[发明专利]一种基于感知阵型的无人机蜂群动态侦察任务调度系统及方法

权利要求书

1.一种基于感知阵型的无人机蜂群动态侦察任务调度系统，其特征在于，所述调度系统包括设置在前端的任务规划模块、中端的任务调度模块和后端的航迹优化模块；

前端的任务规划模块对无人机蜂群的侦察任务数量、种类以及执行任务所需的无人机数目区间进行定义，按照任务的要求切分为不同子任务，不同子任务集合共同构成原始任务规划；

中端的任务调度模块依据定位感知阵型对子任务效能、任务代价进行动态联合评估，利用人工蜂群算法的角色转换机制对无人机蜂群进行分簇，并对相应子任务进行调度，将相应簇群分配给对应任务目标，完成调度任务；

后端的航迹优化模块对调度子任务的目标及任务类别计算最优侦察阵型位置坐标，并优化无人机簇群飞行路径。

2.根据权利要求1所述的基于感知阵型的无人机蜂群动态侦察任务调度系统，其特征在于：所述任务调度模块包括初始化调度子模块、任务代价评估子模块以及任务效能评估子模块、子任务调度子模块四个子模块；

所述初始化调度子模块，结合自组织分簇的思想，按照规划后的子任务集合对无人机蜂群进行初始化分簇；

所述任务代价评估子模块，对所有无人机个体状态进行定义，包括无人机位置、与目标间的距离、剩余可飞行航程、剩余作战能力、发现概率，并对上述参数进行归一化处理，由簇群内无人机个体代价构成簇群整体代价评估，并结合人工蜂群算法对簇群进行迭代，选出任务代价最优的簇群；

所述任务效能评估子模块，结合子任务特点，如定位任务的评价指标：均方根误差、克拉美罗下界构建任务评估模型，对所选簇群进行效能评估，并利用人工蜂群算法的角色转换机制对簇群不断迭代，选出任务效能最优的簇群；

所述子任务调度模块，对选出的任务代价与任务效能最优的簇群，进行二维动态联合优化，对簇群整体进行全面分析，得到完成该子任务的最佳无人机簇群，按照相应任务目标进行调度；所有子任务均进行如上操作，最终将实现对整个任务的调度。

3.根据权利要求1-2任一项所述的基于感知阵型的无人机蜂群动态侦察任务调度系统的调度方法，其特征在于，所述方法包括如下步骤：

(1)计算无人机蜂群当前位置信息，设总任务为T，任务类别代码为S，目标为g_k，无人机蜂群数量为M，第i架无人机的位置为u_i＝(x_i，y_i，z_i)；

(2)调度系统中的任务规划模块依据步骤(1)输入的参数，规划执行任务类别代码S所需的无人机数量以及任务优先级p；

无人机数量区间为[m_min，m_max]；

规划后的子任务集合为：

task_j＝{s，p，g_k，[m_min，m_max]}，∑task＝T；

(3)依据具体的子任务类别，利用人工蜂群算法的角色转换机制和自组织分簇的思想对蜂群进行调度，形成无人机簇群BS_k＝[u_i]_1×m，簇群大小m∈[m_min，m_max]；

所述角色转换步骤依据无人机蜂群拓扑对无人机簇群进行迭代更新，输出更新后的簇群，角色转换步骤的子步骤具体如下；

(3.1)确定主站，在输入的无人机蜂群中随机选择n_pop架无人机，将第i架无人机站点u_i(t)确定为第N_j组的主站，共N组；

无人机蜂群数量M小于等于100时，令n_pop＝M，保证算法的稳定性和定位性能，确保最优解的产生；

无人机蜂群数量M大于100时，为了提高算法速度，令n_pop＜M；

(3.2)副站初始化，对簇群中的副站进行初始化；

利用公式i＝i_min+rand_i(i_max-i_min)对选好的n_pop架无人机簇群BS_k(t)的副站u_i(t，i)进行初始化，其中i为无人机序号，t表示当前时刻，u_i(t，i)即为t时刻选定的第i架无人机u_i；

(3.3)优化副站，对初始化后的副站进行迭代优化；

按照公式对无人机定位簇群进行更新，其中，为随机加速度系数，k，j表示随机选择的无人机编号且k≠j；

若更新后的优化目标小于或等于更新前的优化目标f(BS_k(t)，t)，表明更新后的簇群具有更好的定位性能，则对簇群进行更新BS_k(t)＝BS_new(t)；

若更新后的优化目标大于更新前的优化目标f(BS_k(t)，t)，则对簇群BS_k(t)的主站遗弃值a加一；

(3.4)根据优化副站后输出的簇群计算其适应度F_i，对适应度值较好的簇群进行迭代更新，寻求全局最优；

簇群的适应度F_i综合了时间适应度、空间适应度、目标适应度，其值越大表明选定的簇群适应性越好，定位精度越好；

(3.5)根据簇群的适应度F_i计算其选择概率P_i，选择概率

(3.6)根据选择概率P_i的结果，按轮盘赌算法判定是否保留簇群；

轮盘赌算法为现有算法，对选择概率进行累加，根据“累积概率”进行选择，个体的选择概率和适应度值成正比，适应度越大，选中概率也越大；选择一个随机数组，随机数范围在[0-1]，若累积概率大于随机数，则不保留，执行步骤(3.3)；其余保留，执行步骤(3.7)；

(3.7)计算步骤(3.6)保留簇群的遗弃值a，并判断遗弃值a与阈值L的大小，对遗弃值a大于等于阈值L的簇群进行遗弃，执行步骤(3.2)副站初始化；

对遗弃值a小于阈值L的簇群，执行步骤(3.8)；

(3.8)对剩余簇群进行寻优，保留局部最优，通过多次循环搜索全局最优；

(3.9)对适应度值较好的簇群进行迭代更新，判断迭代次数是否达到上限，未达到，执行步骤(3.3)继续优化副站；

达到，即得到更新后的最优簇群，执行步骤(4)；

迭代次数上限根据实际需要设置，可用变量max_MaxIt表示；

(4)对更新后的最优簇群，通过任务效能评估模块和任务代价评估模块进行任务效能和任务代价评估，再进行联合优化，优化后输出最优簇群，通过最优簇群对现有飞行轨迹进行调整，形成最佳感知阵型，实现无人机蜂群协同调度。