[发明专利]一种多无人机分布式协同目标搜索方法

说明书

本发明公开了一种多无人机分布式协同目标搜索方法，属于自动控制技术领域，能够解决传统多无人机协同搜索方法效率较低的问题。所述方法包括：根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域；获取无人机对环境的不确定度地图和重要性地图；采用最小生成树策略优化多个无人机的通信拓扑；基于不确定度地图和重要性地图、以及优化后的多个无人机的通信拓扑，采用局部拍卖算法将多个子区域的搜索任务分配给多个无人机；基于搜索任务分配结果，采用滚动时域预测控制方法对多个无人机进行路径规划和轨迹生成，并更新无人机的运动状态，收集搜索信息，以及更新无人机对环境的认知地图。本发明用于多无人机的协同目标搜索。

技术领域

本发明涉及一种多无人机分布式协同目标搜索方法，属于自动控制技术领域。

背景技术

近年来，多无人机被广泛应用于野外搜救、环境监测等民用领域及协同侦察、协同攻击等军用领域。与单架无人机相比，多无人机集群能够完成复杂度高、需要高效率执行和并行完成的任务。采用多无人机可以提高任务完成的效率和成功率，例如由多架无人机从不同方位对目标进行拍摄，以获取更全面的目标信息，或者从不同角度对目标一同发起攻击以提高打击成功率。目标搜索和协同监测是多无人机系统的主要应用之一。通常来说，待搜索区域被划分为离散的搜索单元，并以与各单元相关联的不确定度和目标概率表示区域的搜索状态和目标的分布情况。多无人机协同搜索的目标是在最短时间内找到所有分散的目标并覆盖整个区域。

传统的多无人机协同搜索方法主要应用于目标分布先验信息完全未知的场景，主要的方法框架包括环境的表示与更新和无人机的路径优化。其中，常见的环境表示方法包括基于贝叶斯估计更新的概率图和不确定度图。在以上应用场景下，由于目标假设分布概率和目标数量是未知的，区域内所有位置的搜索重要性是相同的，在进行无人机的搜索任务的优化时，不需要考虑到全局的差异性，由局部最优规划得到的结果往往也是全局较优的。但在实际任务中，往往能够通过一定的模型推断出目标的分布概率，如事故中的人员搜救，航天返回舱搜寻等。依据目标的先验概率分布，区域内不同位置的搜索重要性有明显不同，无人机需要优先对重要区域进行搜索。当目标在区域内的分布概率存在差异时，由局部最优规划得到的结果全局优化性较差，因此传统的多无人机协同搜索方法效率较低。

发明内容

本发明提供了一种多无人机分布式协同目标搜索方法，能够解决传统的多无人机协同搜索方法效率较低的问题。

本发明提供了一种多无人机分布式协同目标搜索方法，所述方法包括：根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域；获取无人机对环境的认知地图；其中所述认知地图包括不确定度地图和重要性地图；采用最小生成树策略优化多个无人机的通信拓扑；基于所述不确定度地图和所述重要性地图、以及优化后的多个无人机的通信拓扑，采用局部拍卖算法将所述多个子区域的搜索任务分配给多个无人机；基于搜索任务分配结果，采用滚动时域预测控制方法对多个无人机进行路径规划和轨迹生成，并更新无人机的运动状态，收集搜索信息，以及更新无人机对环境的认知地图。

可选的，在所述根据目标先验分布概率，采用质心维诺划分方法将待搜索区域划分为多个子区域之前，所述方法还包括：