单侧区域分割的多无人机扫描线搜索方法研究.docxVIP

单侧区域分割的多无人机扫描线搜索方法研究 谢朋志　魏晨 摘 要：本文针对区域覆盖任务需求对多无人机搜索问题展开研究。首先， 提出一种任意搜索区域的等面积单侧区域分割方法（Unilateral Region Segmentation）。然后，每个搜索区域分派一架或一个编队的无人机进行扫描线搜索，再基于人工勢场法来规避障碍物或者威胁从而获得搜索路径。最后，进行仿真分析，验证了该算法在不同情况下的有效性、鲁棒性以及适应性。该算法在面向任意搜索区域、考虑无人机机动性以及存在威胁等问题时具有明显优势。 关键词： 多无人机;任意搜索区域;区域分割;扫描线搜索;人工势场法;路径规划 中图分类号： V279 文献标识码：A文章编号： 1673-5048（2020）03-0067-06 0 引言 多无人机搜索问题一直是近些年的热点问题。国内外针对不同的任务需求展开了大量的研究，其中包括多无人机协同搜索以及区域覆盖等方面的研究。 面向多无人机协同搜索问题，主要解决如何由多架无人机以最小的代价协同搜索发现特定任务区域内可能存在的多个目标，主要方法为控制理论融合智能计算方法。文献[1]将最大可知度的控制算法与搜索不确定度图结合，能够有效实现多无人机之间的协同搜索，同时保证良好的时间优越性。文献[2]将模型预测控制理论和遗传算法相结合，建立了协同搜索的预测模型，并使用贝叶斯理论进行更新，有效降低了环境的不确定性。还有基于概率图[3]、信息素图[4]等智能计算方法的协同搜索算法。这类方法可以有效解决多无人机协同搜索优化问题中的NP-hard问题，有较好的侦察效果，但也普遍存在计算时间长、很难找到全局最优解以及难以覆盖搜索区域等问题。 面向区域覆盖的搜索算法虽然在协同性上不如前者，但在计算时间、任务分配难度和区域覆盖率等方面却有着明显的优势。 从国内外研究现状来看，针对区域覆盖搜索问题的研究大多采用分治策略的方法，即先进行区域分割（区域整理），然后采用扫描线[5]、螺旋线[6]等方式进行搜索。有学者将问题简化为给定一个固定几何区域内随机分布的许多目标点，栅 格化离散目标区域以提取侦察航路点[7-9]，然后将该问题抽象为一个旅行商问题（Traveling Salesman Problem，TSP），可以有效提高区域覆盖率，但这种区域划分的方法没有考虑区域几何形状对搜 索问题的影响，采用栅格化的方法没有考虑无人机机动性的要求。彭辉等人[10]针对多无人机协同区域覆盖搜索问题，将其分解为多无人机任务区域的分配以及分配后路径规划两个子问题，基于分层模糊推理的方法求解无人机的性能评估指标，采用基于面积的区域分割方法对搜索任务区域进行分割分配。类似的还有于驷男等人[11]提出的多无人机协同搜索区域分割与覆盖方法。但都没有对无人机初始位置的选取给出合理的安排，没有考虑存在威胁的情况。 目前多无人机的搜索问题的一个研究重点是如何有效提高搜索区域的覆盖率，然而侧重于多无人机协同搜索的方法大都存在计算时间长、覆盖率低等问题;而覆盖率比较高的扫描线方式的搜索算法也存在着没有考虑搜索区域几何形状对搜索算法适应性的要求、对无人机机动性的要求、目标区域存在威胁的要求以及无人机初始位置的要求等问题。 1 问题描述 1.1 问题分析 基于上述多无人机搜索面向区域覆盖方面的研究还存在一些需要解决的问题，因此从该研究出发，主要考虑搜索区域较大以及无人机从搜索区域外指定位置飞到搜索区域进行搜索的情况，进而研究对于搜索区域同一侧（边）作为初始位置的任意几何区域的扫描线搜索方法，同时考虑无人机机动性对搜索路径的影响以及存在障碍物或者威胁的情况。 本文主要研究任意多边形的等面积单侧区域分割方法，根据区域分割结果计算扫描线位置以及基于人工势场法得到搜索路径，实现对任务区域的搜索覆盖。 1.2 问题建模 （1） 传感器探测模型 基于区域覆盖的需求对传感器进行建模，采用下视的传感器类型，不考虑无人机姿态的变化对传感器视角的影响，高度H处的传感器探测到的区域范围是一个圆，其半径为R=H·tanθ。如图1所示。 （2） 无人机运动模型 对于一个由n架无人机组成的多无人机系统，用xi（t）， vi（t）， ui（t）分别表示无人机i的位置、速度和加速度，则无人机的运动方程可表示为 则无人机集群的动力学方程可表示为 X·=AX+BU（3） 根据运动方程，可将U设为无人机集群运动控制输入。每个个体的速度以及加速度受到最大范围的限制： 式中： Umax和Vmax分别为无人机可达到的最大加