CN113934228B - 基于协商共识的集群四旋翼无人机任务规划方法 - Google Patents

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

基于协商共识的集群四旋翼无人机任务规划方法

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,...,u_m}，每个任务u_k(k表示任务标号)都具有最早可执行时间t_k,start，最晚可执行时间t_k,end，执行所需时间t_k,spend，需要无人机的数量n_k，最高奖励r_k,max，任务实际奖励r_k随时间的推移而逐渐降低，奖励r_k与实际执行时间t的关系如下：

其中，f_k(t)≤0是单调递减的连续函数，且满足f_k(t_k,start)＝0，f_k(t_k,end)＝-r_k,max

对于一组四旋翼无人机V＝{v₁,v₂,...,v_n}，其中V表示无人机组，v_i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v_i当前的任务路径为U_i，对于存在其任务路径的补集中的任务u_k，如果将任务u_k放至当前任务路径U_i中的位置q时，以/>表示，任务u_k的奖励为r_ikq，计算由该任务所引起的里程成本变化c_ikq：

其中，c_i表示由无人机从初始位置按照任务路径U_i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u_k后得到的新任务路径所需要的总路程；

假设无人机v_i的速度为s，用c_i→k表示由无人机从初始位置按照任务路径U_i依次执行任务至新任务u_k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v_i执行任务u_k的时间t_ik和实际任务奖励r_ikp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p_ik：

其中，表示添加任务u_k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v_i所能获得的收益为y_ikq：

y_ikq＝r_ikq-c_ikq-p_ik (5)

记收益最大值为y_ik，取得最大收益的任务u_k的位置为q_ik，假设u_k需要无人机的数量为n_k，对无人机v_i已知的其余各架无人机可利用任务u_k获得的收益按降序排列，记序列中位于第n_k个的无人机为v_j，称该无人机v_j为最小满足收益无人机υ_ik，并称其收益y_jk为最小满足收益，记作λ_ik，如果满足条件y_ikp＞y_jk或y_ikq＝y_jk(i<j)，则称任务u_k可由无人机v_i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v_i执行的任务中可获得收益最高的任务实际添加至无人机v_i的当前路径U_i中的相应位置处，得到新的任务路径U_i′：

然后，对新路径中位于其余位置的任务u_l收益进行更新：

r_il＝r_l(t_il),c_il＝c_i-c_i⊙l,y_il＝r_il-c_il (7)

其中，c_i⊙l表示从任务路径U_i中剔除u_l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v_i的任务路径应为新的任务路径U_i′；

集群无人机协商共识：

对任务u_k∈U，假设一架无人机v_i已知各架无人机可利用u_k获得的收益并按降序排列，u_k所需无人机的数量n_k，将前n_k架无人机作为v_i认定的任务获得者记作集合w_ik，相应的收益集合记作b_ik，集合内的元素数量以|·|表示，为方便分辨其他无人机v_j是否是v_i认定的任务u_k的获得者，定义W_i(j,k)如下：

其中i,j分别为无人机v_i与v_j的标号，k为任务u_k的标号。如果满足W_i(j,k)＝1，则记v_j的收益为B_i(j,k)，如果B_i(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υ_ik＝j，最小满足收益λ_ik＝B_i(j,k)；

能够与无人机v_i进行通信协商的其他无人机称为无人机v_i的邻居。假设无人机v_i的邻居为无人机v_j，利用无人机v_i的更新迭代次数iter_i来判断v_i已知信息是否最新，协商过后无人机v_i会将邻居的信息迭代次数iter_j保存为iter_i(j)：

iter_i(j)＝iter_j (9)

取一任务u_k∈U，对无人机v_i认定的任一获胜者v_a∈w_ik，如果邻居v_j的已知信息同无人机v_i相比是更新的，即满足v_a＝v_j或iter_j(a)＞iter_i(a)，则：

W_i(a,k)＝W_j(a,k),B_i(a,k)＝B_j(a,k) (10)

如果对于邻居v_j认定的任一获胜者v_b∈w_jk，而且邻居v_j的具有更新的信息，即满足v_b≠v_i且iter_j(b)＞iter_i(b)，并且W_i(b,k)＝0，再进行如下判断：

(1)如果无人机v_i认定的获胜者的数量小于任务需求无人机数量，即|w_ik|＜n_k，则进行式(10)同样的操作；

(2)如果无人机v_i认定的获胜者的数量满足任务的无人机数量需求，并且v_b的任务收益高于最小满足收益λ_ik，即|w_ik|≥n_k且B_j(b,k)＞λ_ik，除式(10)外，还需进行如下操作：

W_i(υ_ik,k)＝0,B_i(υ_ik,k)＝0 (11)

其中，υ_ik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v_i及其邻居v_j而言，如果关于任一第三无人机v_a的已知信息迭代次数，满足条件v_a≠v_j且iter_j(a)＜iter_i(a)或者v_a＝v_i，则：

iter_j(a)＝iter_i(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u_k∈U，满足：

w_ik＝w_jk,b_ik＝b_jk (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V_i在飞行过程中会对途径地面进行探索，探索范围以队长v_i0坐标为圆心，R为半径，得到发现新任务u_new的条件是无人机v_i0与任务u_new的距离dist(u_new,v_i0)满足：

dist(u_new,v_i0)≤R (14)

假设任务u_new的无人机能力值需求为D_new，发现该任务的队伍V_i的总能力值为A_i，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D_i，从队伍V_i中选择冗余无人机组成新的队伍V_new：

(1)若满足A_i-D_i≥D_new，则从该队伍中选择出满足任务u_new需求的最少冗余机，使得A_new≥D_new；

(2)若A_i-D_i＜D_new，则从该队伍中选择所有冗余无人机组成新队伍V_new，此时还不满足任务需求即A_new＜D_new，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V_new，直至达到要求A_new≥D_new；

(3)若A_i-D_i＜D_new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u_new作为新任务加入到该队伍的任务路径U_i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u_new得到的收益为/>调整位置q使得/>的最大值大于原收益y_i，/>即加入该任务能提高原路径收益，则将任务u_new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V_i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A_i＜D_new，针对该任务需求，队伍V_i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V_i，使得补充后能力值A′_i达到任务需求D_new，即A′_i≥D_new；

当无人机队伍V_i发生变化后需要对其进行更新：

其中，V_i∨v_j表示向队伍V_i中添加无人机v_j，V_i∧v_j表示从队伍V_i中移除成员v_j，a_j表示无人机v_j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,...,u_m}，每个任务u_k(k表示任务标号)都具有最早可执行时间t_k,start，最晚可执行时间t_k,end，执行所需时间t_k,spend，需要无人机的数量n_k，最高奖励r_k,max，任务实际奖励r_k随时间的推移而逐渐降低，奖励r_k与实际执行时间t的关系如下：

其中，f_k(t)≤0是单调递减的连续函数，且满足f_k(t_k,start)＝0，f_k(t_k,end)＝-r_k,max。

对于一组四旋翼无人机V＝{v₁,v₂,...,v_n}，其中V表示无人机组，v_i表示无人机，i表示无人机标号。每架无人机v_i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v_i当前的任务路径为U_i，对于存在其任务路径的补集中的任务u_k，如果将u_k放至当前任务路径U_i中的位置q时，以/>表示，任务u_k的奖励为r_ikq，计算由该任务所引起的里程成本变化c_ikq：

其中，c_i表示由无人机从初始位置按照任务路径U_i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u_k后得到的新任务路径所需要的总路程。

假设无人机v_i的速度为s，用c_i→k表示由无人机从初始位置按照任务路径U_i依次执行任务至新任务u_k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v_i执行任务u_k的时间t_ik和实际任务奖励r_ikp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p_ik：

其中，表示添加任务u_k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v_i所能获得的收益为y_ikq：

y_ikq＝r_ikq-c_ikq-p_ik (5)

记收益最大值为y_ik，取得最大收益的任务u_k的位置为q_ik。假设任务u_k需要无人机的数量为n_k，对无人机v_i已知的其余各架无人机可利用任务u_k获得的收益按降序排列，记第n_k个无人机为v_j，记作υ_ik，并称其收益y_jk为最小满足收益，记作λ_ik。如果满足条件y_ikp＞y_jk或y_ikq＝y_jk(i<j)，则称任务u_k可由无人机v_i执行。

将任务路径的补集中所有可由无人机v_i执行的任务中可获得收益最高的任务实际添加至无人机v_i的当前路径U_i中的相应位置q处，得到新的任务路径U_i′：

然后，对新路径中位于其余位置的任务u_l收益进行更新：

r_il＝r_l(t_il),c_il＝c_i-c_i⊙l,y_il＝r_il-c_il (7)

其中，c_i⊙l表示从任务路径U_i中剔除任务u_l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v_i的任务路径应为新的任务路径U_i′。最终每个无人机v_i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u_k∈U，假设一架无人机v_i已知各架无人机可利用任务u_k获得的收益并按降序排列，任务u_k所需无人机的数量n_k，将前n_k架无人机作为v_i认定的任务获得者记作集合w_ik，相应的收益集合记作b_ik。集合内的元素数量以|·|表示。为方便分辨无人机v_j是否是无人机v_i认定的任务u_k的获得者，定义W_i(j,k)如下：

其中i,j分别为无人机v_i与v_j的标号，k为任务u_k的标号。如果满足W_i(j,k)＝1，则记无人机v_j的收益为B_i(j,k)。若B_i(j,k)恰好是最小满足收益，则有最小满足收益λ_ik＝B_i(j,k)，该收益对应的无人机的标号为υ_ik＝j。

能够与无人机v_i进行通信协商的其他无人机称为无人机v_i的邻居。假设无人机v_i的邻居为无人机v_j，利用无人机v_i的迭代次数iter_i来判断其已知信息是否最新，协商过后无人机v_i会将邻居v_j的信息迭代次数iter_j保存为iter_i(j)：

iter_i(j)＝iter_j (9)

取一任务u_k∈U，对无人机v_i认定的任一获胜者v_a∈w_ik，如果邻居v_j的已知信息同v_i相比是更新的，即满足v_a＝v_j或iter_j(a)＞iter_i(a)，则：

W_i(a,k)＝W_j(a,k),B_i(a,k)＝B_j(a,k) (10)

如果对于邻居v_j认定的任一获胜者v_b∈w_jk，邻居v_j的已知信息同样是更新的，即满足v_b≠v_i且iter_j(b)＞iter_i(b)，并且W_i(b,k)＝0，再进行如下判断：

(1)如果无人机v_i认定的获胜者的数量小于任务需求无人机数量，即|w_ik|＜n_k，则进行式(10)同样的操作。

(2)如果无人机v_i认定的获胜者的数量满足任务需求，并且无人机v_b的任务收益高于最小满足收益λ_ik，即|w_ik|≥n_k且B_j(b,k)＞λ_ik，除式(10)外，还需进行如下操作：

W_i(υ_ik,k)＝0,B_i(υ_ik,k)＝0 (11)

其中，υ_ik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v_i及其邻居v_j而言，如果关于任一第三无人机v_a的已知信息迭代次数，满足条件a≠j且iter_j(a)＜iter_i(a)或者a＝i，则：

iter_j(a)＝iter_i(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u_k∈U，满足：

w_ik＝w_jk,b_ik＝b_jk (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V_i的总能力值至少为D_i，而一个无人机队伍的总能力值为A_i，满足A_i≥D_i，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V_i。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V_i在飞行过程中会对途径地面进行探索，探索范围以队长v_i0坐标为圆心，R为半径，得到发现新任务u_new的条件是无人机v_i0与任务u_new的距离dist(u_new,v_i0)满足：

dist(u_new,v_i0)≤R (14)

假设任务u_new的无人机能力值需求为D_new，发现该任务的队伍V_i的总能力值为A_i，而该队伍无人机能力的最小值要求为D_i()。从队伍V_i中选择冗余无人机组成新的队伍V_new。

(1)若满足A_i-D_i≥D_new，则从该队伍中选择出满足任务u_new需求的最少冗余机，使得A_new≥D_new。

(2)若A_i-D_i＜D_new，则从该队伍中选择所有冗余无人机组成新队伍V_new，此时还不满足任务需求即A_new＜D_new，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V_new，直至达到要求A_new≥D_new。

(3)若A_i-D_i＜D_new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u_new作为新任务加入到该队伍的任务路径U_i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u_new得到的收益为/>调整位置q使得/>的最大值大于原收益y_i，/>即加入该任务能提高原路径收益，则将任务u_new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V_i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A_i＜D_new，针对该任务需求，队伍V_i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V_i，使得补充后的能力值A′_i满足最小能力要求D_new，即A′_i≥D_new。

当无人机队伍V_i发生变化后需要对其进行更新：

其中，V_i∨v_j表示向队伍V_i中添加无人机v_j，V_i∧v_j表示从队伍V_i中移除成员v_j，a_j表示无人机v_j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u_new,1、u_new,2，且对于无人机能力值需求分别为D_new,1，D_new,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D_next,2与D_next,3，满足A₂-D_next,2≥D_new,1与A₃-D_next,3≥D_new,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＜D_end，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D_end，即A′₃≥D_end。

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,…,u_m}，每个任务u_k都具有最早可执行时间t_k,start，k表示任务标号，最晚可执行时间t_k,end，执行所需时间t_k,spend，需要无人机的数量n_k，最高奖励r_k,max，任务实际奖励r_k随时间的推移而逐渐降低，奖励r_k与实际执行时间t的关系如下：

其中，f_k(t)≤0是单调递减的连续函数，且满足f_k(t_k,start)＝0，f_k(t_k,end)＝-r_k,max

对于一组四旋翼无人机V＝{v₁,v₂,…,v_n}，其中V表示无人机组，v_i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v_i当前的任务路径为U_i，对于存在其任务路径的补集中的任务u_k，如果将任务u_k放至当前任务路径U_i中的位置q时，以/>表示，任务u_k的奖励为r_ikq，计算由该任务所引起的里程成本变化c_ikq：

其中，c_i表示由无人机从初始位置按照任务路径U_i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u_k后得到的新任务路径所需要的总路程；

假设无人机v_i的速度为s，用c_i→k表示由无人机从初始位置按照任务路径U_i依次执行任务至新任务u_k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v_i执行任务u_k的时间t_ik和实际任务奖励r_ikp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p_ik：

其中，表示添加任务u_k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v_i所能获得的收益为y_ikq：

y_ikq＝r_ikq-c_ikq-p_ik (5)

记收益最大值为y_ik，取得最大收益的任务u_k的位置为q_ik，假设u_k需要无人机的数量为n_k，对无人机v_i已知的其余各架无人机可利用任务u_k获得的收益按降序排列，记序列中位于第n_k个的无人机为v_j，称该无人机v_j为最小满足收益无人机υ_ik，并称其收益y_jk为最小满足收益，记作λ_ik，如果满足条件y_ikp＞y_jk或y_ikq＝y_jk(i<j)，则称任务u_k可由无人机v_i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v_i执行的任务中可获得收益最高的任务实际添加至无人机v_i的当前路径U_i中的相应位置处，得到新的任务路径U_i′：

然后，对新路径中位于其余位置的任务u_l收益进行更新：

r_il＝r_l(t_il),c_il＝c_i-c_i⊙l,y_il＝r_il-c_il (7)

其中，c_i⊙l表示从任务路径U_i中剔除u_l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v_i的任务路径应为新的任务路径U_i′；

集群无人机协商共识：

对任务u_k∈U，假设一架无人机v_i已知各架无人机可利用u_k获得的收益并按降序排列，u_k所需无人机的数量n_k，将前n_k架无人机作为v_i认定的任务获得者记作集合w_ik，相应的收益集合记作b_ik，集合内的元素数量以|·|表示，为方便分辨其他无人机v_j是否是v_i认定的任务u_k的获得者，定义W_i(j,k)如下：

其中i,j分别为无人机v_i与v_j的标号，k为任务u_k的标号，如果满足W_i(j,k)＝1，则记v_j的收益为B_i(j,k)，如果B_i(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υ_ik＝j，最小满足收益λ_ik＝B_i(j,k)；

能够与无人机v_i进行通信协商的其他无人机称为无人机v_i的邻居，假设无人机v_i的邻居为无人机v_j，利用无人机v_i的更新迭代次数iter_i来判断v_i已知信息是否最新，协商过后无人机v_i会将邻居的信息迭代次数iter_j保存为iter_i(j)：

iter_i(j)＝iter_j (9)

取一任务u_k∈U，对无人机v_i认定的任一获胜者v_a∈w_ik，如果邻居v_j的已知信息同无人机v_i相比是更新的，即满足v_a＝v_j或iter_j(a)＞iter_i(a)，则：

W_i(a,k)＝W_j(a,k),B_i(a,k)＝B_j(a,k) (10)

如果对于邻居v_j认定的任一获胜者v_b∈w_jk，而且邻居v_j的具有更新的信息，即满足v_b≠v_i且iter_j(b)＞iter_i(b)，并且W_i(b,k)＝0，再进行如下判断：

(1)如果无人机v_i认定的获胜者的数量小于任务需求无人机数量，即|w_ik|＜n_k，则进行式(10)同样的操作；

(2)如果无人机v_i认定的获胜者的数量满足任务的无人机数量需求，并且v_b的任务收益高于最小满足收益λ_ik，即|w_ik|≥n_k且B_j(b,k)＞λ_ik，除式(10)外，还需进行如下操作：

W_i(υ_ik,k)＝0,B_i(υ_ik,k)＝0 (11)

其中，υ_ik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v_i及其邻居v_j而言，如果关于任一第三无人机v_a的已知信息迭代次数，满足条件v_a≠v_j且iter_j(a)＜iter_i(a)或者v_a＝v_i，则：

iter_j(a)＝iter_i(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u_k∈U，满足：

w_ik＝w_jk,b_ik＝b_jk (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V_i在飞行过程中会对途径地面进行探索，探索范围以队长v_i0坐标为圆心，R为半径，得到发现新任务u_new的条件是无人机v_i0与任务u_new的距离dist(u_new,v_i0)满足：

dist(u_new,v_i0)≤R (14)

假设任务u_new的无人机能力值需求为D_new，发现该任务的队伍V_i的总能力值为A_i，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D_i，从队伍V_i中选择冗余无人机组成新的队伍V_new：

(1)若满足A_i-D_i≥D_new，则从该队伍中选择出满足任务u_new需求的最少冗余机，使得A_new≥D_new；

(2)若A_i-D_i＜D_new，则从该队伍中选择所有冗余无人机组成新队伍V_new，此时还不满足任务需求即A_new＜D_new，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V_new，直至达到要求A_new≥D_new；

(3)若A_i-D_i＜D_new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u_new作为新任务加入到该队伍的任务路径U_i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u_new得到的收益为/>调整位置q使得/>的最大值大于原收益y_i，/>即加入该任务能提高原路径收益，则将任务u_new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V_i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A_i＜D_new，针对该任务需求，队伍V_i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V_i，使得补充后能力值A′_i达到任务需求D_new，即A′_i≥D_new；

当无人机队伍V_i发生变化后需要对其进行更新：

其中，V_i∨v_j表示向队伍V_i中添加无人机v_j，V_i∧v_j表示从队伍V_i中移除成员v_j，a_j表示无人机v_j的能力值。