划方法，包括以下步骤：

步骤S1:基于多目标无人机系统，构建多目标无人机路径规划模型；

步骤S2:基于多目标无人机路径规划模型，获取路径规划目标函数；

步骤S3:最大化归一化体验质量，并基于路径规划目标函数，生成无人机航点；

步骤S4:根据得到的无人机航点，最小化航点遍历时间，生成无人机轨迹。

在本实施例中，参考图2，多目标无人机系统包括空中应急信息获取单元和地面应急信息传输单元；其中，前者由M＝{1,2,...,M}台无人机组成，主要负责接收地面传输单元返回的数据，后者由

组用户设备(例如，应急移动终端、传感器设备等)组成，主要负责采集应急信息。用户设备

随机分布在某一地理区域内，无人机

作为空中基站动态地部署在该地理区域上空。无人机与用户设备的发送功率约束分别为

与

且一台无人机所能接入的用户设备是有限的。

在本实施例中，所述多目标无人机路径规划模型包括用户设备分布与任务分配模型、无线传输信道模型和路径规划环境模型。

优选的，用户设备分布与任务分配模型具体为：用户设备的分布满足齐次泊松分布；使用均值漂移算法对整体的用户设备进行聚类，从而确定无人机的数量；无人机基于用户设备簇质心的分布情况，执行全局或局部的应急响应任务：(1)局部任务指的是无人机抵达用户设备簇上空后，顾及用户设备的移动与传输时间间隔，执行持续的数据采集任务，即无人机动态地改变自身的三维位置，优化上下行链路的传输功率，不断地接收用户设备返回的数据；(2)全局任务指的是存在多个用户设备簇的情况下，无人机需要从起飞点出发，顾及环境约束，按照最优的飞行轨迹前往各个用户设备簇执行数据采集任务。

优选的，无线传输信道模型，具体为：

式中

表示用户设备的索引，

表示无人机的索引，LoS表示视距通信，NLoS表示非视距通信，UAV表示无人机，

与

表示信道的发生概率，A与B表示环境常数，θ表示高程角，

与

表示信道路径损耗；

所述路径规划环境模型包括地形约束和风速影响，具体为：

(1)地形约束：

式中u表示无人机的有限集，

表示数字高程模型的有限集；

(2)风速影响：V＝v_wb+v_wg+v_wr+v_wn，式中v_wb表示基本风风速，v_wg表示阵风风速，v_wr表示渐变风风速，v_wn表示随机风风速，并基于伯努利方程定义风向量f∈R³。

优选的，路径规划目标函数包括无人机航点规划约束函数和无人机运动规划约束函数；

无人机航点规划约束函数，具体为：

式中G表示路径增益，R表示信道容量，C表示蜂窝覆盖率，ω_G、ω_R、ω_C表示变量所对应的权重；

无人机运动规划约束函数，具体为：

式中t_i表示无人机单次位置更新时间，E表示无人机的能量消耗，n表示无人机位置更新的次数，P表示无人机能够安全返航的能量函数，Q表示总能量。

优选的，最大化归一化体验质量包括最大化路径增益、最大化信道容量和最大化蜂窝覆盖率；

最大化路径增益，具体为：

扩展

为

式中

分别表示额外视距与非视距路径损耗系数，θ＝arcsin(h_i，j/d_i，j)表示高程角，

h_i,j表示无人机与用户设备间的高度差，G_l表示天线增益，λ表示波长；因此，最大化路径增益可以通过交替迭代如下两个步骤来求解：(1)假设d_i,j已知，求解

(2)假设h_i,j已知，求解

最大化信道容量，具体为：

式中B_w表示带宽，P_t表示发射功率，N₀表示噪声功率，I表示干扰功率；因此，最大化蜂窝覆盖率可以分为如下两个步骤来求解：(1)最大化用户设备接收功率：

(2)最小化无人机干扰功率：

最大化蜂窝覆盖率，具体为：

式中

表示距离R处的接收功率，P_min表示最小接收功率的阈值。因此，最大化蜂窝覆盖率可以分为如下两个步骤来求解：(1)最大化用户设备接收功率：

(2)最小化无人机干扰功率：

在本实施例中，步骤S4具体为：

步骤S41:最大化四旋翼无人机加速度：设A点坐标为(x_A,y_A,z_A)，B点坐标为(x_B,y_B,z_B)，机体升力为l∈R³，机体所受外力为f∈R³，升力在惯性参考系下的极角为α，方位角为β，且升力与

的夹角为p，外力与

的夹角为q，则最大化无人机加速度的最优朝向表示为：

式中

A表示f+l的合力大小；

步骤S42:基于最优控制理论的无人机运动规划：

式中τ最短的运动时间；

设无人机需要以最短的时间τ从A点运动到B点，基于不同的控制持续时间，无人机的位移表示为如下分段函数：

式中t^*表示最优的控制转换时间，且速度的变化满足：v_A+a_maxt^*+a_min(τ-t^*)＝v_B，式中v_A表示机体在A点的速度，v_B表示机体在B点的速度；

因此，最短的运动时间τ与最优的控制转换时间t^*表示为：

式中f_max表示最大的升力，a_min＜0表示减速；

步骤S43:基于PID控制算法的生成无人机运动轨迹；通过位置控制、姿态控制、控制分配和电机控制生成无人机的运动轨迹，其中，位置控制用于解算期望的姿态角与总拉力：

与

姿态控制用于解算期望的力矩：

控制分配用于解算期望的电机转速：

而电机控制则用于解算期望的油门指令：

式中

K_P，K_I，K_D表示PID控制系数，

c_T表示推力系数，c_M表示力矩系数，d_r表示机身半径。

在本实施例中，具体实施步骤如下：

(1)部署用户设备，包括静态节点与动态节点(如应急移动终端、传感器设备等)，并设置用户设备传输数据的时间间隔；

(2)确定无人机的数量，并分配局部或全局的应急响应任务；

(3)无人机从设定的初始位置起飞后，顾及无人机能量约束与自然环境约束，根据用户设备的分布情况开始执行数据采集任务；

(4)无人机根据航点规划算法，联合优化无人机的三维位置以及上下行链路的传输功率分配策略，最大限度地缩短数据采集与传输时间。

(5)无人机根据运动规划算法，动态地调整无人机的姿态，使得无人机能够以最短的时间到达目标位置，采集用户设备返回的数据。

(6)无人机根据用户设备的分布情况与传输时间间隔，重复执行(4)-(5)步骤。若无人机不满足能量约束，则会执行自动返航程序。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种面向应急信息采集与传输的无人机路径规划方法，其特征在于，包括以下步骤：

步骤S1:基于多目标无人机系统，构建多目标无人机路径规划模型；

步骤S2:基于多目标无人机路径规划模型，获取路径规划目标函数；

步骤S3:最大化归一化体验质量，并基于路径规划目标函数，生成无人机航点；

步骤S4:根据得到的无人机航点，最小化航点遍历时间，生成无人机轨迹；

所述多目标无人机系统包括空中应急信息获取单元和地面应急信息传输单元；所述空中应急信息获取单元由M＝{1,2,...,M}台无人机组成；所述地面应急信息传输单元 由

组用户设备组成；

所述最大化归一化体验质量包括最大化路径增益、最大化信道容量和最大化蜂窝覆盖率；

所述最大化路径增益，具体为：

式中

表示用户设备的索引，

表示无人机的索引，LoS表示视距通信，NLoS表示非视距通信，

与

表示信道的发生概率，A′与B′表示环境常数，

与

表示信道路径损耗；

扩展

为

式中

分别表示额外视距与非视距路径损耗系数，θ＝arcsin(h_i，j/d_i，j)表示高程角，

h_i,j表示无人机与用户设备间的高度差，G_l表示天线增益，λ表示波长；

所述最大化信道容量，具体为：

式中B_w表示带宽，P_t表示发射功率，N₀表示噪声功率，I表示干扰功率；

所述最大化蜂窝覆盖率，具体为：

式中

表示距离R处的接收功率，P_min表示最小接收功率的阈值；

所述步骤S4具体为：

步骤S41:最大化四旋翼无人机加速度：设A点坐标为(x_A,y_A,z_A)，B点坐标为(x_B,y_B,z_B)，机体升力为l∈R³，机体所受外力为f∈R³，升力在惯性参考系下的极角为α，方位角为β，且升力与

的夹角为p，外力与

的夹角为q，则最大化无人机加速度的最优朝向表示为：

式中

A表示f+l的合力大小；

步骤S42:基于最优控制理论的无人机运动规划：

步骤S43:基于PID控制算法生成无人机运动轨迹；

所述基于最优控制理论的无人机运动规划，具体为：

式中τ′最短的运动时间；

设无人机需要以最短的运动时间τ′从A点运动到B点，基于不同的控制持续时间，无人机的位移表示为如下分段函数：

式中t^*表示最优的控制转换时间，且速度的变化满足：v_A+a_maxt^*+a_min(τ′-t^*)＝v_B，式中v_A表示机体在A点的速度，v_B表示机体在B点的速度；

因此，最短的运动时间τ′与最优的控制转换时间t^*表示为：

式中f_max表示最大的升力，a_min＜0表示减速。

2.根据权利要求1所述的一种面向应急信息采集与传输的无人机路径规划方法，其特征在于，所述多目标无人机路径规划模型包括用户设备分布与任务分配模型、无线传输信道模型和路径规划环境模型。

3.根据权利要求2 所述的一种面向应急信息采集与传输的无人机路径规划方法，其特征在于，所述用 户设备分布与任务分配模型具体为：用户设备的分布满足齐次泊松分布；使用均值漂移算法对整体的用户设备进行聚类，从而确定无人机的数量；无人机基于用户设备簇质心的分布情况，执行全局或局部的应急响应任务。

4.根据权利要求3所述的一种面向应急信息采集与传输的无人机路径规划方法，其特征在于，所述无线传输信道模型，具体为：

式中

表示用户设备的索引，

表示无人机的索引，LoS表示视距通信，NLoS表示非视距通信，UAV表示无人机，

与

表示信道的发生概率，θ表示高程角，

与

表示信道路径损耗；

所述路径规划环境模型包括地形约束和风速影响，具体为：

(1)地形约束：

式中

表示无人机的有限集，

表示数字高程模型的有限集；

(2)风速影响：V＝v_wb+v_wg+v_wr+v_wn，式中v_wb表示基本风风速，v_wg表示阵风风速，v_wr表示渐变风风速，v_wn表示随机风风速，并基于伯努利方程定义机体所受外力f∈R³。

5.根据权利要求1所述的一种面向应急信息采集与传输的无人机路径规划方法，其特征在于，所述路径规划目标函数包括无人机航点规划约束函数和无人机运动规划约束函数；

所述无人机航点规划约束函数，具体为：

式中G表示路径增益，R′表示信道容量，C表示蜂窝覆盖率，ω_G、ω_R′、ω_C表示变量所对应的权重；

所述无人机运动规划约束函数，具体为：

式中t_i表示无人机单次位置更新时间，E表示无人机的能量消耗，n表示无人机位置更新的次数，P表示无人机能够安全返航的能量函数，Q′表示总能量。

6.根据权利要求1所述的一种面向应急信息采集与传输的无人机路径规划方法，其特征在于，所述步骤S43具体为：

通过位置控制、姿态控制、控制分配和电机控制生成无人机的运动轨迹，其中，位置控制用于解算期望的姿态角与机体所受外力：

与

姿态控制用于解算期望的力矩：

控制分配用于解算期望的电机转速：

而电机控制则用于解算期望的油门指令：

式中

K_P，K_I，K_D表示PID控制系数，

c_T表示推力系数，c_M表示力矩系数，d_r表示机身半径。

Images