一种基于智能机场的有能力约束无人机弧路径规划方法技术

本发明专利技术公开了一种基于智能机场的有能力约束无人机弧路径规划方法，该方法针对单次飞行有电量约束、可在智能机场自动更换电池场景下的无人机弧路径规划问题，利用整数线性规划和整数非线性规划求解满足任务路径全覆盖的最少总耗电路径。同时本发明专利技术还公开了一种针对上述整数线性规划和整数非线性规划模型的、结合遗传算法和分支剪界法的最优路径求解算法。合遗传算法和分支剪界法的最优路径求解算法。合遗传算法和分支剪界法的最优路径求解算法。

【技术实现步骤摘要】
一种基于智能机场的有能力约束无人机弧路径规划方法


[0001]本专利技术属于无人机
，具体是一种基于智能机场的有能力约束无人机弧路径规划方法。

技术介绍

[0002]在实际的生产和生活中，经常需要对特定的任务路径进行监测和管理，包括交通监测，基础设施如输电线路、管道或围栏检查，以及沿线性特征的监视，如海岸线或领土边界。传统使用人工进行管理的模式，不仅占用大量的人力资源、耗时耗力，且常出现监管死角和监管延迟的现象。使用搭载有各种智能设备的无人机以及具备无人值守化作业功能的智能机场，能实现灵活部署、无人值守、360 度无死角监控、远程操控、及时响应等目标。
[0003]目前，对无人机弧路径规划的研究还很欠缺。一方面，由于无人机既可以沿路径飞行，也可以在任意位置飞入和飞离路径进行直接飞行，因此传统的面向受限于地面基础设施的车辆弧路径模型和算法无法适用，另一方面，目前仅有的少数针对无人机的弧路径规划研究都假设无人机的飞行能力无限，而在无人机的实际作业中，电池电量是一个关键性的约束。

技术实现思路

[0004]本专利技术的目的是提供一种基于智能机场的有能力约束无人机弧路径规划方法，针对单次飞行有电量约束、可在智能机场自动更换电池场景下的无人机弧路径规划问题，求解在满足任务路径全覆盖下的最少总耗电路径。
[0005]为了达到上述目的，本专利技术所采取的技术方案为：
[0006]步骤(1)、任务路径离散化，与传统弧路径规划不同，无人机可在任务路径的任意位置飞入和飞离。根据任务路径的分布情况，通过限制无人机只能在有限位置飞入和飞离，将原问题离散化。包括以下过程：
[0007](1.1)、用图表征任务环境：
[0008]G＝(V,E
R
UE
NR
)
ꢀꢀꢀꢀꢀ
(1)，
[0009]式(1)中，G表示任务环境构成的图结构，V表示G的顶点集，E
R
表示G的任务边集，E
NR
表示G的非任务边集；
[0010](1.2)、计算任务路径中最远点离智能机场的欧式距离：
[0011][0012]式(2)中，d
max
表示任务路径中最远点离智能机场的欧式距离，(x0,y0)是智能机场的二维坐标，(x
max
,y
max
)是任务路径中最远点的二维坐标；
[0013](1.3)、计算任务路径中最近点离智能机场的欧式距离：
[0014][0015]式(3)中，d
min
表示任务路径中最近点离智能机场的欧式距离，(x0,y0)是智能机场
的二维坐标，(x
min
,y
min
)是任务路径中最近点的二维坐标；
[0016](1.4)、根据与智能机场的欧式距离，将整个任务路径平均分成K份：
[0017][0018]式(4)中，d
i
表示第i份的任务路径中任意点离智能机场的欧式距离，d
i,min
表示第i份的任务路径中最近点离智能机场的欧式距离，d
i,max
表示第i份的任务路径中最远点离智能机场的欧式距离；
[0019](1.5)、计算第i份任务路径中的最大带任务飞行长度：
[0020][0021]式(5)中，l
i
表示第i份任务路径中的最大带任务飞行长度，W表示无人机单次飞行的电量上限，ω1表示带任务飞行时的单位飞行长度耗电量，ω2表示不带任务飞行时的单位飞行长度耗电量；
[0022](1.6)、将第i份的任务路径分割成若干等份：
[0023][0024]式(6)中，n
i
表示第i份的连通任务路径S被分割的等份数，l
s
表示连通任务路径S的长度，表示向上取整运算；
[0025](1.7)、生成新的全连接图表征离散化后的任务环境：
[0026]G'＝(V',E'
R U E'
NR
) (7)，
[0027]式(7)中，G'是表征离散化后的任务环境所诱导出的全连接图，V'表示G'的顶点集，E'
R
表示G'的任务边集，E'
NR
表示G'的非任务边集。
[0028]步骤(2)、一种非必要非任务路径的删除方法，其特征在于：将G'中一些不会影响最优解的非任务路径删除，包括以下过程：
[0029](2.1)、删除连接同一连通任务路径中的两个顶点的非任务边，但连接两个奇数度顶点的边除外；
[0030](2.2)、删除与任务路径平行且具有相同飞行耗电量的非任务边；
[0031](2.3)、删除连接顶点i与顶点j的非任务边，若存在顶点k满足：
[0032]d
(i,j)
≈d
(i,k)
+d
(k,j)
ꢀꢀꢀ
(8)，
[0033]式(8)中，d
(k,j)
、d
(i,k)
和d
(k,j)
分别表示顶点i与顶点j、顶点i与顶点k和顶点k与顶点j间的欧式距离；
[0034](2.4)、用新的图结构表征删除非必要非任务路径后的任务环境：
[0035]G”＝(V”,E”R
U E”NR
) (9)，
[0036]式(9)中，G”是表征删除后的任务环境的图结构，V”表示G”的顶点集，E”R
表示G”的任务边集，E”NR
表示G”的非任务边集。
[0037]步骤(3)、一种最少总耗电路径求解方法，其特征在于：将任务路径全覆盖下的最少总耗电路径问题建模成整数线性规划和整数非线性规划模型，并利用遗传算法和分支剪界法进行求解，包括以下过程：
[0038](3.1)、将顶点集V”按照任务路径的连通性进行剖分：
[0039]V”＝V
1”U...U V”k
U...U V”p (10)，
[0040]式(10)中，V”k
表示第k个任务路径的连通子图的顶点集；
[0041](3.2)、定义决策变量为从顶点i到顶点j的飞行次数，并对其取值进行约束：
[0042][0043]式(11)中，x
ij
表示从顶点i到顶点j的飞行次数；
[0044](3.3)、对任务路径的飞行次数进行约束：
[0045][0046](3.4)、对起点和终点均为智能机场进行约束：
[0047][0048]式(13)中，i0为表征智能机场的顶点；
[0049](3.5)、对每个顶点的飞入和飞出次数进行约束：
[0050][0051]式(14)中，δ(i)表示所有和顶点i有边(包括任务边和非任务边)直接相连的顶点的集合；
[0052](3.6)、对整个飞行路径的连接性进行约束：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.任务路径离散化，与传统弧路径规划不同，无人机可在任务路径的任意位置飞入和飞离，根据任务路径的分布情况，通过限制无人机只能在有限位置飞入和飞离，将原问题离散化，包括以下过程：(1.1)、用图表征任务环境：G＝(V,E
R U E
NR
)
ꢀꢀꢀꢀꢀ
(1)，式(1)中，G表示任务环境构成的图结构，V表示G的顶点集，E
R
表示G的任务边集，E
NR
表示G的非任务边集；(1.2)、计算任务路径中最远点离智能机场的欧式距离：式(2)中，d
max
表示任务路径中最远点离智能机场的欧式距离，(x0,y0)是智能机场的二维坐标，(x
max
,y
max
)是任务路径中最远点的二维坐标；(1.3)、计算任务路径中最近点离智能机场的欧式距离：式(3)中，d
min
表示任务路径中最近点离智能机场的欧式距离，(x0,y0)是智能机场的二维坐标，(x
min
,y
min
)是任务路径中最近点的二维坐标；(1.4)、根据与智能机场的欧式距离，将整个任务路径平均分成K份：式(4)中，d
i
表示第i份的任务路径中任意点离智能机场的欧式距离，d
i,min
表示第i份的任务路径中最近点离智能机场的欧式距离，d
i,max
表示第i份的任务路径中最远点离智能机场的欧式距离；(1.5)、计算第i份任务路径中的最大带任务飞行长度：式(5)中，l
i
表示第i份任务路径中的最大带任务飞行长度，W表示无人机单次飞行的电量上限，ω1表示带任务飞行时的单位飞行长度耗电量，ω2表示不带任务飞行时的单位飞行长度耗电量；(1.6)、将第i份的任务路径分割成若干等份：式(6)中，n
i
表示第i份的连通任务路径S被分割的等份数，l
s
表示连通任务路径S的长度，表示向上取整运算；(1.7)、生成新的全连接图表征离散化后的任务环境：G'＝(V',E'
R U E'
NR
)
ꢀꢀꢀꢀꢀꢀ
(7)，式(7)中，G'是表征离散化后的任务环境所诱导出的全连接图，V'表示G'的顶点集，E'
R
表示G'的任务边集，E'
NR
表示G'的非任务边集。2.一种基于权利要求1所述的任务路径离散化方法的非必要非任务路径的删除方法，其特征在于：将G'中一些不会影响最优解的非任务路径删除，包括以下过程：
(2.1)、删除连接同一连通任务路径中的两个顶点的非任务边，但连接两个奇数度顶点的边除外；(2.2)、删除与任务路径平行且具有相同飞行耗电量的非任务边；(2.3)、删除连接顶点i与顶点j的非任务边，若存在顶点k满足：d
(i,j)
≈d
(i,k)
+d
(k,j)
ꢀꢀꢀꢀꢀ
(8)，式(8)中，d
(k,j)
、d
(i,k)
和d
(k,j)
分别表示顶点i与顶点j、顶点i与顶点k和顶点k与顶点j间的欧式距离；(2.4)、用新的图结构表征删除非必要非任务路径后的任务环境：G
″
＝(V
″
,E
″
R
UE
″
NR
)
ꢀꢀꢀꢀꢀꢀ
(9)，式(9)中，G
″
是表征删除后的任务环境的图结构，V
″
表示G
″
的顶点集，E
″
R
表示G
″
的任务边集，E
″
NR
表示G
″
的非任务边集。3.一种基于权利要求2所述的非必要非任务路径删除方法的最少总耗电路径求解方法，其特征在于：将任务路径全覆盖下的最少总耗电路径问题建模成整数线性规划和整数非线性规划模型，并利用遗传算法和分支剪界法进行求解，包括以下过程：(3.1)、将顶点集V
″
按照任务路径的连通性进行剖分：V
″
＝V
″1U...U V
″
k

【专利技术属性】
技术研发人员：张裕汉，金鑫，万施霖，
申请(专利权)人：广东翼景信息科技有限公司，
类型：发明
国别省市：