多无人机协同作业航路离线设计方法与流程

本发明涉及无人机离线航路设计领域，尤其涉及一种多无人机协同作业航路离线设计方法。

背景技术：

1、在众多工业和商业领域中，无人机群的协同作业技术已展现出极大的潜力和价值，特别是在农业喷洒、地形测绘、灾害监测和救援等场景中，多无人机系统通过低空飞行协同完成任务，可以大幅提高作业效率和安全性。然而，多无人机低空协同作业在实际执行中面临着复杂的航路设计挑战，包括如何有效协调无人机之间的空间分布，避免相互干扰，以及如何针对特定任务优化航路设计，以实现最佳的作业效果。

2、为解决此问题，传统方法考虑多个无人机自主地进行飞行中的在线航迹规划，在追求各自自身飞行效率的基础上保障飞行的安全(安全＝不碰撞)，但是各个无人机的协同能力不足，如果实施在线的多机协同航迹规划，则计算量过大，实现难度较高。

3、而当前的无人机航路离线设计方法大多针对单一无人机进行，一旦空间中存在着多辆无人机，则这种“各自为战”的方式缺乏对多机协同操作时空间冲突和作业效率的综合统筹考虑。

4、因此，有必要提出种多无人机协同作业航路离线设计方法，以解决上述问题。

技术实现思路

1、本发明针对多无人机低空协同作业在实际执行中面临着复杂的航路设计挑战的问题，提出了一种多无人机协同作业航路离线设计方法，包括以下步骤：

2、s1、针对n台无人机的协同航路设计问题，提取各无人机的起点信息(明确给定)，目标备选终点信息(各具体无人机到底飞到哪里暂时未确定)，通过枚举所有的指派方案，可形成n！种排列组合方案，将所有方案记录在集合s之中，其中n取大于等于1的整数；

3、s2、从集合s中独立地提出第i种方案，其中i＝1,2,…,n！，据此构建一则多机协同轨迹优化问题模型，随后对其进行数值优化求解，得到多级协同飞行轨迹，去掉轨迹的时间属性，只保留路径属性，构成一组协同飞行航路方案，记录在集合ss之中，重复执行本步骤，直至i从1一直取到n！为止；

4、其中，多机协同轨迹优化问题包括决策变量、一系列约束以及代价函数，一系列约束包括无人机运动学规律约束以及两点边值约束；

5、决策变量包括：xi(t)代表t时刻无人机i的中心点所在位置在大地惯性坐标系中的横坐标值，yi(t)代表t时刻无人机i中心点所在位置在惯性坐标系中的纵坐标值；vxi(t)及vyi(t)分别代表无人机i在t时刻的沿着x或y方向的飞行速率；求解多机协同轨迹优化问题，即同时解出所有无人机(假设一共有n架无人机)在完成任务所需的时间区间飞行时空轨迹，连同其他状态量；t∈[0,t]代表飞行过程的时间区间，t是待定的决策变量。

6、无人机运动学规律约束包括：无人机的飞行规律符合完整约束，因此运动学约束可记为：

7、

8、t∈[0,t]；

9、飞行速度受限，假设最大飞行速度为vmax，那么施加以下约束：

10、

11、两点边值约束包括：在初始时刻t＝0以及终止时刻t＝t，各无人机会处于指定的位置，因此两点边值约束可构建为以下等式：

12、

13、vxi(0)＝vyi(0)＝vxi(t)＝vyi(t)＝0；

14、其中代表无人机i在起始时刻t＝0所在的坐标位置，代表无人机i在起始时刻t＝t所在的坐标位置，是n！种指派方案中的一种，也是当前明确指定好的。我们要求所有无人机同时出发且同时抵达各自的终点，vxi(0)＝vyi(0)＝vxi(t)＝vyi(t)＝0意味着无人机的飞行是从静止到静止。

15、虽然航路规划是静态问题，名义上来讲不需要考虑飞机之间的所谓碰撞，但优质的航路相互之间的冲突更少，这意味着各轨迹之间的空间交集将被尽可能减少。我们在代价函数中体现这一诉求。

16、代价函数包括：将最小化的代价函数设计为以下加权格式：

17、

18、其中w＞0，w为加权权重，代价函数第一项表示了n架无人机之间，任意不同的两架，即i与k之间在任意两个相同或不同的时刻τ与κ之间的距离平方累计值尽可能大，第二项表示了n架无人机尽可能早地抵达终点；

19、将上述决策变量、约束、代价函数整合起来就是一则多机协同轨迹优化问题的数学模型，我们将其提炼如下：

20、

21、最后进行上述多无人机协同轨迹优化问题的数值优化求解；

22、s3、设计航路设计评价准则方案，分别对ss集合中的n！个航路方案逐一进行评价，选择评价指标值最佳的那一组方案输出，作为最终的协同航路设计结论。

23、在本发明的一个优选实施方式中，s2中多无人机协同轨迹优化问题的数值优化求解包括：

24、首先需要将其沿着时间区间[0,t]剖分为(nfe+1)个等时间间隔的离散点位，在每一点位上用一个标量值表征待定的决策变量，以xi(t)为例，所需要的标量记录在以下集合中：{x[i][k]i＝1,2,...,n,k＝0,1,2,...,nfe}。

25、则问题(4)可以离散化地表示为以下形式：

26、

27、s.t.,约束条件

28、(x[i][j]-x[i][j-1])/(t/nfe)＝vx[i][j],

29、(y[i][j]-y[i][j-1])/(t/nfe)＝vy[i][j],

30、

31、即得到一则经典的非线性规划问题，采用内点算法求解非线性规划问题(5)：

32、首先，待求解的约束优化问题(5)可精炼地描述为：

33、

34、h(χ)＝0；

35、其中χ代表决策变量，通过引入松弛向量s＞0，可将(6)中的不等式约束g(χ)＜0转化为等式约束，即：

36、min j(χ,s),

37、

38、s＞0；

39、此时，如将命题(7)中唯一的不等式约束条件s＞0转化为内罚函数项补入代价函数j，则可构造仅包含等式约束的标准形式约束优化问题：

40、min jμ(χ,s)＝j(χ)-μipm·ln(s),

41、s.t. g(χ)+s＝0, (8)

42、h(χ)＝0；

43、其中，jμ(χ,s)代表包含内罚函数项的代价函数；μipm＞0是障碍因子，其取值越趋于0+则通过内罚函数μipm·ln(s)描述不等式s＞0的精准程度越高；

44、内点算法求解命题(6)的方式实质上是序贯求解μipm取值逐步趋于0+所对应的一系列形如(8)的子问题；随着μipm趋于0+，子问题的极值将趋于原命题(6)的极值；在序贯计算的过程中，针对某一特定障碍因子μipm而求解子问题(8)的方法为拉格朗日增广牛顿法；

45、由以上分析可知内点算法通过双层循环架构求解nlp命题即：在外层循环更新μipm，在内层迭代求解给定μipm条件下的子问题(8)。

46、进一步地，s3中航路设计评价的指标定义方法为：

47、数值求解后，拿到表征飞行轨迹的一组解，具体表示了当前指派方案下的n架无人机的飞行轨迹，表示为：

48、{(x[i][j],y[i][j])i＝1,2,...,n,k＝0,1,2,...,nfe}；

49、将上述n架飞机的路径集中记录在集合s之中作为一个元素，这样的元素一共有n！个；

50、随后，针对s之中每个元素，按照式(9)进行量化测评打分：

51、

52、从总计n！个元素中选择分值最高的一个，输出为最终的协同航路设计结论。

53、实施本发明实施例，具有如下有益效果：

54、本发明的多无人机协同作业航路离线设计方法，从离线设计的角度，让有潜在冲突的无人机航线在它们实际飞起来之前，基本的航线就有差异，尽可能避免相交，通过离线设计的方式提前规避掉潜在的冲突；本方法主要解决了在有限空间内多无人机的有效协同与路径冲突最小化问题，显著提高了多无人机作业的协同性、安全性以及高效性；

55、基于长期使用过程中的统计数据，使用本方法将无人机集群的运营效率提高了38％，各无人机之间原本冲突的航路变得畅通无阻，至此再未出现过多机相撞的事故。