复杂环境中多无人机协同侦察的任务分配方法

doi:10.16182/j.issn1004731x.joss.21-0552

系统仿真学报 ›› 2022, Vol. 34 ›› Issue (10): 2293-2302.doi: 10.16182/j.issn1004731x.joss.21-0552

• 仿真模型/系统置信度评估技术 • 上一篇下一篇

复杂环境中多无人机协同侦察的任务分配方法

张富震(), 朱耀琴()

南京理工大学计算机科学与工程学院，江苏南京 210094

收稿日期:2021-06-15 修回日期:2021-07-30 出版日期:2022-10-30 发布日期:2022-10-18
通讯作者: 朱耀琴 E-mail:1376868256@qq.com;zhuyaoqin@njust.edu.cn
作者简介:张富震(1997-)，男，硕士生，研究方向为无人机集群协同建模与仿真。E-mail：1376868256@qq.com
基金资助:
省部级领域基金(2020-JCJQ-JJ-398);十四五装发预研课题(50904040201)

Task Allocation Method for Multi-UAV Cooperative Reconnaissance in Complex Environment

Fuzhen Zhang(), Yaoqin Zhu()

School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China

Received:2021-06-15 Revised:2021-07-30 Online:2022-10-30 Published:2022-10-18
Contact: Yaoqin Zhu E-mail:1376868256@qq.com;zhuyaoqin@njust.edu.cn

摘要/Abstract

摘要：

现有多无人机协同规划方法往往将航迹规划与任务分配拆开单独解决，导致在复杂环境下协同方案并不是最佳。建立多无人机协同侦察异构目标的代价矩阵，针对复杂环境中多种障碍约束和无人机运动及航迹特点，以改进的PSO-AFSA（Particle Swarm Optimization-Artificial Fish Swarms Algorithm）求解单无人机航迹规划模型，利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明：该算法能使单无人机航程更短且航迹更光滑的同时，实现与任务协同分配紧耦合，使无人机集群总航程的全局总代价最低，提高了任务分配合理性。

关键词: 粒子群算法, 多机协同, 异构目标, 航迹规划, 任务分配

Abstract:

The existing cooperative planning methods of multiple UAVs often carry out path planning and task allocation separatly, which causes the cooperative scheme not being the best in a complex environment. The cost matrix of multi-UAV cooperative reconnaissance on heterogeneous targets is established. Aiming at the various obstacle constraints and the characteristics of UAV motion and track in complex environment, an improved PSO-AFSA is used to solve the single UAV track planning model. Hungarian algorithm is used to complete the cooperative allocation of reconnaissance tasks of UAVs. The simulation results show that the algorithm can make the flying range of single UAV shorter and the flight path smoother, and can realize the tight coupling with the task collaborative allocation, so and the total cost of the total flight range of UAV cluster is the lowest and the rationality of task allocation is improved.

Key words: particle swarm optimization, multi-UAV coordination, heterogeneous targets, trajectory planning, task assignment

中图分类号:

TP391.9

张富震, 朱耀琴. 复杂环境中多无人机协同侦察的任务分配方法[J]. 系统仿真学报, 2022, 34(10): 2293-2302.

Fuzhen Zhang, Yaoqin Zhu. Task Allocation Method for Multi-UAV Cooperative Reconnaissance in Complex Environment[J]. Journal of System Simulation, 2022, 34(10): 2293-2302.

图/表 18

图1

图2

图3

图4

图5

图6

表1

表2

表3

图7

表4

图8

图9

图10

图11

图12

图13

表5

参考文献 12

1	Wang Jianfeng, Jia Gaowei, Lin Juncan, et al. Cooperative Task Allocation for Heterogeneous Multi-UAV Using Multi-Objective Optimization Algorithm[J]. Journal of Central South University(S2095-2899), 2020, 27(2): 432-448.
2	梁星星, 马扬, 冯旸赫, 等. 面向多旅行商问题的多目标模拟退火算法研究[J]. 南京师大学报(自然科学版), 2017, 40(3): 80-86.
	Liang Xingxing, Ma Yang, Feng Yanghe, et al. Research on Multi-Objective Simulated Annealing Algorithm for Multi-Traveling Salesman Problem[J]. Journal of Nanjing Normal University(Natural Science Edition), 2017, 40(3): 80-86.
3	林君灿, 贾高伟, 侯中喜. 异构UAV编队反雷达作战中任务分配方法[J]. 系统工程与电子技术, 2018, 40(9): 1986-1992.
	Lin Juncan, Jia Gaowei, Hou Zhongxi. Research on Task Assignment of Heterogeneous UAV Formation in the Anti-Radar Combat[J]. Systems Engineering and Electronics, 2018, 40(9): 1986-1992.
4	田震, 王晓芳. 基于多基因遗传算法的异构多无人机协同任务分配[J].飞行力学, 2019, 37(1): 39-44.
	Tian Zhen, Wang Xiaofang. Cooperative Multiple Task Assignment for Heterogeneous Multi-UAVs with Multi-Chromosome Genetic Algorithm[J]. Flight Dynamics, 2019, 37(1): 39-44.
5	严飞, 祝小平, 周洲, 等. 考虑同时攻击约束的多异构无人机实时任务分配[J]. 中国科学: 信息科学, 2019, 49(5): 555-569.
	Yan Fei, Zhu Xiaoping, Zhou Zhou, et al. Real-Time Task Allocation for a Heterogeneous Multi-UAV Simultaneous[J]. Scientia Sinica Informationis, 2019, 49(5): 555-569.
6	姚雨, 李庆, 陈曦. 优化的A* 算法在航迹规划上的应用[J]. 微电子学与计算机, 2017, 34(7): 51-55.
	Yao Yu, Li Qing, Chen Xi. Optimization of the Application of A* Algorithm in Path Planning[J]. Microelectronics & Computer, 2017, 34(7): 51-55.
7	陈晋音, 胡可科, 李玉玮. 基于MB-RRT*的无人机多点航迹规划算法研究[J]. 计算机科学, 2018, 45(增1): 85-90.
	Chen Jinyin, Hu Keke, Li Yuwei. Research on UAV Multi-Point Navigation Algorithm Based on MB-RRT*[J]. Computer Science, 2018, 45(S1): 85-90.
8	Volkan Pehlivanoglu Y. A New Vibrational Genetic Algorithm Enhanced with a Voronoi Diagram for Path Planning of Autonomous UAV[J]. Aerospace Science and Technology(S1270-9638), 2012, 16(1): 47-55.
9	王闯, 董宏丽, 谷星澍, 等. 改进粒子群算法及其在航迹规划中的应用[J]. 控制工程, 2019, 26(8): 1466-1471.
	Wang Chuang, Dong Hongli, Gu Xingshu, et al. Improved Particle Swarm Optimization Algorithm and Its Application Path Planning[J]. Control Engineering of China, 2019, 26(8): 1466-1471.
10	周青, 张锐, 索晓杰, 等. 具有时间约束的无人机遗传算法航迹规划[J]. 航空计算技术, 2016, 46(2): 93-96, 101.
	Zhou Qing, Zhang Rui, Suo Xiaojie, et al. Genetic Algorithm for UAV Trajectory Planning with Timing Constraints[J]. Aeronautical Computing Technique, 2016, 46(2): 93-96, 101.
11	韩攀, 陈谋, 陈哨东, 等. 基于改进蚁群算法的无人机航迹规划[J]. 吉林大学学报(信息科学版), 2013, 31(1): 66-72.
	Han Pan, Chen Mou, Chen Shaodong, et al. Path Planning for UAVs Based on Improved Ant Colony Algorithm[J]. Journal of Jilin University(Information Science Edition), 2013, 31(1): 66-72.
12	Kouibia A, Pasadas M. An Approximation Problem of Noisy Data By Cubic and Bicubic Splines[J].Applied Mathematical Modelling(S0307-904X), 2012, 36(9): 4135-4145.

无人机编号	坐标/km	速度/(m/s)	高度/m	侦察角/(°)
UAV1	(10, 40)	40	20	90
UAV2	(20, 20)	40	20	90
UAV3	(40, 10)	40	20	90
UAV4	(70, 20)	40	20	90

目标编号	目标坐标/km	目标类型
T1	(55, 175)、（65, 175）、（65, 185）、（55, 185）	点型
T2	(155, 125)、（165, 125）、（165, 135）、（155, 135）	点型
T3	(130, 170)、(190, 170)、(190, 180)、(130, 180)	线型
T4	(160, 80)、(200, 80)、(200, 110)、(160, 110)	面型

区域编号	区域中心坐标/km	区域半径/km	区域类型
R1	端点坐标：(20, 110)、(50, 110)、(50, 150)、(40, 150)、(20, 140)	无	禁飞区
R2	(70, 90)	20	天气威胁
R3	(50, 105)	20	天气威胁
R4	(130, 100)	20	雷达威胁
R5	(120, 40)	30	高炮威胁
R6	(130, 70)	20	高炮威胁
R7	(90, 150)	15	导弹威胁
R8	(50, 40)	10	山体威胁

目标	经典PSO-AFSA	改进PSO-AFSA
T1	319.85	321.04
T2	364.28	364.99
T3	495.81	494.95
T4	515.26	515.68

无人机	未预规划下的任务分配				预规划下的任务分配
	经典PSO-AFSA		改进PSO-AFSA		经典PSO-AFSA		改进PSO-AFSA
	目标	任务代价	目标	任务代价	目标	任务代价	目标	任务代价
总代价		1 736.60		1 617.51		1 603.63		1 570.69
UAV1	T2	364.27	T2	364.99	T1	319.85	T1	321.04
UAV2	T1	425.64	T1	365.62	T4	486.64	T3	505.58
UAV3	T4	503.58	T4	443.79	T3	489.43	T2	357.41
UAV4	T3	443.11	T3	443.11	T2	307.71	T4	386.66

复杂环境中多无人机协同侦察的任务分配方法

Task Allocation Method for Multi-UAV Cooperative Reconnaissance in Complex Environment

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 18

参考文献 12

相关文章 15

编辑推荐

Metrics

本文评价

[1]	胡万杰, 董建军, 任睿, 陈志龙. 考虑模糊不确定的地铁货运系统成网布局规划[J]. 系统仿真学报, 2022, 34(8): 1725-1740.
[2]	冯飞波, 闫兴德, 郑宝强, 尹晓峰, 周梦真, 蒋鑫. 蓄电‒氢储混合储能系统的配电网双层优化[J]. 系统仿真学报, 2022, 34(7): 1405-1416.
[3]	马立新, 程颍. 计及可中断负荷的园区综合能源系统优化调度[J]. 系统仿真学报, 2022, 34(4): 817-825.
[4]	张凯庆, 嵇启春. 速度时变的多中心半开放式车辆路径问题研究[J]. 系统仿真学报, 2022, 34(4): 836-846.
[5]	冯开团, 袁杰. 基于改进注水算法的离散车间任务分配问题研究[J]. 系统仿真学报, 2022, 34(4): 768-776.
[6]	陈魁, 毕利, 王文雅. 柔性作业车间AGV与机器双资源集成调度研究[J]. 系统仿真学报, 2022, 34(3): 461-469.
[7]	孙晓安, 栾小丽, 刘飞. 基于智能优化灰色模型的电子固废预测[J]. 系统仿真学报, 2022, 34(3): 536-542.
[8]	张莉, 张惠珍, 刘冬, 陆雨欣. 考虑紧迫度的应急物资调度及粒子群算法求解[J]. 系统仿真学报, 2022, 34(09): 1988-1998.
[9]	朱依婷, 闫云, 何兆成. 公交与社会车辆混合的中观交通建模与仿真[J]. 系统仿真学报, 2022, 34(09): 2019-2027.
[10]	王宁, 代冀阳, 应进, 李叶鼎, 鲁亮亮. 基于自适应扩展势场的多无人机航迹规划仿真[J]. 系统仿真学报, 2021, 33(9): 2147-2156.
[11]	魏腾飞, 潘庭龙. 基于改进PSO优化LSTM网络的短期电力负荷预测[J]. 系统仿真学报, 2021, 33(8): 1866-1874.
[12]	牛侃, 李冰, 付强. 基于混沌扰动机制粒子群算法的战场频率分配方法[J]. 系统仿真学报, 2021, 33(8): 1905-1913.
[13]	李向阳, 张志利, 张宁, 桂毅, 李嘉. 局部信息联通的多无人机协同控制过程仿真研究[J]. 系统仿真学报, 2021, 33(7): 1501-1513.
[14]	孟建军, 王终军, 胥如迅, 李德仓. 基于模糊复合策略的高速列车主动悬挂控制研究[J]. 系统仿真学报, 2021, 33(7): 1554-1564.
[15]	魏瑞轩, 吴子沉. 无人机集群实时任务分配方法研究[J]. 系统仿真学报, 2021, 33(7): 1574-1581.