一种多目标任务分配方法组成比例

本发明专利技术公开了一种目标任务分配方法，包括以下步骤：构建飞行路径地图；搜索飞行路径地图，获得最优搜索路径；构建分配模型，对任务目标进行分配。本发明专利技术公开的目标任务分配方法，考虑实际可行轨迹，分配结果更加合理，可实现无人机飞行过程中规避禁飞区，从而提高安全性。

【技术实现步骤摘要】
一种多目标任务分配方法
本专利技术涉及一种多目标任务分配方法，属于飞行器控制领域。
技术介绍
在执行复杂任务时，常常具有多个任务目标，需要多个无人机采用协同作业的形式相互配合完成任务。现有的多目标任务分配有多旅行商问题模型、混合整数线性规划模型、合同拍卖网模型等，其中，多旅行商问题是经典旅行商问题的拓展，在无人机任务分配上有广泛的应用；混合整数线性规划模型，混合整数线性规划是一种基于整数编码的混合遗传算法进行任务分配的方法，其能够与旅行商模型结合，解决动态多目标问题，实现线上动态任务分配与轨迹规划算法；拍卖网模型是由Bertsekas首先提出的拍卖算法，解决了单任务分配问题，利用合同网协议实现异构无人机实时任务分配。此外，现有技术中还有一种长机和僚机的协作分配任务目标的模式，通过利用僚机对威胁进行探测来降低长机的威胁，采用Voronoi图进行地图划分并以此为路径进行搜索。然而，以上的任务分配方法虽然能在一定程度上解决任务分配问题，但是均没有考虑到不同无人机实际的轨迹的路径的长度，使得无人机的实际的飞行路线与分配任务不符，导致任务分配结果不合理。并且，现有的多目标任务分配方法均未能考虑复杂环境导致产生的禁飞区域(例如火灾中火焰正上方等特殊地域)对无人机的影响，导致现有的多目标任务分配方法不能很好的应用在复杂环境中。由于上述原因，有必要研究一种能够面向复杂环境的多目标任务分配方法。
技术实现思路
为了克服上述问题，本专利技术人进行了锐意研究，提出了一种多目标任务分配方法，包括以下步骤：S1、构建飞行路径地图；S2、搜索飞行路径地图，获得最优搜索路径；S3、构建分配模型，对任务目标进行分配。在步骤S1中，所述飞行路径地图构建为Delaunay三角形网的形式，选取无人机、任务目标和禁飞区中心位置为三角形的顶点建立Delaunay三角形网，该Delaunay三角形网称之为搜索地图。在一个优选的实施方式中，取搜索地图中各三角形边线的中点为节点，将初始位置和距其最近的三角形中点相连作为初始搜索路径，将终止位置和距其最近的三个三角形中点相连作为终止搜索路径，建立飞行路径地图。在步骤S2中，搜索飞行路径地图，寻找地图中各无人机到达不同目标的最短路径作为最优搜索路径。进一步地，在步骤S2中，采用搜索模型寻找地图中最短路径，所述搜索模型可以表示为：f(n)＝g(n)+h(n)g(n)＝αdn,n+1其中，dn,n+1表示节点pn和节点n+1之间的距离，α表示威胁因子；g(n)为节点转移的代价函数，通过设定威胁因子α将dn,n+1进行归一化，使得g(n)满足g(n)∈[0,1]；h(n)表示启发式搜索函数；通过对搜索模型启发式搜索可获得一条路径，满足：∑f(n)→minimum该路径即为最优最优搜索路径。优选地，所述启发式搜索函数可以表示为：在步骤S2中，将相邻的节点划分成多分，N表示节点pn和节点pn+1之间的划分节点个数，j表示节点pn和节点pn+1之间不同的划分点，表示节点pn与节点pn+1之间的第j个点到禁飞区中心位置THk之间的距离，β表示长度因子。根据本专利技术，在步骤S3中，通过分配模型将不同的任务目标分配给不同的无人机，其中，不同的任务目标表示为TAj，不同的无人机表示为Ui，不同禁飞区中心位置表示为THk，所述分配模型的代价函数可以表示为：μforce[j1,...,jN]+μspread[j1,...,jN]其中，[j1,...,jN]表示无人机与任务目标的映射关系数组；表示无人机Ui到任务目标位置TAj的威胁代价；表示无人机Ui到任务目标位置TAj的长度代价；μforce[j1,...,jN]表示多无人机协同打击力度；μspread[j1,...,jN]表示无人机分布情况。在一个优选的实施方式中，多无人机协同打击力度可以描述为：其中，m(j)表示执行同一个任务目标j的无人机数量。在一个优选的实施方式中，所述无人机分布情况可以描述为：其中，num(TAj)表示被执行任务目标TAj的总个数。在一个优选的实施方式中，所述分配模型表示为：本专利技术所具有的有益效果包括：(1)根据本专利技术提供的多目标任务分配方法，针对复杂任务场景下的任务分配，基于Delaunay三角形网，保证了可行轨迹的安全性；(2)根据本专利技术提供的多目标任务分配方法，分配结果更加合理，并考虑了实际可行轨迹，有利于后续的轨迹优化任务；(3)根据本专利技术提供的多目标任务分配方法，可实现无人机飞行过程中规避禁飞区，从而提高安全性。附图说明图1示出根据本专利技术一种优选实施方式的多目标任务分配方法示意图；图2示出根据本专利技术一种优选实施方式的多目标任务分配方法中Delaunay三角形网示意图；图3示出根据本专利技术一种优选实施方式的多目标任务分配方法搜索地图示意图；图4示出根据本专利技术一种优选实施方式的多目标任务分配方法中飞行路径地图示意图；图5示出根据本专利技术一种优选实施方式的多目标任务分配方法中飞行路径地图示意图；图6示出根据本专利技术一种优选实施方式的多目标任务分配方法中安全系数示意图；图7示出根据本专利技术一种优选实施方式的多目标任务分配方法中安全系数示意图；图8示出根据本专利技术一种优选实施方式的多目标任务分配方法中最优搜索路径示意图；图9示出根据本专利技术实施例1中飞行路径地图；图10示出根据本专利技术实施例1中无人机的多目标分配及其飞行路径；图11示出根据本专利技术实施例1中不同终端接近角度的无人机飞行路径。具体实施方式下面通过附图和实施例对本专利技术进一步详细说明。通过这些说明，本专利技术的特点和优点将变得更为清楚明确。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。本专利技术提供的多目标任务分配方法，如图1所示，包括以下步骤：S1、构建飞行路径地图；S2、搜索飞行路径地图，获得最优搜索路径；S3、构建分配模型，对任务目标进行分配。在步骤S1中，所述飞行路径地图构建为Delaunay三角形网的形式。所述Delaunay三角形网是前苏联数学家Delaunay在1934年提出的一种三角化的标准，相比于其它的图形，Delaunay三角形网更有利于有限元的后续计算。在本专利技术中，选取所有无人机初始位置、所有任务目标位置和所有禁飞区中心位置为三角形的顶点，建立Delaunay三角形网，该Delaunay三角形网称之为搜索地图。其中，不同无人机初始位置表示为UA本文档来自技高网...

【技术保护点】
1.一种多目标任务分配方法，包括以下步骤：/nS1、构建飞行路径地图；/nS2、搜索飞行路径地图，获得最优搜索路径；/nS3、构建分配模型，对任务目标进行分配。/n

【技术特征摘要】
1.一种多目标任务分配方法，包括以下步骤：
S1、构建飞行路径地图；
S2、搜索飞行路径地图，获得最优搜索路径；
S3、构建分配模型，对任务目标进行分配。


2.根据权利要求1所述的多目标任务分配方法，其特征在于，
在步骤S1中，所述飞行路径地图构建为Delaunay三角形网的形式，选取无人机、任务目标和禁飞区中心位置为三角形的顶点建立Delaunay三角形网，该Delaunay三角形网称之为搜索地图。


3.根据权利要求2所述的多目标任务分配方法，其特征在于，
取搜索地图中各三角形边线的中点为节点，将初始位置和距其最近的三角形中点相连作为初始搜索路径，将终止位置和距其最近的三个三角形中点相连作为终止搜索路径，建立飞行路径地图。


4.根据权利要求1所述的多目标任务分配方法，其特征在于，
在步骤S2中，搜索飞行路径地图，寻找地图中各无人机到达不同目标的最短路径作为最优搜索路径。


5.根据权利要求4所述的多目标任务分配方法，其特征在于，
在步骤S2中，采用搜索模型寻找地图中最短路径，所述搜索模型可以表示为：
f(n)＝g(n)+h(n)
g(n)＝αdn,n+1
其中，dn,n+1表示节点pn和节点n+1之间的距离，α表示威胁因子；
g(n)为节点转移的代价函数，通过设定威胁因子α将dn,n+1进行归一化，使得g(n)满足g(n)∈[0,1]；
h(n)表示启发式搜索函数；
通过对搜索模型启发式搜索可获得一条路径，满足：
∑f(n)→minimum
该路径即为最优最优搜索路径。


6.根据权利要求5所述的多目标任务分配方...

【专利技术属性】
技术研发人员：林德福，张云飞，郑多，王江，宋韬，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11