考虑冰况变化的冻港水域无人机多频次监测规划方法

本发明涉及港口冬季水域通航保障与无人机智能监测，尤其涉及一种考虑冰况变化的冻港水域无人机多频次监测规划方法。

背景技术：

1、现有冻港水域冰情监测主要依赖固定监测设备、岸基人工观测、船舶报告、现场人工巡查以及遥感影像等方式获取冰情信息。其中，固定监测设备通常布设在岸基或特定水域位置，用于持续观测局部冰情变化；人工巡查和船舶报告则依赖现场作业人员或航行船舶反馈航道冰况；遥感影像能够提供较大范围的冰情分布信息，但受成像周期、天气条件和空间分辨率等因素影响。近年来，无人机因具有机动性强、部署灵活、获取近距离图像信息方便等特点，开始被尝试用于港口冰情巡检，但总体仍处于起步阶段，多以临时巡飞、固定航线巡检或局部区域辅助观测为主。

2、然而，现有技术通常将冰情监测点视为静态巡检对象，较少考虑不同通航节点在不同时段的船舶通航需求差异，也难以刻画冰情信息随时间非齐次退化、监测后信息重置以及信息失效累计对监测决策的影响。对于冻港水域而言，拖船破冰后的碎冰回填、堆积和压缩具有明显的时空变化特征，不同节点的信息失效速度和监测重要性并不相同。若仅采用固定周期、固定路径或以距离成本为主的无人机巡检方案，容易造成高需求节点监测不及时、低风险节点重复监测、冰情信息失效累计较大等问题，难以实现监测时间、监测点位、飞行路径与冰情信息更新过程的协同优化。

技术实现思路

1、本发明提供一种考虑冰况变化的冻港水域无人机多频次监测规划方法，以克服上述技术问题。

2、为了实现上述目的，本发明的技术方案是：

3、一种考虑冰况变化的冻港水域无人机多频次监测规划方法，包括步骤：

4、s1：构建无人机多频次冰情监测路径规划模型；且所述无人机多频次冰情监测路径规划模型包括目标函数及对应的约束条件；

5、所述目标函数用于最小化规划期内考虑通航需求差异的冻港水域监测节点冰况信息失效损失；

6、s2：基于所述无人机多频次冰情监测路径规划模型，构建无人机路径与冰情信息耦合的双时空网络模型；

7、s3：通过设计路径缩减型二阶段双时空网络优化算法，对双时空网络模型进行求解，对无人机多频次监测时间、监测点位、飞行路径以及冰情信息更新过程的进行协同优化，以实现考虑冰况变化的冻港水域无人机多频次监测规划过程。

8、进一步的，s1中对应无人机多频次冰情监测路径规划模型的所述目标函数如公式（1）所示：

9、（1）

10、式中：表示监测点位的节点编号，表示监测节点集合且，表示规划期内的时间离散时间，表示规划期内的离散时间步集合且，表示用于反映不同节点和不同时段的信息重要程度的权重参数，表示决策变量，表示节点在时间步的冰情信息处于失效状态，反之为0；表示时间步结束时节点的冰情累计失效进程的决策变量，表示超过冰情累计失效阈值后的额外惩罚系数。

11、进一步的，对应无人机多频次冰情监测路径规划模型的约束条件包括考虑跨时段差异化信息失效下冰情信息的状态累计约束、无人机监测的频次与路径规划约束、无人机多频次监测下，每一频次的候选开始时刻选择与监测节点到达时刻接续约束、无人机多频次监测下每一频次的返回时刻、架次持续时间、电量接续以及成本上限约束；

12、考虑跨时段差异化信息失效下冰情信息的状态累计约束，如公式（2）-（11）所示：

13、（2）

14、（3）

15、（4）

16、（5）

17、（6）

18、（7）

19、（8）

20、（9）

21、（10）

22、（11）

23、式中：为决策变量，表示节点在时间步完成监测，且冰情信息状态在该时刻完成更新，反之为0；为决策变量，表示节点在架次内的时间步被开始监测，反之为0；表示无人机监测架次集合且，表示在节点的监测时间，表示每个监测点在规划期内的被监测次数上限，表示节点在时间步的冰情信息有效持续时间，表示节点在时间步的单步失效增量，表示规划期开始时节点的冰情初始累计失效进程，表示时间步结束时节点的冰情累计失效进程的决策变量，表示初始状态下即时间步t=0结束时的节点的冰情累计失效进程，表示节点的累计冰情失效进程逻辑约束使用的充分大常数。

24、进一步的，s2中所述双时空网络模型的构建方法，具体包括：

25、s21：获取无人机多频次监测时空网络且；其中，表示第个架次的无人机监测时空网络，表示时空网络节点且，表示虚拟源点，表示虚拟汇点；为状态节点，表示无人机在事件时刻位于节点；表示时空网络弧且，表示起始弧，为从虚拟源点选择候选出发时刻即，表示监测任务候选开始时刻，表示访问弧，为无人机从基地或监测点转移到节点并完成节点的监测过程，表示访问弧的弧成本；表示访问弧的能耗，表示返航弧，为无人机从监测点返回基地并结束架次过程即，分别表示返航弧的弧成本与能耗；

26、s22：获取冰情信息状态时空网络且；其中，多个监测点位的冰情信息状态变化构成的冰情信息状态时空网络；表示时空网络节点，表示节点在时刻的冰情信息状态，表示冰情信息状态时空网络弧，表示节点从上一次监测时刻到下一次监测时刻之间的信息失效区间；为弧成本表示信息失效区间的信息失效累计损失，且包括非齐次退化过程中形成的连续累计失效程度与超过冰情累计失效阈值后的额外惩罚系数；表示从上一次监测时刻到下一次监测时刻之间的信息失效区间；

27、s23：通过s21获取的无人机多频次监测时空网络，描述无人机在不同架次下的起飞、飞行、监测以及返回基地的监测过程；通过s22获取的冰情信息状态时空网络，描述监测过程中各监测点在相邻两次信息更新之间的信息失效累积过程，以构造双时空网络模型；

28、且所述双时空网络模型的目标函数为最小化冰情信息状态时空网络的信息失效累计，如公式（12）所示：

29、（12）

30、式中：表示冰情信息状态时空网络弧，表示决策变量，表示节点的信息失效网络选择区间弧，反之为0；

31、所述双时空网络模型对应的约束条件包括：

32、无人机多频次监测时空网络路径约束，如公式（13）-（17）所示：

33、（13）

34、（14）

35、（15）

36、（16）

37、（17）

38、式中：为决策变量，表示第个架次选择无人机路径时空弧，反之为0；表示从虚拟源点出发的弧集合与进入虚拟源点的弧集合；表示进入节点的弧集合与从节点出发的弧集合，表示架次中所有访问监测点的访问弧集合；

39、无人机多频次监测时空网络架次资源与先后顺序约束，如公式（18）-（21）所示：

40、（18）

41、（19）

42、（20）

43、（21）

44、式中：表示架次在时步出发以及结束的弧集合，为决策变量，表示架次选择无人机路径时空弧，反之为0；表示相邻架次之间所需的固定补能与周转时间；表示完整路径内每个弧的运行成本与消耗能量；

45、冰情信息状态时空网络内的路径完整性约束与双时空网络的耦合约束，如公式（22）-（26）所示：

46、（22）

47、（23）

48、（24）

49、（25）

50、（26）

51、式中：为决策变量，当取值均为1时分别表示节点的信息失效网络选择区间弧，反之为0；表示架次所有对应节点在时步完成监测的访问弧集合，为决策变量，表示节点在时间步完成监测，且冰情信息状态在该时刻完成更新，反之为0；为决策变量，当取值为1时分别表示节点的信息失效网络选择区间弧，反之为0。

52、进一步的，s3中设计的路径缩减型二阶段双时空网络优化算法，包括：

53、s31：构造路径缩减型二阶段双时空网络优化算法的第一阶段：定义双时空网络模型的解为且,；其中，表示第个监测任务在无人机路径时空网络中的候选起始弧；表示第个监测任务内的候选访问弧及禁止访问弧；且表示节点在第个监测任务内为禁止访问节点，反之为可访问节点；表示全部任务的候选起始弧集合及访问弧集合；

54、基于双时空网络模型的解获取缩减无人机路径时空网络弧集合；

55、且所述缩减无人机路径时空网络弧集合的获取方法为：

56、s311：对双时空网络模型的解中，第个监测任务的起始弧内的开始时刻进行缩减，则新起始弧为：

57、（27）

58、其中，为起始弧对应的开始时刻；

59、s312：对双时空网络模型的解中，第个监测任务内的候选访问弧及禁止访问弧进行缩减，则新访问弧为：

60、（28）

61、其中，表示访问弧对应的被访问节点，表示关闭任务中所有访问节点的访问弧，反之则为保留；

62、s313：基于s311至s312获取缩减无人机路径时空网络弧集合为：

63、（29）

64、其中，表示架次结束的弧集合；

65、s32：构造路径缩减型二阶段双时空网络优化算法的第二阶段：基于缩减无人机路径时空网络弧集合结合双时空网络模型对应的约束条件，求解双时空耦合网络模型，以获取对应各监测任务的无人机多频次监测规划方案；

66、且所述无人机多频次监测规划方案包括但不仅限于监测任务、候选时间、监测节点、访问顺序以及冰情信息失效区间的选择；

67、将所述无人机多频次监测规划方案定义为候选解；基于自适应大邻域搜索算法结合模拟退火算法对候选解的筛选，输出最优解即得到考虑冰况变化的冻港水域无人机多频次监测规划的最优方案。

68、进一步的，所述s32中基于自适应大邻域搜索算法结合模拟退火算法对候选解的筛选，具体包括步骤：

69、s321：基于自适应大邻域搜索算法定义基于信息失效反馈扰动对象的复合扰动算子与基于候选空间扰动对象的复合扰动算子；

70、且所述基于信息失效反馈扰动对象的复合扰动算子：

71、将所述双时空网络模型的目标函数值作为信息失效总损失指标；并基于信息失效总损失指标依次选择信息失效最大节点、单位信息损失最大节点、最大信息失效对应关联任务以及信息失效贡献最大任务对；

72、信息失效最大节点：；

73、单位信息损失最大节点：；

74、最大信息失效对应关联任务：；

75、信息失效贡献最大任务对：

76、

77、通过统计信息失效网络内的信息失效总损失指标，识别并获取不同层级导致高信息失效的节点或任务对，并将扰动对象设定为节点层面与任务层面：

78、所述节点层面包括信息失效最大节点与单位信息损失最大节点；所述任务层面包括最大信息失效对应关联任务与信息失效贡献最大任务对；

79、所述基于候选空间扰动对象的复合扰动算子，其包括节点访问扰动算子、节点时刻扰动算子、节点时空扰动算子、关联任务时刻扰动算子、任务候选节点扰动算子以及任务对时空扰动算子；

80、所述节点访问扰动算子：对单位信息损失最大节点开放访问权限；表示节点在第个监测任务内为可访问节点；

81、所述节点时刻扰动算子：根据信息失效最大节点确定该节点的信息失效区间所对应的前后监测任务；对于所述前后监测任务，基于经验值将第一阶段解中该任务对应的起始弧替换为包含多个候选起始弧的起始弧候选集合，以使第二阶段缩减双时空网络在满足路径连续性、飞行时间、能耗和补能周转约束的条件下，从所述起始弧候选集合中自主选择实际起飞时刻；

82、所述节点时空扰动算子：针对最大信息失效对应关联任务，同时执行节点访问扰动与节点时刻扰动；

83、所述关联任务时刻扰动算子：针对信息失效最大节点对应的高成本信息失效弧，确定该高成本信息失效弧的前一更新时刻与后一更新时刻所分别对应关联的监测任务，基于经验值将关联的监测任务在第一阶段解中的对应的起始弧替换为包含多个候选起始弧的起始弧候选集合，以使第二阶段从所述起始弧候选集合中重新选择实际起飞时刻；

84、所述任务候选节点扰动算子：针对最大信息失效对应关联任务，开放对应的高失效节点的访问权限即；

85、所述任务对时空扰动算子：同时执行关联任务时刻扰动与任务候选节点扰动；

86、s322：将各候选解所对应的双时空网络模型的目标函数值作为当前候选解适应度值；基于当前候选解适应度值根据当前算子权重，选择基于信息失效反馈扰动对象的复合扰动算子与基于候选空间扰动对象的复合扰动算子中，各扰动算子的组合，并根据组合后的扰动算子对候选解进行扰动，获取最新候选解；

87、s323：获取最新候选解对应的最新候选解适应度值；基于模拟退火算法的模拟退火接受准则确认最新候选解是否被接受；若不是，则重复执行步骤s322；若是，则确认是否达到预设迭代次数；若达到预设迭代次数，则输出最优解；若未达到预设迭代次数，则重复执行步骤s322；进而得到考虑冰况变化的冻港水域无人机多频次监测规划的最优方案。

88、进一步的，s322中基于当前候选解适应度值根据当前算子权重，选择基于信息失效反馈扰动对象的复合扰动算子与基于候选空间扰动对象的复合扰动算子中各扰动算子的组合，具体为：

89、设复合扰动算子集合为，第类扰动算子的选择权重、累计评分以及使用次数分别为，则第类扰动算子在当前迭代中被选中的概率为：

90、（30）

91、式中：表示第类复合扰动算子的当前选择权重；

92、根据候选解质量即当前候选解适应度值为被选中的扰动算子赋予奖励值，并更新其累计评分与使用次数；每经过一个迭代更新段，获取第类扰动算子的平均奖励为后，对选择权重进行更新：

93、（31）

94、（32）

95、式中：表示选择权重更新反应系数，表示平均奖励下限。

96、本发明提供了一种考虑冰况变化的冻港水域无人机多频次监测规划方法，有益效果如下：

97、（1）本发明基于ais 通航流量、航道布设以及历史冰情数据识别关键监测节点，并构建无人机多频次冰情监测路径规划模型；其目标函数用于最小化规划期内考虑通航需求加权的冰况信息退化与失效联合损失；同时考虑信息失效前的退化损失和超过失效阈值后的失效状态损失，使监测方案由传统的固定巡检或单纯覆盖转变为面向通航需求和冰情信息有效性的优化。

98、（2）本发明构建无人机路径与冰情信息耦合的双时空网络模型，将无人机监测完成事件与节点信息更新事件通过网络耦合约束对齐，使无人机路径选择、监测时刻决策以及信息失效累计过程能够在统一的双时空耦合网络中协同描述；能够考虑冻港冰情信息在规划期内的动态变化过程，避免将冰情信息简单视为固定有效期或静态覆盖状态，使无人机监测方案能够根据不同节点、不同时段的信息失效变化及时调整监测时刻和监测路径，提高冰情信息更新的时效性。

99、（3）本发明通过设计路径缩减型二阶段双时空网络优化算法，能够提高多频次无人机冰情监测路径规划问题的求解效率和方案质量留，在面对多任务、多节点、多时段下路径选择以及信息失效过程高度耦合的问题，本发明能够在保留路径连续性、飞行时间、能耗、补能周转和信息失效耦合关系的基础上，减少第二阶段候选路径规模，并通过针对性搜索获得更优的监测时间、监测点位和监测路径方案。