一种时变需求下船舶排放检测无人机部署调度方法及系统
本发明涉及无人机任务规划与飞行调度,尤其涉及一种时变需求下船舶排放检测无人机部署调度方法及系统。
背景技术:
1、海港船舶排放检测通常需要无人机携带气体、颗粒物或烟羽传感器,从港区固定机巢起飞,飞抵港池、锚地、泊位或近岸航道附近,对一艘或多艘待检船舶实施近距离采样或伴飞检测,再返回所属机巢降落、充电和维护。受船舶到离港节奏、靠泊窗口、装卸计划、港区作业日历和泊位功能分区影响,待检船舶的数量、位置和空间聚集形态会在不同作业日或班次之间周期性变化。机巢启用与无人机归属属于研究周期开始前确定的中长期部署决策,通常不能随每日需求频繁调整;目标选择、访问顺序和飞行航线则属于随作业日变化的短期执行决策。若仅依据单一典型日、平均需求或总需求进行部署,容易在低负荷日产生资源闲置,在高峰日或空间偏移日出现局部机巢过载、边缘船舶不可达以及计划任务无法安全完成。
2、公开号为cn118012131a的专利申请中提出了一种无人机调度巡检方法,该方法应用于风电场场景,通过响应巡检任务确定无人机数量、机巢位置及巡检目标点,以最小化所有无人机的总飞行距离为目标,并考虑巡检时间和电池电量约束,求解各无人机的最优巡航路线。该方案解决了风电场中多无人机协同巡检的路径优化问题,提高了巡检效率,但其机巢选址依据风机之间的固定几何距离关系,且以总飞行距离最小化为单一优化目标,未能处理巡检目标空间分布随作业日变化的情况,也未涉及多船连续巡检路径中的逐节点电量安全校验。
3、公开号为cn122261224a的专利申请中提出了一种警报驱动的海上风电场船无人机协同巡检方法,该方法以警报信息为驱动生成待巡检任务集合,构建候选停泊点与任务的覆盖关系,将航程、电量、时间、风窗和回收窗口等多约束统一表征为任务执行裕度,并通过双层协同迭代求解优化母船停泊序列与无人机局部巡检方案。该方案解决了海上风电巡检中母船与无人机协同决策不足、环境约束脱离主决策链的问题,但其应用场景允许母船作为移动平台根据任务分布灵活调整停泊位置,这与港区船舶排放检测中机巢位置在研究周期开始前即需固定、不能随每日需求频繁调整的部署约束存在本质不同。
4、综上所述,现有技术尚未针对港区船舶排放检测中机巢固定部署与时变船舶需求相耦合的特点,提供一种既能统一确定跨作业日固定部署方案、又能逐日验证连续多船巡检路径可执行性,同时能够识别真正最不利作业日并生成可直接下发飞控指令的完整解决方案。
技术实现思路
1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种时变需求下船舶排放检测无人机部署调度方法及系统,以解决现有无人机部署调度难以适应时变需求、容易产生漏检和资源利用效率低的问题。
2、本发明的目的可以通过以下技术方案来实现:
3、一种时变需求下船舶排放检测无人机部署调度方法,包括如下步骤:
4、获取与港区船舶排放检测相关的多个作业日的船舶需求情景数据及无人机运行参数;
5、基于所述船舶需求情景数据,计算各作业日下各候选机巢与各待检船舶之间执行单船闭合检测任务的总需电量,当所述总需电量不超过无人机最大电量时标记为可达,生成单船闭合任务可达矩阵;
6、基于所述单船闭合任务可达矩阵,建立第一阶段固定部署模型,联合确定候选机巢区域的启用状态、各启用机巢的无人机配置数量及机巢与船舶作业区的指派关系,输出固定部署方案;
7、基于所述固定部署方案,建立逐作业日第二阶段运行模型,在各作业日情景下沿所生成的路径执行逐节点剩余电量校验,输出满足路径和电量约束的无人机连续巡检路径;
8、以所述固定部署方案在所有作业日情景下的最低运行指标作为最坏指标,最低运行指标作业日作为最不利作业日,通过场景递进列与约束生成算法进行迭代求解,输出鲁棒最优部署方案;
9、基于所述鲁棒最优部署方案生成无人机控制指令。
10、作为本发明的一种优选技术方案,所述船舶需求情景数据包括多个作业日、各作业日下的待检船舶集合、船舶作业区域集合及节点间距离;所述无人机运行参数包括无人机最大电量、安全预留比例、起飞能耗、降落能耗、单船检测能耗、单位距离飞行能耗、机巢启用成本、检测收益及漏检惩罚;所述总需电量包含起飞能耗、往返飞行能耗、单船检测能耗、降落能耗及安全预留电量,所述安全预留电量由无人机最大电量与预设安全预留比例换算得到。
11、作为本发明的一种优选技术方案,所述第一阶段固定部署模型满足以下约束:
12、仅对已启用的机巢配置无人机,全部已启用机巢的无人机总数等于最大部署总量;
13、每一船舶作业区及该作业区内的每一待检船舶均至少被指派给一个已启用的机巢,机巢的检测范围仅限被指派至其对应作业区的船舶;
14、基于单船闭合任务的最大服务距离,排除超出机巢与作业区之间所述最大服务距离的指派关系;
15、所述最大服务距离由无人机最大电量、安全预留比例、起飞能耗、检测能耗、降落能耗及单位距离飞行能耗计算得到。
16、作为本发明的一种优选技术方案,所述第二阶段生成的连续巡检路径满足以下约束:
17、机巢仅为其指派作业区内的船舶派发无人机检测任务并进行检测;
18、每一艘待检船舶仅能被一架无人机检测一次;
19、所述连续巡检路径为以所属机巢为起止点的闭合回路;
20、进入每一被检测船舶的飞行弧数与离开该船舶的飞行弧数均等于其服务状态,每个航次从所属机巢的零号节点出发一次并返回一次;
21、各被访问船舶的访问顺序沿所选择飞行弧严格递增,排除不含机巢节点的独立闭合子回路。
22、作为本发明的一种优选技术方案,所述逐节点剩余电量校验具体流程为:
23、无人机从所属机巢以初始电量起飞,沿选定飞行弧飞行至下一船舶节点时,扣除该段飞行距离与单位距离飞行能耗的乘积,到达船舶节点后扣除单船检测能耗,更新当前剩余电量;
24、对每一已检测船舶节点,均要求当前剩余电量不低于预设安全阈值,且足以直接返回所属机巢、完成降落并保留安全预留电量。
25、作为本发明的一种优选技术方案,所述运行指标通过如下公式计算得到:
26、
27、其中,表示在部署方案下,第个作业日的运行指标;完成检测收益、漏检惩罚、总能耗、总飞行距离和任务时长均为归一化后的分量;完成检测收益权重,漏检惩罚权重,飞行能耗权重,飞行距离权重和任务时长权重为相应的权重系数。
28、作为本发明的一种优选技术方案,所述场景递进列与约束生成算法迭代求解具体流程为:
29、初始化关键作业日子集、全局上界与全局下界;
30、在当前关键作业日子集上求解受限主问题,得到候选部署方案,并更新全局上界;
31、固定所述候选部署方案,遍历全部作业日逐一求解各作业日的运行模型,识别运行指标最小的作业日作为当前最不利作业日,并更新全局下界;
32、若全局上界与全局下界的差值不大于预设容差,则终止迭代并输出鲁棒最优部署方案;若所述差值大于预设容差,则判断当前最不利作业日是否已包含于所述关键作业日子集中;若未包含,则将该最不利作业日及其对应的运行变量与约束加入所述关键作业日子集并继续迭代;若已包含,则缩小求解器容差后继续迭代,或直接以当前候选部署方案作为近似鲁棒最优部署方案终止迭代。
33、作为本发明的一种优选技术方案,所述无人机控制指令包括无人机编号、所属机巢编号、航次编号、目标船舶访问顺序、各航点坐标、预计到达时刻、预计剩余电量以及安全返航路径。
34、作为本发明的一种优选技术方案,任务执行过程中,飞控终端周期性回传实时状态数据,飞行中比较实时电量与计划电量,必要时触发返航或重调度。
35、本发明还提供一种时变需求下船舶排放检测无人机部署调度系统,用于实现上述任一项所述的无人机部署调度方法,系统包括:
36、数据获取与预筛模块,用于获取所述船舶需求情景数据及无人机运行参数,并基于所述船舶需求情景数据生成所述单船闭合任务可达矩阵,预筛物理不可行部署关系;
37、两阶段模型构建模块,用于建立所述第一阶段固定部署模型以确定所述固定部署方案以及建立所述逐作业日第二阶段运行模型,并在各作业日情景下执行所述逐节点剩余电量校验,输出满足所述路径和电量约束的无人机连续巡检路径;
38、指标评估与迭代求解模块,用于计算各作业日运行指标以确定所述最坏指标和所述最不利作业日,并执行所述场景递进列与约束生成算法迭代求解,输出鲁棒最优部署方案;
39、指令生成模块,用于生成无人机控制指令,并发送至无人机飞控终端。
40、与现有技术相比,本发明具有以下有益效果:
41、(1)本发明将机巢启用状态、无人机归属关系以及机巢-作业区服务关系作为跨作业日保持不变的第一阶段部署决策,将目标选择、飞行弧和剩余电量作为随作业日变化的第二阶段运行决策,使部署方案在制定时兼顾各作业日运行层的实际可行性与指标表现,克服了现有技术中机巢选址与任务调度相互独立、前期决策错误无法通过后期路径调整完全弥补的问题。
42、(2)本发明先利用单船闭合任务总需电量对候选机巢-船舶组合进行必要性预筛,剔除物理上无法满足单船往返基本电量需求的关系组合;再通过连续多船路径生成与逐节点剩余电量递推,对已通过预筛的组合进行执行层校验。在逐节点递推过程中,本发明在每一已检测船舶节点均要求剩余电量不低于绝对安全预留电量,且足以从当前位置直接返回所属机巢并完成降落,而非仅在航次末端检查电量。通过这种方式既缩小了优化模型的搜索空间,又能够区分理论可达与实际可完成的部署方案,同时降低了因访问顺序不合理或后续任务取消所导致的返航失败风险。
43、(3)本发明以完整作业日集合中的最低运行指标作为固定部署方案的评价基准,对每一作业日的运行指标进行综合量化,并将运行指标最小的作业日而非船舶数量最大的作业日定义为最不利作业日,从而捕获因船舶空间分布分散、组合飞行能耗叠加等因素导致运行指标恶化的作业日情景,避免了以平均日或最大需求量作为部署依据时真实最不利情景被掩盖的问题。
44、(4)本发明采用场景递进列与约束生成算法,以关键作业日子集的逐步扩充替代完整作业日集合的一次性建模求解。每次迭代将当前候选部署方案下识别的最不利作业日及其第二阶段变量与约束加入受限主问题,避免了路径变量和电量约束随作业日数量增长而引发的模型规模膨胀问题,在保证收敛至鲁棒最优解的前提下,降低了单次求解的计算复杂度。
45、(5)本发明将优化求解得到的机巢启用状态、无人机归属关系、逐作业日的无人机编号、航次编号、目标船舶访问顺序、航点坐标、预计到达时刻、预计剩余电量和安全返航路径整合为结构化任务包,发送至飞控终端执行;执行过程中比对实时电量与计划电量,在偏差超出范围时触发返航或重调度,形成闭环无人机控制方案,解决了现有技术中仅输出数学意义上的部署位置或目标分配、与实际无人机系统衔接不足的问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com