[发明专利]一种多基地异构无人机协同侦察的任务规划方法

说明书

本发明提供了一种多基地异构无人机协同侦察的任务规划方法，涉及无人机任务规划领域，本发明构建多基地多异构无人机侦察任务模型，在该模型下，构造布谷鸟解向量，完成初始化后，计算当前所有鸟窝的目标函数，并输出最大目标函数值，经过更新并加入高斯扰动后，得到最终的任务分配，本发明采用多基地多异构下无人机协同侦察任务分配，以侦察收益最大化为目标函数，考虑资源约束以及多基地多异构无人机约束建立数学模型，对布谷鸟算法进行离散改进和性能改进，建立算法与数学模型之间的映射关系，使其能够有效的解决侦察任务分配问题。

技术领域

本发明涉及无人机任务规划领域，尤其是一种无人机协同侦察任务规划方法。

背景技术

无人机作为信息采集平台能够根据任务需求对空、面环境目标进行侦察和监视，而多无人机协同任务分配问题涉及到协同控制、飞行控制、决策规划等多种学科，是一个大规模协调控制的综合性规划。本发明以建立多基地多异构无人机协同侦察任务分配问题为背景，研究带有资源约束下多无人机协同侦察任务分配，如何在资源约束下进行各无人机目标分配，使获得总侦察情报最大化。

布谷鸟算法(Cuckoo Search，CS)由英国剑桥大学Xin-She Yang和Suash Deb提出，基于布谷鸟繁殖放置鸟蛋的行为，并结合动物的莱维飞行动作进行寻优操作，通过增加莱维飞行，布谷鸟算法能够对搜索空间各个位置进行更加全面的搜索，且该算法具有的参数较少，无需根据问题匹配大量参数，因而受到众多国内外学者的关注。

布谷鸟算法作为一种新兴的优化算法已在诸多领域展现了良好的应用前景，在任务规划系统设计领域的应用中，多数研究在建模时进行了一定程度的简化处理，并且没有考虑到重现算法与数学模型的映射关系,对解向量的构造和将数学模型映射到算法中的阐述也比较少，合理的解构造能够减少算法的计算量,提高仿真效率。目前还没有文献将布谷鸟算法及相关改进算法应用于多无人机协同侦察任务分配的问题中。

发明内容

为了克服现有技术的不足，本发明以多无人机协同执行区域侦察任务为背景，充分考虑多基地、多异构无人机及目标需求特性对各无人机进行任务分配及任务t执行序列规划，采用组合优化理论及启发式优化算法作为数学工具，对多基地多异构无人机协同侦察任务分配进行充分研究。本发明考虑待侦察目标的特性需求及多基地特性，对多无人机完成区域侦察的任务分配进行研究，提出问题数学模型并进行优化解算。

本发明解决其技术问题所采用的技术方案的详细步骤如下：

步骤一、构建多基地多异构无人机侦察任务模型

在该步骤中，定义如下：

定义1：设uavType＝{1,2,…,i,…,N_t}，uavType表示无人机类型集合，其中N_t∈N⁺，N⁺为非零自然数集合，N_t表示无人机类型数量，集合中的元素i表示第i种无人机；

定义2：设tarType＝{1，2，…，h，…，N_c}，tarType表示目标类型集合，其中N_c∈N⁺，N_c表示目标类型数量，集合中的元素h表示第h种目标；

定义3：设Tar＝{1，2，…，j，…，M}，Tar表示目标集合，其中M∈N⁺，M表示目标数量，集合中的元素j表示第j个目标；

定义4：设Base＝{1，2，…，k，…，L}，Base表示基地集合，其中L∈N⁺，L表示基地数量，集合中的元素k表示第k个基地；

定义5：设表示第k个基地装备的无人机数量集合，集合中的元素N为自然数集合，其中i＝1,2,…,N_t，k＝1,2,…,L，表示第k个基地装备第i种无人机的数量；