CN114879745A - 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 - Google Patents

Abstract

本发明公开了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,涉及无人机任务规划技术领域，包括解析任务规划目标，判断单个任务是否超出无人机平台约束及载荷资质约束；获取任务规划目标的任务数据，生成无人直升机协同任务；将多个子任务合并为一个任务集，完成无人直升机协同任务的预规划；构建无人直升机协同任务规划模型，设置模型约束和目标函数；采用改进的禁忌搜索算法求解无人直升机协同任务规划模型，输出符合模型约束和目标函数的多无人直升机任务方案。本发明考虑无人机约束条件，构建了适用于多无人直升机的任务规划模型，进行预规划，在大规模任务规划场景下，极大减小优化求解的计算量，满足实时性的要求。

Description

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

技术领域

本发明涉及无人机任务规划技术领域，具体的说，是一种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。

背景技术

多无人直升机的协同侦察属于一个新的研究领域，要应用于实际飞行中，需要解决很多问题，如分布式控制问题、防碰避障问题等。无人直升机协同的难点在于不仅要考虑每架无人直升机自身的飞行性能、飞行限制条件、毁伤概率、悬停最佳位置选择和不同悬停高度对机载侦察载荷的影响等问题，还要解决多无人直升机之间的协同合作和避免冲突等问题，而且任务与任务之间的前后续关系、任务执行的时间窗约束等都大大增加了求解难度。此外，多无人直升机任务规划不同于固定翼无人机任务规划，需要算法考虑时间上的协同问题和三维空间上的协调问题（例如悬停高度，悬停位置，悬停时载荷的朝向角度等问题），因此规划方案的复杂度和计算量都大大增加。还有，由于战场的不确定性导致规划好的任务往往需要根据实际情况动态调整，因此，对任务规划算法的求解速度、规划方案的鲁棒性等提出较高的要求。

目前主流的无人机侦察任务规划主要有以下三点不足：

1.目前多数无人机任务规划方案是针对固定翼无人机而设定，未针对无人直升机的特点设计解决方案，同时，多数方案未考虑俯仰角约束，未考虑无人直升机悬停姿态，悬停高度对于任务完成度的影响，未对无人直升机及其侦察载荷的相关约束进行梳理。

2.建模方面：为了求解便利，任务规划数学模型约束存在大量简化，例如只考虑无人机飞行续航，不考虑执行任务时的能耗；只考虑单机分配任务，不考虑同一个任务需要多架飞机协同执行的复杂情况；不考虑执行多任务时，不同载荷与任务的匹配关系等。

3.求解算法设计上，主要通过基于规则的启发式算法实现求解，在求解大规模任务规划模型时求解的速度较慢，且解得质量无法保证，不适用于实时性要求高的任务规划和执行。

发明内容

本发明的目的在于提供一种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，用于解决现有技术中无人机侦察任务规划中未考虑无人机及其侦察载荷约束、未考虑不同载荷与任务的匹配关系以及求解速度慢不满足实时性要求的问题。

本发明通过下述技术方案解决上述问题：

一种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，包括：

步骤S100、解析上级下达的无人直升机协同作战的任务规划目标，调用无人直升机平台资源数据和无人直升机载荷资源数据，判断单个任务是否超出无人机平台约束及载荷资质约束，若超出，则上报错误信息，否则，进入下一步；

步骤S200、获取任务规划目标的任务数据，生成每个任务需要的无人直升机平台类型、载荷信息、执行任务时无人直升机的作业范围和关键航迹点信息，将协同任务拆分为同时间窗内的多个子任务，并依据规则生成各子任务对应的任务信息，得到无人直升机协同任务；所述任务数据包括位置信息、任务时间窗、任务位置、任务类型、任务重要度、目标类型、目标位置和目标信号参数；

步骤S300、以每个子任务中的任务信息对应的载荷作用范围作为预规划条件，将多个子任务合并为一个任务集，完成无人直升机协同任务的预规划；

步骤S400、构建无人直升机协同任务规划模型，设置模型约束和目标函数，模型约束包括载荷资质约束、续航约束、任务时间窗约束、轨迹回路约束和任务执行效果约束；目标函数包括总飞行时长最短和完成任务的总价值最大；

步骤S500、采用改进的禁忌搜索算法求解无人直升机协同任务规划模型，输出符合模型约束和目标函数的多无人直升机任务方案。

本发明针对无人直升机的特点，考虑了无人直升机执行侦察任务时的约束条件，构建了适用于多无人直升机的任务规划模型，同时，基于任务属性进行任务预规划，将全局优化问题拆分为多个规模较小的子问题，在大规模任务规划场景下，极大地减少优化求解的计算量，提高任务规划的速度，以实现在约束条件复杂的多任务环境下，同时对异构的多架或多编队无人直升机进行系统控制和优化。

所述步骤S300具体包括：

步骤S310、按照任务所需载荷类型分为超短波侦察载荷任务、电子侦察载荷任务、微波通信侦察载荷任务和可见光与红外成像载荷任务，再按照载荷类型的性能要求分类；

步骤S320、以每个子类中的任务信息及其相应的载荷作用范围作为预规划条件，利用预规划算法，将多个任务合并为一个任务集，具体包括：

步骤a、将任务以开始时间排序，形成任务集D；

步骤b、从任务集D中的第一个任务开始，搜索所有未搜索过的任务，将满足

的任务j划分到一个子集F，并把任务j标记为已搜索；其中任务

，

，N为任务集D的任务数量，任务j为任务i的后续任务，

表示前序任务i的工作时长，

表示任务i最早的开始时刻，

表示任务j最晚的开始时刻，

表示从前序任务i到任务j的飞行时长；

步骤c、判断当前子集F中的续航总里程是否超过平台续航约束，若是，则进入下一步，否则将步骤b中的任务j作为新一轮的搜索起点，重复步骤b；

步骤d、将当前子集F中的任务合并为一个任务即合并任务，并以子集F中最早的任务开始时间作为合并任务的最早开始时间，以子集F中最晚的任务开始时间作为合并任务的最晚开始时间，总任务执行时间为：

，其中，

表示从任务i到下一个任务i+1的转移时间。

本发明基于启发式策略，结合载荷能力约束，将每个子类任务的任务数据，根据其对应的载荷作用范围，快速地将任务类型相似、任务参数相似、任务时间窗接近的任务捆绑，形成任务组合，即将多个任务合并为一个任务集。在后续规划时可以直接默认为同时执行的任务，可以极大地降低待规划任务数量，缩小模型规模，减少模型规模可以显著降低算法搜索空间，极大地加快算法求解的速度，即求解得到任务规划的速度提高，满足对无人直升机执行任务实时性的要求。

所述超短波侦察载荷任务的性能要求包括工作频段、带宽、跳频截获能力、信号分析能力、信号控守路数和战术数据链；电子侦察载荷任务的性能要求包括工作频段、带宽、塔康信号侦察能力和敌我识别能力；微波通信侦察载荷任务的性能要求包括工作频段、带宽、侦察灵敏度、信号调制和独立波束数；可见光与红外成像载荷任务的性能要求包括可见光作用距离和红外热像仪作用距离。

本发明在任务预规划时，先按照载荷类型分为四大类任务，再分别根据载荷的性能要求进行分类，实现子类任务的划分。

所述无人机平台约束包括最大上升高度约束、无地效悬停高度约束、最大速度约束、巡航速度约束、续航约束、载荷总重量约束、抗风能力约束、通讯半径约束、总功耗约束和总存储空间约束，所述载荷资质约束包括超短波侦察载荷约束、电子侦察载荷约束、微波通信侦察载荷约束和可见光与红外成像约束，其中超短波侦察载荷约束包括工作频段约束、带宽约束、侦察距离约束、方位约束、俯仰约束、跳频截获能力约束、信号分析能力约束、信号控守路数约束、战术数据链约束和定位模式约束；电子侦察载荷约束包括工作频段约束、带宽约束、侦察距离约束、方位约束、俯仰约束、塔康信号侦察能力约束、敌我识别能力约束和定位模式约束；微波通信侦察载荷约束包括工作频段约束、带宽约束、侦察距离约束、方位约束、俯仰约束、侦察灵敏度约束、信号调制约束和独立波束数约束；可见光与红外成像约束包括可见光作用距离约束、红外热像仪作用距离约束、方位约束和俯仰约束。

本发明充分考虑了无人直升机整体能耗约束、最优悬停点位等特殊约束以及多任务之间的前后序关系以及时间窗约束，还考虑了任务俯仰角约束，因此建模上更贴近实际。

本发明与现有技术相比，具有以下优点及有益效果：

（1）本发明针对无人直升机的相关特点，梳理了无人直升机执行侦察任务时的约束条件，构建了适用于多无人直升机的任务规划模型；同时，基于任务属性进行预规划，将全局优化问题拆分为多个规模较小的子问题，在大规模任务规划场景下，极大减小优化求解的计算量，以在约束条件复杂的多任务环境下快速求解得到任务规划方案，满足实时性的要求。

（2）本发明基于预规划和改进禁忌搜索算法的多无人直升机协同任务规划方法，可以在规定时间内输出符合无人直升机续航约束、载荷资质约束、任务时间窗约束且无人直升机总体飞行时间最短的一整套多无人直升机任务方案。

（3）本发明利用预规划将位置接近且符合时间窗约束的多个任务合并，在大规模任务规划的场景下，缩小模型规模，有利于后续禁忌搜索算法快速收敛至全局最优解，有利于实际作战中快速响应，实时规划。

附图说明

图1为本发明中多无人直升机协同任务规划流程图；

图2为本发明中多无人直升机预规划流程图；

图3为本发明中多无人直升机任务规划禁忌搜索流程图。

具体实施方式

下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例：

结合附图1所示，一种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，包括数据预处理、无人直升机协同任务生成、无人直升机协同任务预规划、无人直升机协同任务规划建模并求解，生成任务规划总方案，具体包括：

步骤S100、数据预处理

接收并解析上级下达的无人直升机协同作战的任务规划目标，任务规划目标包括执行时间、目标位置、任务类型、任务价值权重、任务与任务之间的前后续关系（例如侦察打击一体任务，需要先执行侦察任务，后执行攻击任务），同时调用无人直升机平台资源数据和无人直升机载荷资源数据，基于规则初步判定无人直升机是否完成任务（即判断单个任务是否超出无人直升机平台约束及载荷资质约束），规则如下：

1.任务位置距离当前无人机平台的距离不超过无人机最大作用半径；

2.载荷资源库中有满足任务需求参数的载荷；

3.单个任务来回飞行耗能和载荷耗能大不大于无人机平台总功耗。

平台约束和载荷资质约束如表1所示

表1平台约束和载荷资质约束表

如果任务规划目标数据不满足上述条件，则说明目前可用的无人直升机资源无法完成任务，则上报错误信息，提示上级需要修改任务规划目标数据。预处理步骤可以及时发现不合理的任务需求，及时上报需求并修改。

步骤S200、生成无人直升机协同任务

获取任务规划目标的任务数据，任务数据包括位置信息，任务时间窗、任务位置、任务类型、任务重要度、目标类型、目标位置、目标信号参数，根据任务数据生成每个任务需要的无人直升机平台类型、载荷信息、执行任务时无人直升机的作业范围和关键航迹点信息，其中，对于需要多机协同的任务，如双机定位等协同任务，将一个协同任务拆分为同时间窗内的多个子任务，并依据规则生成各子任务的相应任务信息，再根据生成的各个子任务，对每两个任务点位，计算转移时间，生成任务转移时间矩阵，得到无人直升机协同任务；

步骤S300、无人直升机协同任务预规划

根据步骤S200中生成的无人直升机协同任务，进行相似任务预规划。首先，按照任务所需载荷类型以及性能要求分类，先按照载荷类型分为四大类任务，分别为超短波载荷任务，电子载荷任务，微波通信载荷，可见光红外线载荷任务，再分别对载荷的特殊性能要求进行分类，如表2所示

表2载荷分类表

分类完毕后，针对每个子类中的任务数据，根据其相应的载荷作用范围，作为预规划条件，利用预规划算法，将多个任务合并为一个任务集，快速地将相似任务类型、相似任务参数、任务时间窗接近的任务捆绑，形成任务组合，在后续规划时可以直接默认为同时执行的任务，可以极大地降低待规划任务数量，缩小模型规模，模型求解的复杂程度与模型的规模呈指数级的相关性，减少模型规模可以极大地加快算法求解的速度，显著降低算法搜索空间，快速的得到任务规划方案，具体预规划的步骤如图2所示：

a)将任务以开始时间排序，形成任务集D；

b)从任务集D中的第一个任务开始，搜索所有未搜索过的任务，将满足

的任务j划分到一个子集F，并把任务j标记为已搜索，

，

；其中任务

，

，N为的任务数量，

，任务j为任务

的后续任务，

表示前序任务i的工作时长，

表示任务i最早的开始时刻，

表示任务j最晚的开始时刻，

表示从前序任务i到任务j的飞行时长；

c)判断当前子集F中的续航总里程是否超过平台续航约束，是，进入下一步，否则将步骤b)中的任务j作为新一轮的搜索起点，重复步骤b)；

d)将当前子集F中的任务合并为一个任务，并以子集F中最早的任务开始时间作为合并任务的最早开始时间，以子集F中最晚的任务开始时间作为合并任务的最晚开始时间，总任务执行时间为：

，其中，

表示从任务i到下一个任务i+1的转移时间。

步骤S400、无人直升机协同任务规划建模

结合步骤S300中预规划后的任务集中的任务数据，建立数学模型定量的描述无人直升机任务规划问题。在无人直升机任务规划模型的任务规划算法中，无人直升机类似于物流配送车辆，需要从基地出发，在规定时间窗口内，执行相应的任务，在满足续航时间和总功耗的前提下，尽可能多的执行任务，最后回到无人直升机总部。因此，任务规划算法需要满足的约束主要有：

1. 资质约束：即无人直升机是否有资质执行某个任务；

2. 续航约束：无人直升机执行任务的时间不能超过其最大续航能力；

3. 时间窗约束：无人直升机需要在特定的时间窗内执行某任务；

4. 轨迹回路约束：无人直升机从总部出发，需要回到总部；

5. 任务执行效果约束：无人直升机执行任务时，需要保证任务执行完成度的期望超过规定的阈值，否则会导致任务失败。

任务规划算法目标函数可以根据任务规划的侧重点，配置不同的优化目标，本发明采用总飞行时长最短以及完成任务的总价值最大作为目标函数，可以有效地减少无效飞行，降低无人直升机的暴露时间，减小被敌方发现的概率，并且方案执行的总价值最高。

据此，构建无人直升机协同任务规划的数学模型：

设有向图G=（V，E）表示任务点构成的网络，V={0,1,…,N}表示任务位置点集合，N为任务数量，V中0表示控制车的位置点，除0以外的点表示任务的位置点，

表示任务i的价值系数，E={（i，j）|i，j∈V，i≠j}表示各个任务之间的弧集，K={1,2,…,k,…,M}表示无人直升机集合，M为无人直升机数量，

表示无人直升机k的能源容量，

表示任务i位置点执行任务所需的能耗，

表示无人直升机k到任务i位置点的抵达时刻，

表示无人直升机k在任务i位置点的等待时间，

表示在任务i位置点的工作时长，

表示从任务i位置点到任务j位置点的飞行时长，

表示任务i位置点的时间窗口，其中

表示任务最早的开始时刻，

表示最晚的开始时刻，

表示从任务i位置点到任务j位置点的功耗，

表示从任务i位置点到任务j位置点的距离，引入决策变量

，

时表示无人直升机k从任务i位置点飞到任务j位置点，否则

，

表示无人直升机k是否有资质执行i任务，当且仅当

时，

必须为0，表明无人直升机k无法执行任务j（资质约束），

表示第k个无人机从任务i位置点回到起点0，否则

；

表示第k个无人机从起点0到达任务j位置点，否则，

；

表示所有的任务位置点集合，

表示无人机k到达起点0的时间，

表示无人机k在起点0的等待时间，

表示无人机在起点0的工作时长。

模型的目标函数为：

其中约束条件为：

约束1：

约束2：

约束3：

约束4：

约束5：

约束6：

约束7：

约束8：

约束9：

约束10：

约束11：

其中1-2约束表示每个任务只做一次；约束3表示无人直升机从控制车出发，然后回到控制车，其中M表示无人直升机可出动的最多架次；约束4为功耗约束，无人直升机飞行耗能加上执行任务耗能必须小于最大能源容量；约束5为次回路消除约束，约束6表示无人直升机到达任务点时间不允许迟到；约束7表示开始任务时间在时间窗范围内，约束8表示同一无人直升机执行前序任务和后续任务的时间关系；其中P表示任意大的数；约束9表示控制车的时间参数设置；约束12表示等待时间的定义；约束11为正值约束。

步骤S500：禁忌搜索算法求解步骤S400中构建的无人直升机任务规划模型。步骤如图3所示：

a）模型初始化，利用贪心算法生成任务规划模型初始解，清空禁忌表，设置禁忌长度；

b)领域搜索产生候选解：根据步骤a)产生的初始解，利用两元素优化算子（2-optimization）2-opt算子的推广算子多路径优化算子k-opt，改进优化算子，产生新的候选解，并计算候选解适应度（即目标函数值），k作为算法超级参数，k值越大，表明每次搜索的范围越广，搜索的速度越快，同时，可以根据模型的规模调整，如果规模过大，则减少k值，降低每次搜索的时间。

c)选择最优候选解：从步骤b)中生成的所有候选解选择当前最优的候选解，与全局当前最优解比较，如果优于全局当前最优解，则将该解设为全局当前最优解，并将生成该最优解的操作算子添加到禁忌表；如果不优于当前全局最优解，则选择候选解中不在禁忌表中的最优解，将生成解的操作步骤添加到禁忌表。

d)判断终止条件：若达到算法迭代次数限制，则终止搜索，输出当前最优解。

本发明针对无人直升机的特点设计，对无人直升机及其侦察载荷的相关约束进行梳理，提取相关特征；充分考虑了无人直升机整体能耗约束、最优悬停点位等特殊约束、多任务之间的前后序关系以及时间窗约束，考虑了任务俯仰角约束，建模上更贴近实际；针对无人直升机及其侦察载荷的相关约束，综合任务相关属性，对任务集进行预规划处理，将所有任务拆分为多个预规划后的子任务集，在满足约束条件的前提下，充分减小模型规模，再利用改进禁忌搜索算法求解，提高了算法的收敛速度，可在限定的求解时间约束内，取得更好的结果，满足任务规划的实时性要求。

尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。

Claims (5)

1.一种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，其特征在于，包括：

步骤S100、解析上级下达的无人直升机协同作战的任务规划目标，调用无人直升机平台资源数据和无人直升机载荷资源数据，判断单个任务是否超出无人机平台约束及载荷资质约束，若超出，则上报错误信息，否则，进入下一步；

步骤S200、获取任务规划目标的任务数据，生成每个任务需要的无人直升机平台类型、载荷信息、执行任务时无人直升机的作业范围和关键航迹点信息，将协同任务拆分为同时间窗内的多个子任务，并依据规则生成各子任务对应的任务信息，得到无人直升机协同任务；

步骤S300、以每个子任务中的任务信息对应的载荷作用范围作为预规划条件，将多个子任务合并为一个任务集，完成无人直升机协同任务的预规划；

步骤S400、构建无人直升机协同任务规划模型，设置模型约束和目标函数，模型约束包括载荷资质约束、续航约束、任务时间窗约束、轨迹回路约束和任务执行效果约束；目标函数包括总飞行时长最短和完成任务的总价值最大；

步骤S500、采用改进的禁忌搜索算法求解无人直升机协同任务规划模型，输出符合模型约束和目标函数的多无人直升机任务方案。

2.根据权利要求1所述的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，其特征在于，所述步骤S300具体包括：

步骤S310、按照任务所需载荷类型分为超短波侦察载荷任务、电子侦察载荷任务、微波通信侦察载荷任务和可见光与红外成像载荷任务，再按照载荷类型的性能要求分类；

步骤S320、以每个子类中的任务信息及其相应的载荷作用范围作为预规划条件，利用预规划算法，将多个任务合并为一个任务集，具体包括：

步骤a、将任务以开始时间排序，形成任务集D；

步骤b、从任务集D中的第一个任务开始，搜索所有未搜索过的任务，将满足

的任务j划分到一个子集F，并把任务j标记为已搜索；其中任务

，

，N为任务集D的任务数量，任务j为任务i的后续任务，

表示前序任务i的工作时长，

表示任务i最早的开始时刻，

表示任务j最晚的开始时刻，

表示从前序任务i到任务j的飞行时长；

步骤c、判断当前子集F中的续航总里程是否超过平台续航约束，若是，则进入下一步，否则将步骤b中的任务j作为新一轮的搜索起点，重复步骤b；

步骤d、将当前子集F中的任务合并为一个任务，并以子集F中最早的任务开始时间作为合并任务的最早开始时间，以子集F中最晚的任务开始时间作为合并任务的最晚开始时间，总任务执行时间为：

，其中，

表示从任务i到下一个任务i+1的转移时间。

3.根据权利要求2所述的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，其特征在于，所述超短波侦察载荷任务的性能要求包括工作频段、带宽、跳频截获能力、信号分析能力、信号控守路数和战术数据链；所述电子侦察载荷任务的性能要求包括工作频段、带宽、塔康信号侦察能力和敌我识别能力；所述微波通信侦察载荷任务的性能要求包括工作频段、带宽、侦察灵敏度、信号调制和独立波束数；所述可见光与红外成像载荷任务的性能要求包括可见光作用距离和红外热像仪作用距离。

4.根据权利要求1所述的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，其特征在于，所述任务数据包括位置信息、任务时间窗、任务位置、任务类型、任务重要度、目标类型、目标位置和目标信号参数。

5.根据权利要求1所述的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，其特征在于，所述无人机平台约束包括最大上升高度约束、无地效悬停高度约束、最大速度约束、巡航速度约束、续航约束、载荷总重量约束、抗风能力约束、通讯半径约束、总功耗约束和总存储空间约束，所述载荷资质约束包括超短波侦察载荷约束、电子侦察载荷约束、微波通信侦察载荷约束和可见光与红外成像约束，其中超短波侦察载荷约束包括工作频段约束、带宽约束、侦察距离约束、方位约束、俯仰约束、跳频截获能力约束、信号分析能力约束、信号控守路数约束、战术数据链约束和定位模式约束；电子侦察载荷约束包括工作频段约束、带宽约束、侦察距离约束、方位约束、俯仰约束、塔康信号侦察能力约束、敌我识别能力约束和定位模式约束；微波通信侦察载荷约束包括工作频段约束、带宽约束、侦察距离约束、方位约束、俯仰约束、侦察灵敏度约束、信号调制约束和独立波束数约束；可见光与红外成像约束包括可见光作用距离约束、红外热像仪作用距离约束、方位约束和俯仰约束。

Images