[发明专利]一种通信链路受限下的多无人机自主协同搜索方法

说明书

本发明公开了一种通信链路受限下的多无人机自主协同搜索方法，该方法提出了在协同目标搜索的过程中，首先判断当前无人机编队的网络链路，建立局部通信网络，并在网络中共享彼此的位置及目标搜索信息；然后在每个局部通信网络中，建立一个多无人机协同搜索模型，该模型以通信代价和编队收益为优化函数，以运动速度、安全距离来建立约束条件；最后使用改进的麻雀搜索算法对模型求解，得到当前网络条件下的各无人机的最优搜索位置。该方法避免了多无人机之间的碰撞风险，其加入安全距离的约束，提高了搜索模型的可用性，采用新的麻雀方法对优化模型进行求解，避免陷入局部最优的问题，进一步增强了该模型在局部通信条件下协同搜索能力。

技术领域

本发明属于多无人机协同搜索技术领域，具体是涉及到一种通信链路受限下的多无人机自主协同搜索方法。

背景技术

基于无人机的目标搜索是智能交通、公共安全等应用场景中的重要问题之一，然而，单无人机由于视野范围、探测精度等因素的限制，在执行复杂任务时不具备应对突发事件的能力。相比较而言，采用多架无人机协同的方式能够提升复杂坏境下任务执行的适应能力，也是目前目标搜索研究中的主要内容。此外，考虑到多无人机的高动态性，在目标搜索过程中通常采用集中式和分布式两种模式控制无人机编队。传统的集中式在理论上可以得到全局最优解，但由于缺乏一定的灵活性和自主性，当面临关键节点损失时易造成整个系统无法正常工作。对于分布式控制模式而言，无人机之间可以智能地相互协同，通过信息交互感知彼此状态，增强系统的鲁棒性。因此，基于分布式的多无人机协同目标搜索近些年受到了广泛的关注。

多无人机协同目标搜索的关键取决于对搜索环境的感知以及搜索决策的制定。一般来说，无人机在执行搜索任务前需要了解搜索区域的地理信息和区域信息，因此为了使无人机制定合理的搜索决策，需要对搜索区域的环境信息进行描述和建模。在此基础上，考虑到多无人机协同搜索模型建立的复杂性和环境约束条件的多样性，为了更好地对建立的协同模型求解，采用基于预测模型控制的优化方法是一个有效的解决方案。然而，随着无人机数量的增多，模型的计算开销也随之增长，除此之外，为避免无人机在任务执行期间与障碍物和其他无人机发生碰撞，无人机编队需具备两项能力：障碍感知能力和规避障碍决策能力，以增强多无人机目标搜索的协同性和稳定性。

基于多无人机协同编队的运动目标搜索现有的方法主要集中解决多无人机协同目标搜索中的环境信息感知、模型预测控制以及模型优化求解等问题。然而，对于不确定环境下的多无人机协同搜索，特别是当无人机受到通信距离以及通信干扰等限制时，彼此之间的实时通信共享会受到较大影响。

发明内容

本发明从局部网络下的协同编队的角度出发，提出一种通信链路受限下的多无人机自主协同搜索方法，旨在提升动态坏境下多无人机的自主协同能力，并提供更精准的目标搜索能力。具体包括：

一种通信链路受限下的多无人机自主协同搜索方法，在协同目标搜索的过程中，首先判断当前无人机编队的网络链路，建立局部通信网络，并在该网络中共享彼此的位置及目标搜索信息；然后，在每个局部通信网络中，建立一个面向网络动态变化和运动目标轨迹未知的多无人机协同搜索模型(Multi-UAV Cooperative Search Method,MCSM)，该模型以通信代价和编队收益为优化函数，以运动速度、安全距离来建立约束条件；最后，使用改进的麻雀搜索算法对模型求解，得到当前网络条件下的各无人机的最优搜索位置。

无人机编队的各局部通信网络的拓扑矩阵为为求和操作，A为邻接矩阵，其表达式为：

A(G)＝(a_ij)_N×N,