基于约束分级解耦与双种群协同的多无人机航迹规划方法
本发明涉及无人机航迹规划,具体涉及一种基于约束分级解耦与双种群协同的多无人机航迹规划方法。
背景技术:
1、近年来,随着无人机在物流配送、农业植保、应急救援、侦察监视等领域的广泛应用,多无人机协同航迹规划技术已成为智能无人系统领域的核心研究问题之一。其中,多无人机协同航迹规划是指在复杂任务环境中为每架无人机规划出满足各类约束条件航迹的多约束多目标优化问题。一方面,需要同时优化总航程代价、编队任务完成时间、无人机总能耗和任务完成度等多个相互冲突的目标;另一方面,航迹方案必须满足空间几何约束、无人机自身性能约束和多机协同约束等复杂约束条件。
2、目前,智能优化算法因其不依赖梯度信息,且能够同时处理多目标和多重约束的特点,逐渐成为无人机航迹规划领域的研究热点。然而,采用智能优化算法求解多无人机航迹规划仍面临着多重挑战。
3、1)随着无人机技术的快速普及,多无人机应用场景正逐步从简单开阔环境向密集障碍物、狭窄通道、禁飞区交错等复杂环境扩展,对多无人机航迹规划提出了更高的要求,同时考虑全部约束条件会导致可行域被压缩成高度分散的孤立区域。因此,如何在各类约束紧密耦合的复杂环境中,满足多目标多约束的条件下高效获取完整可行航迹,是目前多无人机航迹规划领域的一大挑战。
4、2)在实际多无人机协同任务中,要求编队内各无人机在满足机间安全距离、通信范围限制等约束的前提下,尽可能缩短航程并降低能耗。现有方法通常采用固定的协同优先级规则或预设的编队队形约束,存在编队协同性差、要么航迹质量下降等问题。因此,如何在搜索过程中自适应地平衡编队协同约束满足与单机航迹性能优化,成为多无人机协同航迹规划领域的一大挑战。
5、因此,突破现有技术的局限性是本领域技术人员亟需攻克的关键难题。
技术实现思路
1、针对上述问题,本发明的目的是提供一种基于约束分级解耦与双种群协同的多无人机航迹规划方法,旨在解决复杂环境下多类约束紧密耦合导致可行航迹难以高效获取、编队协同约束与单机航迹性能优化难以动态平衡、及搜索算力在不同策略间分配固定导致规划效率低下的问题,从而实现多无人机编队在复杂多约束条件下的高效协同航迹规划。
2、本发明提供了一种基于约束分级解耦与双种群协同的多无人机航迹规划方法,包括:
3、步骤s1,处理器构建面向当前无人机集群的航迹规划模型;
4、所述航迹规划模型以最小化总航程代价、最小化编队任务完成时间、最小化无人机集群总能耗以及最大化任务完成度为多目标函数;所述航迹规划模型的约束条件包括:空间几何约束、通信连通约束、无人机自身性能约束、多机协同约束及任务时序约束;
5、步骤s2,初始化引导种群与平衡种群;
6、其中,引导种群的每个个体采用引导编码方式表示一条候选规划航迹,平衡种群的每个个体采用平衡编码方式表示一条候选规划航迹;
7、步骤s3,使用引导进化算子对引导种群进行变异和交叉操作生成子代,并在逐步扩大的活跃约束集引导下使引导种群收敛至可行航迹解集;
8、其中,所述活跃约束集初始仅包括空间几何约束,在每一代进化完成后,根据引导种群在当前的活跃约束集下的收敛状态添加其他约束条件,直至所有约束条件添加至活跃约束集;
9、步骤s4,使用平衡进化算子对平衡种群进行变异和交叉生成子代,计算平衡种群中每个个体的多目标函数值与总约束违反度,通过动态加权融合方式计算综合优势值,基于所述综合优势值比较个体优劣,对平衡种群进行环境选择以保留优势个体形成新一代平衡种群;
10、步骤s5,在每一代进化开始前,根据引导种群和平衡种群各自的贡献值比例计算主搜索种群选择概率,根据所述主搜索种群选择概率随机确定本轮进化的主搜索种群和辅助种群;
11、所述贡献值为该种群子代成功进入外部精英集并替换原有航迹的次数累加值;
12、步骤s6,将引导种群与平衡种群生成的部分子代进行交换以实现信息共享,将主搜索种群生成的子代和当前的主搜索种群合并后进行非支配排序得到非支配航迹解,将所述非支配航迹解更新入外部精英集;
13、步骤s7,当达到预设终止条件时,将所述外部精英集中的航迹解转换为对应无人机的可执行飞行指令,并下发至各无人机执行。
14、在一种可能的实现方式中,当无人机集群中任一无人机检测到通信链路信噪比低于预设阈值,或者机载雷达/视觉传感器探测到突发威胁时,该无人机对应的处理器触发步骤s1-s7的航迹规划流程。
15、在一种可能的实现方式中,所述步骤s3包括:
16、在初始阶段,仅将所述约束条件中的空间几何约束加入活跃约束集,使所述引导种群在初始阶段仅在空间几何约束限制下进行航迹搜索;
17、采用引导进化算子对引导种群中的个体进行交叉和变异操作生成子代;
18、基于当前的活跃约束集计算各个体的约束违反度和多目标函数值,根据所述约束违反度和多目标函数值评价所述引导种群中的个体,对所述引导种群进行环境选择形成新一代引导种群;
19、在引导种群进化过程中,监测引导种群的收敛状态,判断引导种群在当前的活跃约束集下的目标空间分布是否已满足预设收敛条件;
20、当不满足预设收敛条件时,继续下一代进化;
21、当满足预设收敛条件时,遍历当前处于休眠状态的各类约束,统计引导种群中各个体对剩余约束的个体违反数量和总违反程度,根据预设选取规则从剩余约束条件中选取约束条件,加入活跃约束集;
22、重新执行引导种群进化,直至所有约束条件均加入活跃约束集或达到预设终止条件,使引导种群在逐步扩大的活跃约束集引导下收敛至可行航迹解集。
23、在一种可能的实现方式中,所述根据预设选取规则从剩余约束条件中选取约束条件,加入活跃约束集包括:
24、当最大个体违反数量不低于高违反阈值时,表明该约束被绝大多数个体违反,选取总违反程度最大的约束条件加入活跃约束集;
25、当最大个体违反数量在低违反阈值与高违反阈值之间时,表明该约束对部分个体构成障碍,选取总违反程度最大的约束条件加入活跃约束集;
26、当最大个体违反数量低于低违反阈值时,表明当前活跃约束集已足够引导种群趋向可行区域,不选取任何约束条件加入活跃约束集。
27、在一种可能的实现方式中,所述判断引导种群在当前的活跃约束集下的目标空间分布是否已满足预设收敛条件包括:
28、在引导种群迭代进化过程中,每隔预设代数间隔,记录当前引导种群在各目标上的最优值向量和最劣值向量;
29、获取相隔预设代数间隔的历史最优值向量和历史最劣值向量;
30、计算最优值向量各维度在当前代数与历史代数之间的变化率,并取其中的最大值作为最优值变化率;
31、计算最劣值向量各维度在当前代数与历史代数之间的变化率,并取其中的最大值作为最劣值变化率;
32、取最优值变化率与最劣值变化率中的较大值作为综合变化率;
33、当综合变化率低于预设的收敛精度阈值时,判断引导种群在当前的活跃约束集下的目标空间分布已满足预设收敛条件。
34、在一种可能的实现方式中,所述步骤s4包括:
35、计算平衡种群内的各个体的多目标函数值以及对约束条件的总约束违反度;
36、基于各个体的目标函数值与总约束违反度,计算平衡种群内的任意两个个体的目标优势度和约束优势度;所述两个个体包括第一个体和第二个体;
37、将所述目标优势度和所述约束优势度进行动态加权,计算所述第一个体相对于所述第二个体的综合优势值;
38、根据综合优势值比较个体的优劣情况,对平衡种群进行环境选择,保留优势个体形成新一代平衡种群。
39、在一种可能的实现方式中,根据以下公式计算第一个体相对于第二个体的综合优势值:
40、
41、其中,表示随迭代代数动态调整的约束偏好系数,为目标优势度占主导地位,为约束优势度。
42、在一种可能的实现方式中,所述步骤s5包括
43、根据以下公式计算引导种群的主搜索种群选择概率:
44、
45、其中,为预设的平滑因子,为引导种群的贡献值,为平衡种群的贡献值;
46、随机生成一个随机数;
47、若,选定引导种群作为本轮迭代的主搜索种群,平衡种群作为辅助种群;
48、若,选定平衡种群作为本轮迭代的主搜索种群,引导种群作为辅助种群。
49、在一种可能的实现方式中,所述步骤s6包括:
50、将主搜索种群生成的子代与当前的主搜索种群合并,得到航迹集合;
51、对所述航迹集合进行非支配排序,从最高非支配层级开始逐层选取个体直至选取数量达到种群规模,作为主搜索种群参与下一代进化的父代个体;
52、将所述航迹集合中的非支配航迹解并入外部精英集,对并入后的外部精英集再进行非支配排序并仅保留非支配解;
53、当保留的非支配解的数量超过预设归档容量,按拥挤距离或参考点关联度截断,保留分布最均匀的航迹,形成更新后的外部精英集。
54、在一种可能的实现方式中,所述步骤s7包括:
55、当达到预设终止条件时,将所述外部精英集中的航迹解转换为对应无人机的航点序列,根据所述航点序列生成速度指令、偏航角指令及高度指令;
56、将所述速度指令、所述偏航角指令及所述高度指令封装为飞控控制帧,并通过机载通信总线下发至各无人机的飞控模块执行。
57、本发明提供的基于约束分级解耦与双种群协同的多无人机航迹规划方法,,具有以下有益效果:
58、1)本发明综合考虑空间几何约束、无人机自身性能约束、多机协同约束及任务约束等多重约束,构建多无人机协同航迹规划模型,能够在复杂场景下的多无人机协同场景中实现高效、可行的航迹规划方案。
59、2)本发明的约束分级解耦策略,将约束按类型分级管理,搜索初期仅激活空间几何约束以快速定位可通行区域,随后根据种群收敛状态和休眠约束违反信息逐步激活其余约束,降低初始搜索难度,提高可行航迹获取的成功率。
60、3)本发明采用双种群协同进化与模糊约束平衡策略,引导种群负责空间探索、平衡种群负责协同与目标的权衡,并引入动态约束偏好系数,在搜索初期放宽协同约束要求以充分优化单机航迹,在搜索后期收紧协同约束以保证编队配合,实现两者的自适应平衡,为复杂场景下多无人机航迹规划问题的求解提供了一种新思路。
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