[发明专利]一种基于交叉变异鸽群优化的无人机集群协同侦察方法

说明书

本发明公开一种基于交叉变异鸽群优化的无人机集群协同侦察方法，其实现步骤为：步骤一：侦察环境的初始化；步骤二：多维向量图的初始化及更新策略；步骤三：基于交叉变异鸽群优化的方法设计；步骤四：基于交叉变异鸽群优化的滚动时域控制；步骤五：构建交叉变异鸽群优化的目标函数。在三维空间进行无人机集群协同侦察的仿真。该方法的主要优势主要体现在两个方面：一方面，用时较短，能用于动态规划，与常见的Vorono图和博弈论等方法相比收敛速度较快。另一方面，侦察效率较高，在覆盖区域不大的情况下，仍能够有效侦察到目标点。

技术领域

本发明是一种基于生物智能优化的无人机侦察研究方法，尤其涉及一种基于交叉变异鸽群优化的无人机集群协同侦察方法，属于无人机自主控制领域。

背景技术

无人机集群广域目标侦察在众多领域得到了越来越多的关注，如对敌区目标情况进行侦察监视，在山区展开搜索营救以及对矿藏的资源勘察等。由于无人机(UAV)的成本低，零伤亡、高机动性、隐身性能好，因此受到很广泛的应用。由于单架UAV在信息收集方面的局限性，无人机集群协同执行复杂侦察任务是一种必要的趋势。

为了使得无人机集群平台能够给予全局的侦察态势信息做出合理的搜索决策，有两个关键问题。第一个关键问题是无人机集群的侦察决策，即无人机集群如何根据自身对当前侦察环境的理解和认知，做出合理的路径规划的决策。第二个关键问题是怎样对侦察的环境进行描述以及如何利用探测到的信息来更新侦察环境。这两个问题是无人机集群能够完成侦察任务的核心。

在无人机集群侦察决策方面有很多种方法，主要有区域分割方法，博弈论，协同进化方法，机会学习方法，Zamboni侦察方法等等。其中最为典型的是区域分割方法，在区域分割的方法里面，一般应用维诺图对侦察区域进行分割。这样每个侦察的小区域内只有一架无人机，那么无人机集群侦察的复杂事件就简化为在侦察子区域内的单无人机侦察事件。但是区域的分割在实际的侦察三维空间中非常复杂，用一般的区域分割的方法难以实现。在侦察区域如果执行目标压制等任务的时候，需要对侦察区域进行覆盖式侦察。特别是当同一个环境中的决策者有着利益冲突的时候，博弈可以有效得到一个使得双方最优的决策结果。但是博弈论的结论如何是根据概率而来的，要么就是一般性的结果。而概率是根据统计做出的，很多特殊情况就被忽略了。因此将博弈论引入无人机集群侦察，在结果上具有一定的不确定性。Zamboni侦察方法虽然得到了一定的应用，但是该方法有时不能有效地对该侦察区域的障碍进行规避，在载油有限的情况下，将无法有效完成侦察任务。

在对侦察的环境进行描述以及如何利用探测到的信息来更新侦察环境方面，主要用的是基于侦察区域网格化的建模方法，比如建立概率向量图、占用地图、蚂蚁信息素地图、空间占用图等等。这些本质上都是利用建立的网格地图，这类地图可以描述空间离散目标的信息，无人机集群可以利用自身传感器对离散目标进行认知，随着无人机集群对环境实时的感知，各类环境地图按照自己的更新理论进行更新，这样，无人机集群就能够充分利用实时的侦察信息对任务区域内的目标进行侦察。这类方法一般需要卫星等提供一定的先验信息进行辅助。

虽然以上的侦察方法在一定程度上使无人机集群具备了协同侦察的能力，但仍然存在着对目标搜索捕获能力较低、搜索效率不高的问题。

发明内容

本发明的目的在于：为了克服背景技术中无人机集群侦察决策的不足，提出了一种基于交叉变异鸽群优化的无人机集群协同侦察方法，其目的是提供一种在线的无人机集群协同侦察方法，旨在弥补侦察时间过长、效率较低的不足，从而有效提高复杂侦察环境下的无人机自主控制水平。

本发明针对无人机集群协同侦察问题，开发了一种基于交叉变异鸽群优化的无人机集群协同侦察方法，该方法首先对将要侦察的任务区域进行信息描述，并建立了多维向量图模型，然后将交叉变异鸽群优化和滚动优化结合，形成了基于交叉变异鸽群优化的滚动控制方法，最后建立了在搜索过程中的目标函数，使得目标函数在滚动控制的约束下，在无人机集群侦察过程中每一步都能达到代价最小，收益最大。最终能得到较好的结果。