[发明专利]基于综合赋权的无人机任务规划方法、系统及存储介质

权利要求书

1.一种基于综合赋权的无人机任务规划方法，其特征在于，包括：

确定任务的出发站点和途径站点，获取各站点间的物理空间距离；

获取所述途径站点在任务执行时间段内的天气状态期望值；

将站点的天气状态期望值作为两个站点间物理空间距离的权重因子，计算得到两个站点间的路径代价，构建路径代价模型，所述路径长度模型中描述了任意两个站点间的路径代价；

根据所述路径代价模型，构建用于计算规划路径总代价的规划路径总代价模型；

对所述路径总代价模型进行求解，获取总路径代价最小的路径。

2.如权利要求1所述的一种基于综合赋权的无人机任务规划方法，其特征在于，获取所述途径站点在任务执行时间段内的天气状态期望值包括：

获取天气预报信息，将第t天的第i个站点的天气状态记为q_it，则第i个站点第t+1天的天气状态q_i,t表示为：

q_i,t+1＝q_i,t×p_i,[t,t+1]

其中，p_i,[t,t+1]表示第i个站点的天气情况，由第t天转移至第t+1天的天气状态转移概率，

对于第i个站点来说，未来n天内的天气情况的期望可表示为：

3.如权利要求2所述的一种基于综合赋权的无人机任务规划方法，其特征在于，所述天气转移概率包括：

将第t天到第t+1天好转好的概率记为p₁，好转坏的概率为p₂，坏转好的概率为p₃，坏转坏的概率为p₄，满足p₁+p₂＝1,p₃+p₄＝1，转移概率矩阵p_i,[t,t+1]表示为：

4.如权利要求1所述的一种基于综合赋权的无人机任务规划方法，其特征在于，所述将站点的天气状态期望值作为两个站点间物理空间距离的权重因子，是将该两个站点间到达站点的天气状态期望值作为该两个站点间物理空间距离的幂指数。

5.如权利要求4所述的一种基于综合赋权的无人机任务规划方法，其特征在于，将途径站点总数记为m，将出发站点记为c，所述路径代价模型记为G，表达形式为：

其中，T_u为预设的调整因子，0≤T_u≤1，g_ij代表站点i和站点j之间的物理空间距离，1≤i≤m，或i＝c，1≤j≤m，或j＝c，E_j是站点j的天气状态期望值。

6.如权利要求1所述的一种基于综合赋权的无人机任务规划方法，其特征在于，所述规划路径总代价是规划路径上每对相邻的站点间的路径代价之和。

7.如权利要求6所述的一种基于综合赋权的无人机任务规划方法，其特征在于，所述规划路径总代价的表达式为：

其中，规划路径中无人机访问站点的顺序记为Route＝{c,v₁,v₂,...,v_m,c}，v₁,v₂,...,v_m表示依次访问的途径站点，G[c,v₁]为从出发站点c前往第一个站点时v₁的路径代价，G[v_i,v_j]为站点v_i与站点v_j间的路径代价计算，1≤i≤m，1≤j≤m，G[v_m,c]为从站点v_m前往出发站点c的路径代价。