某型无人机群的监视覆盖任务航路规划
来源:《计算机科学与应用》 ,作者冷雄晖等
关键词: 无人机群;监视覆盖航路规划;遗传算法;人工势场法;UAV Group; Surveillance Coverage Route Planning; Genetic Algorithm; Artificial Potential Field Method
摘要: 利用无人机群执行监视任务,在边界和区域管控、反恐防爆监视以及军事应用中具有很高的效费比。无人机群监视覆盖航路规划算法是提升无人机群监视任务效率和能力的核心算法。传统覆盖航路规划算法结果样式单一、对抗性环境下灵活性差,区域划分方法不便于计算机自动生成。本文提出了基于人工势场和遗传算法的监视覆盖航路规划算法,生成样式多样、监视任务执行中对抗性好的监视覆盖航路。在人工势场法的基础上,将激发势场的种子编码为二元组串形式的基因,通过交叉、变异、合并等算子的操作增加种子样式的多样性,从而规划出转弯少、监视时间间隔短、对抗性好的监视覆盖航路。最后通过算例对算法进行了验证,结果表明算法有效地满足了监视任务覆盖航路规划的需求。
1. 引言
无人机航路规划是指在特定约束条件下,寻找从起始点到目标点并满足无人机性能指标的最优或可行的航路,耗费小的路径不仅节省了无人机运行的成本,也增大了无人机完成任务的成功率,并且安全性高的路径也能提高无人机的存活率。覆盖航路规划CPP (Coverage Path Planning)是指要为无人机规划一条能通过所有感兴趣的点的路径,是无人机监视任务规划中需要解决的关键问题之一。
近期,受2019新型冠状病毒(COVID-19)影响,国外许多国家下达了行动管制令,以色列等多个国家军队和警察运用无人机对城市内的居民进行监视,以确定居民的动向。加拿大一公司开发出“流行病无人机”平台,利用无人机监视体温,在人群中寻找表现出症状的人。在我国,多个省市都动用了人脸辨识相机系统、监视器及监控无人机来侦测隔离者的动向,全方位多角度,高密度监控,无人机群的监视覆盖运用目前比较广泛。
李御驰 [1] 等提出了一种基于遗传算法的无人机监视覆盖航路规划算法。对监视覆盖航路进行建模,将任务区域网格化,将势场种子编码成二元串组基因后进行算子操作,利用遗传算法生成监视覆盖航路,并在最后进行仿真。
李艳庆 [2] 等提出了一种基于遗传算法的多无人机航路规划方法。通过对无人机的转弯角进行基因编码,将多无人机的监视面积覆盖率作为适应度函数,并进行相应的遗传操作,依据实时监视面积覆盖率最大原则,对多无人机协同区域监视进行航路规划。
陈海等 [3] 证明了从能量角度来看无人机转弯过程比直线飞行过程效率低,定义了凸多边形任务区域的长度和宽度,并将凸多边形区域中的最短飞行路程问题转化为求凸多边形的最小跨度问题。他们按照“点边式”宽度算法,提出凸多边形宽度出现时,支撑平行线必与一条边重合,无人机沿宽度出现时支撑平行线的方向飞行才能获得最少的转弯次数,也就能够得到最短的飞行路程。但在地形起伏大的任务区域,需要加入地形高程等约束进行三维航路规划。
覆盖航路规划问题在机器人领域 [4] [5] [6] 有较多的研究。但是,如果将这些方法应用于监视飞行器的覆盖路径生成,则在一次覆盖后,其对手可以很容易地掌握这些路径的规律性,不能满足监视任务的不可预测性和覆盖任务目标的频繁性要求。
本文首先在任务区域网格化模型的基础上,提出了区域划分的方法,然后建立了基于遗传算法规划无人机群监视覆盖航路。
2. 区域划分方法
对于多无人机覆盖航路规划,需要对各个无人机进行任务分配。假定无人机群有 架无人机。一般而言,根据无人机的数量把指定区域