CN115239204A - 一种多平台无人机载射频***的协同任务规划方法 - Google Patents

一种多平台无人机载射频***的协同任务规划方法 Download PDF

Info

Publication number
CN115239204A
CN115239204A CN202211134092.3A CN202211134092A CN115239204A CN 115239204 A CN115239204 A CN 115239204A CN 202211134092 A CN202211134092 A CN 202211134092A CN 115239204 A CN115239204 A CN 115239204A
Authority
CN
China
Prior art keywords
task
time
tasks
unmanned aerial
planning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211134092.3A
Other languages
English (en)
Other versions
CN115239204B (zh
Inventor
薛慧
马咏雪
伍光新
邢文革
姚元
沈学勇
李归
张佳琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 14 Research Institute
Original Assignee
CETC 14 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 14 Research Institute filed Critical CETC 14 Research Institute
Priority to CN202211134092.3A priority Critical patent/CN115239204B/zh
Publication of CN115239204A publication Critical patent/CN115239204A/zh
Application granted granted Critical
Publication of CN115239204B publication Critical patent/CN115239204B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种多平台无人机载射频***的协同任务规划方法，步骤包括：读入相关信息：UAV相关参数和任务相关参数；根据优先级对某时刻的所有待调度任务进行排序，具有相同优先级的任务则按照期望开始时间从前到后排序；选择排序第一的待调度任务，按照其期望开始时间进行调度，直至待调度任务数为0；下发任务规划方案；下发各无人机节点的调度方案。在满足功能和位置约束的条件下，可根据编队内不同无人机的射频功能实现动态任务规划，从而实现编队协同态势感知。该方法可用于无人机编队的协同态势感知，可提升编队的抗打击、抗摧毁能力，具备实时动态任务规划能力。

Description

一种多平台无人机载射频***的协同任务规划方法
技术领域
本发明涉及编队协同任务规划领域，特别是一种多平台无人机载射频***的协同任务规划方法。
背景技术
现代战争中制信息权的掌握是赢得战争胜利的重要保证，机载传感器可以有效克服地基传感器中的地形遮挡问题，对低空和地面、海面目标的探测距离远优于同种体制的地基传感器。无人机作为新兴的机载平台，不受人体极限限制，应用范围越来越广泛。在最近几次的局部战争中，无人机显示了强大的威力，受到世界各国的高度重视。
编队无人机组成通常为异构无人机编队，可能包括若干侦察型无人机、侦察探测型无人机、侦察探测干扰型无人机等。但是，鉴于单无人机平台的最大载荷限制，其射频感知能力有限，所以编队协同态势感知成为未来无人机战场侦察的典型样式和必然趋势。
无人机编队组网进行协同感知的优势包括：(1)可获得更为广阔的战场态势信息，支持不同态势需求；(2)***冗余度高，可获得更可靠的战场态势信息，支持高强度作战；(3)可获得更高精度的目标信息，支持武器***作战；(4)可提高传感器利用效能，并通过协同实现更大程度的电磁静默，保护传感器和平台的安全。因此，本发明主要研究多无人机搭载的射频***的协同任务规划与资源调度问题。
当前，已经有较多的无人机任务规划研究，如基于网格规划算法的编队无人机多角度打击航迹规划方法( CN112327927A)中的无人机多角度打击航迹规划、一种基于分解思想的高效多无人机协同航迹规划方法（ CN108958285A）等，其中多为无人机的航迹规划，尚未涉及到射频***协同的任务规划与调度研究，针对上述问题，目前尚未提出有效的解决方案。
发明内容
为克服单平台无人机载射频***功能少、能力低的缺点，实现编队协同态势感知能力，本发明提出了一种针对异构无人机载射频***的协同任务规划方法，在满足功能和位置约束的条件下，可根据编队内不同无人机的射频功能实现动态任务规划，从而实现编队协同态势感知。该方法可用于无人机编队的协同态势感知，可提升编队的抗打击、抗摧毁能力，具备实时动态任务规划能力。
本发明的目的通过以下技术方案实现。
一种多平台无人机载射频***的协同任务规划方法，步骤包括：
Step 1: 读入相关信息：
UAV相关参数：无人机的数量M，每个无人机具备的射频能力，无人机的位置坐标；
任务相关参数；待调度的任务数量J，任务优先级
Figure 689269DEST_PATH_IMAGE001
，任务需求的无人机数量，任务驻留时间
Figure 803725DEST_PATH_IMAGE002
，任务开始时间
Figure 185990DEST_PATH_IMAGE003
，任务截止时间
Figure 284265DEST_PATH_IMAGE004
；
Step 2: 根据优先级对某时刻的所有待调度任务进行排序，具有相同优先级的任务则按照期望开始时间从前到后排序；
Setp 3: 选择排序第一的待调度任务，按照其期望开始时间进行调度，节点选择策略如下；
i) 根据无人机具备的能力，选择满足能力需求的所有无人机；
ii) 排列出所有的可能无人机组合；
iii) 排列出所有组合的可能的时间；
iv) 选择所有满足位置要求的组合；
v) 在满足上述要求的组合中，优先选择完成任务较少且当前时间利用率较低的节点组合；
vi）生成相应的无人机任务执行序列；
Step 4: 继续Step 3，直至待调度任务数为0；
Step 5: 下发任务规划方案；
Step 6: 下发各无人机节点的调度方案。
任务规划策略包括：a) 优先规划任务优先级高的任务，有利于提高任务规划总收益；
b) 当同一优先级具有多个任务时，优先规划期望开始时间靠前的；
c) 在多节点任务规划中，当满足功能、位置和时间约束等条件时，优先选择完成任务较少且当前时间利用率较低的节点，用于最小化任务均衡率。
约束条件包括：
功能约束：被规划的无人机节点必须具备相应的射频任务能力，才能对其进行相应的任务规划，假设在
Figure 783248DEST_PATH_IMAGE005
时刻，具备执行任务
Figure 345686DEST_PATH_IMAGE006
的节点集为
Figure 468494DEST_PATH_IMAGE007
，规划的无人机节点子群为
Figure 325503DEST_PATH_IMAGE008
，则其功能约束可以表示为
Figure 424915DEST_PATH_IMAGE009
，即规划的节点必须隶属于相应的节点集；
位置约束：对于有位置要求的协同任务，如无源定位、协同探测等任务的规划，节点间位置必须满足一定的张角要求，如多站对目标张角满足回波相关条件，即
Figure 874482DEST_PATH_IMAGE010
其中，
Figure 525781DEST_PATH_IMAGE011
为站点基线，
Figure 959168DEST_PATH_IMAGE012
为载波波长，D为目标的尺寸，R为目标距离，
Figure 659008DEST_PATH_IMAGE013
为目标与基线夹角；
射频资源约束：同一射频***在同一时刻只能执行同一任务；
时间资源约束：对于任务
Figure 416878DEST_PATH_IMAGE014
，其调度的开始时间必须大于前一个任务的结束时间与波束切换时间
Figure 740543DEST_PATH_IMAGE015
之和，即
Figure 628602DEST_PATH_IMAGE016
。
评价指标包括：
加权任务规划总收益：任务规划收益用规划成功率表示，即规划成功的任务数与所有请求的任务总数的比值，引入
Figure 899178DEST_PATH_IMAGE017
作为第j个任务的规划收益加权值，定义加权后的任务规划收益
Figure 759555DEST_PATH_IMAGE018
，其中
Figure 191805DEST_PATH_IMAGE019
为引入的布尔参数，代表第j个任务的执行情况；
Figure 629477DEST_PATH_IMAGE017
为第j个任务的优先级，执行的任务越多，执行的任务优先级越高，规划收益越高，如果所有的任务均被成功规划，W获得最大收益值，值为1；
时间利用率：对于所有的射频任务，都需要波束在任务方向保持一定的时间，被定义为驻留时间，时间利用率即成功规划任务的驻留时间和波束转换时间之和占总时间的比例，将所有节点的调度间隔和时间利用率叠加起来求平均，表示为
Figure 438164DEST_PATH_IMAGE020
，其中
Figure 486804DEST_PATH_IMAGE021
为第m个无人机成功执行的第j个任务的驻留时间，
Figure 260594DEST_PATH_IMAGE022
为第m个无人机成功执行的任务数量，
Figure 687027DEST_PATH_IMAGE023
为波束转换时间，
Figure 204465DEST_PATH_IMAGE024
为调度间隔,对于给定的调度间隔，时间利用率越高，任务调度效能越高，调度算法越优,时间利用率的最高值为1;
时间偏移率：由于资源冲突，每个任务的实际执行时间可以在其时间窗内前后移动，使存在冲突的任务也可以成功调度，对于单一任务的资源调度，时间偏移率是指任务的实际执行时间与原期望执行时间的偏差与其时间窗的比值，对于编队无人机，时间偏移率
Figure 39434DEST_PATH_IMAGE025
需要计算所有节点任务的时间偏移率然后取平均，表达式如下
Figure 875803DEST_PATH_IMAGE026
，其中
Figure 891995DEST_PATH_IMAGE027
为第m个无人机成功执行的第j个任务的实际执行时间，
Figure 308064DEST_PATH_IMAGE028
为其原期望执行时间，
Figure 794278DEST_PATH_IMAGE029
为时间窗，
Figure 67128DEST_PATH_IMAGE030
为成功执行的任务总数，时间偏移率代表了规划算法对任务调度的及时性，值越低越好；
任务均衡率：为了保持单节点任务规划的成功率，应该对单节点的任务率进行优化，保持各节点的任务均衡，避免部分节点任务量稀疏，而部分任务量超标而降低任务规划总收益，定义任务均衡率u，其与各节点的任务率与任务数量和每个任务的驻留时间、波束切换时间均相关，表达式为
Figure 638792DEST_PATH_IMAGE031
，其中
Figure 858552DEST_PATH_IMAGE032
为第m1个无人机的总规划时间，任务均衡率u越小越好，表明各节点任务越均衡。
根据评价指标，建立适应度函数，记为
Figure 464852DEST_PATH_IMAGE033
引入
Figure 288363DEST_PATH_IMAGE034
简化适应度函数为：
Figure 114368DEST_PATH_IMAGE035
。
相比于现有技术，本发明的优点在于：本发明提出的无人机编队射频协同的任务规划方法，在满足功能、时间、位置等约束条件下，可实现异构无人机的不同节点数量的无人机协同任务规划，具备准实时规划能力，可用于未来无人机或舰艇、陆基平台的射频***或其它类似***的协同任务规划中，可进一步拓展单平台射频***的能力，提升编队态势感知能力，且增强了体系对抗能力和抗饱和打击能力。本发明也可拓展用于同构同节点同类型任务的多平台协同规划中，可拓展性强，具有较强的实际应用能力。
附图说明
图1为本发明协同任务中的位置约束示意图。
图2为本发明流程图。
图3为无人机的分布示意图。
图4为探测场景图。
图5为协同任务规划无人机执行任务分布图。
图6为协同任务规划二维图。
图7为任务延时情况。
图8为各UAV时间利用率。
具体实施方式
下面结合说明书附图和具体的实施例，对本发明作详细描述。
编队无人机的射频任务规划主要是基于无人机的当前坐标、射频***的能力以及任务类型进行无人机的任务规划和资源调度。待规划任务包括单节点任务和多节点任务，其中多节点任务需要的节点数量也不同。本发明主要解决了异构无人机编队协同态势感知中协同节点和协同时间的规划问题，通过约束条件、评价指标和规划策略的设计，实现了编队无人机射频任务的协同多任务规划。
如图2所示，一种多平台无人机载射频***的协同任务规划方法，步骤包括：
Step 1: 读入相关信息：
UAV相关参数：无人机的数量M，每个无人机具备的射频能力，无人机的位置坐标；
任务相关参数；待调度的任务数量J，任务优先级
Figure 105196DEST_PATH_IMAGE001
，任务需求的无人机数量，任务驻留时间
Figure 129783DEST_PATH_IMAGE002
，任务开始时间
Figure 180654DEST_PATH_IMAGE003
，任务截止时间
Figure 697217DEST_PATH_IMAGE004
；
Step 2: 根据优先级对某时刻的所有待调度任务进行排序，具有相同优先级的任务则按照期望开始时间从前到后排序；
Setp 3: 选择排序第一的待调度任务，按照其期望开始时间进行调度，节点选择策略如下；
i) 根据无人机具备的能力，选择满足能力需求的所有无人机；
ii) 排列出所有的可能无人机组合；
iii) 排列出所有组合的可能的时间；
iv) 选择所有满足位置要求的组合；
v) 在满足上述要求的组合中，优先选择完成任务较少且当前时间利用率较低的节点（组合）；
vi）生成相应的无人机任务执行序列；
Step 4: 继续Step 3，直至待调度任务数为0；
Step 5: 下发任务规划方案；
Step 6: 下发各无人机节点的调度方案。
任务规划策略包括：a) 优先规划任务优先级高的任务，有利于提高任务规划总收益；
b) 当同一优先级具有多个任务时，优先规划期望开始时间靠前的；
c) 在多节点任务规划中，当满足功能、位置和时间约束等条件时，优先选择完成任务较少且当前时间利用率较低的节点，用于最小化任务均衡率。
约束条件包括：
功能约束：被规划的无人机节点必须具备相应的射频任务能力，才能对其进行相应的任务规划，假设在
Figure 694998DEST_PATH_IMAGE005
时刻，具备执行任务
Figure 434413DEST_PATH_IMAGE006
的节点集为
Figure 423229DEST_PATH_IMAGE007
，规划的无人机节点子群为
Figure 722361DEST_PATH_IMAGE008
，则其功能约束可以表示为
Figure 618773DEST_PATH_IMAGE009
，即规划的节点必须隶属于相应的节点集；
如图1所示，位置约束：对于有位置要求的协同任务，如无源定位、协同探测等任务的规划，节点间位置必须满足一定的张角要求，如多站对目标张角满足回波相关条件，即
Figure 257433DEST_PATH_IMAGE010
其中，
Figure 791052DEST_PATH_IMAGE011
为站点基线，
Figure 344524DEST_PATH_IMAGE012
为载波波长，D为目标的尺寸，R为目标距离，
Figure 486704DEST_PATH_IMAGE013
为目标与基线夹角；
射频资源约束：同一射频***在同一时刻只能执行同一任务；
时间资源约束：对于任务
Figure 183134DEST_PATH_IMAGE014
，其调度的开始时间必须大于前一个任务的结束时间与波束切换时间
Figure 44910DEST_PATH_IMAGE015
之和，即
Figure 725159DEST_PATH_IMAGE036
。
评价指标包括：
加权任务规划总收益：任务规划收益用规划成功率表示，即规划成功的任务数与所有请求的任务总数的比值，但是为了更好的体现任务优先级的影响，引入
Figure 602854DEST_PATH_IMAGE017
作为第j个任务的规划收益加权值，定义加权后的任务规划收益
Figure 210248DEST_PATH_IMAGE018
，其中
Figure 118292DEST_PATH_IMAGE019
为引入的布尔参数，代表第j个任务的执行情况；
Figure 816995DEST_PATH_IMAGE017
为第j个任务的优先级，执行的任务越多，执行的任务优先级越高，规划收益越高，如果所有的任务均被成功规划，W获得最大收益值，值为1；
时间利用率：对于所有的射频任务，都需要波束在任务方向保持一定的时间，被定义为驻留时间，时间利用率即成功规划任务的驻留时间和波束转换时间之和占总时间的比例，将所有节点的调度间隔和时间利用率叠加起来求平均，表示为
Figure 826277DEST_PATH_IMAGE037
，其中
Figure 61081DEST_PATH_IMAGE021
为第m个无人机成功执行的第j个任务的驻留时间，
Figure 232037DEST_PATH_IMAGE022
为第m个无人机成功执行的任务数量，
Figure 716239DEST_PATH_IMAGE023
为波束转换时间，
Figure 738334DEST_PATH_IMAGE024
为调度间隔,对于给定的调度间隔，时间利用率越高，任务调度效能越高，调度算法越优,时间利用率的最高值为1；
时间偏移率：由于资源冲突，每个任务的实际执行时间可以在其时间窗内前后移动，使存在冲突的任务也可以成功调度，对于单一任务的资源调度，时间偏移率是指任务的实际执行时间与原期望执行时间的偏差与其时间窗的比值，对于编队无人机，时间偏移率
Figure 326179DEST_PATH_IMAGE025
需要计算所有节点任务的时间偏移率然后取平均，表达式如下
Figure 310446DEST_PATH_IMAGE038
，其中
Figure 514901DEST_PATH_IMAGE027
为第m个无人机成功执行的第j个任务的实际执行时间，
Figure 6931DEST_PATH_IMAGE028
为其原期望执行时间，
Figure 278643DEST_PATH_IMAGE029
为时间窗，
Figure 28005DEST_PATH_IMAGE030
为成功执行的任务总数，时间偏移率代表了规划算法对任务调度的及时性，值越低越好；
任务均衡率：为了保持单节点任务规划的成功率，应该对单节点的任务率进行优化，保持各节点的任务均衡，避免部分节点任务量稀疏，而部分任务量超标而降低任务规划总收益，针对本文的无人机编队协同，定义任务均衡率u，其与各节点的任务率与任务数量和每个任务的驻留时间、波束切换时间均相关，表达式为
Figure 923017DEST_PATH_IMAGE039
，其中
Figure 579257DEST_PATH_IMAGE032
为第m1个无人机的总规划时间，任务均衡率u越小越好，表明各节点任务越均衡。
根据评价指标，建立适应度函数，记为
Figure 610536DEST_PATH_IMAGE040
引入
Figure 497459DEST_PATH_IMAGE034
简化适应度函数为：
Figure 177970DEST_PATH_IMAGE041
。
假设编队包括8架无人机，每个无人机节点具备的能力不同，具体见表1所示，“1”代表具备该能力，“0”则反之。节点的能力决定了其是否可以参加某类型任务的分配，如节点1仅具备无源侦察能力，不具备雷达探测能力和干扰能力，所以其仅能参加侦察类任务的优化和调度。
表1同时给出了所有无人机节点的物理位置。本文中无人机和目标的地理位置坐标采用随机生成的方式，满足均匀随机分布。无人机节点的位置限制在1km的正方体区域内，其x和y坐标范围为（199500m，200500m），高度范围限制在（4500m，5500m），如图3所示。如约束条件中介绍，无人机的坐标在优化时参与最优化计算，协同任务规划时需要满足位置约束条件。
表1 无人机节点具备的能力和坐标
Figure 283241DEST_PATH_IMAGE042
仿真的任务类型及相关参数如表2所示，共20个任务，包括每个任务的优先级、需要的节点数及每个任务的驻留时间、时间窗、坐标、开始时刻及截止时刻等。任务坐标限制在400km*400km*20km的范围内，满足随机均匀分布规律，与无人机编队的相对关系如图4所示。
表2 待规划任务参数表
Figure 231343DEST_PATH_IMAGE044
图5~图8给出了协同任务规划结果，其中图5通过三维方式表示了任务与无人机节点的关系，图中右边的颜色条对应排序后的1~20号任务，横轴为规划时间，纵轴为无人机节点1~8#。图中相同时间的相同颜色代表执行的为同一任务。图6为任务规划的二维结果显示，横轴、纵轴与图5相同，其中“*”线图的长度代表了任务的驻留时间，“*”线图的开始时间和结束时间即代表任务的实际执行时间和完成时间。结合两张图可以看出，1#无人机执行的任务为4项，8#无人机执行的任务为8项；完成任务数量最少的无人机为7#无人机。
图7给出了各任务的执行时间相对于期望开始时间的延迟时间，可以看出，有12项的延时为0，即按照原期望时间执行的。
图8为各UAV的时间利用率，其中利用率最高的为3#无人机，最低的为7#无人机。7#无人机时间利用率低的原因主要是因为其射频功能相对单一，只具备侦察能力，而不能参与雷达探测和电子干扰的任务。同样的，1#无人机也仅具备侦察能力，但是时间利用率高于7#无人机，这与无人机的位置相关，同时与随机生成的任务列表有关。

Claims (5)

1.一种多平台无人机载射频***的协同任务规划方法，其特征在于步骤包括：
Step 1: 读入相关信息：
UAV相关参数：无人机的数量M，每个无人机具备的射频能力，无人机的位置坐标；
任务相关参数；待调度的任务数量J，任务优先级
Figure 132408DEST_PATH_IMAGE001
，任务需求的无人机数量，任务驻留时间
Figure 472997DEST_PATH_IMAGE002
，任务开始时间
Figure 508953DEST_PATH_IMAGE003
，任务截止时间
Figure 25123DEST_PATH_IMAGE004
；
Step 2: 根据优先级对某时刻的所有待调度任务进行排序，具有相同优先级的任务则按照期望开始时间从前到后排序；
Setp 3: 选择排序第一的待调度任务，按照其期望开始时间进行调度，节点选择策略如下；
i) 根据无人机具备的能力，选择满足能力需求的所有无人机；
ii) 排列出所有的可能无人机组合；
iii) 排列出所有组合的可能的时间；
iv) 选择所有满足位置要求的组合；
v) 在满足上述要求的组合中，优先选择完成任务较少且当前时间利用率较低的节点组合；
vi）生成相应的无人机任务执行序列；
Step 4: 继续Step 3，直至待调度任务数为0；
Step 5: 下发任务规划方案；
Step 6: 下发各无人机节点的调度方案。
2.根据权利要求1所述的一种多平台无人机载射频***的协同任务规划方法，其特征在于任务规划策略包括：a) 优先规划任务优先级高的任务，有利于提高任务规划总收益；
b) 当同一优先级具有多个任务时，优先规划期望开始时间靠前的；
c) 在多节点任务规划中，当满足功能、位置和时间约束等条件时，优先选择完成任务较少且当前时间利用率较低的节点，用于最小化任务均衡率。
3.根据权利要求1或2所述的一种多平台无人机载射频***的协同任务规划方法，其特征在于约束条件包括：
功能约束：被规划的无人机节点必须具备相应的射频任务能力，才能对其进行相应的任务规划，假设在
Figure 972219DEST_PATH_IMAGE005
时刻，具备执行任务
Figure 494380DEST_PATH_IMAGE006
的节点集为
Figure 411389DEST_PATH_IMAGE007
，规划的无人机节点子群为
Figure 860694DEST_PATH_IMAGE008
，则其功能约束可以表示为
Figure 555855DEST_PATH_IMAGE009
，即规划的节点必须隶属于相应的节点集；
位置约束：对于有位置要求的协同任务，如无源定位、协同探测等任务的规划，节点间位置必须满足一定的张角要求，如多站对目标张角满足回波相关条件，即
Figure 919971DEST_PATH_IMAGE010
其中，
Figure 493867DEST_PATH_IMAGE011
为站点基线，
Figure 892618DEST_PATH_IMAGE012
为载波波长，D为目标的尺寸，R为目标距离，
Figure 306151DEST_PATH_IMAGE013
为目标与基线夹角；
射频资源约束：同一射频***在同一时刻只能执行同一任务；
时间资源约束：对于任务
Figure 921678DEST_PATH_IMAGE014
，其调度的开始时间必须大于前一个任务的结束时间与波束切换时间
Figure 72167DEST_PATH_IMAGE015
之和，即
Figure 823960DEST_PATH_IMAGE016
。
4.根据权利要求1或2所述的一种多平台无人机载射频***的协同任务规划方法，其特征在于评价指标包括：
加权任务规划总收益：任务规划收益用规划成功率表示，即规划成功的任务数与所有请求的任务总数的比值，引入
Figure 768914DEST_PATH_IMAGE017
作为第j个任务的规划收益加权值，定义加权后的任务规划收益
Figure 612017DEST_PATH_IMAGE018
，其中
Figure 566198DEST_PATH_IMAGE019
为引入的布尔参数，代表第j个任务的执行情况；
Figure 297131DEST_PATH_IMAGE017
为第j个任务的优先级，执行的任务越多，执行的任务优先级越高，规划收益越高，如果所有的任务均被成功规划，W获得最大收益值，值为1；
时间利用率：对于所有的射频任务，都需要波束在任务方向保持一定的时间，被定义为驻留时间，时间利用率即成功规划任务的驻留时间和波束转换时间之和占总时间的比例，将所有节点的调度间隔和时间利用率叠加起来求平均，表示为
Figure 944144DEST_PATH_IMAGE020
，其中
Figure 3105DEST_PATH_IMAGE021
为第m个无人机成功执行的第j个任务的驻留时间，
Figure 760976DEST_PATH_IMAGE022
为第m个无人机成功执行的任务数量，
Figure 956203DEST_PATH_IMAGE023
为波束转换时间，
Figure 103280DEST_PATH_IMAGE024
为调度间隔,对于给定的调度间隔，时间利用率越高，任务调度效能越高，调度算法越优,时间利用率的最高值为1;
时间偏移率：由于资源冲突，每个任务的实际执行时间可以在其时间窗内前后移动，使存在冲突的任务也可以成功调度，对于单一任务的资源调度，时间偏移率是指任务的实际执行时间与原期望执行时间的偏差与其时间窗的比值，对于编队无人机，时间偏移率
Figure 478898DEST_PATH_IMAGE025
需要计算所有节点任务的时间偏移率然后取平均，表达式如下
Figure 617624DEST_PATH_IMAGE026
，其中
Figure 464095DEST_PATH_IMAGE027
为第m个无人机成功执行的第j个任务的实际执行时间，
Figure 187332DEST_PATH_IMAGE028
为其原期望执行时间，
Figure 486464DEST_PATH_IMAGE029
为时间窗，
Figure 914034DEST_PATH_IMAGE030
为成功执行的任务总数，时间偏移率代表了规划算法对任务调度的及时性，值越低越好；
任务均衡率：为了保持单节点任务规划的成功率，应该对单节点的任务率进行优化，保持各节点的任务均衡，避免部分节点任务量稀疏，而部分任务量超标而降低任务规划总收益，定义任务均衡率u，其与各节点的任务率与任务数量和每个任务的驻留时间、波束切换时间均相关，表达式为
Figure 620871DEST_PATH_IMAGE031
，其中
Figure 780588DEST_PATH_IMAGE032
为第m1个无人机的总规划时间，任务均衡率u越小越好，表明各节点任务越均衡。
5.根据权利要求4所述的一种多平台无人机载射频***的协同任务规划方法，其特征在于根据评价指标，建立适应度函数，记为
Figure 301437DEST_PATH_IMAGE034
引入
Figure 204802DEST_PATH_IMAGE035
简化适应度函数为：
Figure 494707DEST_PATH_IMAGE036
。
CN202211134092.3A 2022-09-19 2022-09-19 一种多平台无人机载射频***的协同任务规划方法 Active CN115239204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211134092.3A CN115239204B (zh) 2022-09-19 2022-09-19 一种多平台无人机载射频***的协同任务规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211134092.3A CN115239204B (zh) 2022-09-19 2022-09-19 一种多平台无人机载射频***的协同任务规划方法

Publications (2)

Publication Number Publication Date
CN115239204A true CN115239204A (zh) 2022-10-25
CN115239204B CN115239204B (zh) 2023-02-14

Family

ID=83681750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211134092.3A Active CN115239204B (zh) 2022-09-19 2022-09-19 一种多平台无人机载射频***的协同任务规划方法

Country Status (1)

Country Link
CN (1) CN115239204B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116011695A (zh) * 2023-03-27 2023-04-25 湖南胜云光电科技有限公司 一种获取无人机目标路径的数据处理***
CN117008641A (zh) * 2023-10-07 2023-11-07 中国人民解放军战略支援部队航天工程大学 用于多个异构无人机协同低空突防的分配方法和装置
CN118139015A (zh) * 2024-05-06 2024-06-04 四川更元科技有限公司 基于任务分解的无人机集群网络适变方法、***及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8639396B1 (en) * 2008-10-08 2014-01-28 Raytheon Company Cooperative control of unmanned aerial vehicles for tracking targets
CN105302153A (zh) * 2015-10-19 2016-02-03 南京航空航天大学 异构多无人机协同察打任务的规划方法
CN109242290A (zh) * 2018-08-28 2019-01-18 北京航空航天大学 一种无人机群行动方案自动生成方法
CN110703802A (zh) * 2019-11-04 2020-01-17 中国科学院自动化研究所 基于多无人机协同作业的桥梁自动检测方法及***
CN110852486A (zh) * 2019-10-16 2020-02-28 中国人民解放军国防科技大学 一种无人机集群自主协同的任务规划方法
CN112351503A (zh) * 2020-11-05 2021-02-09 大连理工大学 基于任务预测的多无人机辅助边缘计算资源分配方法
CN114237842A (zh) * 2021-12-02 2022-03-25 电子科技大学 基于典型参数限定的相控阵雷达自适应任务调度方法
CN114879745A (zh) * 2022-07-12 2022-08-09 成都戎星科技有限公司 基于预规划和禁忌搜索算法的多无人机协同任务规划方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8639396B1 (en) * 2008-10-08 2014-01-28 Raytheon Company Cooperative control of unmanned aerial vehicles for tracking targets
CN105302153A (zh) * 2015-10-19 2016-02-03 南京航空航天大学 异构多无人机协同察打任务的规划方法
CN109242290A (zh) * 2018-08-28 2019-01-18 北京航空航天大学 一种无人机群行动方案自动生成方法
CN110852486A (zh) * 2019-10-16 2020-02-28 中国人民解放军国防科技大学 一种无人机集群自主协同的任务规划方法
CN110703802A (zh) * 2019-11-04 2020-01-17 中国科学院自动化研究所 基于多无人机协同作业的桥梁自动检测方法及***
CN112351503A (zh) * 2020-11-05 2021-02-09 大连理工大学 基于任务预测的多无人机辅助边缘计算资源分配方法
CN114237842A (zh) * 2021-12-02 2022-03-25 电子科技大学 基于典型参数限定的相控阵雷达自适应任务调度方法
CN114879745A (zh) * 2022-07-12 2022-08-09 成都戎星科技有限公司 基于预规划和禁忌搜索算法的多无人机协同任务规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王静等: "基于动态规划算法的多无人机多目标协同侦察路径规划", 《军事运筹与***工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116011695A (zh) * 2023-03-27 2023-04-25 湖南胜云光电科技有限公司 一种获取无人机目标路径的数据处理***
CN117008641A (zh) * 2023-10-07 2023-11-07 中国人民解放军战略支援部队航天工程大学 用于多个异构无人机协同低空突防的分配方法和装置
CN117008641B (zh) * 2023-10-07 2024-01-16 中国人民解放军战略支援部队航天工程大学 用于多个异构无人机协同低空突防的分配方法和装置
CN118139015A (zh) * 2024-05-06 2024-06-04 四川更元科技有限公司 基于任务分解的无人机集群网络适变方法、***及介质

Also Published As

Publication number Publication date
CN115239204B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
CN115239204B (zh) 一种多平台无人机载射频***的协同任务规划方法
CN112733421B (zh) 一种针对有人无人机协同对地作战的任务规划方法
CN102880186B (zh) 基于稀疏a*算法和遗传算法的航迹规划方法
CN110889625A (zh) 一种用于蜂群无人机***的任务规划方法
CN108680063A (zh) 一种针对大规模无人机集群动态对抗的决策方法
CN102436604B (zh) 一种基于多目标进化方法的多弹协同航路计算方法
CN111240353A (zh) 基于遗传模糊树的无人机协同空战决策方法
CN108632831A (zh) 一种基于动态航迹的无人机群频谱资源分配方法
CN108318032A (zh) 一种考虑攻防对抗的无人机航迹智能规划方法
CN113392521B (zh) 面向海空联合作战任务的资源编组模型构建方法及***
CN103528586A (zh) 基于故障网格的航迹规划算法设计
CN111598321A (zh) 一种基于信息驱动的作战管理***及方法
CN111609864A (zh) 路网约束下多警员协作围捕任务分配及路径规划方法
CN112925350A (zh) 一种多无人机分布式协同目标搜索方法
CN109709535A (zh) 一种针对协同分布式***的波束驻留调度方法
EP2847644A1 (en) Method and system of mission planning
CN101893441A (zh) 基于离差最大化及灰色关联分析的无人机航迹优选方法
CN115016537B (zh) 一种sead场景下异构无人机配置与任务规划联合优化方法
CN108021433A (zh) 一种多星星簇的目标观测方法
CN112733251A (zh) 一种多无人飞行器协同航迹规划方法
Kim et al. Cooperative radar jamming for groups of unmanned air vehicles
Wu Cooperative guidance & control of missiles autonomous formation
CN117850471A (zh) 三维环境下考虑雷达威胁的多智能体协同航迹规划方法及其规划***
CN117008641A (zh) 用于多个异构无人机协同低空突防的分配方法和装置
Bolderheij et al. A risk-based object-oriented approach to sensor management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant