一种多无人机监测滑坡易发区的路径规划方法及系统技术方案

本发明专利技术提供的一种多无人机监测滑坡易发区的路径规划方法及系统，包括以下步骤：步骤1，根据待测滑坡易发区的综合稳定性确定该待测滑坡易发区的类型，所述类型包括强制监测滑坡和非强制监测滑坡；步骤2，根据待测滑坡易发区的地理区域特征和无人机单次监测覆盖范围确定无人机监测不同待测滑坡易发区的服务时间；步骤3，构建用于规划待测滑坡易发区的多无人机监测路径的混合整数线性规划模型；步骤4，利用嵌入神经网络大邻域搜索算法求解混合整数线性规划模型，得到待测滑坡易发区的多无人机监测路径；本发明专利技术通过采取动态管理、综合评估、科学防治措施，可避免滑坡易发区的发生或降低其发生几率，使受威胁的财产得到有效保护或减轻可能造成的经济损失。或减轻可能造成的经济损失。

【技术实现步骤摘要】
一种多无人机监测滑坡易发区的路径规划方法及系统


[0001]本专利技术属于无人机路径规划领域，具体涉及一种嵌入神经网络的大邻域搜索算法的多无人机路径规划方法及系统。

技术介绍

[0002]通常由地震或强降雨引发的滑坡灾害会造成财产损失和人员伤亡，目前，应对滑坡灾害的基本策略是监测滑坡易发区收集信息以预防滑坡灾害，在传统的实践中，常用的滑坡易发区监测方法是现场调查员和部署无线传感器网络，然而，滑坡易发区通常分散在恶劣的环境中，使得工作人员很难进入这些区域；同时，由于需要部署大量的传感器来覆盖所有滑坡易发区，导致高昂的硬件成本。
[0003]近年来，民用无人机技术在低成本和高性能方面发展迅速，新型遥感器在有效性和小型化方面不断改进，无人机可以访问恶劣环境中的危险现场，以减少现场调查人员的工时和风险。在滑坡易发区监测的任务中，无人机自动沿着预定的路径进行信息采集，为了提高监测的效率，需要预先规划出无人机最有效的路径；此外，由于滑坡易发区的稳定性不同，表现出不同的应急水平，如果没有足够的无人机覆盖所有的滑坡易发区，管理人员更希望监测具有更高应急水平的滑坡易发区以获得更有价值的信息，具体来说，需要优先强制监测应急水平高的滑坡易发区；同时，无人机在可用电池容量限制下将收集尽可能多的信息，以分析更多滑坡易发区的发展趋势。
[0004]传统解决无人机路径规划的方法包括精确算法和启发式算法，经典方法往往受手工策略的限制，设计成本高，需要大量的试错和领域知识，其中，精确算法在解决大规模现实生活中无人机路径规划很难在合理的计算时间内实现，为了改善求解规模和速度，启发式算法被广泛用于解决这些问题；尽管启发式算法不保证找到最优解，但能在合理的计算时间内获得尽可能接近最优解的解。
[0005]随着人工智能技术的最新进展，深度学习和强化学习的结合，已成为一种解决无人机路径规划问题的有效方法；大部分现有的深度学习和强化学习算法遵循端到端的方式，直接从零开始构建解决方案，并且已被证明在求解质量相当好的情况下非常快；然而，这些端到端方法在解决方案质量方面并不明显优于先进的启发式方法。
[0006]最近几年，将机器学习技术集成到启发式算法中的研究受到广大学者青睐，这种集成旨在引导启发式算法实现高效、有效且稳健的搜索，并在解决方案质量、收敛速度和鲁棒性方面做出贡献。

技术实现思路

[0007]本专利技术的目的在于提供一种多无人机监测滑坡易发区的路径规划方法及系统，解决了现有的无人机监测滑坡易发区的路径规划存在成本高、精确率较低的缺陷。
[0008]为了达到上述目的，本专利技术采用的技术方案是：
[0009]本专利技术提供的一种多无人机监测滑坡易发区的路径规划方法，包括以下步骤：
[0010]步骤1，根据待测滑坡易发区的综合稳定性确定该待测滑坡易发区的类型，所述类型包括强制监测滑坡和非强制监测滑坡；
[0011]步骤2，根据待测滑坡易发区的地理区域特征和无人机单次监测覆盖范围确定无人机监测不同待测滑坡易发区的服务时间；
[0012]步骤3，构建用于规划待测滑坡易发区的多无人机监测路径的混合整数线性规划模型，同时利用步骤1中得到的待测滑坡易发区类型和步骤2中得到的无人机监测不同待测滑坡易发区的服务时间设定该混合整数线性规划模型的约束条件；
[0013]步骤4，利用嵌入神经网络大邻域搜索算法求解混合整数线性规划模型，得到待测滑坡易发区的多无人机监测路径。
[0014]优选地，步骤1中，根据待测滑坡易发区的综合稳定性确定该待测滑坡易发区的类型，具体方法是
[0015]将综合稳定性为较差的待测滑坡易发区的类型确定为强制监测滑坡；
[0016]将综合稳定性为一般的待测滑坡易发区的类型确定为强制监测滑坡。
[0017]优选地，步骤2中，根据待测滑坡易发区的地理区域特征和无人机单次监测覆盖范围确定无人机监测不同待测滑坡易发区的服务时间，具体方法是：
[0018]定义待测滑坡易发区的为长方形以及无人机单次监测覆盖范围为正方形；
[0019]利用下式计算得到无人机监测不同待测滑坡易发区的服务时间：
[0020][0021]式中，和分别表示根据无人机单次监测覆盖范围将待测滑坡易发区进行分割的列数和行数；v表示无人机平均飞行速度。
[0022]优选地，步骤3中，构建用于规划待测滑坡易发区的多无人机监测路径的混合整数线性规划模型，具体方法是：
[0023]多无人机监测路径的混合整数线性规划模型为以最大化获取信息为目标的优化问题，所述优化问题的表达式是：
[0024][0025]式中，Ω(P)表示多无人机路径为P时获取的信息量；K表示一组同质无人机；N
l
表示某个区域所有滑坡易发区；y
ik
是二进制决策变量；ω
i
为信息量。
[0026]优选地，步骤3中，利用步骤1中得到的待测滑坡易发区类型和步骤2中得到的无人机监测不同待测滑坡易发区的服务时间设定该混合整数线性规划模型的约束条件，具体方法是：
[0027]所述约束条件包括确保所有无人机从仓库0出发，在续航时间的限制下回到同一仓库、确保在多无人机对滑坡易发区的监测任务中，无人机对强制滑坡中的所有目标进行一次访问、确保在多无人机对滑坡易发区的监测任务中，无人机对非强制监测滑坡中的每个目标最多进行一次访问、确保每个无人机路径的连通性、确保每个无人机飞行的累计时间不得超过其最大续航时间的限制、确保无人机路线不产生子环路以及限制决策变量的域。
[0028]优选地，步骤4中，利用嵌入神经网络大邻域搜索算法求解混合整数线性规划模
型，得到待测滑坡易发区的多无人机监测路径，具体方法是：
[0029]S41，基于贪心算法生成可行初始解；
[0030]S42，将得到的可行初始解作为预构建得到的分层递归图卷积神经网络的输入，得到破坏解；
[0031]S43，利用旅行时间成本最小原则对得到的破坏解进行修复，得到修复解，进而得到待测滑坡易发区的多无人机监测路径。
[0032]优选地，预构建得到的分层递归图卷积神经网络的具体方法是：
[0033]首先，构建分层递归图卷积神经网络，所述分层递归图卷积神经网络包括多层图卷积神经网络分层组合得到，其中，第一层图卷积神经网络分层包括滑坡易发区图卷积网络，所述滑坡易发区图卷积网络的输出端依次连接有两层路线图卷积网络，所述最后一层路线图卷积网络的输出端连接第二层图卷积神经网络分层；第二层图卷积神经网络分层包括滑坡易发区图卷积网络，所述滑坡易发区图卷积网络的输出端依次连接两层相反路线图卷积网络，所述最后一层相反路线图卷积网络连接第三层图卷积神经网络分层；所述第三层图卷积神经网络分层包括滑坡易发区图卷积网络；所述第三层图卷积神经网络分层的输出连接激活函数的输入端，所述激活函数的输入端还连接有门控循环单元；
[0034]其次，利用设置有Adam优化器的演员
‑...

【技术保护点】

【技术特征摘要】
1.一种多无人机监测滑坡易发区的路径规划方法，其特征在于，包括以下步骤：步骤1，根据待测滑坡易发区的综合稳定性确定该待测滑坡易发区的类型，所述类型包括强制监测滑坡和非强制监测滑坡；步骤2，根据待测滑坡易发区的地理区域特征和无人机单次监测覆盖范围确定无人机监测不同待测滑坡易发区的服务时间；步骤3，构建用于规划待测滑坡易发区的多无人机监测路径的混合整数线性规划模型，同时利用步骤1中得到的待测滑坡易发区类型和步骤2中得到的无人机监测不同待测滑坡易发区的服务时间设定该混合整数线性规划模型的约束条件；步骤4，利用嵌入神经网络大邻域搜索算法求解混合整数线性规划模型，得到待测滑坡易发区的多无人机监测路径。2.根据权利要求1所述的一种多无人机监测滑坡易发区的路径规划方法，其特征在于，步骤1中，根据待测滑坡易发区的综合稳定性确定该待测滑坡易发区的类型，具体方法是将综合稳定性为较差的待测滑坡易发区的类型确定为强制监测滑坡；将综合稳定性为一般的待测滑坡易发区的类型确定为强制监测滑坡。3.根据权利要求1所述的一种多无人机监测滑坡易发区的路径规划方法，其特征在于，步骤2中，根据待测滑坡易发区的地理区域特征和无人机单次监测覆盖范围确定无人机监测不同待测滑坡易发区的服务时间，具体方法是：定义待测滑坡易发区的为长方形以及无人机单次监测覆盖范围为正方形；利用下式计算得到无人机监测不同待测滑坡易发区的服务时间：式中，和分别表示根据无人机单次监测覆盖范围将待测滑坡易发区进行分割的列数和行数；v表示无人机平均飞行速度。4.根据权利要求1所述的一种多无人机监测滑坡易发区的路径规划方法，其特征在于，步骤3中，构建用于规划待测滑坡易发区的多无人机监测路径的混合整数线性规划模型，具体方法是：多无人机监测路径的混合整数线性规划模型为以最大化获取信息为目标的优化问题，所述优化问题的表达式是：式中，Ω(P)表示多无人机路径为P时获取的信息量；K表示一组同质无人机；N
l
表示某个区域所有滑坡易发区；y
ik
是二进制决策变量；ω
i
为信息量。5.根据权利要求1所述的一种多无人机监测滑坡易发区的路径规划方法，其特征在于，步骤3中，利用步骤1中得到的待测滑坡易发区类型和步骤2中得到的无人机监测不同待测滑坡易发区的服务时间设定该混合整数线性规划模型的约束条件，具体方法是：所述约束条件包括确保所有无人机从仓库0出发，在续航时间的限制下回到同一仓库、确保在多无人机对滑坡易发区的监测任务中，无人机对强制滑坡中的所有目标进行一次访问、确保...

【专利技术属性】
技术研发人员：房超，王伟，韩宗垒，王明策，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：