CN111240211B - 一种无人机群动态回收方法 - Google Patents

Abstract

本发明公开了一种无人机群动态回收方法，属于无人机技术领域；具体为：在获取到无人机群所处环境信息的基础上，结合每个无人机自身接下来所要完成的任务数量、离回收点的距离、当前性能等不同因素，构造总代价函数，并通过改进的粒子群优化算法进行优化，在回收代价最低的前提下得到各无人机的优先级排序，对于排序后的无人机制定飞往回收点的路线，同时还需考虑无人机群在飞行过程中遇到障碍，进行冲突解脱，以及在撞线回收时可能失败，此时需要对盘旋等待的部分无人机进行重新排序，保障无人机群的飞行安全以及算法的鲁棒性。本发明算法复杂度低，计算精度高，可以有效解决复杂环境下的无人机群动态回收问题。

Description

一种无人机群动态回收方法

技术领域

本发明属于无人机技术领域，涉及一种无人机群动态回收方法。

背景技术

无人机具有低成本、低损耗和高生存率等诸多优点，目前已经应用在军事侦察、灾情监测、农药喷洒以及快递运输等诸多领域。随着飞行环境日益复杂和多变，单个无人机的执行能力越来越无法满足实际任务需求，多无人机集群编队共同完成任务成为未来无人机集群的主要模式。

无人机集群能够控制更大的范围，实现功能互补和任务分担等。因此无人机集群能够执行复杂任务，缩短执行任务的时间，提高出勤效率，对无人机编队协作完成给定任务具有重大意义。

无人机集群协同完成任务涉及集群控制技术、集群通信网络设计、任务规划技术以及集群发射与回收等多项关键技术。其中，集群发射与回收技术是集群执行任务的关键一步。提高集群无人机发射效率，意味着快速形成大数量、多波次的集群飞行。同时，集群回收技术作为无人机集群的简易后方支援，不仅可以提高集群获取信息的质量，还可以重复使用，大幅度降低集群成本。

传统的无人机回收技术包括降落伞回收技术、撞网回收技术、撞线回收技术和机械臂回收技术等，它们大多是针对单个无人机而言。而随着无人机向小型化和集群化方向发展，无人机集群执行任务的第一时间内会释放大量无人机，在空中快速组网建立集群，无人机集群动态回收将是集群无人机执行任务最简易的后勤支撑方案，如何对整个无人机集群进行动态回收是需要解决的问题。

发明内容

基于上述问题，本发明提供一种无人机群动态回收方法，通过对无人机群进行优先级排序，按顺序飞往回收点，保障了算法的鲁棒性，实现了无人机群的动态回收。

所述的无人机群动态回收方法，包括如下步骤：

步骤一、在复杂环境下，无人机群获取自身的性能信息和任务信息；

任务信息包括：每个无人机的当前所在位置，回收点位置，以及无人机探测半径范围内的障碍物坐标和其它无人机的坐标位置；

自身的性能包括：无人机在回收前的最大飞行时间、无人机下一步还需执行的任务数量以及自身是否受损。

步骤二、根据各无人机的性能信息和任务信息，建立无人机群动态回收的总代价函数F；

首先，针对某个无人机i，根据其回收顺序计算总代价函数f_i；

计算公式为：

f_i＝f_1i+f_2i+f_3i+f_4i+f_5i+f_6i

f_1i为根据回收后等待完成的任务数量Q_i产生的排序代价函数，具体公式如下：

其中O_i是所有无人机的一个排列，α₁表示待完成的任务数量Q_i对代价影响的强度参数；

f_2i为无人机i根据回收后等待完成任务的时间

产生的排序代价函数，具体公式如下：

α₂表示待完成的任务时间

对代价影响的强度参数。

f_3i为无人机i根据当前位置到回收点的距离L_i产生的排序代价函数，具体公式如下：

其中α₃表示距离L_i对代价影响的强度参数。

f_4i为无人机i根据飞行中可能遇到的障碍物数量C_i产生的排序代价函数，具体公式如下：

其中α₄表示障碍物数量C_i对代价影响的强度参数。

f_5i为无人机i根据当前所受到的损伤D_i产生的排序代价函数，具体公式如下：

其中α₅表示损伤D_i对代价影响的强度参数。

f_6i为无人机i根据剩余的飞行时间

产生的排序代价函数，具体公式如下：

其中α₆表示剩余飞行时间

对代价影响的强度参数。

然后，针对整个无人机群中的N个无人机，排序产生的总代价函数F为：

展开后进一步得到无人机群动态回收的代价函数：

N为所有无人机的数量。

步骤三、利用改进的粒子群优化算法优化总代价函数F，得到无人机群的最优回收排序；

粒子群优化算法的第s个粒子的第q个位置在(t+1)代的速度和位置更新公式如下：

v_sq(t+1)＝v_sq(t)+c₁×rand()×(pbest_sq(t)-x_sq(t))+c₂×rand()×(gbest_sq(t)-x_sq(t))

x_sq(t+1)＝x_sq(t)+v_sq(t+1)

其中s＝1,2,…,n,n为粒子的数量，每一个粒子都是一个(1,2,…,N)的排列，每个排序分别对应代价函数F的一个值。

v_sq(t)表示第s个粒子的第q个位置在第t代的速度，c₁和c₂是两个常数，rand()表示[0,1]内的均匀随机数，pbest_sq(t)表示所有粒子在第t代中的最优解的第q个位置，x_sq(t)表示第s个粒子的第q个位置在第t代的位置。gbest_sq(t)表示所有粒子在第t代排名前三的最优解，从最优解中随机选择一个解对应的第q个位置。

在第s个粒子的第q个位置通过公式更新后，将原位置与新位置进行置换，所有的初始粒子经过T代的迭代优化后，得到的最优解为无人机群动态回收的最优排序。

步骤四、按照优先级排序序列挨个回收各个无人机，判断无人机群在集群动态回收过程中是否遇到冲突，如果是，进行冲突解脱处理，并按顺序飞回，否则，直接按顺序飞回；

无人机i的冲突解脱计算公式为：

其中

为无人机i遇到冲突时在下一个时间步的飞行速度，w为优先方向的影响权重，

为无人机i优先飞行的方向向量。

为无人机i遇到冲突时下一个时间步的调整速度，计算公式为：

n_D为t时刻无人机探测半径R_D内的障碍物以及其它无人机的个数，

表示无人机i与障碍物以及其它无人机j在t时刻的相对位置。

步骤五、部分无人机到达特定回收区域后排队盘旋等待，判断是否存在撞线回收失败的无人机，如果是，对回收失败的部分无人机进行重新排序，否则，按照排序依次回收，直至回收完成。

重新排序的代价公式F_f如下：

O‘_i是N_f个盘旋等待的无人机的一个排列。

并重新用改进粒子群优化算法进行求解，得到的最优解为无人机群盘旋等待的最优排序。

本发明的优点在于：

1.本发明一种无人机群动态回收方法，能够实现无人机群在复杂环境下的高效地动态回收，进一步协同完成后续任务，为无人机群的动态回收问题提供了一个全新的解决方案。

2.本发明一种无人机群动态回收方法，从提高空中交通***安全性和高效性两方面出发，开展无人机群动态回收方法研究，确保无人机飞行安全，降低飞行成本，提高无人机群的使用效率。

3.本发明一种无人机群动态回收方法，能够处理大量无人机的动态回收问题，使得无人机在完成飞行任务后能够快速进行后续回收，完成下一阶段任务。算法复杂度低，计算精度高，可以有效解决复杂环境下的无人机群动态回收问题。

附图说明

图1为本发明一种无人机群动态回收方法的流程图；

图2为本发明无人机在回收过程中进行冲突解脱示意图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一步的详细和深入描述。

本发明一种无人机群动态回收方法，在获取到无人机群所处环境信息的基础上，结合每个无人机自身接下来所要完成的任务数量、无人机离回收点的距离、无人机的当前性能以及所处环境的不同等因素，对无人机群通过改进的粒子群优化算法进行优先级排序，使得总的无人机群回收代价最低，排序完成后，对于排序后的无人机制定飞往回收点的路线，同时还需考虑无人机群在飞行过程中，如果无人机群遇到障碍，需要进行冲突解脱，保障无人机群的飞行安全。最后以撞线回收为例，还需要考虑无人机在撞线回收时实际可能遇到的回收失败的情况，此时需要对盘旋等待的部分无人机进行重新排序，保障无人机群的飞行安全以及算法的鲁棒性。

如图1所示，所述的一种无人机群动态回收方法，包括如下步骤：

步骤一、无人机群获取环境信息以及自身的性能和任务信息；

在复杂的飞行环境下，无人机可能会面临多种静态或者动态威胁，比如树木、建筑物、机动车辆或其它无人机等，因此必须获取环境信息。

每个无人机获取飞行场景内的任务信息，包括：无人机的当前所在位置、无人机回收点位置、这是为了明确无人机群的飞行方向；还包括无人机探测半径范围内的障碍物坐标以及其它无人机的坐标位置等，这是为了使得无人机在飞行过程中能够避免障碍物；

无人机还需明确自身的性能及状态信息，比如无人机在回收前的最大飞行时间不能超过自身剩余的飞行时间、无人机下一步还需执行的任务数量、无人机的自身是否受损等。

步骤二、根据各无人机的性能信息和任务信息，建立无人机群动态回收的总代价函数F；

无人机集群动态回收过程中，必须综合考虑无人机数量的不同、任务的差异、飞行环境的差别以及无人机当前性能的好坏等因素，才能对无人机集群中的每个无人机动态回收过程进行优先级排序，进而按照优先级进行动态回收，优化指标就是优先级排序的结果。

本发明对单个无人机进行排序考虑的因素如下，这些因素均是与其排序相关的函数。

1.无人机的任务需求。

假设对无人机i而言，在回收后等待完成的任务数量为Q_i，等待完成任务的时间为

那么在Q_i和

越大的情况下，无人机i的回收排序越靠后，产生的排序代价越大，排序产生的代价与Q_i和

的大小呈正相关。

无人机i根据Q_i产生的排序代价，定义为f_1i，具体公式如下：

其中O_i(i＝1,2,…,N)是(1,2,…,N)的一个排列；α₁表示的是Q_i对代价影响的强度参数，之所以放在指数上，是因为考虑到无人机待完成的任务越多，除了完成任务的时间，还需考虑额外的回收和维护等时间消耗。

类似的，定义无人机i根据

产生的排序代价为f_2i，具体公式如下：

其中α₂表示的是

对代价影响的强度参数。

2.无人机的飞行环境。

假设对无人机i而言，无人机的当前位置到回收点的距离为L_i，飞往回收点的环境复杂度、主要考虑可能遇到的障碍物数量为C_i，与任务需求对代价的影响不同，在L_i和C_i越大的情况下，无人机i的回收排序越靠后，产生的排序代价越小，排序产生的代价与L_i和C_i的大小呈反相关。这是因为L_i和C_i越大，无人机需要更多的时间才能飞往回收点，如果排序太靠前的话，自身不能飞到回收点，反而会影响无人机群中的其它无人机回收，增加总体代价。

把无人机i根据L_i产生的排序代价，定义为f_3i，具体公式如下：

其中α₃表示的是L_i对代价影响的强度参数。

类似的，定义无人机i根据C_i产生的排序代价为f_4i，具体公式如下：

其中α₄表示的是C_i对代价影响的强度参数。

3.无人机的当前性能。

假设对无人机i而言，无人机当前所受到的损伤为D_i，无人机剩余的飞行时间为

那么在D_i和

越大的情况下，无人机i的回收排序越靠后，产生的排序代价越大，排序产生的代价与D_i和

的大小呈正相关。这是因为无人机受到的损伤越大、剩余的飞行时间越短，越需要及时回收和维护。

把无人机i根据D_i产生的排序代价，定义为f_5i，具体公式如下：

其中α₅表示的是D_i对代价影响的强度参数。

类似的，定义无人机i根据

产生的排序代价为f_6i，具体公式如下：

其中α₆表示的是

对代价影响的强度参数。

当以上因素确定后，定义无人机i根据其回收排序O_i的总代价为f_i，f_i的计算公式为：

f_i＝f_1i+f_2i+f_3i+f_4i+f_5i+f_6i

假设整个无人机群中共有N个无人机，那么整个无人机群根据其排序产生的总代价F为：

展开后进一步得到

据此，得到了无人机优先级排序序列相对应的集群回收整体代价，代价越低，收益越高。所以接下来的目标就是优化目标函数的自变量取值——也就是最终的优先级排序序列，使得整体代价更低。

步骤三、利用改进的粒子群优化算法优化总代价函数F，得到无人机群的最优回收排序；

初始化n个排序，每一个排序都是(1,2,…,N)的一个排列，每个排序分别对应代价函数F的一个值。目标是对这些初始排序通过粒子群优化算法来进行不断迭代学习，每个排序都在不断的更新，在一定的迭代次数后，最终得到一个最优的排序，也就是使得代价函数F的值最低。

粒子群优化算法的第s个粒子(也就是第s个排序)的第q个位置在(t+1)代的速度和位置更新公式如下：

v_sq(t+1)＝v_sq(t)+c₁×rand()×(pbest_sq(t)-x_sq(t))+c₂×rand()×(gbest_sq(t)-x_sq(t))

x_sq(t+1)＝x_sq(t)+v_sq(t+1)

其中s＝1,2,…,n,，v_sq(t)表示第s个粒子(也就是第s个排序)的第q个位置在第t代的速度，x_sq(t)表示第s个粒子(也就是第s个排序)的第q个位置在第t代的位置，粒子排序的好坏由代价函数来进行评价。c₁和c₂是两个常数，rand()表示[0,1]内的均匀随机数，pbest_sq(t)表示所有粒子在第t代中的最优解的第q个位置，gbest_sq(t)表示所有粒子在第t代中排名前三的最优解，从这三个最优解中选择其中一个解对应的第q个位置，之所以不选择最优的解，而是在前三的最优解随机选择是为了保障算法的随机性。

值得注意的是，在第s个粒子(也就是第s个排序)的第q个位置通过公式更新后，与原始PSO算法直接更新下一个位置不同，需要结合问题的背景做出改进，因为每一个解都是(1,2,…,N)的一个排列，所以在更新某一个位置之后，一定要将原位置与新位置进行置换，这是为了保障更新后的解还是(1,2,…,N)的一个排列，算法才能够继续进行。所有的初始粒子经过T代的迭代优化后，最后得到的最优解就是无人机群动态回收的最优排序。

步骤四、按照优先级排序序列挨个回收各个无人机，判断无人机群在集群动态回收过程中是否遇到冲突，如果是，进行冲突解脱处理，并按顺序飞回，否则，直接按顺序飞回；

如图2所示，无人机具有探测半径R_D，以无人机i为例，假设无人机i在t时刻探测半径内的障碍物以及其它无人机的个数为n_D，那么无人机i在下一个时间步的飞行速度按照如下公式进行调整：

其中

表示无人机i与障碍物以及其它无人机j在t时刻的相对位置，即无人机i向着远离风险的方向飞行，对于保障无人机的飞行安全具有重要意义。

同时无人机i还有一个优先飞行的方向向量

向量

的方向是无人机i当前位置指向回收点的方向。

综合以上两个因素，当无人机i遇到冲突时，下一个时间步的飞行速度为：

其中w为优先方向的影响权重。这样无人机i既能向目标方向飞行，又能实现冲突解脱。

步骤五、部分无人机到达特定回收区域后排队盘旋等待，判断是否存在撞线回收失败的无人机，如果是，对回收失败的部分无人机进行重新排序，否则，按照排序依次回收，直至回收完成。

无人机在撞线回收时实际可能遇到回收失败的情况，这时需要对无人机集群中排队盘旋等待的部分无人机进行重新排序(假设其个数为N_f)，保障算法的鲁棒性。

此时因为无人机已经在回收舰船附近，不考虑无人机的飞行环境，仅考虑无人机的任务需求及当前性能，对回收失败的无人机和当前排队盘旋等待的部分无人机进行重新排序，因此定义代价公式F_f如下：

此时O‘_i(i＝1,2,…,N_f)是(1,2,…,N_f)的一个排列。

并重新用改进粒子群优化算法进行求解，得到的最优解为无人机群盘旋等待的最优排序。

本发明在复杂下能够实现无人机群的动态回收，可以实现无人机群高效飞行，动态回收，协同完成分配好的任务，具有积极意义。

Claims (3)

1.一种无人机群动态回收方法，其特征在于，包括如下步骤：

步骤一、在复杂环境下，无人机群获取自身的性能信息和任务信息；

步骤二、根据各无人机的性能信息和任务信息，建立无人机群动态回收的总代价函数F；

总代价函数的计算公式如下：

其中O_i是N个无人机的一个排列，Q_i为无人机i回收后等待完成的任务数量；α₁表示待完成的任务数量Q_i对代价影响的强度参数；

为无人机i回收后等待完成任务的时间；α₂表示待完成的任务时间

对代价影响的强度参数；L_i为无人机i当前位置到回收点的距离；α₃表示距离L_i对代价影响的强度参数；C_i为无人机i飞行中可能遇到的障碍物数量；α₄表示障碍物数量C_i对代价影响的强度参数；D_i为无人机i当前所受到的损伤；α₅表示损伤D_i对代价影响的强度参数；

为无人机i剩余的飞行时间；α₆表示剩余飞行时间

对代价影响的强度参数；

步骤三、利用改进的粒子群优化算法优化总代价函数F，得到无人机群的最优回收排序；

粒子群优化算法的第s个粒子的第q个位置在(t+1)代的速度和位置更新公式如下：

v_sq(t+1)＝v_sq(t)+c₁×rand()×(pbest_sq(t)-x_sq(t))+c₂×rand()×(gbest_sq(t)-x_sq(t))

x_sq(t+1)＝x_sq(t)+v_sq(t+1)

其中s＝1,2,…,n,n为粒子的数量，每一个粒子都是一个(1,2,…,N)的排列，每个排序分别对应代价函数F的一个值；

v_sq(t)表示第s个粒子的第q个位置在第t代的速度，c₁和c₂是两个常数，rand()表示[0,1]内的均匀随机数，pbest_sq(t)表示所有粒子在第t代中的最优解的第q个位置，x_sq(t)表示第s个粒子的第q个位置在第t代的位置，gbest_sq(t)表示所有粒子在第t代排名前三的最优解，从最优解中随机选择一个解对应的第q个位置；

步骤四、按照优先级排序序列挨个回收各个无人机，判断无人机群在集群动态回收过程中是否遇到冲突，如果是，进行冲突解脱处理，并按顺序飞回，否则，直接按顺序飞回；

无人机i的冲突解脱计算公式为：

其中

为无人机i遇到冲突时在下一个时间步的飞行速度，w为优先方向的影响权重，

为无人机i优先飞行的方向向量；

为无人机i遇到冲突时下一个时间步的调整速度；

调整速度的计算公式为：

n_D为t时刻无人机探测半径R_D内的障碍物以及其它无人机的个数，

表示无人机i与障碍物以及其它无人机j在t时刻的相对位置；

步骤五、部分无人机到达特定回收区域后排队盘旋等待，判断是否存在撞线回收失败的无人机，如果是，对回收失败的部分无人机进行重新排序，否则，按照排序依次回收，直至回收完成。

2.如权利要求1所述的一种无人机群动态回收方法，其特征在于，步骤一中所述的任务信息包括：每个无人机的当前所在位置，回收点位置，以及无人机探测半径范围内的障碍物坐标和其它无人机的坐标位置；

自身的性能包括：无人机在回收前的最大飞行时间、无人机下一步还需执行的任务数量以及自身是否受损。

3.如权利要求1所述的一种无人机群动态回收方法，其特征在于，所述的步骤五中重新排序的代价公式F_f如下：

O‘_i是N_f个盘旋等待的无人机的一个排列；

并重新用改进粒子群优化算法进行求解，得到的最优解为无人机群盘旋等待的最优排序。

Images