[发明专利]一种多无人机多蚁群协同搜索目标方法

说明书

本发明公开了一种多无人机多蚁群协同搜索目标方法，包括如下步骤：S1:采用栅格法对搜索海域进行划分并标号，建立目标概率图模型；S2:建立目标函数，对无人机转向代价、无人机碰撞威胁代价、搜索概率进行加权求和；S3:采用多蚁群算法对多无人机进行协同路径优化设计，通过设置最大迭代次数N_max，执行S32和S33直到满足最大迭代次数则输出最佳搜索路径为止。本方法充分利用海域内目标存在的概率图特性来设计新的蚁群信息素、包括局部和全局初始化及更新规则，使得蚂蚁算法能够快速完成无人机轨迹规划，避免了重复搜索的问题，无人机搜索路径交叉、提高搜索效率。

技术领域

本发明涉及无人机搜索目标技术领域，尤其涉及一种多无人机多蚁群协同搜索目标方法。

背景技术

近年来，得益于传感器、微处理器、信息处理等技术的迅速发展，无人集群系统的功能快速增加，其应用范围也在不断扩大。无人机群因其灵活性、可扩展性和强大的协同作业能力，其协同理论与应用研究受到学术界、工业界和国防领域越来越多的关注。而多无人机协作搜索系统可以有效提高搜索效率，尤其是搜索海域存在不确定性、强干扰等复杂海况下存在着巨大优势，因此，多无人机协同海域搜索是无人集群系统研究的重要方向之一。

目前蚁群算法主要解决单架无人机存在威胁的条件下从起点寻找一条到终点威胁代价较小的路径，并不适用于海域搜索问题。首先单架无人机在搜索时间长，搜索效率低；其次在多无人机执行搜索任务时需要考虑无人机的飞行安全，但目前的研究以最大概率发现目标为目的，并没有考虑搜索过程中的航行代价、无人机会频繁的转向、无人机之间路径会有交叉重合的问题。

发明内容

根据现有技术存在的问题，本发明公开了一种多无人机多蚁群协同搜索目标方法，具体包括以下步骤：

S1:采用栅格法对搜索海域进行划分并标号，建立目标概率图模型；

S2:建立目标函数，对无人机转向代价、无人机碰撞威胁代价、搜索概率进行加权求和；

S3:采用多蚁群算法对多无人机进行协同路径优化设计：

S31：根据目标概率图模型初始化各蚁群信息素浓度，其中每个蚂蚁种群分别对应一架无人机，并为无人机构造搜索路径；

S32：根据路径启发信息、本种群信息素浓度和其他种群信息素浓度设计状态转移规则，其中每个种群的蚂蚁根据状态转移规则进行下一栅格的选择，当达到最大步长时保存搜索路径；

S33：当各种群的蚂蚁完成一次路径规划后保存搜索路径，根据目标函数值选出目标函数最大者对应的搜索路径，按照信息素更新规则更新信息素浓度信息；

S34：设置最大迭代次数N_max，执行S32和S33直到满足最大迭代次数则输出最佳搜索路径为止。

进一步的，其中无人机转向代价表示为：

表示第m无人机的第n_θ次转向时的转向角度的绝对值，C_θ为系数，N_θ为总的转向次数。

进一步的，其中无人机碰撞威胁代价表示为：

其中lapped为无人机m,v重复搜索栅格的数目，C_c为系数；

其中目标函数为：

K为系数，N表示搜索路径栅格数目，p_i为搜索概率，为无人机m的航行代价，主要考虑无人机的转向代价和无人机之间的避碰代价，计算如下：