多无人机与车辆协同巡检的路径优化方法和装置制造方法及图纸

本发明专利技术提供一种多无人机与车辆协同巡检的路径优化方法和装置，涉及任务分配领域。本发明专利技术通过获取需要巡检的目标点信息和巡检资源信息；基于所述需要巡检的目标点信息和巡检资源信息，以最短时间为目标构建开放式车机协同路径模型；通过设有双适应度函数的遗传算法对开放式车机协同路径模型进行求解，获取车辆与无人机协同访问的最优任务分配路径规划方案。本发明专利技术的遗传算法采用双适应度函数能够有效降低获得近似最优解的运算时间，获得问题的满意解，从而减少车辆与无人机协同完成任务的总时长。总时长。总时长。

【技术实现步骤摘要】
多无人机与车辆协同巡检的路径优化方法和装置


[0001]本专利技术涉及任务分配
，具体涉及一种多无人机与车辆协同巡检的路径优化方法和装置。

技术介绍

[0002]无人机具有良好的机动性能和较强的时效性，能够对较大的范围进行监测，目前，无人机已普遍在交通巡逻、应急处置、地质勘察和安全生产等众多领域使用，但由于无人机存在续航能力的限制，致使无人机飞行范围受到一定的限制，仅能执行有限的巡检任务。为了能完成时间紧、任务重、规模大的任务，往往需要投入大量的无人机完成指定任务，导致成本剧增。
[0003]在执行巡检任务中，将车辆与无人机组成联合体进行协同完成巡检任务，车辆和无人机可分别执行巡检任务，同时移动的车辆可以作为无人机的起降平台，每次车辆与无人机进行汇合更换无人机的电池，能够保证无人机每架次的飞行时长达到最大续航时长。能够在较短的时间内完成巡检任务，最大限度发挥车辆与无人机的最大工作效率。
[0004]然而，车机协同任务分配路径规划问题已被证明是NP
‑
hard问题，现有的方法很难在较短的时间内获取路径规划方案的最优解。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种多无人机与车辆协同巡检的路径优化方法和装置，解决了现有的方法在求解近似最优解的运算时间过长的技术问题。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]第一方面，本专利技术提供一种多无人机与车辆协同巡检的路径优化方法，所述方法包括：
[0010]S1、获取需要巡检的目标点信息和巡检资源信息；
[0011]S2、基于所述需要巡检的目标点信息和巡检资源信息，以最短时间为目标构建开放式车机协同路径模型；
[0012]S3、通过设有双适应度函数的遗传算法对开放式车机协同路径模型进行求解，获取车辆与无人机协同访问的最优任务分配路径规划方案。
[0013]优选的，所述开放式车机协同路径模型包括目标函数，如公式(1)所示：
[0014][0015]其中，h、i和o为节点编号，N为节点集合；k为车辆编号，K为车辆集合；d为无人机编号，D为无人机集合；为编号为k的车辆从节点h到节点i的行驶时长，为编号为d的无人机从节点h到节点i的飞行时长；为决策变量，编号为k的车辆从节点h到达节点h的路径，
为决策变量，编号d的无人机从节点h出发到达节点i并在节点o与编号d的车辆汇合的路径。
[0016]优选的，所述开放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：
[0017][0018][0019][0020][0021][0022][0023][0024]其中：
[0025]公式(4)表示每个节点仅被访问一次；
[0026]公式(5)表示每辆车从仓库出发；
[0027]公式(6)表示各节点进出平衡约束；
[0028]公式(7)表示车辆到达节点时间和节点开始服务时间的关系；
[0029]公式(8)表示每架无人机飞行时长不能超过无人机最大续航时长；
[0030]公式(9)～公式(10)表示决策变量取值约束；
[0031]d为无人机编号，D为无人机集合；h、i和o为节点编号，N为节点集合，T为巡检目标点集合；k为车辆编号，K为车辆集合；为决策变量，编号为k的车辆从节点h到达节点i的路径，为决策变量，编号d的无人机从节点h出发到达节点i并在节点o与编号d的车辆汇合的路径；为决策变量，编号为k的车辆从仓库0到达巡检目标点i的路径；为决策变量，编号为k的车辆从巡检目标点i到达仓库点的路径；为决策变量，编号为k的车辆从节点i到达节点j的路径；为编号为k的车辆从节点h到节点i的行驶时长；为编号为k的车辆到达节点i的到达时间，为编号为k的车辆到达节点h的到达时间；为编号为d的无人机从仓库0到巡检目标点l的飞行时长，为编号为d的无人机从巡检目标点l到巡检目标点m的飞行时长；为决策变量，编号d的无人机从仓库点0出发到达巡检目标点l并在节点o与编号d的车辆汇合的路径，为决策变量，编号d的无人机从巡检目标点l出发到达巡检目标点m并在节点o与编号d的车辆汇合的路径；Pd为编号d的无人机可执行巡检任务的最大飞行续航时长。
[0032]优选的，通过遗传算法对开放式车机协同路径模型进行求解，获取车辆与无人机协同访问的最优任务分配路径规划方案，包括：
[0033]S301、设定编码规则；
[0034]S302、根据所述编码规则生成初始任务分配路径规划方案集合；
[0035]S303、对初始任务分配路径规划方案集合采用遗传算法进行优化，获得车辆与无人机协同访问的最优任务分配路径规划方案。
[0036]优选的，所述根据所述编码规则生成初始任务分配路径规划方案集合包括：
[0037]S302a、车辆从仓库出发，为车辆分配巡检目标点，形成染色体的第一行；
[0038]S302b、无人机从仓库出发，为无人机分配巡检任务点，与车辆协同完成任务，形成染色体的第二行；
[0039]S302c、依据车辆与无人机的编号生成染色体的第三行，形成一辆车辆与无人机的任务分配路径规划方案；
[0040]S302d、依据车辆与无人机数量按照步骤S302a～S302c生成剩余车辆与无人机的任务分配路径规划方案，进行拼接形成一条完整的任务分配路径规划方案，该方案车辆与无人机协同以巡检最后一个巡检目标点为终止；
[0041]S302e、重复步骤S302a～S302d，得到初始任务分配路径规划方案集合。
[0042]优选的，所述双适应度函数包括：
[0043][0044][0045]其中：
[0046]公式(12)的fit1适应度值表示任务路径分配规划方案完成任务总时长，适应度值越小，表示任务分配方案越优，公式(13)的fit2适应度值表示任务路径分配规划方案的期望收益，适应度值越大，则表示方案有用信息越高，任务分配方案越优；
[0047]h和i为节点编号，r为巡检目标点，N为节点集合，T为巡检目标点集合；w
r
为巡检目标点r的权重，d为无人机编号，D为无人机集合；k为车辆编号，K为车辆集合；为决策变量，编号为k的车辆从节点h到达节点i的路径，为决策变量，编号d的无人机从巡检目标点r出发到达巡检目标点s并在节点o与编号d的车辆汇合的路径；e
d
为编号为d的无人机所携带传感器的探测误差。
[0048]优选的，所述对初始任务分配路径规划方案集合采用遗传算法进行优化，获得车辆与无人机协同访问的最优任务分配路径规划方案，包括：
[0049]S303a、设置遗传算法的执行参数和通过公式(12)计算任务分配路径规划方案的适应度值，所述执行参数包括最大迭代次数和交叉概率；
[0050]S303b、根据步骤S303a的计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机与车辆协同巡检的路径优化方法，其特征在于，所述方法包括：S1、获取需要巡检的目标点信息和巡检资源信息；S2、基于所述需要巡检的目标点信息和巡检资源信息，以最短时间为目标构建开放式车机协同路径模型；S3、通过设有双适应度函数的遗传算法对开放式车机协同路径模型进行求解，获取车辆与无人机协同访问的最优任务分配路径规划方案。2.如权利要求1所述的多无人机与车辆协同巡检的路径优化方法，其特征在于，所述开放式车机协同路径模型包括目标函数，如公式(1)所示：其中，h、i和o为节点编号，N为节点集合；k为车辆编号，K为车辆集合；d为无人机编号，D为无人机集合；为编号为k的车辆从节点h到节点i的行驶时长，为编号为d的无人机从节点h到节点i的飞行时长；为决策变量，编号为k的车辆从节点h到达节点h的路径，为决策变量，编号d的无人机从节点h出发到达节点i并在节点o与编号d的车辆汇合的路径。3.如权利要求1所述的多无人机与车辆协同巡检的路径优化方法，其特征在于，所述开放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：放式车机协同路径模型包括约束条件，采用公式(4)至(10)来表示：其中：公式(4)表示每个节点仅被访问一次；公式(5)表示每辆车从仓库出发；公式(6)表示各节点进出平衡约束；公式(7)表示车辆到达节点时间和节点开始服务时间的关系；公式(8)表示每架无人机飞行时长不能超过无人机最大续航时长；公式(9)～公式(10)表示决策变量取值约束；d为无人机编号，D为无人机集合；h、i和o为节点编号，N为节点集合，T为巡检目标点集合；k为车辆编号，K为车辆集合；为决策变量，编号为k的车辆从节点h到达节点i的路径，为决策变量，编号d的无人机从节点h出发到达节点i并在节点o与编号d的车辆汇合的路
径；为决策变量，编号为k的车辆从仓库0到达巡检目标点i的路径；为决策变量，编号为k的车辆从巡检目标点i到达仓库点的路径；为决策变量，编号为k的车辆从节点i到达节点j的路径；为编号为k的车辆从节点h到节点i的行驶时长；为编号为k的车辆到达节点i的到达时间，为编号为k的车辆到达节点h的到达时间；为编号为d的无人机从仓库0到巡检目标点l的飞行时长，为编号为d的无人机从巡检目标点l到巡检目标点m的飞行时长；为决策变量，编号d的无人机从仓库点0出发到达巡检目标点l并在节点o与编号d的车辆汇合的路径，为决策变量，编号d的无人机从巡检目标点l出发到达巡检目标点m并在节点o与编号d的车辆汇合的路径；P
d
为编号d的无人机可执行巡检任务的最大飞行续航时长。4.如权利要求1所述的多无人机与车辆协同巡检的路径优化方法，其特征在于，通过遗传算法对开放式车机协同路径模型进行求解，获取车辆与无人机协同访问的最优任务分配路径规划方案，包括：S301、设定编码规则；S302、根据所述编码规则生成初始任务分配路径规划方案集合；S303、对初始任务分配路径规划方案集合采用遗传算法进行优化，获得车辆与无人机协同访问的最优任务分配路径规划方案。5.如权利要求4所述的多无人机与车辆协同巡检的路径优化方法，其特征在于，所述根据所述编码规则生成初始任务分配路径规划方案集合包括：S302a、车辆从仓库出发，为车辆分配巡检目标点，形成染色体的第一行；S302b、无人机从仓库出发，为无人机分配巡检任务点，与车辆协同完成任务，形成染色体的第二行；S302c、依据车辆与无人机的编号生成染色体的第三行，形成一辆车辆与无人机的任务分配...

【专利技术属性】
技术研发人员：朱武，朱默宁，徐丽，罗贺，王国强，靳鹏，张歆悦，马滢滢，蒋儒浩，
申请(专利权)人：安徽有云智能科技有限公司，
类型：发明
国别省市：