CN113934228B - 基于协商共识的集群四旋翼无人机任务规划方法 - Google Patents
基于协商共识的集群四旋翼无人机任务规划方法 Download PDFInfo
- Publication number
- CN113934228B CN113934228B CN202111207723.5A CN202111207723A CN113934228B CN 113934228 B CN113934228 B CN 113934228B CN 202111207723 A CN202111207723 A CN 202111207723A CN 113934228 B CN113934228 B CN 113934228B
- Authority
- CN
- China
- Prior art keywords
- task
- unmanned aerial
- aerial vehicle
- new
- team
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000008901 benefit Effects 0.000 claims description 43
- 230000008859 change Effects 0.000 claims description 16
- 230000000295 complement effect Effects 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 description 17
- 238000004088 simulation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000002498 deadly effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009469 supplementation Effects 0.000 description 2
- 240000007124 Brassica oleracea Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Abstract
本发明属于四旋翼无人机飞行器任务决策技术领域,为解决具有时间条件约束的任务场景下无人机任务规划问题,实现自主规划出一条高效的任务执行路径,本发明,基于协商共识的集群四旋翼无人机任务规划方法,步骤如下:集群无人机任务规划步骤;集群无人机协商共识步骤;集群无人机任务重规划步骤:集群无人机在按预先规划执行任务的过程中,可能出现新的任务场景,包括途中发现新目标点、友方需要支援,无人机需要考虑自身能力和距该任务点的距离进行任务重规划,从而提升整体任务执行能力。本发明主要应用于四旋翼无人机飞行器控制场合。
Description
技术领域
本发明属于四旋翼无人机飞行器任务决策技术领域,具体涉及多无人机任务分配、任务规划方法。
背景技术
无人机,即不载有操作人员、可以自主飞行或遥控驾驶、可以一次使用也可回收使用、携带致命或非致命有效载荷的有动力飞行器。它具有成本低、尺寸小、机动性高、隐蔽性好以及生存能力较强等优势,被广泛应用于侦察监视、骗敌诱饵、监测气象、勘探资源等军事和民事领域。在旋翼无人机中,除了典型的单旋翼无人机外,多旋翼无人机由于没有尾桨,结构更简单,安全性也更高,其中四旋翼无人机由于其结构与飞行原理简单,而成为多旋翼无人机家族中得到研究与应用最广泛的一类。
随着无人机所执行的任务的环境复杂性以及种类多样性的不断提高,无人机在执行任务时往往需要具备更大的可承载载荷、更广阔的搜索视野等能力,而单架无人机受限于结构简单、体积小、载荷小、容错率差等特点,所能发挥的效能极其有限,缺陷也日益突出。为了解决单架无人机在执行任务时存在的问题,许多学者和研究人员受到自然界群体行为的启发,以现在掌握的无人机技术为基础,提出多无人机协同的概念,探索和发展更加灵活有效的无人机管理与组织模式,提高多无人机在复杂环境和大规模作战中的任务执行效率,进一步拓宽无人机的应用范围。与功能全面的单无人机相比,多无人机系统结合了无人机自身的性能优势和多机系统的数量优势,通过有效的决策与控制方法,具有更多的优点和应用空间。
针对集群四旋翼无人机的任务分配问题,国内外学者都进行了大量的研究。2016年,西北工业大学张耀中等考虑多无人机协同执行侦查任务,针对任务区域决策问题,提出改进的粒子群方法,利用二进制矩阵对粒子进行离散化,并加入交叉变异算子,最大化无人机收益。2018年,葡萄牙波尔图大学针对无人机执行信息收集任务,提出基于混合整数规划的任务决策方法,实现了网络能耗最小化。然而上述研究是在任务情况完全已知下,以地面站为单一决策主体的集中式决策,不适用于规模较大和动态场景。为了实现以无人机为决策主体的分布式决策,2012年,美国麻省理工学院Jonathan P.How团队考虑智能体通信距离受限,首次提出一致性拍卖方法,通过借鉴市场决策机制,采用拍卖方式进行任务选择。2016年,英国卡迪夫大学提出了一种启发式任务分配方法,解决了异构无人机只能接受与其类型相对应的任务的问题。2018年,英国克兰菲尔德大学Inmo Jang等人提出了享乐博弈方法,这是具有伸缩性的自组织方法,通过寻找纳什稳定分区实现对集群无人机的任务分配。
综上所述,国内外学者对集群无人机路径生成问题进行了卓有成效的研究,并取得了丰硕的研究成果。然而,大部分无人机任务分配方法只针对任务的分派,少部分任务规划方法只涉及单代理任务,没有需要多代理配合的任务规划,且没有针对任务场景变化后的重规划过程。因此,研究基于协商共识的集群四旋翼无人机任务规划方法对于提高集群无人机执行任务的效率至关重要。
发明内容
为克服现有技术的不足,本发明旨在解决具有时间条件约束的任务场景下无人机任务规划问题。本发明提出的方法,旨在提高集群四旋翼无人机的任务执行效率和群智能力。本发明提供了一种基于协商共识的四旋翼无人机任务重规划方法,该方法通过无人机个体间协商决策,根据任务价值、任务要求以及自身能力实现分布式任务分配,并自主规划出一条高效的任务执行路径。为此,本发明采取的技术方案是,基于协商共识的集群四旋翼无人机任务规划方法,步骤如下:
集群无人机任务规划步骤:无人机在规划任务路径时,需要考虑任务的距离、时间要求以及对无人机数量的需求,将其插入自身任务执行序列的适当位置,从而实现自身利益最大化;
集群无人机协商共识步骤:无人机之间通过协商的方式交换自身路径中完成每个任务所能得到的收益,将完成某一任务可获得更高收益的无人机作为该任务的真实获得者进行标记,并从将获得较低收益的无人机任务序列中进行剔除,从而实现整体收益价值的最大化;随着协商过程的推进,各无人机的已知信息也趋于一致,最终达成共识;
集群无人机任务重规划步骤:集群无人机在按预先规划执行任务的过程中,可能出现新的任务场景,包括途中发现新目标点、友方需要支援,无人机需要考虑自身能力和距该任务点的距离进行任务重规划,从而提升整体任务执行能力。
详细步骤如下:
集群无人机任务规划方法:
给定一个任务空间U={u1,u2,...,um},每个任务uk(k表示任务标号)都具有最早可执行时间tk,start,最晚可执行时间tk,end,执行所需时间tk,spend,需要无人机的数量nk,最高奖励rk,max,任务实际奖励rk随时间的推移而逐渐降低,奖励rk与实际执行时间t的关系如下:
其中,fk(t)≤0是单调递减的连续函数,且满足fk(tk,start)=0,fk(tk,end)=-rk,max
对于一组四旋翼无人机V={v1,v2,...,vn},其中V表示无人机组,vi表示无人机,i表示无人机标号。每架无人机需要从任务空间中挑选出所有合适的任务添加到自身的任务执行序列当中,假设无人机vi当前的任务路径为Ui,对于存在其任务路径的补集中的任务uk,如果将任务uk放至当前任务路径Ui中的位置q时,以/>表示,任务uk的奖励为rikq,计算由该任务所引起的里程成本变化cikq:
其中,ci表示由无人机从初始位置按照任务路径Ui依次执行任务至完成所经历的总路程,表示完成在位置q处添加任务uk后得到的新任务路径所需要的总路程;
假设无人机vi的速度为s,用ci→k表示由无人机从初始位置按照任务路径Ui依次执行任务至新任务uk所经历的路程,用表示在路径中位于位置q之前的任务执行所需时间的和,计算无人机vi执行任务uk的时间tik和实际任务奖励rikp如下:
为保证最终每架无人机获得的任务数量尽可能相同,对无人机每一次向路径中添加新任务做出惩罚pik:
其中,表示添加任务uk后的新路径中的任务数量,g(z)是单调增函数且满足g(0)=0;计算无人机vi所能获得的收益为yikq:
yikq=rikq-cikq-pik (5)
记收益最大值为yik,取得最大收益的任务uk的位置为qik,假设uk需要无人机的数量为nk,对无人机vi已知的其余各架无人机可利用任务uk获得的收益按降序排列,记序列中位于第nk个的无人机为vj,称该无人机vj为最小满足收益无人机υik,并称其收益yjk为最小满足收益,记作λik,如果满足条件yikp>yjk或yikq=yjk(i<j),则称任务uk可由无人机vi执行,其中,i与j均为无人机标号;
将任务路径的补集中所有可由无人机vi执行的任务中可获得收益最高的任务实际添加至无人机vi的当前路径Ui中的相应位置处,得到新的任务路径Ui′:
然后,对新路径中位于其余位置的任务ul收益进行更新:
ril=rl(til),cil=ci-ci⊙l,yil=ril-cil (7)
其中,ci⊙l表示从任务路径Ui中剔除ul后无人机执行任务所需飞行的总路程。最后对中的其他任务进行相同操作。注意此时无人机vi的任务路径应为新的任务路径Ui′;
集群无人机协商共识:
对任务uk∈U,假设一架无人机vi已知各架无人机可利用uk获得的收益并按降序排列,uk所需无人机的数量nk,将前nk架无人机作为vi认定的任务获得者记作集合wik,相应的收益集合记作bik,集合内的元素数量以|·|表示,为方便分辨其他无人机vj是否是vi认定的任务uk的获得者,定义Wi(j,k)如下:
其中i,j分别为无人机vi与vj的标号,k为任务uk的标号。如果满足Wi(j,k)=1,则记vj的收益为Bi(j,k),如果Bi(j,k)恰好是最小满足收益,则有最小满足收益无人机的标号υik=j,最小满足收益λik=Bi(j,k);
能够与无人机vi进行通信协商的其他无人机称为无人机vi的邻居。假设无人机vi的邻居为无人机vj,利用无人机vi的更新迭代次数iteri来判断vi已知信息是否最新,协商过后无人机vi会将邻居的信息迭代次数iterj保存为iteri(j):
iteri(j)=iterj (9)
取一任务uk∈U,对无人机vi认定的任一获胜者va∈wik,如果邻居vj的已知信息同无人机vi相比是更新的,即满足va=vj或iterj(a)>iteri(a),则:
Wi(a,k)=Wj(a,k),Bi(a,k)=Bj(a,k) (10)
如果对于邻居vj认定的任一获胜者vb∈wjk,而且邻居vj的具有更新的信息,即满足vb≠vi且iterj(b)>iteri(b),并且Wi(b,k)=0,再进行如下判断:
(1)如果无人机vi认定的获胜者的数量小于任务需求无人机数量,即|wik|<nk,则进行式(10)同样的操作;
(2)如果无人机vi认定的获胜者的数量满足任务的无人机数量需求,并且vb的任务收益高于最小满足收益λik,即|wik|≥nk且Bj(b,k)>λik,除式(10)外,还需进行如下操作:
Wi(υik,k)=0,Bi(υik,k)=0 (11)
其中,υik表示最小满足收益所对应的无人机的标号;
对所有无人机进行上述操作实现协商,并遍历任务空间U,最后各无人机根据自己所获胜的任务在自身的任务路径中添加或删除相应任务;
协商过程完成后,需要对无人机的信息迭代次数进行更新。对于无人机vi及其邻居vj而言,如果关于任一第三无人机va的已知信息迭代次数,满足条件va≠vj且iterj(a)<iteri(a)或者va=vi,则:
iterj(a)=iteri(a) (12)
随着重复进行任务规划与协商过程,各无人机的已知信息会逐渐趋向于统一,判断达成共识的条件为,对uk∈U,满足:
wik=wjk,bik=bjk (13)
集群无人机任务重规划:
任务往往需要多架无人机来执行,令每x架无人机形成一个小队,将无人机队伍视为单个个体进行任务规划。对一个队伍而言,由于任务路径相同,只需要其中一架同其他队伍协商交流即可,以每个无人机小队中负责规划协商的无人机作为队长,假设无人机队伍的总能力值要求最少为D,而一个无人机队伍的总能力值为A,满足min{A}≥max{D},即每个队伍中都可能存在着冗余无人机;
队伍Vi在飞行过程中会对途径地面进行探索,探索范围以队长vi0坐标为圆心,R为半径,得到发现新任务unew的条件是无人机vi0与任务unew的距离dist(unew,vi0)满足:
dist(unew,vi0)≤R (14)
假设任务unew的无人机能力值需求为Dnew,发现该任务的队伍Vi的总能力值为Ai,其中i为无人机队伍标号,而该队伍无人机能力的最小值要求为Di,从队伍Vi中选择冗余无人机组成新的队伍Vnew:
(1)若满足Ai-Di≥Dnew,则从该队伍中选择出满足任务unew需求的最少冗余机,使得Anew≥Dnew;
(2)若Ai-Di<Dnew,则从该队伍中选择所有冗余无人机组成新队伍Vnew,此时还不满足任务需求即Anew<Dnew,另向附近的队伍请求支援从中选择冗余无人机继续补充队伍Vnew,直至达到要求Anew≥Dnew;
(3)若Ai-Di<Dnew且附近的队伍冗余机补充结果仍无法满足任务需求,则考虑将unew作为新任务加入到该队伍的任务路径Ui中的某一位置q处得到新路径假设在位置某一q处添加任务unew得到的收益为/>调整位置q使得/>的最大值大于原收益yi,/>即加入该任务能提高原路径收益,则将任务unew置于该位置q处;否则,将该任务放置队伍路径最末,即得新路径为/>
另外,队伍Vi在达到目标点后可能会发现预先已知的任务需求能力值发生变化或由于执行任务过程中失去部分队员,以至于无法满足任务需求Ai<Dnew,针对该任务需求,队伍Vi需要向附近的队伍进行求助,调用其他队伍的冗余无人机补充Vi,使得补充后能力值A′i达到任务需求Dnew,即A′i≥Dnew;
当无人机队伍Vi发生变化后需要对其进行更新:
其中,Vi∨vj表示向队伍Vi中添加无人机vj,Vi∧vj表示从队伍Vi中移除成员vj,aj表示无人机vj的能力值。
本发明的特点及有益效果是:
本发明对复杂任务场景下四旋翼无人机任务规划算法研究具有重大意义。通过指定任务需求,本发明可以实现集群无人机的任务分配以及面向任务环境变化进行任务重规划,从而实现智能化任务决策与任务执行。本发明具有很高的理论与工程价值,本发明的优点总结如下:
(1)本发明提出了集群无人机任务规划算法,可以实现分布式任务分配。针对具有时间约束的任务场景,无人机利用,能够自主生成一条合理的任务路径,缩短飞行路程总长和时间花费,实现任务收益最大化。
(2)本发明提出了集群无人机协商共识算法。同拍卖算法相比,协商共识方法不需要信息共享中心,由无人机之间的分布式通信实现协商并调整任务路径。另外,提出的方法还将应用场景下的任务规模进行了扩大,利用协商将任务由能获得更高收益的多架无人机共同执行,可解决单个任务需要由多架无人机共同完成的问题需求。
(3)本发明设计了针对任务场景变化的集群无人机任务重规划方法。针对执行途中出现新的任务目标场景和友方支援需求的动态任务场景,从各无人机小组中分派成员完成,以减少对原有规划的干扰。
(4)在Gazebo仿真环境中搭建了虚拟灾后救援场景,包括公路、汽车、树林、待救援人员等。该仿真环境可用于验证多无人机任务规划、协商共识与重规划方法。
附图说明:
附图1基于协商共识的集群四旋翼无人机任务规划方法总体结构图。
附图2无人机任务规划示意图。
附图3无人机协商共识示意图。
附图4集群无人机任务重规划示意图。图中:
(a)针对新任务的重规划,(b)针对支援任务的重规划;
(a)中:(1)发现新任务,(2)生成新队伍;
(b)中:(1)支援请求,(2)前往支援。
附图5Gazebo仿真环境下搭建的快递收送场景示意图。
附图6Gazebo仿真环境下四旋翼无人机与快递服务点示意图。
(1)快递点a,(2)快递点b,(3)快递点c;
附图7Gazebo仿真环境下社区快递收送地点示意图。
(a)原任务点,其中,(1)原任务点①,(2)原任务点②;
(b)新任务点,其中,(1)新任务点①,(2)新任务点②
附图8任务规划与重规划流程图。
附图9集群无人机任务重规划策略。
图中:
(a)针对新任务①的重规划,其中:(1)发现新任务①,(2)派出冗余机前往新任务;
(b)针对新任务②的重规划其中,其中:(1)发现新任务②并派出冗余机,(2)原队伍飞向下一任务点;
(c)针对支援任务的重规划,其中:(1)发现支援任务,(2)支援完成;
附图10集群无人机任务执行过程。
(1)无人机队伍分别前往各自初始任务点,(2)队伍2发现新任务②并进行重规划
(3)队伍1发现新任务①并进行重规划,(4)各队伍前往下一任务点
(5)队伍1前往其最终任务点,(6)所有队伍均到达各自的最终任务点
(7)队伍3派遣冗余机支援队伍1,(8)支援完成。
具体实施方式
本发明提出的基于协商共识的集群四旋翼无人机任务规划方法,主要由仿真环境部分和算法部分组成。
仿真环境由Gazebo搭建。Gazebo是一款强大的机器人三维仿真软件,具备良好的物理仿真性能,支持多种高性能的物理引擎的真实动力学仿真,并具有显示逼真的三维可视化效果。
本发明利用Gazebo搭建的仿真环境是一个虚拟的生活社区场景,包括公路、房屋、树木、行人等。
算法部分主要由集群无人机任务规划方法、集群无人机协商共识方法、集群无人机任务重规划方法三部分组成,下面予以详细介绍:
1、集群无人机任务规划方法:无人机在规划任务路径时,需要考虑任务的距离、时间要求以及对无人机数量的需求,将其插入自身任务执行序列的适当位置,从而实现自身利益最大化。
2、集群无人机协商共识方法:无人机之间通过协商的方式交换自身路径中完成每个任务所能得到的收益,将完成某一任务可获得更高收益的无人机作为该任务的真实获得者进行标记,并从将获得较低收益的无人机任务序列中进行剔除,从而实现整体收益价值的最大化。随着协商过程的推进,各无人机的已知信息也趋于一致,最终达成共识。
3、集群无人机任务重规划方法:集群无人机在按预先规划执行任务的过程中,可能出现新的任务场景,如途中发现新目标点、友方需要支援等。无人机需要考虑自身能力和距该任务点的距离进行任务重规划,从而提升整体任务执行能力。
最后,为了验证本发明提出的相关算法的有效性,以12架集群四旋翼无人机为例,在Gazebo搭建的快递配送仿真环境中进行任务规划与任务重规划,实现快递配送以及临时快递接收任务。
下面结合附图对本发明的基于协商共识的集群四旋翼无人机任务规划方法给出详细说明。
基于协商共识的集群四旋翼无人机任务规划方法总体结构图如附图1所示。针对集群四旋翼无人机的多任务执行问题,本发明设计了一种协商共识的集群四旋翼无人机任务规划方法。本发明的所有算法均是采用C++语言编写,在Linu操作系统下基于ROS(RobotOperating System)机器人操作系统进行开发。本发明所设计的基于协商共识的集群四旋翼无人机任务规划算法主要包含以下三个部分:
第一部分,无人机任务规划方法:
在Gazebo搭建的虚拟快递配送场景中,根据快递配送任务需求,确定任务空间U={u1,u2,...,um},每个任务uk(k表示任务标号)都具有最早可执行时间tk,start,最晚可执行时间tk,end,执行所需时间tk,spend,需要无人机的数量nk,最高奖励rk,max,任务实际奖励rk随时间的推移而逐渐降低,奖励rk与实际执行时间t的关系如下:
其中,fk(t)≤0是单调递减的连续函数,且满足fk(tk,start)=0,fk(tk,end)=-rk,max。
对于一组四旋翼无人机V={v1,v2,...,vn},其中V表示无人机组,vi表示无人机,i表示无人机标号。每架无人机vi需要从任务空间中挑选出所有合适的任务添加到自身的任务执行序列当中。假设无人机vi当前的任务路径为Ui,对于存在其任务路径的补集中的任务uk,如果将uk放至当前任务路径Ui中的位置q时,以/>表示,任务uk的奖励为rikq,计算由该任务所引起的里程成本变化cikq:
其中,ci表示由无人机从初始位置按照任务路径Ui依次执行任务至完成所经历的总路程,表示完成在位置q处添加任务uk后得到的新任务路径所需要的总路程。
假设无人机vi的速度为s,用ci→k表示由无人机从初始位置按照任务路径Ui依次执行任务至新任务uk所经历的路程,用表示在路径中位于位置q之前的任务执行所需时间的和,可计算无人机vi执行任务uk的时间tik和实际任务奖励rikp如下:
为保证最终每架无人机获得的任务数量尽可能相同,对无人机每一次向路径中添加新任务做出惩罚pik:
其中,表示添加任务uk后的新路径中的任务数量,g(z)是单调增函数且满足g(0)=0。可计算无人机vi所能获得的收益为yikq:
yikq=rikq-cikq-pik (5)
记收益最大值为yik,取得最大收益的任务uk的位置为qik。假设任务uk需要无人机的数量为nk,对无人机vi已知的其余各架无人机可利用任务uk获得的收益按降序排列,记第nk个无人机为vj,记作υik,并称其收益yjk为最小满足收益,记作λik。如果满足条件yikp>yjk或yikq=yjk(i<j),则称任务uk可由无人机vi执行。
将任务路径的补集中所有可由无人机vi执行的任务中可获得收益最高的任务实际添加至无人机vi的当前路径Ui中的相应位置q处,得到新的任务路径Ui′:
然后,对新路径中位于其余位置的任务ul收益进行更新:
ril=rl(til),cil=ci-ci⊙l,yil=ril-cil (7)
其中,ci⊙l表示从任务路径Ui中剔除任务ul后无人机执行任务所需飞行的总路程。最后对任务路径补集中的其他任务进行相同操作。注意此时无人机vi的任务路径应为新的任务路径Ui′。最终每个无人机vi都规划出一条使得自身任务收益最高的任务路径。
第二部分,无人机协商共识方法:
对任务uk∈U,假设一架无人机vi已知各架无人机可利用任务uk获得的收益并按降序排列,任务uk所需无人机的数量nk,将前nk架无人机作为vi认定的任务获得者记作集合wik,相应的收益集合记作bik。集合内的元素数量以|·|表示。为方便分辨无人机vj是否是无人机vi认定的任务uk的获得者,定义Wi(j,k)如下:
其中i,j分别为无人机vi与vj的标号,k为任务uk的标号。如果满足Wi(j,k)=1,则记无人机vj的收益为Bi(j,k)。若Bi(j,k)恰好是最小满足收益,则有最小满足收益λik=Bi(j,k),该收益对应的无人机的标号为υik=j。
能够与无人机vi进行通信协商的其他无人机称为无人机vi的邻居。假设无人机vi的邻居为无人机vj,利用无人机vi的迭代次数iteri来判断其已知信息是否最新,协商过后无人机vi会将邻居vj的信息迭代次数iterj保存为iteri(j):
iteri(j)=iterj (9)
取一任务uk∈U,对无人机vi认定的任一获胜者va∈wik,如果邻居vj的已知信息同vi相比是更新的,即满足va=vj或iterj(a)>iteri(a),则:
Wi(a,k)=Wj(a,k),Bi(a,k)=Bj(a,k) (10)
如果对于邻居vj认定的任一获胜者vb∈wjk,邻居vj的已知信息同样是更新的,即满足vb≠vi且iterj(b)>iteri(b),并且Wi(b,k)=0,再进行如下判断:
(1)如果无人机vi认定的获胜者的数量小于任务需求无人机数量,即|wik|<nk,则进行式(10)同样的操作。
(2)如果无人机vi认定的获胜者的数量满足任务需求,并且无人机vb的任务收益高于最小满足收益λik,即|wik|≥nk且Bj(b,k)>λik,除式(10)外,还需进行如下操作:
Wi(υik,k)=0,Bi(υik,k)=0 (11)
其中,υik表示最小满足收益所对应的无人机的标号。
对所有无人机进行上述操作实现协商,并遍历任务空间U。最后各无人机根据自己所获胜的任务在自身的任务路径中添加或删除相应任务。
协商过程完成后,需要对无人机的信息迭代次数进行更新。对于无人机vi及其邻居vj而言,如果关于任一第三无人机va的已知信息迭代次数,满足条件a≠j且iterj(a)<iteri(a)或者a=i,则:
iterj(a)=iteri(a) (12)
随着重复进行任务规划与协商过程,各无人机的已知信息会逐渐趋向于统一,判断达成共识的条件为,对于uk∈U,满足:
wik=wjk,bik=bjk (13)
第三部分,集群无人机任务重规划方法:任务往往需要多架无人机来执行,令每x架无人机形成一个小队,将无人机队伍视为单个个体进行任务规划。对一个队伍而言,由于任务路径相同,只需要其中一架同其他队伍协商交流即可,以每个无人机小队中负责规划协商的无人机作为队长。假设要求无人机队伍Vi的总能力值至少为Di,而一个无人机队伍的总能力值为Ai,满足Ai≥Di,即每个队伍中都可能存在着冗余无人机。
在利用Gazebo搭建的快递配送场景中,如附图5所示,假设本地社区分别设有三处的快递服务点,负责管理社区快递收送业务,如附图6所示。每处的快递服务点具有4架无人机,假设每个服务点的无人机构成一个无人机小队Vi。为保证无人机能够顺利将快递送达,防止途中损坏等特殊情况发生,设定冗余无人机,假设每组无人机中都包含至少一架冗余无人机用于临时快递收取业务。需要进行快递配送的社区居民住所如附图7所示,实际配送过程中,会根据任务规划需要将快递分别送至各服务点后,再进行派送。
首先根据已知任务环境信息,各无人机小组执行任务规划于协商交流。任务规划与重规划的流程如附图8所示。
无人机队伍Vi在飞行过程中会对途径地面进行探索,探索范围以队长vi0坐标为圆心,R为半径,得到发现新任务unew的条件是无人机vi0与任务unew的距离dist(unew,vi0)满足:
dist(unew,vi0)≤R (14)
假设任务unew的无人机能力值需求为Dnew,发现该任务的队伍Vi的总能力值为Ai,而该队伍无人机能力的最小值要求为Di()。从队伍Vi中选择冗余无人机组成新的队伍Vnew。
(1)若满足Ai-Di≥Dnew,则从该队伍中选择出满足任务unew需求的最少冗余机,使得Anew≥Dnew。
(2)若Ai-Di<Dnew,则从该队伍中选择所有冗余无人机组成新队伍Vnew,此时还不满足任务需求即Anew<Dnew,另向附近的队伍请求支援从中选择冗余无人机继续补充队伍Vnew,直至达到要求Anew≥Dnew。
(3)若Ai-Di<Dnew且附近的队伍冗余机补充结果仍无法满足任务需求,则考虑将unew作为新任务加入到该队伍的任务路径Ui中的某一位置q处得到新路径假设在位置某一q处添加任务unew得到的收益为/>调整位置q使得/>的最大值大于原收益yi,/>即加入该任务能提高原路径收益,则将任务unew置于该位置q处;否则,将该任务放置队伍路径最末,即得新路径为/>
另外,队伍Vi在达到目标点后可能会发现预先已知的任务需求能力值发生变化或由于执行任务过程中失去部分队员,以至于无法满足任务需求,即总能力值小于最小能力值要求Ai<Dnew,针对该任务需求,队伍Vi需要向附近的队伍进行求助,调用其他队伍的冗余无人机补充队伍Vi,使得补充后的能力值A′i满足最小能力要求Dnew,即A′i≥Dnew。
当无人机队伍Vi发生变化后需要对其进行更新:
其中,Vi∨vj表示向队伍Vi中添加无人机vj,Vi∧vj表示从队伍Vi中移除成员vj,aj表示无人机vj的能力值。
附图9所示,无人机队伍在按照规划路线执行任务中,在地面发现有行人示意需要寄件或者查件服务,即出现新的任务目标unew,1、unew,2,且对于无人机能力值需求分别为Dnew,1,Dnew,2,分别由无人机队伍V2与V3发现。假设两支队伍的能力值分别为A2、A3,后续任务的需求分别为Dnext,2与Dnext,3,满足A2-Dnext,2≥Dnew,1与A3-Dnext,3≥Dnew,2,则分别从队伍中派遣满足任务需求的最少辆冗余机。队伍V3在达到目标点后可能会发现预先已知的任务需求能力值发生变化或由于执行任务过程中失去部分队员,以至于无法满足最终任务对无人机总能力值的需求,即无人机队伍总能力值小于任务要求总能力值A3<Dend,针对该任务需求,需要向附近的队伍进行求助,调用其他队伍的冗余无人机补充队伍V3,使得补充后的队伍能力值A′3满足最小能力要求Dend,即A′3≥Dend。
在利用Gazebo搭建的快递配送场景中,无人机按照规划执行任务的过程以及对于有新任务出现重规划过程,如附图10所示。
基于以上三个部分,完成了基于协商共识的集群四旋翼无人机任务规划方法的设计。在执行具体任务时,可根据实际需要更改仿真环境,修改各任务点与无人机起始点,以完成其他任务场景需要。
Claims (1)
1.一种基于协商共识的集群四旋翼无人机任务规划方法,其特征是,步骤如下:
集群无人机任务规划步骤:无人机在规划任务路径时,需要考虑任务的距离、时间要求以及对无人机数量的需求,将其插入自身任务执行序列的适当位置,从而实现自身利益最大化;
集群无人机协商共识步骤:无人机之间通过协商的方式交换自身路径中完成每个任务所能得到的收益,将完成某一任务可获得更高收益的无人机作为该任务的真实获得者进行标记,并从将获得较低收益的无人机任务序列中进行剔除,从而实现整体收益价值的最大化;随着协商过程的推进,各无人机的已知信息也趋于一致,最终达成共识;
集群无人机任务重规划步骤:集群无人机在按预先规划执行任务的过程中,可能出现新的任务场景,包括途中发现新目标点、友方需要支援,无人机需要考虑自身能力和距该任务点的距离进行任务重规划,从而提升整体任务执行能力;详细步骤如下:
集群无人机任务规划方法:
给定一个任务空间U={u1,u2,…,um},每个任务uk都具有最早可执行时间tk,start,k表示任务标号,最晚可执行时间tk,end,执行所需时间tk,spend,需要无人机的数量nk,最高奖励rk,max,任务实际奖励rk随时间的推移而逐渐降低,奖励rk与实际执行时间t的关系如下:
其中,fk(t)≤0是单调递减的连续函数,且满足fk(tk,start)=0,fk(tk,end)=-rk,max
对于一组四旋翼无人机V={v1,v2,…,vn},其中V表示无人机组,vi表示无人机,i表示无人机标号,每架无人机需要从任务空间中挑选出所有合适的任务添加到自身的任务执行序列当中,假设无人机vi当前的任务路径为Ui,对于存在其任务路径的补集中的任务uk,如果将任务uk放至当前任务路径Ui中的位置q时,以/>表示,任务uk的奖励为rikq,计算由该任务所引起的里程成本变化cikq:
其中,ci表示由无人机从初始位置按照任务路径Ui依次执行任务至完成所经历的总路程,表示完成在位置q处添加任务uk后得到的新任务路径所需要的总路程;
假设无人机vi的速度为s,用ci→k表示由无人机从初始位置按照任务路径Ui依次执行任务至新任务uk所经历的路程,用表示在路径中位于位置q之前的任务执行所需时间的和,计算无人机vi执行任务uk的时间tik和实际任务奖励rikp如下:
为保证最终每架无人机获得的任务数量尽可能相同,对无人机每一次向路径中添加新任务做出惩罚pik:
其中,表示添加任务uk后的新路径中的任务数量,g(z)是单调增函数且满足g(0)=0;
计算无人机vi所能获得的收益为yikq:
yikq=rikq-cikq-pik (5)
记收益最大值为yik,取得最大收益的任务uk的位置为qik,假设uk需要无人机的数量为nk,对无人机vi已知的其余各架无人机可利用任务uk获得的收益按降序排列,记序列中位于第nk个的无人机为vj,称该无人机vj为最小满足收益无人机υik,并称其收益yjk为最小满足收益,记作λik,如果满足条件yikp>yjk或yikq=yjk(i<j),则称任务uk可由无人机vi执行,其中,i与j均为无人机标号;
将任务路径的补集中所有可由无人机vi执行的任务中可获得收益最高的任务实际添加至无人机vi的当前路径Ui中的相应位置处,得到新的任务路径Ui′:
然后,对新路径中位于其余位置的任务ul收益进行更新:
ril=rl(til),cil=ci-ci⊙l,yil=ril-cil (7)
其中,ci⊙l表示从任务路径Ui中剔除ul后无人机执行任务所需飞行的总路程,最后对中的其他任务进行相同操作,注意此时无人机vi的任务路径应为新的任务路径Ui′;
集群无人机协商共识:
对任务uk∈U,假设一架无人机vi已知各架无人机可利用uk获得的收益并按降序排列,uk所需无人机的数量nk,将前nk架无人机作为vi认定的任务获得者记作集合wik,相应的收益集合记作bik,集合内的元素数量以|·|表示,为方便分辨其他无人机vj是否是vi认定的任务uk的获得者,定义Wi(j,k)如下:
其中i,j分别为无人机vi与vj的标号,k为任务uk的标号,如果满足Wi(j,k)=1,则记vj的收益为Bi(j,k),如果Bi(j,k)恰好是最小满足收益,则有最小满足收益无人机的标号υik=j,最小满足收益λik=Bi(j,k);
能够与无人机vi进行通信协商的其他无人机称为无人机vi的邻居,假设无人机vi的邻居为无人机vj,利用无人机vi的更新迭代次数iteri来判断vi已知信息是否最新,协商过后无人机vi会将邻居的信息迭代次数iterj保存为iteri(j):
iteri(j)=iterj (9)
取一任务uk∈U,对无人机vi认定的任一获胜者va∈wik,如果邻居vj的已知信息同无人机vi相比是更新的,即满足va=vj或iterj(a)>iteri(a),则:
Wi(a,k)=Wj(a,k),Bi(a,k)=Bj(a,k) (10)
如果对于邻居vj认定的任一获胜者vb∈wjk,而且邻居vj的具有更新的信息,即满足vb≠vi且iterj(b)>iteri(b),并且Wi(b,k)=0,再进行如下判断:
(1)如果无人机vi认定的获胜者的数量小于任务需求无人机数量,即|wik|<nk,则进行式(10)同样的操作;
(2)如果无人机vi认定的获胜者的数量满足任务的无人机数量需求,并且vb的任务收益高于最小满足收益λik,即|wik|≥nk且Bj(b,k)>λik,除式(10)外,还需进行如下操作:
Wi(υik,k)=0,Bi(υik,k)=0 (11)
其中,υik表示最小满足收益所对应的无人机的标号;
对所有无人机进行上述操作实现协商,并遍历任务空间U,最后各无人机根据自己所获胜的任务在自身的任务路径中添加或删除相应任务;
协商过程完成后,需要对无人机的信息迭代次数进行更新,对于无人机vi及其邻居vj而言,如果关于任一第三无人机va的已知信息迭代次数,满足条件va≠vj且iterj(a)<iteri(a)或者va=vi,则:
iterj(a)=iteri(a) (12)
随着重复进行任务规划与协商过程,各无人机的已知信息会逐渐趋向于统一,判断达成共识的条件为,对uk∈U,满足:
wik=wjk,bik=bjk (13)
集群无人机任务重规划:
任务往往需要多架无人机来执行,令每x架无人机形成一个小队,将无人机队伍视为单个个体进行任务规划,对一个队伍而言,由于任务路径相同,只需要其中一架同其他队伍协商交流即可,以每个无人机小队中负责规划协商的无人机作为队长,假设无人机队伍的总能力值要求最少为D,而一个无人机队伍的总能力值为A,满足min{A}≥max{D},即每个队伍中都可能存在着冗余无人机;
队伍Vi在飞行过程中会对途径地面进行探索,探索范围以队长vi0坐标为圆心,R为半径,得到发现新任务unew的条件是无人机vi0与任务unew的距离dist(unew,vi0)满足:
dist(unew,vi0)≤R (14)
假设任务unew的无人机能力值需求为Dnew,发现该任务的队伍Vi的总能力值为Ai,其中i为无人机队伍标号,而该队伍无人机能力的最小值要求为Di,从队伍Vi中选择冗余无人机组成新的队伍Vnew:
(1)若满足Ai-Di≥Dnew,则从该队伍中选择出满足任务unew需求的最少冗余机,使得Anew≥Dnew;
(2)若Ai-Di<Dnew,则从该队伍中选择所有冗余无人机组成新队伍Vnew,此时还不满足任务需求即Anew<Dnew,另向附近的队伍请求支援从中选择冗余无人机继续补充队伍Vnew,直至达到要求Anew≥Dnew;
(3)若Ai-Di<Dnew且附近的队伍冗余机补充结果仍无法满足任务需求,则考虑将unew作为新任务加入到该队伍的任务路径Ui中的某一位置q处得到新路径假设在位置某一q处添加任务unew得到的收益为/>调整位置q使得/>的最大值大于原收益yi,/>即加入该任务能提高原路径收益,则将任务unew置于该位置q处;否则,将该任务放置队伍路径最末,即得新路径为/>
另外,队伍Vi在达到目标点后可能会发现预先已知的任务需求能力值发生变化或由于执行任务过程中失去部分队员,以至于无法满足任务需求Ai<Dnew,针对该任务需求,队伍Vi需要向附近的队伍进行求助,调用其他队伍的冗余无人机补充Vi,使得补充后能力值A′i达到任务需求Dnew,即A′i≥Dnew;
当无人机队伍Vi发生变化后需要对其进行更新:
其中,Vi∨vj表示向队伍Vi中添加无人机vj,Vi∧vj表示从队伍Vi中移除成员vj,aj表示无人机vj的能力值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207723.5A CN113934228B (zh) | 2021-10-18 | 2021-10-18 | 基于协商共识的集群四旋翼无人机任务规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207723.5A CN113934228B (zh) | 2021-10-18 | 2021-10-18 | 基于协商共识的集群四旋翼无人机任务规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113934228A CN113934228A (zh) | 2022-01-14 |
CN113934228B true CN113934228B (zh) | 2023-12-19 |
Family
ID=79280014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111207723.5A Active CN113934228B (zh) | 2021-10-18 | 2021-10-18 | 基于协商共识的集群四旋翼无人机任务规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113934228B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415735B (zh) * | 2022-03-31 | 2022-06-14 | 天津大学 | 面向动态环境的多无人机分布式智能任务分配方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104049616A (zh) * | 2014-06-25 | 2014-09-17 | 哈尔滨工程大学 | 无人水下航行器群体任务协调系统及方法 |
CN107168054A (zh) * | 2017-05-10 | 2017-09-15 | 沈阳工业大学 | 多机器人任务分配及路径规划方法 |
CN107947845A (zh) * | 2017-12-05 | 2018-04-20 | 中国科学院自动化研究所 | 基于通信中继的无人机编队协同目标分配方法 |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
CN111103887A (zh) * | 2020-01-14 | 2020-05-05 | 大连理工大学 | 一种基于多传感器的多移动机器人调度系统设计方法 |
CN111199360A (zh) * | 2020-01-13 | 2020-05-26 | 西安电子科技大学 | 无人机任务分配规划方法 |
CN112633654A (zh) * | 2020-12-15 | 2021-04-09 | 哈尔滨工程大学 | 基于改进聚类扩展一致性束算法的多无人机任务分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2016297892B2 (en) * | 2015-07-27 | 2020-04-02 | Genghiscomm Holdings, LLC | Airborne relays in cooperative-MIMO systems |
-
2021
- 2021-10-18 CN CN202111207723.5A patent/CN113934228B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104049616A (zh) * | 2014-06-25 | 2014-09-17 | 哈尔滨工程大学 | 无人水下航行器群体任务协调系统及方法 |
CN107168054A (zh) * | 2017-05-10 | 2017-09-15 | 沈阳工业大学 | 多机器人任务分配及路径规划方法 |
CN107947845A (zh) * | 2017-12-05 | 2018-04-20 | 中国科学院自动化研究所 | 基于通信中继的无人机编队协同目标分配方法 |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
CN111199360A (zh) * | 2020-01-13 | 2020-05-26 | 西安电子科技大学 | 无人机任务分配规划方法 |
CN111103887A (zh) * | 2020-01-14 | 2020-05-05 | 大连理工大学 | 一种基于多传感器的多移动机器人调度系统设计方法 |
CN112633654A (zh) * | 2020-12-15 | 2021-04-09 | 哈尔滨工程大学 | 基于改进聚类扩展一致性束算法的多无人机任务分配方法 |
Non-Patent Citations (2)
Title |
---|
基于分布式并行协商机制的无人机蜂群在线协同任务分配方法;朱宇涛 等;第八届中国指挥控制大会论文集;第281-287页 * |
网络化战场环境下多无人机调度问题;马纯超;尹栋;朱华勇;;火力与指挥控制(10);第35-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113934228A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheikhrouhou et al. | A comprehensive survey on the Multiple Traveling Salesman Problem: Applications, approaches and taxonomy | |
CN105302153B (zh) | 异构多无人机协同察打任务的规划方法 | |
CN110428111A (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
CN112016812B (zh) | 多无人机任务调度方法、系统及存储介质 | |
CN114172942B (zh) | 多无人机辅助物联网的协同任务分配与轨迹优化方法 | |
CN113395676B (zh) | 一种基于重叠联盟形成博弈的无人机任务协作方法 | |
CN112437502B (zh) | 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 | |
CN112683276B (zh) | 基于混合离散灰狼算法的无人机巡检电缆路径规划方法 | |
Sun et al. | Task scheduling system for UAV operations in agricultural plant protection environment | |
Zhang et al. | Dynamic mission planning algorithm for UAV formation in battlefield environment | |
CN113934228B (zh) | 基于协商共识的集群四旋翼无人机任务规划方法 | |
Masadeh et al. | Reinforcement learning-based security/safety UAV system for intrusion detection under dynamic and uncertain target movement | |
Huang et al. | A novel hybrid discrete grey wolf optimizer algorithm for multi-UAV path planning | |
CN113485409A (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 | |
Chen et al. | Path planning for vehicle-borne system consisting of multi air–ground robots | |
Paul et al. | Efficient planning of multi-robot collective transport using graph reinforcement learning with higher order topological abstraction | |
CN115826614A (zh) | 一种多无人机能源保障任务分配方法 | |
CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 | |
CN116088586A (zh) | 一种无人机作战过程中的临机任务规划的方法 | |
Poudel et al. | Priority-aware task assignment and path planning for efficient and load-balanced multi-UAV operation | |
Zu et al. | Research on UAV path planning method based on improved HPO algorithm in multi-task environment | |
Yan et al. | Heterogeneous UAV collaborative task assignment based on extended CBBA algorithm | |
Hu et al. | Super eagle optimization algorithm based three-dimensional ball security corridor planning method for fixed-wing UAVs | |
CN114142908A (zh) | 一种面向覆盖侦察任务的多无人机通信资源分配方法 | |
Liu | Shortest path selection algorithm for cold chain logistics transportation based on improved artificial bee colony |
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 |