论文部分内容阅读
多无人机(Unmanned Aerial Vehicle,UAV)协同搜索是未来获取战场环境信息的主要手段,是未来作战的一种重要作战方式。航迹规划作为UAV任务规划的主要研究内容之一,是保证并引导UAV实现自主飞行并完成作战任务的技术保障。由于多架UAV协同执行任务相比单架UAV具有无可比拟的优势,所以多UAV协同搜索航迹规划逐渐成为任务规划领域的研究热点之一,在军用和民用方面都具有重要的应用价值和实际意义。本文以多UAV执行搜索任务为研究背景,重点研究了不同先验信息下的多UAV协同搜索航迹规划方法,论文的主要研究内容包括以下几个方面:(1)综述了多UAV协同搜索技术的国内外研究现状和关键技术,并且总结了国内外的研究特点以及存在的问题。(2)从UAV执行搜索任务需求出发,明确了UAV区域搜索问题的定义和研究范围,分析了多UAV协同搜索问题的组成要素,分别建立了环境模型、UAV运动学模型、传感器搜索模型、目标模型以及数据通信模型,为多UAV协同搜索航迹规划问题奠定了基础。(3)针对任务区域信息完全未知的情况,为了实现任务区域的全覆盖,开展了采用扫描线式的多UAV协同区域覆盖航迹规划方法研究。首先根据任务区域的形状,重点研究矩形区域(无障碍)和凸多边形区域(有障碍)两种情况下的全覆盖式多UAV协同区域搜索航迹规划,针对这两种区域覆盖式搜索,分别设计了多UAV协同搜索航迹方法。仿真试验结果表明基于扫描线式设计的搜索航迹规划方法能够满足两种区域全覆盖的需求。(4)针对任务区域信息部分已知的情况,根据先验信息或目标自然属性将任务区域内的目标抽象为多个分散的重点目标,主要包括点目标、线目标两种类型,然后建立了重点式多UAV协同区域搜索模型。通过将重点式多UAV协同区域搜索转化为扩展的多旅行商问题,以最小化任务完成时间和UAV消耗量为目标函数,提出了一种基于双染色体整数编码和多变异算子改进的反向遗传算法求解该问题。仿真试验对比研究结果表明:该方法的寻优能力与鲁棒性都优于标准遗传算法和随机搜索算法。(5)针对不确定环境下目标概率分布图已知的情况,首先建立了搜索概率图,使用贝叶斯准则更新搜索概率图,以最大化环境搜索收益为航迹规划目标函数,采用一种基于目标概率信息启发的多UAV协同搜索滚动航迹规划方法,该方法以搜索信息作为多UAV搜索航迹规划目标函数的启发项,采用滚动时域优化策略,实现不确定环境下的多UAV协同搜索航迹规划。仿真试验对比研究结果表明:该方法要明显优于贪婪搜索和随机搜索方法。