[发明专利]基于负载均衡的多UAV路径设计方法

说明书

本发明涉及无人机技术，具体为基于负载均衡的多UAV路径设计方法，首先根据分簇效果的轮廓系数确定聚类分簇数；将多个传感器结点划分成独立的、相互之间无重叠的多个簇群；在分簇结果基础上优化蚁群智能算法；挑选出最多结点数目的簇群，从该簇群内选出与另外簇群的簇心最短路径的传感器结点作为可疑结点，动态调整可疑结点的归属簇群；建立簇头负责机制，通过蚁群智能算法挑出使通信路径最短的传感器结点作为簇头，簇头统一负责所述小簇群内的归属结点与外界交流；异构UAV，根据不同UAV所携带能量的不同设定其飞行时间。本发明能避免无人机之间相互碰撞，不需要借助多无人机之间大量的信息通信，减小了无人机的能量消耗，提高了系统的性能。

技术领域

本发明涉及无人机技术，具体为基于负载均衡的多UAV路径设计方法。

背景技术

近几年无人机UAV由于它的操作性、续航性、价格等方面有较好的优点，得到了世界各国的关注，也成为当今研发的热点。已经在多个方面，比如军事、环境保护、搜救行动上有广泛的应用。

随着无人机技术的普及，Multi-UAV(多无人机)的问题也逐渐被引起重视，但是大部分文献的重点在于UAV的路径如何规划、障碍物的避免及其无人机的相互通信上，在全面地考虑多无人机的负载均衡问题上的研究是比较缺乏的。如何在传感器结点随机的情况下尽可能均衡地分配给无人机进行采集，这一多无人机的负载均衡问题正是本发明要解决的。

现有部分文献通过对系统中多UAV的划分，分成了两派，分别为决策集合部分和成员集合部分。两者处于不平等的地位，成员集合中UAV的分配调度和任务管理由决策集合里的UAV负责，决策集合里的UAV通过动态调整，调动成员集合中的UAV完成任务，并且兼顾均衡性与总体高效性。这样虽然可以动态地划分，使得处理过程更加灵活，但是却使得通信的开销加大，而传感器结点的一次寿命也会因此缩短，而这对传感器网络系统是高代价的，会导致系统总的生存时间缩短。

现有部分文献通过k-means聚类分簇算法提前对系统的结点进行分簇，通过引入聚类指数来评判算法的优劣性。总体来说，这类算法考虑得比较全面，兼顾了负载分配均衡的任务要求。但是实验模拟场景人为设定过于理想化，结点数为固定不变的，而且实验开始到结束结点位置也是固定的，所以该算法是否能满足当初始结点为随机时的情况仍需深入探索，而大部分实际运用的结点位置是不固定的，因此需要进一步验证。

发明内容

为解决现有技术所存在的技术问题，本发明提供基于负载均衡的多UAV路径设计方法，该方法对需要采集信息的任务结点进行分配，将所有结点分成一个个互不干扰的簇，每一个簇内使用蚁群算法，通过多次算法的迭代，计算出单无人机在其负责的簇内的最短路径，以满足多无人机负载均衡的要求。

本发明采用以下技术方案来实现：基于负载均衡的多UAV路径设计方法，包括以下步骤：

S1、根据分簇效果的轮廓系数，确定k-means++聚类分簇算法的聚类分簇数K；

S2、根据k-means++聚类分簇算法，将多个传感器结点划分成独立的、相互之间无重叠的多个簇群；

S3、在步骤S2中k-means++聚类分簇算法的分簇结果基础上，优化蚁群智能算法；

S4、基于步骤S2中k-means++聚类分簇算法的分簇结果，挑选出最多结点数目的簇群，从该簇群内选出与另外簇群的簇心最短路径的传感器结点，作为可疑结点；动态调整可疑结点的归属簇群，以满足多UAV负载均衡的要求；

S5、建立簇头负责机制，在步骤S2中k-means++聚类分簇算法的分簇结果所划分好的簇群内，再次将在通信范围内的传感器结点归并到同一小簇群，并通过蚁群智能算法挑出使通信路径最短的传感器结点作为簇头，簇头统一负责所述小簇群内的归属结点与外界交流；

S6、异构UAV，对UAV的飞行时间进行预先确定，根据不同UAV所携带能量的不同，设定UAV的飞行时间。