[发明专利]一种基于模糊综合评判的供电式无人机最优路径规划方法

说明书

一种基于模糊综合评判的供电式无人机最优路径规划方法，包括以下步骤：1)搭建三维环境，获得地图信息和节点信息；2)预处理非均匀无线传感器网络离群点并进行节点分簇；3)确定紧急充电节点，规划无人机当前位置与充电锚点间的充电路径4)采用模糊综合评判的方法在充电锚点间的可视区域内确定自适应充电集合，局部动态规划充电路径。本发明在三维空间非均匀分布的无线传感器网络中，通过预处理离群点的方式分簇、选举簇头，提升分簇的合理性，减少节点间通信损耗，并采用模糊综合评判的方式动态选取自适应充电集合，减少无人机飞行路径，提高充电效率，进一步提高无线传感器网络寿命。

技术领域

本发明属于无线传感器网络能量传输和动态路径规划领域，提出一种基于模糊综合评判的供电式无人机最优路径规划方法。

背景技术

传感器节点的能量受电池尺寸和容量的限制，自身储能比较少，在工作后容易因电量耗尽而导致整个网络瘫痪。复杂环境下已经部署的节点，进行电池更换和维护会比较困难，如何提升网络寿命成为关键问题。

目前，可充电无线传感器网络在二维路径规划算法、覆盖算法的发展背景下取得了巨大的进展，网络寿命得到明显提升。实际的无线传感器部署环境多为三维空间，三维路径优化问题，是指根据某种最优的准则，在三维空间中搜索出一条从起始节点到目标节点的最优路径。三维路径优化算法可以分为以下三类：基于节点的方法，基于数学模型的方法，基于启发式的方法。基于节点的方法获取全部节点，估算节点间的最短距离，算法思路简单，但在场景大距离远的环境下路径规划效率低且不够理想。基于数学模型的方法考虑了实际环境中的顺序约束，安全约束问题，在起止节点间建立数学模型，将路径问题约束为非线性规划问题，计算速度快，路径平滑，但易造成公式化陷阱。基于启发式的方法，模拟自然生态机制，将节点目标与环境分离，更适应动态环境。

针对非均匀分簇的无线传感器网络问题，近年来，研究人员试图利用蚁群算法(ACO)建立了有效路径规划方案(P.Huang,Z.Kang,C.Liu and F.Lin,ACO-based pathplanning scheme in RWSN,2016 10th International Conference on Software,Knowledge,Information ManagementApplications(SKIMA),Chengdu,2016,pp.237-242,doi:10.1109/SKIMA.2016.7916226)。启发式搜索算法能够有效利用地信息素快速搜索路径，但在应用时也存在一些不足。例如，一次对过多的节点进行路径规划，规划效率低，易陷入局部最优；一次对过少的节点进行路径规划，增加充电次数及充电路径，造成充电区域重复。

发明内容

本发明的目的在于克服复杂地理环境下非均匀分布的无线传感器网络节点充电路径规划问题，提出一种基于模糊综合评判的无线传感器网络动态三维路径的充电规划方法，可通过模糊综合评断方式从多个维度判断充电优先级，减少了无线传感器网络节点死亡的可能性。同时在复杂环境下，通过预处理离群点进行无线传感器网络分簇的方法，克服了一般分簇不均匀、容易陷入局部最优解的缺陷，最终增加三维空间非均匀分簇的无线传感器网络的整体寿命。

为实现上述目的，本发明提出的技术方案如下：

一种基于模糊综合评判的供电式无人机最优路径规划方法，方法包括如下步骤：

步骤1：建立三维空间模型，并获取非均匀分布的节点获得对应坐标信息；

步骤2：对非均匀无线传感器网络节点进行离群因子分析，对非离群的节点进行粗分簇。根据离群点的特征，获得稳定簇群并标记簇头信息；

步骤3：利用步骤1和步骤2所准备的簇群信息和节点信息，确定紧急充电节点，规划无人机当前位置到紧急充电节点间的路径；

步骤4：利用步骤2和步骤3获得的节点信息和路径信息，采用模糊综合评判的方法在可视区域内确定自适应充电集合，局部动态规划充电路径。