CN114967764A - 多作业区域植保无人机航线规划与任务分配方法 - Google Patents
多作业区域植保无人机航线规划与任务分配方法 Download PDFInfo
- Publication number
- CN114967764A CN114967764A CN202210461590.2A CN202210461590A CN114967764A CN 114967764 A CN114967764 A CN 114967764A CN 202210461590 A CN202210461590 A CN 202210461590A CN 114967764 A CN114967764 A CN 114967764A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- subtask
- plant protection
- consumption
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 112
- 239000002245 particle Substances 0.000 claims abstract description 38
- 238000005265 energy consumption Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000000575 pesticide Substances 0.000 claims description 24
- 239000003814 drug Substances 0.000 claims description 19
- 229940079593 drug Drugs 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 9
- 238000005507 spraying Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 239000007921 spray Substances 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000007123 defense Effects 0.000 abstract description 5
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 13
- 238000010977 unit operation Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种多作业区域植保无人机航线规划与任务分配方法,其特征在于它包括以下步骤:S1、确定最佳航向角;S2、基于最佳航向角进行子任务划分;S3、使用粒子群方法对子任务分配进行优化,输出最终的子任务。本发明针对多作业区域多植保无人机的飞防队作业模式,提出综合考虑无人机植保作业、补给往返、补给过程的时间消耗的航线规划方法。以航线为基本单位,以植保无人机电池容量、最大载药量为约束进行子任务划分。在任务分配方面,以作业总时间最小为优化目标采用粒子群方法对任务进行分配。本发明方法在大面积作业区域和多台无人机的算例中优势最佳,在时间和能量消耗上具备优势。
Description
技术领域
本发明属于智慧种植领域,尤其是一种多作业区域植保无人机航线规划与任务分配方法。
背景技术
植保无人机低空施药是一项适应我国现代农业发展的新型施药技术。无人机植保作业具有高度可调,雾流上下穿透力强,作业效率高的优点。在实际生产作业中,植保无人机作业一般以飞防队为单位,飞防队的作业效率受到作业区域内航线规划与任务分配的影响。
植保无人机的航线规划是全覆盖路径规划问题,以牛耕往复法为基础,寻优目标有最小作业时间、最小能量消耗、最小转弯次数、最小多余覆盖等。目前研究较少综合考虑田块面积大小与无人机电池、最大载药量等因素间的关系,可能导致无人机田内作业时间短,但补给往返飞行时间长,补给次数多,从而降低整体作业效率。且经过实地调研发现,在实际作业生产中,电池损耗是飞防队作业损失的重要组成部分,减少电池充电次数可降低电池损耗。因此,减少植保无人机在单个作业区域内的时间消耗、降低电池消耗可提高飞防队作业效率,降低作业成本。
目前对植保任务分配的研究主要采用以下两个思路:(1)单位作业区域法:将每个作业区域作为1个子任务。(2)单位面积法:按照经验确定一个单位作业面积,将作业区域以单位作业面积为单位划分为1个或多个子任务。子任务的排序和分配可采用智能启发式算法。目前在子任务划分的研究中,缺乏考虑植保无人机的电池容量或最大载药量导致子任务划分不科学,缺乏对子任务的时间、能量消耗上的精确计算,因此,任务分配策略较难发挥植保无人机群的效率优势。
综上所述,目前针对植保无人机作业区域内航线规划的研究较少考虑返航时间和次数,实际作业中出现作业效率较低的问题。对植保任务分配研究方面缺乏子任务的精准划分和子任务时间、能量消耗计算,从而导致“单机高效,机群低效”。
发明内容
本发明针对背景技术中提出的问题,考虑植保作业、补给往返飞行、补给过程的时间消耗,对作业区域内的航线进行规划,借鉴植保任务划分方法,综合考虑无人机电池容量和载药能力,提出降低植保作业时间消耗和减少电池损失且适应多作业区域的航线规划与任务分配算法。
技术方案:
一种多作业区域植保无人机航线规划与任务分配方法,它包括以下步骤:
S1、确定最佳航向角;
S2、基于最佳航向角进行子任务划分;
S3、使用粒子群方法对子任务分配进行优化,输出最终的子任务。
优选的,S1中通过求解最优函数获取最佳航向角:
以作业时间为优化目标,最优函数:
min z=T
约束条件包括:
式中字母含义见下表:
优选的,求解最优函数,获得航向角数组,找到数组中所对应总作业时间最少的角度,作为航向角。
优选的,S2包括:
S2-1、从0-180度,以10为步长输入航线角,采用线扫法获取作业地块的航线条数、作业时间、能量消耗和返航次数。以返航次数最少、时间与能量消耗最小为目标确定航向角;
S2-2、基于无人机喷幅大小,获取航线条数;
S2-3、基于无人机电池消耗速度en_cons、农药消耗速度dr_cons,无人机的最大电池电量ET、最大载药量DT,求解无人机子任务、子任务能量与时间消耗,再求解子任务分配。
具体的,S2-1中,采用线扫法获取目标地块的航线。
具体的,S2-2中,采用线扫法获取目标地块的航线条数。
具体的,S2-3中,基于无人机电池消耗速度en_cons、农药消耗速度dr_cons,无人机的最大电池电量ET、最大载药量DT,求解无人机子任务、子任务能量与时间消耗,再求解子任务分配的具体步骤为:
S2-3-1、计算植保无人机从补给点起飞到航线起点的能量消耗Estart,无人机飞行长度Xstart;此时有能量消耗E=Estart,飞行路程长度X=Xstart;
S2-3-2、从第一条航线开始j=1,i=1,依次计算航线i的能量Ei和农药消耗Di和植保作业飞行长度Xi,E=E+Ei,Ei=dis(Xi)*en_cons;农药喷洒量D=D+Di,Di=dis(Xi)*dr_cons,X=X+Xi,j=j+1;式中,dis(Xi)表示航线i的长度;
S2-3-3、若E超过最大电池电量ET的80%或D大于无人机的最大载药量DT,则有E=E-Ei,D=D-Di,X=X-Xi;将航线i到航线j-1作为一个子任务;子任务的能量消耗E=E+dis(xj-1)*en_cons作为子任务的能量消耗,en_cons表示无人机电池消耗速度;D为子任务的农药喷洒量,时间消耗为T=(X+dis(xj-1))/dr_cons,dr_cons表示无人机植保作业时的农药消耗速;否则继续进行(2);式中,dis(xj-1)表示航线j-1到补给点的距离;
S2-3-4、i=j,j=j+1;循环此过程至所有的航线都被遍历,返回补给点。
具体的,S3中,使用粒子群方法对子任务分配进行优化的具体步骤为:
S3-1、初始化种群,随机初始化粒子的速度和位置,其中,c1,c2为学习因子;
S3-2、根据最优函数min z=Tt计算各个粒子的适应度,根据vi=vi+c1*rand(0,1)*(pbesti-xi)+c2*rand(0,1)*(gbesti-xi)进行粒子的速度寻优,式中:vi为粒子现在速度,xi为粒子现在位置,pbesti为单个粒子的最佳位置,gbesti为粒子群中最佳粒子位置;
S3-3、根据xi=xi+vi进行粒子的位置更新;
S3-4、反复迭代S3-2、S3-3,直到达到迭代次数或代数之间满足最小值结束循环。
本发明的有益效果
本发明针对多作业区域多植保无人机的飞防队作业模式,提出综合考虑无人机植保作业、补给往返、补给过程的时间消耗的航线规划方法。以航线为基本单位,以植保无人机电池容量、最大载药量为约束进行子任务划分。在任务分配方面,以作业总时间最小为优化目标采用粒子群方法对任务进行分配。
本发明方法在大面积作业区域和多台无人机的算例中优势最佳,在时间消耗上较单位作业区域法降低60.32%,较单位面积法降低5.06%,在能量消耗上较单位作业区域法降低32.42%,较单位面积法降低11.07%。本申请方法在时间和能量消耗上具备优势。
附图说明
图1为本发明的整体流程示意图
图2为考虑最小返航次数的作业区域间路径规划与任务划分流程图
图3为场景1基于本发明方法做出的飞行路径和返航点规划
图4为场景2基于本发明方法做出的飞行路径和返航点规划
具体实施方式
下面结合实施例对本发明作进一步说明,但本发明的保护范围不限于此:
结合图1,本发明提出的一种多作业区域植保无人机航线规划与任务分配方法包括以下步骤:
S1、确定最佳航向角;
S2、基于最佳航向角进行子任务划分;
S3、使用粒子群方法对子任务分配进行优化,输出最终的子任务。
1植保无人机任务分配模型
基于植保无人机任务分配模型获取S1中最佳航向角,所述模型基于以下条件进行设计:
1)无人机从补给点起飞,单次作业完成后返回补给点。
2)每架无人机型号相同,农药最大装载量、电池容量、电池消耗速度相同。
3)每个作业区域的位置与形状已知,假设田内不存在障碍物。
4)补给点位置固定不变。
5)所有作业区域块的作业优先级相同。
6)不考虑多个植保无人机补给过程中的协调等待时间。
1.1模型假设
假设作业任务T由N个作业区域块组成,以电池容量和载药量为约束,可被分为V个由单台飞机单次执行的子任务。整个飞防队有K架植保无人机,即最多有K架飞机参与植保作业。
1.2模型建立
min z=Tt (1)
植保无人机的能量消耗与飞行时间有正相关关系,且飞防队的作业时间是实际作业更重要的因素,因此,本发明选择作业时间为优化目标。式(1)中z表示优化目标。
Tt=∑i∈V(Xi+leni)/dti+C (2)
式(2)表示总作业时间包括植保作业时间、往返补给飞行时间、补给过程时间消耗,根据经验,C一般选择30s。
式(3)表示每个单位作业面积仅被访问1次。
式(4)表示无人机子任务作业能量消耗需满足无人机电池容量限制。
式(5)为无人机子任务农药消耗量满足无人机最大载药量限制。
式(1)-(5)的符号解释见表1:
表1相关符号及其含义
2多作业区域的植保无人机群航线规划与任务分配算法
适应多作业区域的植保无人机群航线与任务分配算法用于实现S2中子任务划分,主要包括以下3个部分:作业区域内的航线规划、考虑无人机电池容量与最大载药量的子任务划分方法、植保任务分配3个部分。
2.1基于补给消耗的作业区域航线规划与子任务划分方法
目前研究凸多边形地块的航向优化方法一般采用最小跨度法进行优化,这种方法适用于无人机单次可完成的作业区域航线规划,对面积较大的作业区域该方法可能存在田间转移时间长,从而导致作业时间变长的情况。
本发明以扫描线填充法为基础,遍历所有航向角下的航线,分别计算总作业时间、能量和农药消耗。为保障飞机能够顺利返航到补给点,植保作业中的能量消耗超过电池容量的80%需要返航。此时可能出现两种情况:
(1)存在某一个或某几个航向下,植保无人机单次即可完成植保作业任务。若只存在一个航向角,则该航向角为该作业区域的航线规划角度。若存在多个航线角,则选择田内作业时间与作业完成返航时间之和最短的航向角作为该作业区域的航线规划角度。
(2)任何角度下植保无人机都不能一次完成植保作业任务。此时需要综合考虑植保无人机的电池容量和最大载药量,寻找无人机返航点,本发明以单个航线为单位进行返航点寻找,每个子任务的起始点和返航点都在作业区域边缘。返航点的确定方法描述如下:
求解子任务分配的具体步骤为:
S2-3-1、计算植保无人机从补给点起飞到航线起点的能量消耗Estart,无人机飞行长度Xstart;此时有能量消耗E=Estart,飞行路程长度X=Xstart;
S2-3-2、从第一条航线开始j=1,i=1,依次计算航线i的能量Ei和农药消耗Di和植保作业飞行长度Xi,E=E+Ei,Ei=dis(Xi)*en_cons;农药喷洒量D=D+Di,Di=dis(Xi)*dr_cons,X=X+Xi,j=j+1;式中,dis(Xi)表示航线i的长度;
S2-3-3、若E超过最大电池电量ET的80%或D大于无人机的最大载药量DT,则有E=E-Ei,D=D-Di,X=X-Xi;将航线i到航线j-1作为一个子任务;子任务的能量消耗E=E+dis(xj-1)*en_cons作为子任务的能量消耗,en_cons表示无人机电池消耗速度;D为子任务的农药喷洒量,时间消耗为T=(X+dis(xj-1))/dr_cons,dr_cons表示无人机植保作业时的农药消耗速;否则继续进行(2);式中,dis(xj-1)表示航线j-1到补给点的距离;
S2-3-4、i=j,j=j+1;循环此过程至所有的航线都被遍历,返回补给点。
算法流程图如图2所示。用此方法可得到各个航向角下的植保无人机子任务起始点、子任务的能量、时间、农药消耗集合E、T和D。在所有航向角中选择时间消耗最小的航向角作为该地块的航线规划角度,进而采用扫描线填充法对作业区域的航线进行规划。
2.2基于改进粒子群优化的任务分割与分配方法
在计算出每个子任务的时间、能量和农药消耗后。由于所有地块的作业优先级相同,地块作业顺序按照就近原则进行排序。受到作业区域形状与植保无人机喷幅的共同影响,每个子任务的时间和能量消耗也不一定相同。因此,任务划分问题转化成了数组分割问题,即给定元素个数为m的数组,其中m为子任务数,将数组分割为n个子数组,n最大为飞防队无人机架数。数组内容为子任务时间消耗,每个子数组分别求和组成新数组sum,使max(sum)中最小的分割方法。
使用粒子群方法对子任务分配进行优化的具体步骤为:
S3-1、初始化种群,随机初始化粒子的速度和位置,其中,c1,c2为学习因子;
S3-2、根据最优函数min z=Tt计算各个粒子的适应度,根据vi=vi+c1*rand(0,1)*(pbesti-xi)+c2*rand(0,1)*(gbesti-xi)进行粒子的速度寻优,式中:vi为粒子现在速度,xi为粒子现在位置,pbesti为单个粒子的最佳位置,gbesti为粒子群中最佳粒子位置;
S3-3、根据xi=xi+vi进行粒子的位置更新;
S3-4、反复迭代S3-2、S3-3,直到达到迭代次数或代数之间满足最小值结束循环。
3仿真分析
3.1无人机与地形参数描述
本发明参考了南京艾津植保飞防队的作业模式,队内采用的植保无人机续航时间为20min,当电池电量小于20%的时候无人机返航至固定补给点。无人机作业与补给飞行速度都为4m/s,作业幅宽为2m。无人机最大载药量为10L,无人机喷药量为1L/亩。无人机在补给点更换电池、补充药液的时间为30秒。根据飞行队作业经验,在作业区域形状规则且长宽比较大的情况下,植保无人机单次飞行作业面积约为10亩。
本发明的作业田块为模拟田块,田块的面积大小以及田块形状对植保无人机群的作业效率影响较大,因此田块面积参照高标准农田建设通则对格田和条田的规定,确定小面积作业区域在1亩左右,大面积作业区域在15~100亩左右。将作业区域抽象为二维平面,已知作业区域的顶点坐标,假设补给点的位置坐标为[0,0]。其中作业区域面积较大的3个作业区域作为场景1,其顶点坐标分别为([0,0],[100,0],[200,100],[0,200])的不规则图形及([0,220],[180,220],[180,500],[75,520],[0,300])的梯形作业区域和[200,220],[400,220],[400,320],[200,320]的矩形作业区域。面积较小的4个作业区域作为场景2,其顶点坐标分别为([0,0],[50,0],[60,60],[10,60])的平行四边形,([100,0],[180,0],[150,60])的三角形作业区域和([30,100],[50,100],[100,100],[90,140],[40,140])的梯形作业区域和([120,100],[170,100],[160,140],[110,140])的平行四边形作业区域。场景1和场景2的作业区域形状分别如图3和图4所示(注:航线上原点为无人飞返航点,两个返航点之间为无人机的1个子任务),其中,1表示单位地块法,b单位面积法,c表示本发明方法。
3.2植保无人机群航线规划与任务分配
在无人机作业区域航线规划方面,分别使用本发明方法与最短作业时间法对场景1和场景2中的作业区域进行航线规划,假设每个作业区域由单台无人机作业,表2统计了基于本发明方法与田内作业时间最短法规划的航线在各个地块中的植保作业时间、返航时间、补给时间之和的总时间消耗差异。
表2本发明方法与时间最小方法规划的航向角度
以本发明路径规划方法为基础,对本发明提出的任务分配方法与两种传统方法进行对比:(1)单位作业区域分配法:每个作业区域由单架无人机负责作业,(2)单位面积作业分配方法:每架无人机负责面积大小为7,000m2作业区域的植保任务。两者都在植保无人机电池电量小于20%,或者携带药液消耗完,无人机返回补给点。
分别采用不同架次的植保无人机飞防队对本发明方法与传统方法进行讨论。飞防队的硬件配置如下:
(1)假设飞防队中共有6台无人机,2台补给车,每台补给车可服务3台无人机,使用本发明方法与传统方法进行任务分配的时间和能量消耗如表3所示。
表3 3台无人机进行作业与任务分配的时间与能量消耗
(2)假设飞防队中有4台无人机,2台补给车,每台补给车可服务2台无人机,使用本发明方法进行任务分配的时间和能量消耗如表4所示。
表4 4台无人机进行作业与任务分配的时间与能量消耗
场景1中的作业区域块面积较大,单个作业区域面积在15~100亩左右,场景2中的作业区域面积较小,单个作业区域面积在1亩及左右,两种场景都将多种凸多边形形状的作业区域都纳入到场景中。从任务划分数来看,由于本发明方法在作业区域内路径规划中考虑了减少返回补给站次数,两种场景下多区域航线规划与任务分配法较两种传统方法都减少了任务划分次数,从而降低了单个田块的作业时间。
在子任务划分方面,本发明方法考虑了植保无人机的电池、最大载药量确定了植保无人机的返航点。使用本发明提出的子任务划分与任务分配方法,图3和图4分别在时间和能量消耗方面进行对比。由于本发明方法是结合作业区域形状和植保无人机的实际电池容量与最大载药量,避免了经验确定单位作业面积带来的多余返航。从图中可以看出,本发明方法在4、6台植保无人机、大面积、小面积作业区域内左右都有优势,且在作业区域面积大、无人机数量多的场景下更有优势。其中6台无人机进行场景1作业时,在时间消耗方面,单位作业区域法降低60.32%,本发明方法较单位面积法相较低6.31%。在能量消耗方面,本发明方法降低32.42%,本发明方法较单位面积法相较低11.83%。在小面积作业区域作业场景中,由于作业区域作业量有限,本发明方法与单位面积法的作业效率提升幅度有限。
3.3讨论
本发明讨论了以返航次数最少为基础的航线规划与子任务划分和分配问题。从航线规划角度方面,通过实地调研发现,无人机的电池充电次数是影响无人机使用寿命的重要因素,电池损耗也是飞防队作业代价的重要组成部分。本发明的无人机航线规划方面在以线扫法为基础,在减少返航次数的基础上,以作业和返航时间最少为优化方法。
在子任务分配方面,本发明讨论了飞防队作业场景下大小面积农田的飞防任务分配问题,本发明考虑田内路径规划与任务分配问题会降低飞防队的总体时间和能量消耗。本发明使用计算方式细化了任务分配方式,根据航线规划结果和植保无人机的续航和载药量,进行子任务划分,精确计算每个子任务的时间和能量消耗,使用启发式算法为飞防队中的每架飞机分配子任务,本发明方法较现有技术的子任务分配方法可得到获得更小的时间和能量消耗。
4结论
本发明针对多作业区域多植保无人机的飞防队作业模式,提出综合考虑无人机植保作业、补给往返、补给过程的时间消耗的航线规划方法。以航线为基本单位,以植保无人机电池容量、最大载药量为约束进行子任务划分。在任务分配方面,以作业总时间最小为优化目标采用粒子群方法对任务进行分配。
本发明方法在大面积作业区域和多台无人机的算例中优势最佳,在时间消耗上较单位作业区域法降低60.32%,较单位面积法降低5.06%,在能量消耗上较单位作业区域法降低32.42%,较单位面积法降低11.07%。本申请方法在时间和能量消耗上具备优势。
本发明中所描述的具体实施例仅仅是对本发明精神做举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (8)
1.一种多作业区域植保无人机航线规划与任务分配方法,其特征在于它包括以下步骤:
S1、确定最佳航向角;
S2、基于最佳航向角进行子任务划分;
S3、使用粒子群方法对子任务分配进行优化,输出最终的子任务。
3.根据权利要求2所述方法,其特征在于求解最优函数,获得航向角数组,找到数组中所对应总作业时间最少的角度,作为航向角。
4.根据权利要求1所述的方法,其特征在于S2包括:
S2-1、从0-180度,以10为步长输入航线角,采用线扫法获取作业地块的航线条数、作业时间、能量消耗和返航次数。以返航次数最少、时间与能量消耗最小为目标确定航向角;
S2-2、基于无人机喷幅大小,获取航线条数;
S2-3、基于无人机电池消耗速度en_cons、农药消耗速度dr_cons,无人机的最大电池电量ET、最大载药量DT,求解无人机子任务、子任务能量与时间消耗,再求解子任务分配。
5.根据权利要求4所述的方法,其特征在于S2-1中,采用线扫法获取目标地块的航线。
6.根据权利要求4所述的方法,其特征在于S2-2中,采用线扫法获取目标地块的航线条数。
7.根据权利要求4所述的方法,其特征在于S2-3中,基于无人机电池消耗速度en_cons、农药消耗速度dr_cons,无人机的最大电池电量ET、最大载药量DT,求解无人机子任务、子任务能量与时间消耗,再求解子任务分配的具体步骤为:
S2-3-1、计算植保无人机从补给点起飞到航线起点的能量消耗Estart,无人机飞行长度Xstart;此时有能量消耗E=Estart,飞行路程长度X=Xstart;
S2-3-2、从第一条航线开始j=1,i=1,依次计算航线i的能量Ei和农药消耗Di和植保作业飞行长度Xi,E=E+Ei,Ei=dis(Xi)*en_cons;农药喷洒量D=D+Di,Di=dis(Xi)*dr_cons,X=X+Xi,j=j+1;式中,dis(Xi)表示航线i的长度;
S2-3-3、若E超过最大电池电量ET的80%或D大于无人机的最大载药量DT,则有E=E-Ei,D=D-Di,X=X-Xi;将航线i到航线j-1作为一个子任务;子任务的能量消耗E=E+dis(xj-1)*en_cons作为子任务的能量消耗,en_cons表示无人机电池消耗速度;D为子任务的农药喷洒量,时间消耗为T=(X+dis(xj-1))/dr_cons,dr_cons表示无人机植保作业时的农药消耗速;否则继续进行(2);式中,dis(xj-1)表示航线j-1到补给点的距离;
S2-3-4、i=j,j=j+1;循环此过程至所有的航线都被遍历,返回补给点。
8.根据权利要求2所述的方法,其特征在于S3中,使用粒子群方法对子任务分配进行优化的具体步骤为:
S3-1、初始化种群,随机初始化粒子的速度和位置,其中,c1,c2为学习因子;
S3-2、根据最优函数min z=Tt计算各个粒子的适应度,根据vi=vi+c1*rand(0,1)*(pbesti-xi)+c2*rand(0,1)*(gbesti-xi)进行粒子的速度寻优,式中:vi为粒子现在速度,xi为粒子现在位置,pbesti为单个粒子的最佳位置,gbesti为粒子群中最佳粒子位置;
S3-3、根据xi=xi+vi进行粒子的位置更新;
S3-4、反复迭代S3-2、S3-3,直到达到迭代次数或代数之间满足最小值结束循环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210461590.2A CN114967764A (zh) | 2022-04-28 | 2022-04-28 | 多作业区域植保无人机航线规划与任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210461590.2A CN114967764A (zh) | 2022-04-28 | 2022-04-28 | 多作业区域植保无人机航线规划与任务分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114967764A true CN114967764A (zh) | 2022-08-30 |
Family
ID=82978556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210461590.2A Pending CN114967764A (zh) | 2022-04-28 | 2022-04-28 | 多作业区域植保无人机航线规划与任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114967764A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115454148A (zh) * | 2022-11-08 | 2022-12-09 | 四川腾盾科技有限公司 | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 |
-
2022
- 2022-04-28 CN CN202210461590.2A patent/CN114967764A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115454148A (zh) * | 2022-11-08 | 2022-12-09 | 四川腾盾科技有限公司 | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110608743B (zh) | 基于多种群混沌灰狼算法的多无人机协同航路规划方法 | |
CN109253729B (zh) | 一种无人机航线规划方法、装置及电子设备 | |
CN112016812B (zh) | 多无人机任务调度方法、系统及存储介质 | |
Huang et al. | Adaptive cylinder vector particle swarm optimization with differential evolution for UAV path planning | |
CN108983823B (zh) | 一种植保无人机集群协同控制方法 | |
CN107807665B (zh) | 无人机编队探测任务协同分配方法及装置 | |
CN110794862A (zh) | 一种植保固定翼无人航迹规划控制方法 | |
CN108196575A (zh) | 一种无人机任务分配及路线规划方法 | |
CN112766813A (zh) | 一种空天协同观测复杂任务调度方法及系统 | |
CN107179776B (zh) | 一种基于无人机的景观植物的播种方法 | |
CN112000131A (zh) | 基于人工势场法的无人机集群路径规划方法及系统 | |
CN104503464A (zh) | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 | |
CN110275546A (zh) | 一种无人机编队搜索与任务调度方法 | |
Zhong et al. | A task assignment algorithm for multiple aerial vehicles to attack targets with dynamic values | |
CN112925350A (zh) | 一种多无人机分布式协同目标搜索方法 | |
CN110275544A (zh) | 一种植保无人机航线规划方法 | |
CN107248033B (zh) | 一种空天地对地观测的区域任务分解方法 | |
CN114967764A (zh) | 多作业区域植保无人机航线规划与任务分配方法 | |
Huang et al. | A multi-robot coverage path planning algorithm for the environment with multiple land cover types | |
CN114740899B (zh) | 一种网格化空域分配与协同搜索规划方法 | |
CN110456820A (zh) | 基于超带宽无线定位的农药喷施系统及控制方法 | |
Deng et al. | Constrained heterogeneous vehicle path planning for large-area coverage | |
Gao et al. | Ant colony optimization for UAV-based intelligent pesticide irrigation system | |
CN115454148A (zh) | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 | |
CN109189092B (zh) | 一种针对二维区域覆盖任务的多机调度方法 |
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 |