[发明专利]一种无人机通道巡检与精细化巡检的组合策略算法

权利要求书

1.一种关于无人机通道巡检与精细化巡检的组合策略算法，其特征在于，具体步骤如下：

步骤101、对于无人机目标分配问题要考虑到无人机任务之间的耦合性，求解无人机目标分配模型可以看作是求解组合优化问题；

步骤201、无人机目标分配问题建模：无人机目标分配任务作为前期全局性规划任务的主要功能是将总任务分解为若干单架无人机或者多架无人机完成的任务或者任务集合；针对任务或任务集合、任务实际要求和任务目的的侧重性，确定无人机所要执行的具体分配，并给出任务分配时间；

已知目标位置坐标和无人机出发节点求满足各个无人机任务代价最小的目标分配；已知执行任务的各个无人机各项性能特征相同；

设有M架无人机(V₁，V₀，……V_M)，N个目标(T₁，T₀，……T_M)，并且每架无人机携带种类不同的传感器等类别；则无人机静态分配模型如下：

U_i＝{U₁，U₂，...，U_M}，i∈1，2，...，M→T_j＝{T₁，T₂，...，T_j}，j∈1，2，...，N

无人机数量M和目标数量N分别产生如下三种情况：M＞N、M＝N和M＜N；

(1)当M＞N时，无人机数量多于目标数量，会存在目标分配重复的冲突，根据任务代价最小的情况下进行合理的多目标分配；

(2)当M＝N时，无人机数量和目标数量是相同的并且是一一对应的关系，在目标没有被遗漏的情况下，找出最佳的分配方案，并将任务总代价和总收益达到最佳状态；

(3)当M＜N时，无人机数量少于目标数量，根据无人机自身性能、任务约束和环境约束等信息，选择收益最多的分配方案，无需考虑目标之间是否存在冲突；

根据不同任务需求，相应的约束同样具有多样形式，主要包括：

同一目标上的任务只执行一次，满足约束条件为：

其中，其中i(i＝1，……，N+W)为任务起始节点，v为第v架无人机；为0-1决策变量，表示第v架无人机从i节点到j节点执行任务，即没有分配任务；

一架无人机至少分配到一个目标点一次，满足约束条件为：

根据实际情况的不同，目标函数侧重点不同；静态目标分配中期望完成全局所有任务的同时还要无人机保证在较短的时间内做出响应，无人机目标分配执行任务时间代价最小目标函数如下：

其中，j＝1，2，3……N，t_j为完成第j个目标的时间，C_i≥0为任务的加权系数，≥为完成所有任务的总时间；

多无人机总航程代价函数为：

其中表示路径长度，表示决策变量，取值0或1，它决定了无人机与目标之间的对应关系；

无人机执行前期全局目标分配需要合理的调配机群资源，要求最大化任务执行效益；本发明效益函数由成功执行任务效益决定：

式中，为决策变量，当无人机v从点i飞行到j点执行任务时否则＝0；为编号v的无人机从节点飞行到目标任务后的成功率，与任务间有无障碍物，执行任务相对距离有关；

综上所述，目标函数可描述如下：

maxJ＝max(μ₁J₃-μ₂J₂-μ₃J₁)

其中μ₁、μ₂、μ₃是代价权重因子，用于表述路径、时间和收益的侧重性；

步骤202、粒子群算法的改进：求解无人机单目标分配问题的本质是对组合优化问题的求解，一般来说，组合优化问题往往是不可微的、不连续的并要求遍历所有组合信息；

选择粒子群优化算法应用到无人机目标分配中，将粒子看作是决策结果可行解，通过并行方式高效搜索，其给出的方案解质量对初始种群的依赖性较小，从而为求解目标分配问题提供更可靠且有效的方式；

步骤203、基于改进算法的目标分配：无人机目标分配对时间有一定的要求，因此算法在求解分配问题时既要考虑算法的有效性还要考虑求解时间；改进后的算法在粒子群聚集搜索空间变小的时候增大粒子搜索范围，避免算法过早收敛；线性微分递减策略的引入在算法迭代的后期具有更快的收敛速度，高斯学习策略的引入增加了种群多样性，提高了收敛精度。