[發明專利]一種基于改進遺傳算法的多無人機大氣監測路徑規劃方法

有效

• 申請號: 202011597913.8
• 申請日: 2020-12-29
• 公開（公告）號: CN112580893B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 丁濤;張振明;劉振國;崔學林
• 申請（專利權）人: 眾芯漢創（北京）科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/12
• 代理公司: 深圳錦開創識知識產權代理事務所(普通合伙) 44911
• 代理人: 李瀟瀟

1.一種基于改進遺傳算法的多無人機大氣監測路徑規劃方法，其特征在于，包括以下步驟：

步驟1：獲取目標工業園區的環境信息，所述環境信息包括無人機出發基地和n個污染源位置的三維坐標信息、單架無人機續航時間、無人機飛行單位能耗、無人機懸停單位能耗、各污染源排放污染物類別和排放污染物數量、各污染源無人機停留時間、無人機數目M；

步驟2：根據工業園區的三維環境信息構建大氣污染源監測的路徑優化問題模型，設定模型的目標函數F，所述目標函數F為：

minF＝w₁·L/L_max+w₂·H/H_max+w₃·θ/θ_max (1)

其中，w₁，w₂和w₃為監測路徑總長度L、無人機飛行高度的穩定性H、無人機飛行路徑轉彎角θ的三個子目標的權重，w₁+w₂+w₃＝1；L_max、H_max和θ_max為預先設定的極大值，目的為去量綱化；

其中，L_k為第k個無人機的路線飛行總距離；m為無人機數量；n為園區內污染源數量；C_ij為無人機從污染源i到污染源j的飛行時間；為無人機在污染源j的監測停留時間；(x_i，y_i，z_i)為第i個污染源位置；(x_j，y_j，z_j)為第j個污染源位置；S為單架無人機單次最大飛行距離；λ為懲罰因子，當第k條路線長度L_k大于S時，說明這條路徑不是最優路徑，通過懲罰因子λ使該條路徑為劣解，從可行解當中剔除，v是無人機平均飛行速度；

其中，H_m為第m架無人機飛行高度的穩定度，h_q為第q個非高架或高架點源的高度，Q為第m架無人機飛行路徑上的點源數量；

其中，θ_m為第m架無人機的飛行路徑上轉彎角之和，w為轉彎角的數量，為飛行路徑上第a個轉彎角；

步驟3：根據工業園區的三維環境信息構建大氣污染源監測的路徑優化問題模型，構建模型的約束條件，所述約束條件為：

滿足遍歷工業園區內所有污染源監測點、無人機起飛基地和終點基地均為出發點的要求：

每個污染源僅停留一次：

單架無人機續航能力約束：

其他約束：

x_ijk∈{0，1}；1≤k≤m；1≤m≤M (13)

其中，M為預先給定的無人機數量；m為優化后的無人機數量；

步驟4：基于改進遺傳算法來對上述規劃模型進行求解，得到多個無人機最優的工業園區污染源監測路徑，其具體包括以下步驟：

S41：設置基于改進遺傳算法的參數，包括種群數量Pop，迭代次數G，無人機數量即染色體數量M，初始溫度T₀，終止溫度T_f，降溫系數T_k等；

S42：初始化種群，通過多染色體編碼方式進行編碼，每條染色體的基因編碼序列代表該無人機對工業園區中污染源的監測序列；

S43：根據所述步驟2中的目標函數F及步驟3中的約束條件計算算法適應度函數fit(F)；

S44：對種群染色體進行交叉、變異操作，產生新的個體，并計算其適應度函數fit(F′)；

其中，所述種群染色體交叉操作是指隨機選擇兩個個體相同數目的基因，按交叉概率PX，實行交換；

所述種群染色體變異操作是指通過輪盤賭注法，隨機選擇2變換法或者3變換法對單個染色體的基因序列進行交換；

S45：采用模擬退火思想判斷是否接受變異后的新個體；

其中，所述模擬退火思想判斷準則為：

令Δf＝fit(F′)一fit(F)，

若Δf＜0，則F＝F′，fit(F)＝fit(F′)；

若Δf＞0且c＝randon(0，1)＞P，則F＝F′，fit(F)＝fit(F′)；

否則F＝F，fit(F)＝fit(F)；

其中，F為父代基因序列，F′為子代基因序列，i為第i次迭代，T_i為經過i次迭代后的溫度；

S46：判斷是否滿足終止條件，若滿足，則記錄當前最優解，算法結束；否則，返回步驟S44；

S47：根據當前最優工業園區污染源監測路徑，設置各無人機航點及各點懸停時間，進行工業園區污染源監測任務。