[发明专利]应用于河流目标搜索任务的无人机航迹规划算法

说明书

应用于河流目标搜索任务的无人机航迹规划算法，本发明将目标河流区域抽象建模为二维曲线，目标在每个曲线段内存在概率已知的情况下，采用高斯混合模型提取搜索高价值曲线段，即高价值搜索区域，并对高价值曲线段的搜索顺序进行排序，分配给执行搜索任务的无人机，以使无人机按排序后的曲线段进行目标搜索。该方法可获得近似最优结果且求解速度较快，提高无人机的目标搜索效率。

技术领域

本发明涉及无人机导航与控制技术领域，涉及一种无人机航迹规划算法，具体为一种应用于河流目标搜索任务的无人机航迹规划算法。

背景技术

无人机(Unmanned Aerial Vehicle，简称UAV)是指由动力驱动、机上无人驾驶、由无线电遥控操纵或自备程序控制的一类飞行器。作为航空技术与信息技术高度融合的产物，无人机因其性价比高、使用灵活、可执行高风险任务、不受飞行员生理条件限制等优势，在军用与民用领域得到了广泛应用。最近30多年来，世界各国对无人机领域持续关注并加大投入，无人机技术取得了长足发展与进步，代表了当今高新技术的发展方向。

目标搜索作为无人机的典型应用之一，已广泛应用于突发事件应急监控或营救等场景。由于被搜索目标(如走失人员、沉船等)的生存概率将随着时间流逝而迅速降低，因此要求无人机在尽可能短的时间内发现目标。上述问题本质上可看作航迹优化问题，使得无人机沿最优航迹飞行时可获得最大搜索回报率(即累计概率)，实现对任务区域的高效侦查覆盖与目标快速搜索。

国内外学者针对目标搜索问题进行了大量研究并提出一系列方法，主要包括几何法、随机搜索法、基于搜索图的方法等。几何法通过规划特定形状的搜索轨迹如平行线、螺旋线等，实现无人机对任务区域的遍历或全覆盖，虽然该类方法原理简单，但在目标先验信息已知的情况下其搜索效率明显较低。随机搜索法引导无人机在任务区域内随机运动，从而逐渐覆盖区域并搜索到目标，该类方法的最大优势是不需要精确的定位与复杂的优化决策过程，但同样未利用目标先验信息且不适用于大范围复杂区域。基于搜索图的方法首先将任务区域离散化为一系列栅格单元，然后基于各单元存储的目标信息，采取合适的优化策略使得无人机向最有希望的方向运动，虽然该类方法可灵活处理各类复杂情况，但无人机可能会长时间徘徊于局部区域而忽视其他高价值区域，搜索效率有待提升。此外，为解决上述局部最优问题并简化多无人机协同目标搜索任务，一种有效的思路是将任务区域分解为多个子区域并分配给各无人机，从而将复杂的协同控制问题转化为多个简单的单无人机搜索问题，主要的区域分解方法包括质心Voronoi分割采样、模糊C均值聚类、多边形分割等。

现有目标搜索研究大多应用于二维水平区域(如矩形等规则区域或不规则区域)，而针对河流区域中的目标搜索问题研究较少。作为一类特殊的任务区域，河流可看作带一定地形约束的曲线，因此相比于无人机在普通二维水平区域内的多航向甚至全航向选择，河流区域限制了无人机的飞行模式，增加了目标搜索问题的难度。针对该类问题，现有解决方案多为定性的被动策略，如无人机在河流上空飞行进行全覆盖式搜索、或直接赶赴目标的先前位置区域进行贪婪式搜索，缺乏定量分析与启发式策略指导。

发明内容

本发明的目的在于结合河流的自然条件特点，提出一种适用于河流目标搜索任务的无人机航迹规划算法，以实现河流目标任务的快速搜索。

为了实现以上目的，本发明提供如下的技术方案：

应用于河流目标搜索任务的无人机航迹规划算法，其特征在于，所述无人机的视场范围大于河流宽度，所述规划算法包括以下步骤：

S1：将待搜索的目标河流抽象为二维平面曲线，以向前距离L_s为自变量，对平面曲线做离散化处理为M＝L/L_s个离散化单元，其中L为河流总长度，L_s为每个离散化单元的长度；