买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明提供一种异构运载平台投递模式下异构无人机协同任务规划方法，属于无人机任务分配领域。首先，分析问题特性。其次，明确优化变量、目标函数、约束条件，建立组合优化模型。第三，自适应自我激励教与学算法设计：得到初始种群、得到障碍环境中两点之间的距离、计算种群目标函数值；根据目标函数值升序排列种群，计算种群目标函数中位数和平均数，选择不同更新方式；执行自我激励机制进一步优化种群。第四，问题求解和评估。本发明通过引入运载平台投递回收无人机，减少无人机续航能力对无人机协同执行任务的限制；在协同任务分配问题中考虑禁飞区与未攻击目标风险域，提高无人机执行任务的安全性。

主权项：1.一种异构运载平台投递模式下异构无人机协同任务规划方法，其特征在于，所述的异构运载平台投递模式下异构无人机协同任务规划方法的步骤为：步骤1分析问题特性，包括运载平台要素分析、无人机要素分析、环境要素分析、目标要素分析和任务意图分析；具体如下：步骤1-1：运载平台要素分析；将记为机场集合，其中P的上标type1,...,typea表示运载平台P的类型，a表示运载平台类型数目，下标分别表示对应type1,...,typea类型运载平台的数量；无人机执行任务从异构运载平台飞出，任务完毕后飞回该异构运载平台；步骤1-2：无人机要素分析：无人机UAV是功能有差异的异构无人机，包括只具有侦查能力的侦查无人机S，只具有攻击能力的轰炸无人机M，执行侦查任务、攻击任务的战斗无人机C；无人机用集合表示，其中Ui表示第i架无人机；NU表示无人机的总数；步骤1-3：环境要素分析：假定战场上存在禁止进入的空域，并将所有禁飞区域简化为凸多边形和圆形，无人机在飞行过程中不得出现在禁飞空域；集合和集合分别表示战场上的圆形障碍物和凸多边形障碍物集合，其中Nc和Nb分别是圆形障碍物和凸多边形障碍物的总数；则障碍物的总集合定义为：将无人机作为战场环境中的质点简化飞行过程；步骤1-4：目标要素分析：假设总共有NT个目标，用集合表示，其中Ti表示编号为i的目标；对于每个目标Ti，需要执行有优先级限制的分类任务、攻击任务和评估任务，即每个目标的任务集为{C,A,V}，其中C表示分类任务、A表示攻击任务、V表示评估任务；此外，未攻击目标周围存在‘接近未攻击目标引发的风险’的区域；步骤1-5：任务意图分析：将整个方案的执行时间最短作为目标函数之一；从任务规划层面给出任务分配方案，避免无人机航路经过未攻击目标威胁区域的情况；当目标受到攻击，则目标周围的空域不再被视为威胁；在组合优化模型中引入威胁函数作为另一个目标函数；步骤2明确优化变量、目标函数、约束条件，建立组合优化模型；具体如下：步骤2-1：将多无人机协同任务场景抽象为网络：将机场以及目标的位置点定义为网络的节点，用K表示节点集合，则E＝{Ki,Kj|Ki,Kj∈K,i,j＝0,1,…,NK,i≠j}表示边的集合，共同构成网络CG＝{K,E}；其中，Ki表示第i个网络节点；Kj表示第j个网络节点；i和j均表示网络节点序号；NK表示网络节点总数；步骤2-2：通过网络建立多无人机协同任务分配的组合优化模型的目标函数：所述的目标函数包括方案执行时间评价函数F1、惩罚函数项F2，则组合优化模型的目标函数如公式4所示，其中α表示惩罚系数；minF＝F1+αF2；4步骤2-3：解析多无人机协同任务分配的组合优化模型的约束条件，具体如下：所述的约束条件包括多机协同约束、弹药负载约束、优先级约束、出动回收约束、节点通量守恒、避碰约束；步骤3设计自适应自我激励教与学算法：首先，随机初始化离散解得到初始种群；然后，通过可视图法得到障碍环境中两点之间的距离，并结合航迹调整方式和逻辑解锁方式计算种群目标函数值；接着，根据种群目标函数值升序排列种群，计算种群目标函数值的中位数和平均数，确定种群更新方式；最后，执行自我激励机制进一步优化种群；具体如下：步骤3-1：生成解决方案与初始化种群：对于包含NT个目标和NU个无人机的情况，生成的解决方案包含3行和3NT列；第一行是目标，使用数字1,2,...,NT表示相应目标的编号；第二行是目标的任务类型，使用数字1、2和3分别表示分类、攻击和评估类型的任务；第三行是无人机，使用数字1,2,...,NU表示无人机的编号；每一列都是一个任务分配，表示无人机去执行目标的对应任务；在初始化过程中，首先，根据输入的无人机信息构建资源约束集，资源约束集包括具有侦察能力的无人机集合、具有攻击能力的无人机集合和剩余弹药集合；然后，针对每个目标的不同任务类型，从具有执行该任务能力的无人机集合中随机选择一架无人机分配给该任务；最后，按照上述方法将所有任务分配给无人机；按无人机编号进行排序，得到任务分配方案；通过此方法生成给定规模的初始解集合被称为初始种群；步骤3-2：目标函数计算：步骤3-2-1：优先级约束处理；步骤3-2-2：可视图法估计两点间航程：满足优先级约束后，通过可视图法估计障碍环境中两点之间的距离，并计算目标函数值；步骤3-2-3：目标函数值计算：根据步骤2-2计算未锁死方案的目标函数值；步骤3-3：种群状态判别机制设计：将步骤3-2计算得到的目标函数值进行排序，然后分别计算种群的目标函数值中位数和平均值，中位数和平均值进行大小比较，并根据判别结果选择不同的更新方式：如果中位数平均值，使用步骤3-4-1的教学阶段种群更新方式，如果中位数小于平均值，使用步骤3-4-2的学习阶段种群更新方式；步骤3-4：设计种群更新方法：一次迭代中根据种群状态选择执行教学阶段或学习阶段：步骤3-4-1：教学阶段更新；步骤3-4-2：学习阶段更新；步骤3-5：自我激励局部搜索；步骤4问题求解和评估：首先设置自适应自我激励教与学算法参数，然后通过步骤3设计的自适应自我激励教与学算法求解直到达到最大迭代次数，筛选出最优解进行评估，具体如下：步骤4-1：自适应自我激励教与学算法的参数设置：根据问题特性，为步骤3设计的自适应自我激励教与学算法设置求解参数，包括威胁惩罚系数α、目标威胁半径Rthreat、最大迭代代数itermax、种群规模n、分组教学数量Nteacher和自我激励机制变异概率pm；步骤4-2：输入设定的问题与求解问题：输入无人机信息、运载平台信息、环境信息、目标与任务信息；通过步骤3设计的自适应自我激励教与学算法求得最优任务分配方案，并将任务分配方案可视化。

全文数据：

权利要求：

百度查询： 大连理工大学 异构运载平台投递模式下异构无人机协同任务规划方法