CN113552897B - 基于任务优先级的空地无人系统侦察协同路径规划方法 - Google Patents

基于任务优先级的空地无人系统侦察协同路径规划方法 Download PDF

Info

Publication number
CN113552897B
CN113552897B CN202110745179.3A CN202110745179A CN113552897B CN 113552897 B CN113552897 B CN 113552897B CN 202110745179 A CN202110745179 A CN 202110745179A CN 113552897 B CN113552897 B CN 113552897B
Authority
CN
China
Prior art keywords
cluster
unmanned aerial
aerial vehicle
rotor
task
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
CN202110745179.3A
Other languages
English (en)
Other versions
CN113552897A (zh
Inventor
赵高鹏
饶玉婷
李学文
周乾君
谷穗斌
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202110745179.3A priority Critical patent/CN113552897B/zh
Publication of CN113552897A publication Critical patent/CN113552897A/zh
Application granted granted Critical
Publication of CN113552897B publication Critical patent/CN113552897B/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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Abstract

本发明公开了一种基于任务优先级的空地无人系统侦察协同路径规划方法，该方法针对旋翼无人机的续航能力有限以及实际应用中各任务点优先级不同等情况，引入无人车作为旋翼无人机集群的移动充电站，首先用K均值聚类算法将任务点进行聚类，然后通过将需要优化的目标函数设置为各任务点优先级与其被侦察次序的乘积之和，利用蚁群算法规划出旋翼无人机集群在每一个聚类内的飞行路径，最后，利用蚁群算法规划出无人车在各聚类间的行驶路径。本发明方法的优点是：(1)利用无人车给旋翼无人机集群充电，有效解决了旋翼无人机续航不足的问题；(2)依据任务优先级规划侦察次序。本发明方法能够根据大范围区域内多任务点的重要程度实现车载旋翼无人机集群系统的路径规划。

Description

基于任务优先级的空地无人系统侦察协同路径规划方法
技术领域
本发明属于无人系统导航技术领域，具体地说是一种基于任务优先级的空地无人系统侦察协同路径规划方法。
背景技术
利用无人平台进行侦察时，考虑到旋翼无人机视野范围大但续航能力有限、无人车一般没有续航能力限制但侦察视角有限的特点，采用旋翼无人机与无人车协同侦察能够高效完成任务。目前大多研究都以最快完成侦察任务为目的，然而在实际情况中，某些任务点可能需要优先侦察，这时需要根据任务点的紧急程度合理规划无人平台的路径。
现有专利CN 111811529 A提出了一种多区域车机协同侦察路径规划方法及系统，该专利考虑到小型无人机续航能力低的问题，引入汽车作为无人机的移动平台，构建了车机协同战场侦察系统，从而实现对多区域的侦察，但该方法仅针对一车一机的情况，且没有考虑在实际中某些待侦察区域需要优先侦察的情况。
发明内容
本发明的目的在于提出一种基于任务优先级的空地无人系统侦察协同路径规划方法，利用一车多机的车载旋翼无人机集群系统，针对大范围区域内优先级不同的多任务点的侦察任务，实现旋翼无人机集群与无人车协同的路径规划。
实现本发明目的的技术解决方案为：针对旋翼无人机的续航能力有限以及实际应用中各任务点优先级不同等情况，引入无人车作为旋翼无人机集群的移动充电站，首先用K均值聚类算法将任务点进行聚类，然后通过将需要优化的目标函数设置为各任务点优先级与其被侦察次序的乘积之和，利用蚁群算法规划出旋翼无人机集群在每一个聚类内的飞行路径，最后，利用蚁群算法规划出无人车在各聚类间的行驶路径。
具体实现步骤如下：
步骤(1)、利用K均值聚类算法对所有任务点进行聚类，聚类数量为N，初始时设置聚类数量N＝2，聚类中心Ci(i＝1,2,…,N)为旋翼无人机集群的起飞点与降落点，同时也是无人车的路径节点。
步骤(2)、利用蚁群算法规划出集群内各旋翼无人机侦察第i(i＝1,2,…,N)个聚类中任务点的飞行路径Qaij(i＝1,2,…,N；j＝1,2,…,n)，将目标函数设置为各任务点优先级与其被侦察次序的乘积之和，并计算每架旋翼无人机的飞行距离Dij(i＝1,2,…,N；j＝1,2,…,n)，其中n为旋翼无人机的数量，j为旋翼无人机的编号。
步骤(3)、假设步骤(2)中得到的各旋翼无人机飞行距离中最大值为Dmax，判断Dmax是否超过旋翼无人机的最大飞行距离D，若Dmax≤D，说明旋翼无人机集群能在电量耗尽前能完成对该聚类内的任务点侦察，转至步骤(4)，否则，转至步骤(5)。
步骤(4)、判断i是否小于N，若i＜N，说明并没有规划完旋翼无人机集群在所有聚类内的飞行路径，则令i＝i+1，并转至步骤(2)；否则转至步骤(6)。
步骤(5)、N＝N+1，转至步骤(1)。
步骤(6)、根据步骤(1)得到的无人车的路径节点，利用蚁群算法规划出无人车的行驶路径Qg。
本发明与现有技术相比，其显著优点为：(1)利用无人车给旋翼无人机集群充电，有效解决了旋翼无人机续航不足的问题；(2)依据任务优先级规划侦察次序。本发明方法适用于一车多机的车载旋翼无人机集群系统的协同路径规划，实现对大范围内优先级不同的多任务点的侦察。
附图说明
图1是本发明一种基于任务优先级的空地无人系统侦察协同路径规划方法的流程图。
图2是本发明实施例中50个任务点散布在尺寸为6000m×6000m区域时旋翼无人机集群与无人车的行驶轨迹仿真图。
具体实施方式
下面结合说明书附图对本发明作进一步说明。
如图1所示，本发明为一种基于任务优先级的空地无人系统侦察协同路径规划方法，包括以下步骤：
步骤1：由于旋翼无人机的续航能力有限，不能在一次飞行内完成对所有任务点的侦察，因此需要先对任务点进行划分。利用K均值聚类算法对所有待侦察任务点进行聚类，聚类数量为N，聚类中心Ci(i＝1,2,…,N)为旋翼无人机集群的起飞点与降落点，同时也是无人车的路径节点，旋翼无人机集群每次起飞后侦察完一个聚类中的所有任务点后降落至无人车上，由无人车对其进行充电并随无人车一起移动至下一聚类的聚类中心。初始时设置聚类数量N＝2。
步骤2：利用蚁群算法规划出集群内各旋翼无人机侦察第i(i＝1,2,…,N)个聚类中任务点的飞行路径Qaij(i＝1,2,…,N；j＝1,2,…,n)，并计算每架旋翼无人机的飞行距离Dij(i＝1,2,…,N；j＝1,2,…,n)，其中n为旋翼无人机的数量，j为旋翼无人机的编号。这一步骤具体包括：
步骤2.1：生成初始解。设第i(i＝1,2,…,N)个聚类中共有m个待侦察任务点，初始解是一组1～m的乱序序列，并随机生成n-1个断点位置，则初始解被分为n个部分，每一部分内的任务点被分配给一架旋翼无人机侦察。
步骤2.2：计算目标函数值。假设第k(k＝1,2,…,m)个任务点的优先级为prk，被分配给第j(j＝1,2,…,n)架旋翼无人机侦察，侦察次序为sjk，则目标函数
Figure BDA0003142490210000031
选择目标函数值最小的解作为当前迭代的最优解进行保存。
步骤2.3：更新信息素。按照T(f+1)＝(1-γ)T(f)+Q/F(u)更新信息素，其中，T(f)为第f次迭代时路径上的信息素，T(f+1)为第f+1次迭代时路径上的信息素，γ为信息素的衰减系数，Q为常数，表示蚂蚁循环一次所释放的信息素总量，F(u)为第u只蚂蚁对应解的目标函数值。
步骤2.4：判断是否达到最大迭代次数，若未达到，则转至步骤2.5，否则选择步骤2.2保存的各代最优解中目标函数值最小的解作为旋翼无人机集群的路径规划结果，然后转至步骤3。
步骤2.5：生成新解。利用蚁群算法生成新解时，由于信息素的引导，蚂蚁会以较大概率选择距离短的任务点，这样使得旋翼无人机集群能够保证以较小的飞行代价优先侦察紧急任务点。这一步骤结束后转至步骤2.2。
步骤3：假设步骤2中得到的各旋翼无人机飞行距离中最大值为Dmax，判断Dmax是否超过旋翼无人机的最大飞行距离D，若Dmax≤D，说明旋翼无人机集群能在电量耗尽前完成对该聚类内的任务点侦察，转至步骤4，否则，转至步骤5。
步骤4：判断i是否大于N，若i＜N，说明并没有规划完旋翼无人机集群在所有聚类内的飞行路径，则令i＝i+1，并转至步骤2；否则转至步骤6。
步骤5：N＝N+1，转至步骤1。
步骤6：根据步骤1得到的无人车的路径节点，利用蚁群算法规划出无人车的行驶路径Qg。
实施例
为了对本发明算法的有效性进行说明，充分展现出该方法具有协同路径规划的功能，完成实验如下：
(1)实验初始条件及参数设置
仿真实验中将50个任务点散布在尺寸为6000m×6000m的区域内，并将任务点的优先级分为3类：十分紧急、紧急和不紧急，依次用数字3、2、1代替。旋翼无人机数量n＝4，最大飞行距离D＝10000m。
(2)实验结果分析
图2为本方法得到的旋翼无人机集群与无人车的路径仿真图。图中数字代表任务点编号，五角星代表每个聚类的聚类中心，星号代表十分紧急的任务点，加号代表紧急的任务点，实心点代表不紧急的任务点，正方形、圆形和三角形分别代表聚类一、聚类二和聚类三，实线为旋翼无人机的飞行路径，虚线为无人车的行驶路径，无人车从初始位置出发，依次经过聚类三中心点、聚类一中心点、聚类二中心点，最后回到初始位置。从仿真图中可以看出该算法能够有效规划出无人车与旋翼无人机集群的路径。
表1为本发明实施例旋翼无人机集群任务点侦察次序
表1
Figure BDA0003142490210000041
综上所述，本发明根据任务点的紧急程度为其分配优先级，并利用一车多机的车载旋翼无人机集群系统，从而面向大范围区域多任务点的侦察需求，根据多任务点的重要程度实现车载旋翼无人机集群系统的路径规划。

Claims (1)

1.一种基于任务优先级的空地无人系统侦察协同路径规划方法，其特征在于：针对旋翼无人机的续航能力有限以及实际应用中各任务点优先级不同的情况，引入无人车作为旋翼无人机集群的移动充电站；首先用K均值聚类算法将任务点进行聚类，然后通过将需要优化的目标函数设置为各任务点优先级与其被侦察次序的乘积之和，利用蚁群算法规划出旋翼无人机集群在每一个聚类内的飞行路径，最后，利用蚁群算法规划出无人车在各聚类间的行驶路径；
所述方法具体步骤如下：
步骤(1)：利用K均值聚类算法对所有待侦察任务点进行聚类，聚类数量为N，聚类中心Ci为旋翼无人机集群的起飞点与降落点，i＝1,2,…,N，同时也是无人车的路径节点，旋翼无人机集群每次起飞后侦察完一个聚类中的所有任务点后降落至无人车上，由无人车对其进行充电并随无人车一起移动至下一聚类的聚类中心；初始时设置聚类数量N＝2；
步骤(2)：利用蚁群算法规划出集群内各旋翼无人机侦察第i，i＝1,2,…,N个聚类中任务点的飞行路径Qaij，i＝1,2,…,N；j＝1,2,…,n，并计算每架旋翼无人机的飞行距离Dij，i＝1,2,…,N；j＝1,2,…,n，其中n为旋翼无人机的数量，j为旋翼无人机的编号；
步骤(3)：假设步骤(2)中得到的各旋翼无人机飞行距离中最大值为Dmax，判断Dmax是否超过旋翼无人机的最大飞行距离D，若Dmax≤D，说明旋翼无人机集群能在电量耗尽前完成对该聚类内的任务点侦察，转至步骤(4)，否则，转至步骤(5)；
步骤(4)：判断i是否大于N，若i＜N，说明并没有规划完旋翼无人机集群在所有聚类内的飞行路径，则令i＝i+1，并转至步骤(2)；否则转至步骤(6)；
步骤(5)：N＝N+1，转至步骤(1)；
步骤(6)：根据步骤(1)得到的无人车的路径节点，利用蚁群算法规划出无人车的行驶路径Qg；
所述步骤(2)的具体实现方法如下：
步骤2.1：生成初始解；设第i个聚类中共有m个待侦察任务点，i＝1,2,…,N，初始解是一组1～m的乱序序列，并随机生成n-1个断点位置，则初始解被分为n个部分，每一部分内的任务点被分配给一架旋翼无人机侦察；
步骤2.2：计算目标函数值；假设第k个任务点的优先级为prk，k＝1,2,…,m，被分配给第j架旋翼无人机侦察，j＝1,2,…,n，侦察次序为sjk，则目标函数
Figure FDA0003930344510000021
选择目标函数值最小的解作为当前迭代的最优解进行保存；
步骤2.3：更新信息素；按照T(f+1)＝(1-γ)T(f)+Q/F(u)更新信息素，其中，T(f)为第f次迭代时路径上的信息素，T(f+1)为第f+1次迭代时路径上的信息素，γ为信息素的衰减系数，Q为常数，表示蚂蚁循环一次所释放的信息素总量，F(u)为第u只蚂蚁对应解的目标函数值；
步骤2.4：判断是否达到最大迭代次数，若未达到，则转至步骤2.5，否则选择步骤2.2保存的各代最优解中目标函数值最小的解作为旋翼无人机集群的路径规划结果，然后转至步骤3；
步骤2.5：生成新解，然后转至步骤2.2。
CN202110745179.3A 2021-06-30 2021-06-30 基于任务优先级的空地无人系统侦察协同路径规划方法 Active CN113552897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110745179.3A CN113552897B (zh) 2021-06-30 2021-06-30 基于任务优先级的空地无人系统侦察协同路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110745179.3A CN113552897B (zh) 2021-06-30 2021-06-30 基于任务优先级的空地无人系统侦察协同路径规划方法

Publications (2)

Publication Number Publication Date
CN113552897A CN113552897A (zh) 2021-10-26
CN113552897B true CN113552897B (zh) 2023-01-03

Family

ID=78131223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110745179.3A Active CN113552897B (zh) 2021-06-30 2021-06-30 基于任务优先级的空地无人系统侦察协同路径规划方法

Country Status (1)

Country Link
CN (1) CN113552897B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114115237B (zh) * 2021-11-03 2023-08-01 中国人民解放军陆军防化学院 一种基于路径优化的多目标辐射侦察方法
CN115237157B (zh) * 2022-08-08 2024-01-23 南京理工大学 一种路网约束下的空地无人集群多任务点路径规划方法
CN115328210B (zh) * 2022-10-11 2023-06-09 深圳大学 路径规划方法、装置、终端设备以及存储介质
CN116011695B (zh) * 2023-03-27 2023-06-30 湖南胜云光电科技有限公司 一种获取无人机目标路径的数据处理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103744290A (zh) * 2013-12-30 2014-04-23 合肥工业大学 一种多无人机编队分层目标分配方法
CN106705970A (zh) * 2016-11-21 2017-05-24 中国航空无线电电子研究所 一种基于蚁群算法的多无人机协同路径规划方法
CN107562072A (zh) * 2017-10-11 2018-01-09 湖北工业大学 一种基于自适应蚁群算法的无人机最优路径规划方法
CN109343569A (zh) * 2018-11-19 2019-02-15 南京航空航天大学 多无人机集群自组织协同察打任务规划方法
CN109583665A (zh) * 2018-12-26 2019-04-05 武汉烽火凯卓科技有限公司 一种无线传感器网络中的无人机充电任务调度方法
CN109766746A (zh) * 2018-11-22 2019-05-17 南京理工大学 一种无人机航拍视频的轨道异物检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11322031B2 (en) * 2015-12-07 2022-05-03 International Business Machines Corporation Method of optimized path planning for UAVs for the purpose of ground coverage

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103744290A (zh) * 2013-12-30 2014-04-23 合肥工业大学 一种多无人机编队分层目标分配方法
CN106705970A (zh) * 2016-11-21 2017-05-24 中国航空无线电电子研究所 一种基于蚁群算法的多无人机协同路径规划方法
CN107562072A (zh) * 2017-10-11 2018-01-09 湖北工业大学 一种基于自适应蚁群算法的无人机最优路径规划方法
CN109343569A (zh) * 2018-11-19 2019-02-15 南京航空航天大学 多无人机集群自组织协同察打任务规划方法
CN109766746A (zh) * 2018-11-22 2019-05-17 南京理工大学 一种无人机航拍视频的轨道异物检测方法
CN109583665A (zh) * 2018-12-26 2019-04-05 武汉烽火凯卓科技有限公司 一种无线传感器网络中的无人机充电任务调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于改进蚁群算法的无人机动态航路规划;林娜;《计算机测量与控制》;20160331;第24卷(第3期);第149-154页 *

Also Published As

Publication number Publication date
CN113552897A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN113552897B (zh) 基于任务优先级的空地无人系统侦察协同路径规划方法
Wang et al. Coordinated flight control of miniature fixed-wing UAV swarms: methods and experiments
CN109917767B (zh) 一种分布式无人机集群自主管理系统及控制方法
CN110426039B (zh) 基于任务完成时间最小化的多无人机路径规划方法
CN108664038B (zh) 一种多无人机分布式合同竞拍在线任务规划方法
Chandler et al. Complexity in UAV cooperative control
Sung et al. Zoning a service area of unmanned aerial vehicles for package delivery services
CN110286694B (zh) 一种多领导者的无人机编队协同控制方法
CN105184092B (zh) 一种资源限制条件下多类型无人机协同任务分配方法
CN110597286B (zh) 一种利用智慧机库实现输电线路无人机自主巡检的方法
US8200605B2 (en) Decision making unit for autonomous platform
CN111240211B (zh) 一种无人机群动态回收方法
Geng et al. Cooperative mission planning with multiple UAVs in realistic environments
CN111006669B (zh) 一种无人机系统任务协同及路径规划方法
CN107180309B (zh) 一种空天地观测资源的协同规划方法
Wang et al. A heuristic mission planning algorithm for heterogeneous tasks with heterogeneous UAVs
CN108428004A (zh) 基于蚁群算法的飞行物冲突解脱路径规划方法
CN112000128A (zh) 一种用于抢险救灾的无人机集群任务协同方法及系统
Yang et al. Multi-base multi-UAV cooperative patrol route planning novel method
CN112130586B (zh) 一种基于资源树的分布式异构无人机联盟构成方法
Pan et al. Safe and efficient UAV navigation near an airport
Zhou et al. Multidepot UAV routing problem with weapon configuration and time window
Gaowei et al. Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming
CN113203417B (zh) 基于头脑风暴优化算法的无人机巡检路径规划方法
Samek et al. Multi-party collision avoidance among unmanned aerial vehicles

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