[发明专利]一种面向工业园区污染源监测的多无人机路径优化方法

说明书

本发明公开了一种面向工业园区污染源监测的多无人机路径优化方法。该方法针对工业园区污染源监测的特定问题来构建目标函数和约束条件，目标函数中考虑了各无人机监测路径长度最短、无人机飞行路径转弯角最小(保证飞行平滑度以减少飞行能耗)、无人机对障碍物的躲避半径最大(使得无人机距离障碍物的路径适应度值小，保证路径和障碍物保持一定距离)；特定约束条件包括无人机续航时间限制、污染源排放污染物类别限制、无人机监测停留时间限制、无人机起点和终点限制等。而后采用基于复杂变异树的多染色体遗传算法对上述规划模型进行求解，得到工业园区污染源最优监测路径。该方法可针对特定工业园区，快速计算出多无人机污染源监测最优路径。

技术领域

本发明属于大气污染源监测技术领域，涉及一种基于多无人机的工业园区污染源监测路径优化方法。

背景技术

据不完全统计，我国现有各级工业园区超过7000家，在促进产业集聚和推动经济发展中贡献重大。但与此同时，园区企业生产过程中引发的环境问题也日益突出，成为环境污染的集聚区域。政府部门通过加强对工业园区内污染源的日常环境监察和巡查，有利于及时评估园区范围的大气污染状况、监控各污染源排放现状并快速地确定超标排放污染源的准确位置，对实现园区大气污染的靶向治理和制定有效的应急处置方案具有重要意义。

目前污染源的日常环境监察一般采用固定监测站、无线传感器网络、监测车或手持式监测仪等方式。超标污染源的定位一般通过将其监测位置和污染物浓度信息相综合，得到较粗略的浓度分布图，进而估计出污染源的位置。但由于受地面条件、建筑物和城市道路限制，上述监测手段往往效率不高。同时由于监测点位往往分布不均匀，且事故污染源附近不一定恰好设有监测站或被监测点所包围。虽然可以通过增加监测站数量和观测频率来提高环境监测质量，但仍面临着监测范围有限、成本高昂且机动性差的问题。目前研究结果表明，无人机环境监测平台具有机动、灵活和监测范围广等优势，可以弥补现有固定监测站和监测车的不足，更有利于对大气污染源进行日常环境巡查。

工业园区往往是污染源的集聚区域，污染源数量众多，且不同污染源排放的污染物类别亦不同。单架无人机进行园区内大气污染源监测时，由于受无人机自身续航时间所限，一次飞行只能完成部分污染源点位的监测任务，监测任务的执行效率不高，也不满足多个污染源在监测时间上尽量保持同步性的要求。因此，采用多架无人机来完成多个污染源的监测任务十分必要。如何根据工业园区污染源监测的特定问题来研究构建目标函数和约束条件，并采用合适的技术手段寻找园区内大气污染源最优的监测路径，是本发明专利重点解决的问题。

该发明不同于传统的多旅行商(mTSP)问题，该发明针对工业园区污染源监测的特定问题背景，在规划模型中构建中考虑了各无人机监测路径总长度、无人机飞行路径转弯角、无人机对障碍物的躲避半径、单架无人机续航时间限制、各污染源排放污染物类别和排放污染物数量限制、各污染源无人机停留时间限制以及无人机数量的优化。同时在规划模型的求解上采用了基于复杂变异树的多染色体遗传算法，该算法可按照给定的优化方向规则，合理选择变异算子，优化出针对工业园区污染源的多无人机监测路径。

发明内容

本发明的目的是提供一种基于多无人机的工业园区污染源监测路径优化方法。本发明的目的是通过以下技术实现的。

一种基于多无人机的工业园区污染源监测路径优化方法，该方法针对工业园区污染源监测的特定问题来构建目标函数和约束条件，目标函数中考虑了各无人机监测路径总长度最短、无人机飞行路径转弯角最小(保证飞行的平滑度以减少无人机飞行能耗)、无人机对障碍物的躲避半径最大(该项可使得无人机距离障碍物的路径适应度值小，以保证最终得到的路径和障碍物保持一定距离)；特定的约束条件包括单架无人机续航时间限制、各污染源排放污染物类别和排放污染物数量限制、各污染源无人机停留时间限制、无人机起飞出发点和终点限制等。而后采用基于复杂变异树的多染色体遗传算法来对上述规划模型进行求解，得到最优的工业园区污染源监测路径。该方法包括以下步骤：