一种基于图神经网络的多无人机路径规划方法及系统

摘要: 本技术涉及无人机路径规划与无线通信保障,具体涉及一种基于图神经网络的多无人机路径规划方法及系统。背景技术:1、随着低空经济、智慧物流、应急救援和巡检监测等应用场...
一种基于图神经网络的多无人机路径规划方法及系统

本技术涉及无人机路径规划与无线通信保障,具体涉及一种基于图神经网络的多无人机路径规划方法及系统。

背景技术:

1、随着低空经济、智慧物流、应急救援和巡检监测等应用场景的发展,多个无人机系统因其任务覆盖范围广、协同执行效率高和部署灵活等优势,逐渐成为无人机应用领域的重要发展方向。在多个无人机执行配送、巡检或搜索等任务过程中,通常需要根据任务位置、无人机起降点、飞行距离、能量消耗以及安全约束等因素进行路径规划,以保证多架无人机能够协同完成任务。

2、在实际低空飞行环境中,无人机通常需要依赖空地无线链路进行状态回传、控制指令接收和任务信息交互。由于城市建筑遮挡、多径传播、地形起伏以及小尺度衰落等因素的影响,不同区域的无线通信质量存在明显差异。无人机在飞行过程中若经过通信质量较差区域,可能出现链路质量下降、数据回传不稳定甚至通信中断等情况,从而影响任务执行的连续性和可靠性。

3、现有多个无人机路径规划方法通常以飞行距离最短、飞行时间最少、能量消耗最低或任务完成效率最高作为主要优化目标,在路径搜索过程中更多关注空间位置、任务分配和飞行代价等因素,而对无人机飞行过程中的通信质量保障考虑不足。在实际低空飞行场景中,无人机需要持续依赖无线通信链路完成飞行状态回传、控制指令接收、任务数据传输以及多机协同信息交互。若无人机在飞行过程中进入通信质量较差区域,可能导致链路时延增大、数据包丢失、遥测信息回传异常或控制指令无法及时送达;在严重情况下,无人机可能进入短时失联或持续失联状态,导致地面控制端难以及时掌握其飞行位置、姿态、电量和任务执行状态,也难以及时对突发障碍、气象变化或任务调整作出控制响应。对于多个无人机场景而言,单架无人机的通信中断还可能进一步影响集群协同调度、避碰协调和任务接续执行,使无人机处于近似“盲飞”状态,增加航迹偏离、任务失败、空域冲突甚至安全事故的风险。

技术实现思路

1、本技术实施例期望提供一种基于图神经网络的多无人机路径规划方法及系统,能够降低无人机飞行过程中的通信中断风险,提高多个无人机系统的任务执行可靠性和飞行安全性。

2、本技术的技术方案是这样实现的:

3、第一方面,本技术实施例提供一种基于图神经网络的多无人机路径规划方法,所述方法包括:

4、获取多种用于多个无人机路径规划的基础信息;并对所述基础信息进行初始化,得到初始化信息;其中,所述初始化信息包括无人机集合、无人机起降点位置、任务集合、任务取送货点位置、任务载荷重量、无人机飞行性能参数、无线电地图、通信质量阈值和路径规划相关参数;

5、基于所述无线电地图和所述通信质量阈值,计算所述无线电地图对应的规划区域内各空间位置发生通信中断的概率,确定通信中断概率图;

6、基于所述通信中断概率图、所述无人机起降点位置和所述任务取送货点位置,计算无人机起降点、任务取货点与任务送货点之间的通信质量路径代价矩阵;

7、基于所述通信质量路径代价矩阵、所述任务载荷重量、所述无人机起降点位置、所述任务取送货点位置和所述任务集合,构建图结构数据;并基于所述图结构数据,确定所述任务集合中各任务与无人机之间的分配关系;

8、基于所述各任务与无人机之间的分配关系,计算每一无人机的路径规划结果;并根据所述每一无人机的路径规划结果,进行多个无人机任务与路径优化,确定多个无人机任务分配结果和多个无人机路径规划结果。

9、上述方案中,所述基于所述通信中断概率图、所述无人机起降点位置和所述任务取送货点位置,计算无人机起降点、任务取货点与任务送货点之间的通信质量路径代价矩阵,包括:

10、基于所述无人机起降点位置和所述任务取送货点位置,计算空间距离信息;

11、基于所述通信中断概率图、所述空间距离信息、预设距离代价权和预设通信中断风险权重,计算无人机起降点、任务取货点与任务送货点中两两关键节点之间可行路径的单步路径代价;其中,关键节点为无人机起降点、任务取货点与任务送货点中的节点;

12、基于所述两两关键节点之间可行路径的单步路径代价,选择所述单步路径代价最小对应的可行路径确定为所述两两关键节点之间的通信质量路径,将所述通信质量路径对应的单步路径代价确定为所述两两关键节点之间的最优路径代价;

13、基于所述两两关键节点之间的最优路径代价,确定所述通信质量路径代价矩阵。

14、上述方案中,所述基于所述通信质量路径代价矩阵、所述任务载荷重量、所述无人机起降点位置、所述任务取送货点位置和所述任务集合,构建图结构数据,包括:

15、基于所述通信质量路径代价矩阵、所述任务载荷重量、所述无人机起降点位置、所述任务取送货点位置和所述任务集合,确定所述任务集合中每一任务节点的特征向量;

16、基于所述任务集合中每一任务节点的特征向量,计算两两任务节点之间的通信风险耦合代价;

17、基于所述两两任务节点之间的通信风险耦合代价,确定所述任务集合中每一任务节点的邻居节点;并根据所述每一任务节点的邻居节点,确定每一任务节点的邻居集合;

18、基于所述通信风险耦合代价和预设温度系数,计算归一化边权;

19、基于所述任务集合中每一任务节点的特征向量、所述每一任务节点的邻居集合和所述归一化边权,确定所述图结构数据。

20、上述方案中,所述基于所述任务集合中每一任务节点的特征向量、所述每一任务节点的邻居集合和所述归一化边权,确定所述图结构数据,包括:

21、通过图神经网络,对所述任务集合中每一任务节点的特征向量进行线性映射,得到所述任务集合中每一任务节点的特征向量的初始嵌入表示;

22、通过所述每一任务节点的邻居集合和所述归一化边权,对所述初始嵌入表示进行通信风险加权消息聚合,确定所述任务集合中每一任务节点的邻居消息;

23、基于所述初始嵌入表示和所述邻居消息,更新节点嵌入,确定所述任务集合中每一任务节点的最终嵌入表示;

24、将所述任务集合中每一任务节点的最终嵌入表示确定为所述图结构数据。

25、上述方案中,所述基于所述图结构数据,确定所述任务集合中各任务与无人机之间的分配关系,包括:

26、基于所述图结构数据,确定多个无人机各自的任务嵌入值;并基于所述任务嵌入值,确定多个无人机各自的负载状态向量;

27、针对所述任务集合中的任一个待分配任务,计算所述任务集合中的任一个待分配任务和多个无人机各自之间的通信匹配特征;

28、基于所述图结构数据、所述负载状态向量和所述通信匹配特征,计算所述任一个待分配任务给多个无人机各自的评分;并对所述评分进行归一化处理,得到所述任一个待分配任务给多个无人机各自的概率;

29、选择所述多个无人机中概率最大的无人机确定为执行所述任一个待分配任务对应的无人机;

30、基于所述任一个待分配任务对应的无人机,确定所述任务集合中各任务与无人机之间的分配关系。

31、上述方案中,所述基于所述各任务与无人机之间的分配关系,计算每一无人机的路径规划结果,包括:

32、基于所述各任务与无人机之间的分配关系,确定每一无人机的任务子集;

33、基于所述通信质量路径代价矩阵、所述每一无人机的任务子集和取送货顺序约束,生成每一无人机的初始路径;并对所述每一无人机的初始路径,进行路径优化,得到每一无人机的候选路径;

34、计算所述每一无人机的候选路径的综合路径代价,选择所述综合路径代价满足取送货顺序约束、预设载荷约束和能量约束的候选路径为每一无人机的最新路径;

35、对所述每一无人机的最新路径进行通信质量路径优化,确定所述每一无人机的路径规划结果。

36、上述方案中,所述每一无人机的路径规划结果包括任务访问顺序、取送货节点序列、节点间具体飞行路径、路径综合代价、预计飞行时间和预计能耗;

37、所述根据所述每一无人机的路径规划结果,进行多个无人机任务与路径优化,确定多个无人机任务分配结果和多个无人机路径规划结果,包括:

38、在所述每一无人机的路径规划结果满足预设条件下,进行多个无人机任务转移和任务交换,得到所述多个无人机任务分配结果;

39、基于所述多个无人机任务分配结果,对所述多个无人机中的每一无人机的路径规划结果进行路径优化,确定所述多个无人机路径规划结果;

40、其中,所述预设条件包括以下至少一项:

41、针对多个无人机中的每一无人机,每一无人机的预计飞行时间大于多个无人机中的剩余无人机的预计飞行时间;

42、每一无人机的预计能耗大于预设能耗阈值;

43、每一无人机的路径综合代价大于预设路径代价阈值;

44、每一无人机的调整次数达到预设最大调整次数。

45、第二方面,本技术实施例提供一种基于图神经网络的多无人机路径规划系统,所述一种基于图神经网络的多无人机路径规划系统包括:获取模块、计算模块和确定模块;其中,

46、所述获取模块,用于获取多种用于多个无人机路径规划的基础信息;并对所述基础信息进行初始化,得到初始化信息;其中,所述初始化信息包括无人机集合、无人机起降点位置、任务集合、任务取送货点位置、任务载荷重量、无人机飞行性能参数、无线电地图、通信质量阈值和路径规划相关参数;

47、所述计算模块,用于基于所述无线电地图和所述通信质量阈值,计算所述无线电地图对应的规划区域内各空间位置发生通信中断的概率,确定通信中断概率图;基于所述通信中断概率图、所述无人机起降点位置和所述任务取送货点位置,计算无人机起降点、任务取货点与任务送货点之间的通信质量路径代价矩阵;

48、所述确定模块,用于基于所述通信质量路径代价矩阵、所述任务载荷重量、所述无人机起降点位置、所述任务取送货点位置和所述任务集合,构建图结构数据;并基于所述图结构数据,确定所述任务集合中各任务与无人机之间的分配关系;基于所述各任务与无人机之间的分配关系,计算每一无人机的路径规划结果;并根据所述每一无人机的路径规划结果,进行多个无人机任务与路径优化,确定多个无人机任务分配结果和多个无人机路径规划结果。

49、第三方面,本技术实施例提供一种基于图神经网络的多无人机路径规划设备,包括:处理器和存储器;其中,

50、所述存储器,用于存储计算机程序;

51、所述处理器,用于从所述存储器中调用并运行所述计算机程序,以执行如第一方面所述的方法。

52、第四方面,本技术实施例提供一种计算机可读存储介质,存储有可执行指令,用于引起处理器执行如第一方面所述的方法。

53、本技术实施例提供了一种基于图神经网络的多无人机路径规划方法及系统,该方法包括:获取多种用于多个无人机路径规划的基础信息;并对所述基础信息进行初始化,得到初始化信息;其中,所述初始化信息包括无人机集合、无人机起降点位置、任务集合、任务取送货点位置、任务载荷重量、无人机飞行性能参数、无线电地图、通信质量阈值和路径规划相关参数;基于所述无线电地图和所述通信质量阈值,计算所述无线电地图对应的规划区域内各空间位置发生通信中断的概率,确定通信中断概率图;基于所述通信中断概率图、所述无人机起降点位置和所述任务取送货点位置,计算无人机起降点、任务取货点与任务送货点之间的通信质量路径代价矩阵;基于所述通信质量路径代价矩阵、所述任务载荷重量、所述无人机起降点位置、所述任务取送货点位置和所述任务集合,构建图结构数据;并基于所述图结构数据,确定所述任务集合中各任务与无人机之间的分配关系;基于所述各任务与无人机之间的分配关系,计算每一无人机的路径规划结果;并根据所述每一无人机的路径规划结果,进行多个无人机任务与路径优化,确定多个无人机任务分配结果和多个无人机路径规划结果。上述方案中,在无线电地图基础上,结合通信质量阈值和影响构建通信中断概率图,并将通信中断概率图与飞行距离结合,确定通信质量路径代价矩阵,利用图神经网络学习多无人机任务节点、路径代价和通信可靠性之间的关联关系,从而生成兼顾任务执行效率与通信质量保障的多无人机路径规划方案,降低无人机飞行过程中的通信中断风险,提高多无人机系统的任务执行可靠性和飞行安全性。