[发明专利]无人机与无人车异构协同系统的路径规划方法

说明书

本申请提供一种无人机与无人车异构协同系统的路径规划方法，该无人机与无人车异构协同系统的路径规划方法包括生成无人机动态转移路径步骤，所述无人机动态转移路径中，无人机自当前集结点，经至少一个任务点，前往下一集结点。本申请的技术方案由于采用了无人机动态集结的方式，即在无人机与无人车异构协同系统中，当系统需要转移至下一任务点时，无人车与无人机同时采取不同的转移路径，无人车经无人车任务点的同时，无人机同时经无人机任务点，执行任务点访问任务后，前往下一任务点与无人车会合。在这样的动态集结过程中，转移步骤由原来的仅执行转移过程更改为在访问任务点过程中同步完成任务点转移，为此能够压缩无人机的工作时间，缩短无人机与无人车异构协同系统的工作时间，提高系统运行效率。

技术领域

本发明涉及无人系统路径规划方法领域，具体涉及一种无人机与无人车异构协同系统的路径规划方法。

背景技术

由于无人机(UAV)、无人车(UGV)之间具有很好的互补性，研究无人机-无人车协同工作系统具有很好的现实意义，能够广泛运用于军事、救灾、探测等领域。在这类无人机-无人车协同工作系统中无人车受限于自身行走机构，无法到达所有的任务点；而无人机受限于自身电池的能量限制，也无法一次充电到达所有任务点。因此无人车同时需要作为无人机的能量补给站，供无人机起降，这也是这类无人机、无人车协同工作系统的一个显著特点。

Ropero在2018年发表的《TERRA:A path planning algorithm for cooperativeUGV–UAV exploration》论文中提出了一种UGV-UAV协同工作的路径规划算法。该方法通过将UGV在充电点之间移动的问题转化为旅行商问题求解得到UGV的行驶路径，将UAV在充电点与任务点之间的遍历问题转化为TSPs模型并使用A*寻路算法求解UAV的运动路径。Ropero所建立的模型中无人车仅作为无人机的充电站使用，无人车与无人机之间的移动过程是分开进行的，当无人车执行遍历任务点任务时，无人车静止在当前位置等待无人机返回，才前往下一充电点。在前往下一任务点过程中无人机处于在无人车上的驻留状态。由于无人机在前往下一任务点过程中处于驻留状态，驻留期间不参与工作，因此该方法虽然在一定程度上保证了路程最优，但是由于驻留时间的存在，从系统实际运行时间来说，并不是最优的。

发明内容

鉴于现有技术方案在系统实际运行时间方面并非最优的问题，本发明提供一种具有并行特点的无人机与无人车异构协同系统的路径规划方法。

本发明的技术方案为一种无人机与无人车异构协同系统的路径规划方法，该无人机与无人车异构协同系统的路径规划方法包括生成无人机动态转移路径步骤，所述无人机动态转移路径中，无人机自当前集结点，经至少一个任务点，前往下一集结点。

具体的，所述生成无人机动态转移路径步骤，采用混合遗传算法以路径长度最小值为优化目标确定所述最优解种群，所述最优解种群为当前遗传迭代过程中无人机路径的集合。

具体的，在所述混合遗传算法的遗传迭代过程中，引入不可行解并通过自适应大邻域搜索算法更新所述最优解种群。

具体的，在所述混合遗传算法过程中，对所述无人机路径中的每一个任务点位置的无人机前进状态做分别编码，所述前进状态集合组成为：无人机前往下一任务点状态，无人机返回原集结点状态和无人机前往下一集结点状态。

具体的，在所述混合遗传算法过程中，还包括对所述无人机路径的交叉变异操作，所述交叉变异操作包括：

将所述最优解种群的所有所述无人机路径拆分为三个子路径段，分别为转移路径段，返回第一集结点段，返回第二集结点段；

按所述子路径段划分路径组，将所有所述转移路径段分为转移路径组，将所有返回第一集结点段分为返回第一集结点组，将所有返回第二集结点段分为返回第二集结点组；

进行组间的交叉变异操作和/或组内的交叉变异操作。