【技术实现步骤摘要】
基于动态目标搜索的空地协同任务分配方法及相关设备
[0001]本申请涉及协同搜索
，尤其涉及一种基于动态目标搜索的空地协同任务分配方法及相关设备。
技术介绍
[0002]随着机器学习和人工智能技术的不断进步,自主性和智能性已经成为无人系统研发的重要趋势,也是系统研究成果落地应用的重要指标。具有一定智能化水平的自主无人系统能够大力推进科技与经济的快速发展,进一步提高人类的生活质量。由于军事和民用领域的广泛应用前景,智能自主无人系统的研发受到世界各国的高度重视,特别是在军事领域中,无人系统被视为未来智能化战争的主力军。在不确定环境下将多种异构、离散的无人资源高效组织、协同规划构成一个有效的闭合环路,对于自主无人系统的构建至关重要,是推进无人系统自主能力发展的重要一环。因此,近年来基于多无人平台协同优化的任务分配、路径规划方法层出不穷,成为学者研究的热点问题之一。
[0003]现有的研究方法在跨域异构多平台组织协同方面均取得了较好的任务完成率。然而在现实城市环境中,仍然存在以下问题急需解决:(1)当目标位置动态变化,且运动状态、轨迹未知时,如何组织异构无人平台进行高效协同搜索,避免出现目标遗漏问题；(2)由于跨域无人平台的异构性，如何根据平台的特点设置最优的分配方式,在保证任务分配完成率的同时,提高平台之间的协同效率。
技术实现思路
[0004]有鉴于此，本申请的目的在于提出一种基于动态目标搜索的空地协同任务分配方法及相关设备。
[0005]基于上述目的，本申请提供了一种基于动态目标搜
【技术保护点】
【技术特征摘要】
1.一种基于动态目标搜索的空地协同任务分配方法，其特征在于，包括：对目标搜索区域进行预处理；基于整合优化模型，通过无人机和无人车对经过预处理的所述目标搜索区域内的运动目标进行搜索，以确定全部所述运动目标；获取全部所述运动目标的目标信息和动态打击任务；基于所述目标信息和所述动态打击任务的任务类型，通过协同优化模型确定参与所述动态打击任务的所述无人机和所述无人车，并基于A*算法确定参与所述打击任务的所述无人机和所述无人车的可行路径，以完成空地协同任务分配。2.根据权利要求1所述的方法，其特征在于，所述对目标搜索区域进行预处理，包括：对所述目标搜索区域进行栅格化处理，以得到所述目标搜索区域对应的栅格化地图，所述栅格化地图包括建筑物栅格、城建区域栅格和街道栅格。3.根据权利要求2所述的方法，其特征在于，所述基于整合优化模型，通过无人机和无人车对经过初始化的所述目标搜索区域内的运动目标进行搜索，包括：以最大化所述整合优化模型中的协同收益性能和区域覆盖率为优化指标，通过无人机和无人车对经过初始化的所述目标搜索区域内的所述运动目标进行搜索。4.根据权利要求3所述的方法，其特征在于，所述协同收益性能具体为其中，S
a
(k+q)和S
r
(k+q)分别表示第q个预测周期无人机或无人车在所述栅格化地图中的所处栅格的吸引信息素值和排斥信息素值，β和γ为常数系数，N表示预测周期总数，k表示第k个预测周期；所述区域覆盖率具体为其中，N
uav
表示无人机的总数量，R
uav
表示理想情况下无人机的区域覆盖面积，R
′
i
表示在当前预测周期下无人机i的实际区域覆盖面积，N
ugv
表示无人车的总数量，R
ugv
表示理想情况下无人车的区域覆盖面积，R
′
j
表示在当前预测周期下无人车j去除与无人机发生重复覆盖后的实际覆盖面积。5.根据权利要求2所述的方法，其特征在于，所述目标信息包括目标类型、目标位置、目标运动方向和载弹量需求。6.根据权利要求5所述的方法，其特征在于，所述任务类型包括搜索任务、监控任务和打击任务。7.根据权利要求6所述的方法，其特征在于，所述通过协同优化模型得到参与所述动态打击任务的所述无人机和所述无人车，包括：
基于所述协同优化模型的约束条件和通过最小化所述协同优化模型的目标函数，以确定参与所述动态打击任务的所述无人机和所述无人车。8.根据权利要求7所述的方法，其特征在于，所述目标函数为C＝α1C1+α2C2其中，α1和α2为权重系数，α1+α2＝1，C1表示无人机和无人车的能耗，C2表示无人机和无人车的最短任务完成时间。9.根据权利要求8所述的方法，其特征在于，其中，η
i
表示无人机i在单位飞行距离的能量消耗，η
j
表示无人车j在单位飞行距离的能力消耗，D
i
表示无人机i的行进距离，D
【专利技术属性】
技术研发人员：包卫东，费博雯，刘大千，朱晓敏，王吉，张亮，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。