[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

说明书

本申请公开了一种基于综合赋权的无人机任务规划方法、系统及存储介质。该方法包括：确定任务规划的站点，获取各站点间的物理空间距离，获取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，路径长度模型中描述了任意两个站点间的路径代价，进而获取用于计算规划路径总代价的规划路径总代价模型，对路径总代价模型进行求解，获取总路径代价最小的路径。实现规避极端、恶劣天气对无人机任务规划的影响，提高了无人机路径规划的安全性、可实施性和适用性。

技术领域

本申请涉及无人机飞行任务规划技术领域，更具体地，涉及一种基于综合赋权的无人机任务规划方法、系统、设备及存储介质。

背景技术

无人机作为一种新型武器装备，具有快速部署、灵活轻便、移动组网等特点，受到了国内外研究人员的广泛关注。无人机任务规划是无人机高效执行任务的关键技术，是一类在离散状态下求解极值的组合优化问题。

在典型的无人机路径规划问题中，优化的目标是使得遍历所有站点后的总体路径最小，由于无人机运动速度一定，也就是使得总体运行时间最短。目前的算法主要分为两个阶段，在第一阶段中使用精确算法进行求解，时间复杂度非常高，在第二阶段中使用近似算法进行总体飞行路径最小值的求解。

但实际的总体飞行路径的影响因素较多，在较长飞行路径中，如跨城市执行任务时，恶劣、糟糕的天气会使得在任务执行过程中造成损毁等情况，无法继续执行国内任务，如何实现适用性更强，可实施性更强的无人机任务规划任是任然是迫切需要解决的问题。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于综合赋权的无人机任务规划方法方法，能够有效解决天气情况可知、可预报条件下的无人机任务规划问题。

为实现上述目的，按照本发明的第一个方面，提供了一种基于综合赋权的无人机任务规划方法，该方法包括：

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。

进一步地，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：

进一步地，获取天气转移概率包括：将第t天到第t+1天好转好的概率为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：