[发明专利]无人机编队任务分配与航迹规划的多目标优化方法及装置

权利要求书

1.一种无人机编队任务分配与航迹规划的多目标优化方法，用于多架固定翼无人机于同一时间同一机场出发对多个目标区域执行覆盖探测任务，其特征在于，所述方法包括：

获取目标区域数据，最佳探测时间窗数据，无人机数据和无人机所搭载传感器的数据；

基于所述目标区域数据，最佳探测时间窗数据，无人机数据和无人机所搭载传感器的数据，构建MO-MUAV-STW模型；所述模型的目标函数为最大化探测任务中所有无人机的总探测收益以及最小化所有无人机的总飞行路径；预设约束有传感器的探测能力约束、无人机起降点约束、任务执行完备性约束和出发时间约束；

基于约束构建MO-MUAV-STW模型的初始解集；

基于预设的NSGA-Ⅱ算法对所述初始解集进行计算，得到所述MO-MUAV-STW模型的Pareto最优解；

将所述最优解转译为具体分配方案作为无人机编队探测任务分配与航迹规划的多目标优化的分配结果；

所述MO-MUAV-STW模型的目标函数为：

目标函数1：

目标函数2：

所述MO-MUAV-STW模型的约束条件为：

约束式1：

约束式2：

约束式3：：

约束式4：

约束式5：

约束式6：

约束式7：：

其中，所述Profit为所有架无人机的总探测收益，Length为多架无人机的总飞行路径；A_i为编号为i的目标区域，其中A₀表示无人机出发点位置，U_i表示编号为i的无人机，v_i为无人机U_i的飞行速度，N_A为目标区域个数，N_U为无人机个数，S_i为目标区域A_i的面积；Iti^k_i为无人机U_i在最佳探测时间窗内对A_i的探测时长，Oti^k_i为无人机U_i在最佳探测时间窗外对A_i的探测时长，ti^k₀为无人机起飞时刻；t∈{T₁，T₂，T₃}为某一无人机所搭载的传感器类型，g∈{G₁，G₂，G₃}为某一种目标区域的类型，Ipr_tg为使用传感器t对类型为g的目标区域在最佳探测时间窗内进行探测的收益系数，Opr_tg为使用传感器t对类型为g的目标区域在最佳探测时间窗外进行探测的收益系数；X_(k，i)为决策变量，X_(k，i)＝1表示无人机U_k对目标区域A_i进行了覆盖探测，否则X_(k，i)＝0，Y^k_(i，j)为决策变量，Y^k_(i，j)＝1表示无人机U_k访问完A_i后前往的是A_j，否则Y^k_(i，j)＝0；Lin_i为无人机在目标区域A_i内部的探测路径长度，LOut_ij为无人机从A_i到A_j的飞行路径长度；C_max为传感器的最大探测能力；

其中，约束条件有：约束式1限定所有无人机的出发时刻均为0时；约束式2限定所有无人机飞行速度均为v；约束式3限定所有无人机的出发点均为A₀；约束式4限定所有目标区域均有无人机对其进行探测；约束式5限定任一目标区域仅由一架无人机对其进行探测；约束式6限定所有无人机在完成探测任务后必须返回A₀；约束式7限定无人机所分配的探测任务不能超过所携带传感器的最大探测能力C_max；

基于所述约束构建MO-MUAV-STW模型的初始解集，包括：

基于所述目标区域数据，最佳探测时间窗数据，无人机数据进行编码，随机生成多条染色体；

其中，一条满足约束条件的所述染色体表示一个初始解，每条所述染色体的编码要素为目标区域标识信息、无人机标识信息和无人机进入目标区域的进入位置序号；所述染色体的第一行为所述目标区域的标识信息的随机全排列，其中排列顺序表示了任务的执行顺序；所述染色体的第二行表示执行该目标区域任务的无人机的标示信息；所述染色体的第三行为无人机进入该目标区域的进入点序号；一个对应位置的目标区域标识信息、无人机标识信息和无人机进入目标区域的进入位置序号组成所述染色体的一个基因。