[發(fā)明專利]多無人機(jī)執(zhí)行多任務(wù)的分配方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201710389675.3
• 申請(qǐng)日: 2017-05-27
• 公開（公告）號(hào): CN107169608A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計(jì)）人: 羅賀;梁崢崢;胡笑旋;朱默寧;王國(guó)強(qiáng);馬華偉;靳鵬;夏維;牛艷秋;方向
• 申請(qǐng)（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/12
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司11002
• 代理人: 王瑩

本發(fā)明實(shí)施例公開了一種多無人機(jī)執(zhí)行多任務(wù)的分配方法及裝置。方法包括：獲取多個(gè)無人機(jī)和目標(biāo)點(diǎn)的位置信息，以及無人機(jī)和風(fēng)場(chǎng)的運(yùn)動(dòng)參數(shù)；根據(jù)位置信息和預(yù)設(shè)遺傳算法構(gòu)建初始種群，初始種群中的每個(gè)染色體均包括無人機(jī)數(shù)量的歐式飛行路徑；根據(jù)初始種群、運(yùn)動(dòng)參數(shù)確定無人機(jī)飛行狀態(tài)和完成歐式路徑航跡段的航行時(shí)間，根據(jù)航行時(shí)間和MUAV?VS?EVRP模型獲取各染色體對(duì)應(yīng)的所有無人機(jī)完成任務(wù)時(shí)間；基于遺傳算法，對(duì)種群中染色體進(jìn)行交叉、變異，在達(dá)到預(yù)定迭代次數(shù)后，選取無人機(jī)完成任務(wù)時(shí)間最短的染色體作為無人機(jī)的任務(wù)分配方案。本發(fā)明實(shí)施例將無人機(jī)航跡規(guī)劃問題與無人機(jī)實(shí)際飛行環(huán)境相結(jié)合，使規(guī)劃得到的最優(yōu)飛行路徑方案優(yōu)于無人機(jī)速度恒定的方案。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及無人機(jī)技術(shù)領(lǐng)域，具體涉及一種多無人機(jī)執(zhí)行多任務(wù)的分配方法及裝置。

背景技術(shù)

當(dāng)前，無人機(jī)UAV(Unmanned Aerial Vehicle)在軍民領(lǐng)域有著廣泛的應(yīng)用，可完成目標(biāo)偵察、目標(biāo)跟蹤、情報(bào)收集、震后救援和地質(zhì)勘探等多種類型任務(wù)。例如在多架UAV協(xié)同偵察目標(biāo)時(shí)，既要最合理地為每架UAV分配其所需偵察的目標(biāo)，還要為其規(guī)劃最優(yōu)的飛行航跡。該問題是一個(gè)受多因素約束的任務(wù)分配與航跡規(guī)劃聯(lián)合優(yōu)化問題，也是非確定性問題。

隨著UAV研究的深入，環(huán)境因素被逐漸納入問題的研究，特別是UAV任務(wù)分配、航跡規(guī)劃和飛行控制等問題中，在環(huán)境因素的影響下如何降低耗能、控制UAV的飛行狀態(tài)從而使UAV消耗最少的燃料執(zhí)行最多的任務(wù)、具備更好的任務(wù)執(zhí)行狀態(tài)和更高的安全性是當(dāng)前UAV研究的主要工作。當(dāng)前常用于解決UAV任務(wù)分配與任務(wù)規(guī)劃問題的模型有：TSP模型，TOP模型和VRP模型，其中，TSP模型是在只有單一旅行者的條件下，使得旅行者通過所有給定的目標(biāo)點(diǎn)之后，從而使其路徑成本最小的模型；TOP模型是在存在多個(gè)成員的條件下，使得每個(gè)成員盡可能訪問更多的目標(biāo)點(diǎn)，從而使得所有成員的總收益最大的模型；VRP模型是在車輛數(shù)量固定的條件下，使得車輛訪問一定數(shù)量目標(biāo)點(diǎn)，且在此過程中每個(gè)目標(biāo)點(diǎn)只能被訪問一次，最終使得UAV航行的總距離或總時(shí)間最短的模型。

在實(shí)現(xiàn)本發(fā)明實(shí)施例的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有的技術(shù)方案在實(shí)際操作中，一般是假設(shè)模型中在恒定時(shí)間內(nèi)無人機(jī)的速度是恒定的。然而這個(gè)假設(shè)顯然是不現(xiàn)實(shí)的，導(dǎo)致模型無法精確模擬出無人機(jī)的實(shí)際運(yùn)動(dòng)狀態(tài)，進(jìn)而無法進(jìn)行最優(yōu)的航跡規(guī)劃。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的一個(gè)目的是解決現(xiàn)有技術(shù)由于在進(jìn)行航跡規(guī)劃是設(shè)定無人機(jī)的速度是恒定的，導(dǎo)致模型無法精確模擬出無人機(jī)的實(shí)際運(yùn)動(dòng)狀態(tài)，進(jìn)而無法給出的最優(yōu)的航跡規(guī)劃。

本發(fā)明實(shí)施例提出了一種多無人機(jī)執(zhí)行多任務(wù)的分配方法，包括：

S1、獲取多個(gè)無人機(jī)和多個(gè)目標(biāo)點(diǎn)的位置信息，以及所述多個(gè)無人機(jī)和風(fēng)場(chǎng)的運(yùn)動(dòng)參數(shù)；

S2、根據(jù)所述多個(gè)無人機(jī)和所述多個(gè)目標(biāo)點(diǎn)的位置信息和預(yù)設(shè)遺傳算法，構(gòu)建初始種群，所述初始種群中的每個(gè)染色體均包括無人機(jī)數(shù)量的歐式飛行路徑且各條歐式飛行路徑均由不同無人機(jī)完成；

S3、根據(jù)所述初始種群、無人機(jī)和風(fēng)場(chǎng)的運(yùn)動(dòng)參數(shù)確定無人機(jī)飛行狀態(tài)和無人機(jī)完成歐式飛行路徑的航跡段的航行時(shí)間，根據(jù)所述航跡段的航行時(shí)間和MUAV-VS-EVRP模型獲取初始種群中染色體對(duì)應(yīng)的所有無人機(jī)完成任務(wù)時(shí)間；

S4、基于遺傳算法，對(duì)初始種群中染色體進(jìn)行交叉、變異處理，并在達(dá)到預(yù)定迭代次數(shù)后，選取所有無人機(jī)完成任務(wù)時(shí)間最短的染色體作為所述無人機(jī)的最優(yōu)任務(wù)分配方案。

可選的，根據(jù)所述多個(gè)無人機(jī)和所述多個(gè)目標(biāo)點(diǎn)的位置信息和預(yù)設(shè)遺傳算法，構(gòu)建初始種群包括：

根據(jù)預(yù)設(shè)遺傳算法的編碼方式進(jìn)行染色體編碼生成預(yù)定規(guī)模的初始種群；所述染色體由目標(biāo)點(diǎn)信息和無人機(jī)信息組成；其中所述目標(biāo)點(diǎn)屬于集合T₀表示UAVs的起點(diǎn)，N_T表示目標(biāo)點(diǎn)數(shù)量，無人機(jī)屬于集合N_U表示無人機(jī)數(shù)量；