一种无人集群系统协同任务区域覆盖智能优化方法

技术领域

本发明涉及无人机集群技术领域，具体为一种无人集群系统协同任务区域覆盖智能优化方法。

背景技术

无人机集群的分布式覆盖问题是近年来国内外研究的一个热点问题。集群通过大量速度快、适应能力强的无人机进行组合工作，在保持网络化沟通、自适应协同优势的同时又满足性价比的需求。从而使得无人机在操作执行任务过程中具有集群智能，进而提高经济、数量、协同以及情报、快速响应等多种优势。

随着通信、导航、物联网、大数据以及人工智能等相关技术的快速发展，无人机集群系统的协同任务能力在不断增强，并且由于材料学和设计结构强度的发展，无人机系统的性价比也在显著提高，使得该系统能够更快地运用到相关领域。然而，结合国内外发展情况表明，目前无人机系统规模主要为少量无人机完成相对简单环境中的目标任务。对于复杂环境中的任务以及较大规模的无人机协同合作情况，仍然存在任务难度高、适应性设计思路以及功能算法复杂等问题。如何通过集群的协调配合，发挥其灵活性、适应性的优势，在考虑避碰避障的各种情况下圆满完成任务，已成为当前研究的热点。

发明内容

为了解决上述问题，本发明公开了一种无人集群系统协同任务区域覆盖智能优化方法，解决了动力学求解计算量大的问题，易于适应无人机集群拓扑结构变化的分布式区域覆盖优化方法，同时不依靠中央控制的全局信息，仅依靠相邻无人机的信息引导无人机集群完成覆盖任务。

一种无人集群系统协同任务区域覆盖智能优化方法，包括以下步骤：

步骤1，确定任务区域，搭建以无人机为基站的集群分布式网络，创建集群无人机感知区域并获取任务区域重要性因子。重要性因子表示任务区域中某些区域的重要先验值信息，如灾后物资投递的目标点，通讯覆盖需要包括的地点等。

步骤2，基于集群无人机感知区域和任务区域重要性因子，利用GV图方法将任务区域划分为若干子区域，并将该子区域分配到集群中各个无人机的责任区域；通过覆盖质量函数以子区域分配到的重要性因子计算集群中无人机的覆盖质量目标，得到无人机的期望状态。

步骤3，实现无人机集群分布式控制，根据步骤2得到的期望状态信息调整无人机群系统输入控制律，使集群到达最优状态，实现对目标区域的最大范围覆盖。

作为优选，步骤1包括：步骤1.1，获取无人机集群状态信息，并设定集群状态信息；步骤1.2，无人机集群实现通讯连接，各个无人机通过5G通信模块与相邻无人机进行信息交互；步骤1.3，通过集群中无人机搭载的视觉传感器模块创建无人机感知区域。

作为优选，步骤1.3中集群的探测范围为所述视觉传感器模块的锥形视野与任务区域平面相交得到的椭圆截面，探测范围中心为无人机在任务区域内的投影中心；考虑每台无人机的不确定性，创建集群无人机保证感知区域以使无人机保证感知区域覆盖不确定区域。

作为优选，步骤2具体为：步骤2.1，利用GV图方法将任务区域划分为若干子区域，并根据无人机的保证感知区域以及覆盖质量将子区域分配给每架无人机，成为该无人机的责任区域；分配子区域时，判断无人机与邻近无人机集合是否进行信息交互，信息交互是指集群无人机之间会进行各自状态信息的交互，状态信息包括无人机位置，视觉传感器平移、倾斜量等信息。具体判断是检查集群间通讯模块是否能够正常收发消息即可。判断为否则转入步骤2.2，否则继续判断无人机与邻近无人机保证感知区域是否发生重叠，若判断为是，则需要对分配给该无人机的任务子区域进行更新；通过GV图方法将整个任务区域分为已分配和未分配区域；步骤2.2，构造传感器覆盖质量函数，并通过GV图为每架无人机分配重要性因子，通过传感器覆盖质量函数和重要性因子计算覆盖质量目标，得到集群期望状态信息。

作为优选，判断无人机与邻近无人机保证感知区域是否发生重叠的方法为：确定无人机与其邻近无人机的覆盖质量函数，若该无人机覆盖质量小于等于邻近无人机的覆盖质量，则判断为重叠，更新任务子区域，重新分配给集群无人机；否则转为步骤2.2。

作为优选，覆盖质量目标反应了集群覆盖的区域以及对该区域的覆盖质量，同时还包含了集群中各架无人机的重要性，通过使无人机的覆盖质量目标最大，实现集群最大范围覆盖。

作为优选，每架无人机被分配到子区域的重要性因子

作为优选，步骤3具体为：步骤3.1，设置集群率并根据期望状态信息调整该集群控制律；步骤3.2，在步骤3.2的集群控制律作用下，集群中无人机的系统状态信息优化收敛到局部最优状态，无人机达到最终平衡状态，实现集群对任务区域的最大范围覆盖。

控制律包括对无人机i的传感器平移量、倾斜角以及视锥角的控制律，分别具体为：

其中A

作为优选，无人机达到最终平衡状态为：

有益效果：

(1)本发明提出的无人机集群对任务区域的覆盖优化，使用多架无人机分别作为空中基站进行点对点连接。提高了单一无人机执行任务时的容错率。即使某些无人机出现故障，集群仍然能够通过网络重新配置保留对任务区域的覆盖效果；

(2)本发明中无人机集群的变化适应性增强了集群的可扩展性。当任务区域中需要扩大覆盖范围、增强覆盖效果时，可以直接部署集群外的无人机参与集群任务，无需对已经启动和运行的集群进行停飞操作；

(3)本发明中集群无人机部署采用感知区域对任务区域进行划分，使得集群无人机最终状态达到覆盖目标最大值，实现集群区域覆盖效果的优化；

(4)本发明的集群无人机搭载的视觉传感器能够增大单个无人机的视域范围，提升对任务区域覆盖的优化速度。集群无人机区域覆盖可以应用于如受灾区域、作战区域等对覆盖范围需求较高的场所。所用方法灵活性高、适应性强，能够对森林火灾探测、受灾地区通信网络搭建、城市安全以及基础设施检查等场景下进行最优的大范围区域覆盖。

附图说明

图1为本发明一个实施例的设计优化方法的总体流程图；

图2为本发明一个实施例的无人机集群分布式网络概念图；

图3为本发明一个实施例的区域划分优化方法流程图；

图4为本发明一个实施例的无人机集群分布式控制方法流程图。

图5为本发明一个实施例的无人机集群区域覆盖仿真示意图；

图6为本发明一个实施例的无人机集群覆盖质量目标变化图；

图7为本发明一个实施例的无人机集群对目标区域覆盖率变化图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明聚焦于数学模型的建立、控制律等输入的动力学求解和算法设计上，在集群进行区域覆盖任务规划的过程中，实现在目标环境中各无人机协同自适应的覆盖效果最大化，并设计合理算法对无人机的目标侦查区域进行分区，规划搜索路径，在保证覆盖质量的前提下实现对目标区域的快速覆盖搜索。其中无人机的任务是集群感知覆盖目标环境空间，每个无人机都配备了适合任务的传感器，同时能够进行集群内机间通信，进而形成一个传感器网络，进行收集情报并探索环境。该自组织网络具有非常良好的适应性，能够适应单点故障、部分通讯信息丢失以及异构团队的容纳。

结合图1至图3，具体的包括以下步骤，

无人机集群分布式网络搭建模块中包括以下步骤：步骤1，确定任务区域，搭建以无人机为基站的集群分布式网络，创建集群无人机感知区域。具体的，

步骤1.1，获取无人机集群状态信息，确定任务区域信息以及无人机集群参数信息，设定集群状态信息。任务区域信息包括任务区域范围，任务区域形状可以是规则图形也可以是不规则图形。

本实施例将任务区域设置为受灾地区或作战环境等对场地覆盖需求较高的区域，以覆盖率最优为目标对任务区域进行集群无人机协同规划，进而实现通信或巡视监察需求。确认任务区域后，获取任务区域的位置信息发送至无人机集群。

步骤1.2，无人机集群实现通讯连接，集群无人机上搭载用于信息交互的5G通信模块，利用5G高速移动切换的特性实现与邻近无人机传递各自的状态信息。以集群内无人机作为基站构建空中的通信网络，实现通信受限区域最大范围的可行通信，根据各无人机的感知区域对集群内无人机的分布进行部署。

步骤1.3，通过集群中无人机搭载的视觉传感器模块创建无人机感知区域。无人机集群参数信息包括集群内无人机数量I

其中，||·||表示欧几里得度量，a

由于集群无人机内GPS传感器固有的不准确性，在进行无人机感知区域创建时，定义集群中每架无人机不确定性边界为r

因此，考虑到每架无人机的不确定性，无人机i的保证感知区域

其中，

其中，

无人机集群分布式网络构建如图2所示。图中展示了无人机i以及其邻近无人机集合N

步骤2，任务区域划分优化。如图3所示，为本发明设计任务区域划分优化方法流程。具体包含以下步骤：

步骤2.1，利用GV图方法划分任务区域。与传统的Voronoi图不同，GV图(Guaranteed Voronoi)通过具有定位不确定性的无人机集群，将整个任务区域划分为若干子区域分配给整个集群。根据无人机的保证感知区域

对所述集群无人机i划分子区域时，检查所有的邻近无人机j∈N

子区域W

其中，I

因此，未分配区域

GV图将整个任务区域分为已分配区域和未分配区域。

步骤2.2，对于集群内无人机计算覆盖优化目标H。覆盖优化目标包括传感器覆盖质量函数f

其中，0和1分别对应传感器的最低和最高质量。

集群中每架无人机的投影q∈Ω通过GV图分配到一个重要性因子

本发明中，覆盖质量目标综合考虑了集群覆盖的区域以及对该区域的覆盖质量，同时还包含了集群中各架无人机的重要性，使得无人机集群覆盖质量目标H达到最大，即实现集群的最大化范围覆盖。根据所述步骤4中分区策略W

如图3所示，根据覆盖质量目标中覆盖质量函数以及重要性因子等输入量，输出无人机集群期望状态信息(位置、高度、平移量、倾斜角以及视锥角)。

步骤3，对无人机集群进行分布式控制。如图4所示，为无人机集群分布式控制方法流程。

步骤3.1，设置集群率并根据期望状态信息调整该集群控制律。对无人机i采用条件判断，根据无人机期望状态信息调整集群控制律，从而实现集群分布信息的更新。只有保证无人机与邻近无人机有信息交互，才能进行无人机之间的状态信息传递，从而进行机间感知区域重叠的判断，进而对集群无人机分配子区域。无人机i与其邻近无人机集合都进行感知区域重合判断，进行责任区域更新后即为遍历完邻近无人机集合Ni。

终止条件判断如下：若所述无人机i与其邻近无人机都保持通信连接，则将自身状态信息广播至邻近无人机集合N

本发明中，选择控制输入如下：

其中，系数A

本发明中保证所述系数A

其中，A

步骤3.2，在控制律的作用下，集群中无人机的系统状态信息q

集群内各无人机达到最终平衡状态

本发明提出的集群无人机系统协同区域覆盖智能优化方法，能够对任务区域进行最大范围通信或监查。创建无人机感知区域，获得集群无人机状态信息，通过GV图对任务区域进行划分，计算集群覆盖质量目标，输出集群内无人机最优分布状态信息，实现对任务区域的最大范围的集群覆盖。

通过以下仿真案例以说明本专利方法的可实施性。

以六架无人机组成集群(I

A

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。