[發明專利]基于無監督學習離散鴿群優化多無人機偵察任務分配方法

在審

• 申請號: 202210353215.6
• 申請日: 2022-04-06
• 公開（公告）號: CN114897215A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 段海濱;龍泓;鄧亦敏;魏晨;吳江;周銳
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/00;G06K9/62
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

本發明公開一種基于無監督學習離散鴿群優化多無人機偵察任務分配方法：步驟一：建立無人機群模型U_total＝{U₁,U₂,...,U_Nv}；步驟二：基于Dubins曲線假設簡化無人機模型；步驟三：建立偵察目標和無人機傳感器模型；步驟四：將偵察目標的數據樣本T通過余弦相似度聚類進行柔性分組；步驟五：基于全局編碼交叉與變異的離散鴿群算法設計；步驟六：多無人機Dubins模型利用離散鴿群算法優化適應度函數；步驟七：輸出無監督學習離散鴿群優化多無人機偵察任務分配結果圖。本發明可降低航跡重合度，減少計算時間和可調變量數目，提高魯棒性；支持任務預分配和重分配，具有一定的環境適應性；具有柔性分區的特點，使無人機群對目標進行偵察任務分配的時，能夠提升執行效率。

技術領域

本發明是一種基于無監督學習離散鴿群優化多無人機偵察任務分配方法，屬于無人機自主控制領域。

背景技術

隨著無人機技術的迅猛發展，以及無人機工作環境越來越復雜，無人機正在軍事和民用上扮演著越來越重要的角色，像智能搜索、區域監測、環境檢測和營救任務。然而，受限于它自身的大小和能力，單獨的無人機很難完成一些復雜的任務。因此多無人機協同合作完成任務已經成為當下的熱點，為了去實現協同合作，任務分配是在實施任務時能夠采取最好的順序并且最大化無人機群體的效益的必要行為。

通常任務分配問題被當作是簡單的旅行商問題，該問題僅僅是找到多個目標之間的最短歐式距離，并沒有考慮到無人機自身的運動學約束和無人機攜帶傳感器的偵察范圍?？紤]無人機自身的運動學約束，引入了Dubins曲線模型到任務分配模型當中，Dubins曲線是滿足曲率約束和規定的始端和末端方向的條件下，連接兩個二維平面的最短路徑，其可以為無人機設計好具有最小轉彎半徑的偵察路徑。考慮無人機攜帶傳感器的偵察范圍，建立傳感器模型，只有當偵察目標在傳感器偵察范圍內，才可以視作偵察成功。

多無人機偵察任務分配的算法可以分為兩大類：分布式算法和集中式算法，對于目標比較多的情況，無人機集群規模比較大的分配任務，無人機通常采用貪婪策略或者局部信息的方法會發生任務分配航跡重合度較高，常常會面臨著信息一致性和任務一致性的挑戰。在引入Dubins模型的基礎之上考慮最小轉彎半徑和最大的航程限制，采用無監督學習的策略，提出柔性分組的思想。為了盡量減少航跡的重合度，采用基于余弦相似度的聚類方法，將無人機要偵察的目標進行分區，劃分為不同的組合。然后再對多無人機進行任務分配和路徑優化。

在任務分配問題中常用的方法有遺傳算法和粒子群算法等，但是在實現目標選擇的時候不夠智能，常常容易產生任務航跡的重疊，且計算時間長，需要調整的參數多，魯棒性低等缺點。

鴿群優化(Pigeon Inspired Optimization,PIO)算法是模擬鴿子歸巢行為設計的智能優化算法，通過地磁場信息、太陽高度信息和地標信息三個導引工具使得鴿子更易歸巢。其可以有效解決參數優化和數值設計等一系列問題，通常在函數極值問題等連續優化問題上具有一定的優勢。但是對于復雜的組合優化問題，其連續性限制了它的使用范圍。采用全局編碼交叉與變異的方法將指南針算子和地標算子離散化引入多無人機偵察任務分配的組合優化問題中。綜上所述，本發明提出了一種基于無監督學習離散鴿群優化多無人機偵察任務分配方法，其目的是為了在確定目標的方位和位置時，能夠對多無人機群進行任務分配，得到無人機偵察的最優覆蓋占位，從而在最大效費比(effect-cost)的情況下對目標進行偵察。

發明內容

1、發明目的：

本發明提供一種基于無監督學習的離散鴿群優化多無人機偵察任務分配方法，其目的是為了在確定目標的方位和位置時，能夠對多無人機群進行任務分配，得到無人機偵察的最優覆蓋占位，從而在最大效費比的情況下對目標進行偵察。

2、技術方案：

本發明針對多無人機偵察任務分配問題，提供一種基于無監督學習離散鴿群優化多無人機偵察任務分配方法，該方法具體步驟如下：