CN113741513B 隐式通信条件下多无人机对地搜索任务编队队形优化方法 （北京理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113741513B(45)授权公告日2025.01.10

(21)申请号202110973221.7

(22)申请日2021.08.24

(65)同一申请的已公布的文献号申请公布号CN113741513A

(43)申请公布日2021.12.03

(73)专利权人北京理工大学

地址100081北京市海淀区中关村南大街5

号

(72)发明人辛斌张钧溪郭苗陈杰王晴蒋金强熊楚依

(74)专利代理机构北京理工大学专利中心

11120

专利代理师代丽

(51)Int.CI.

GO5D1/695(2024.01)

G05D109/20(2024.01)

(56)对比文件

CN107807665A,2018.03.16

胡凯.面向任务的无人/有人机混合编队协同问题研究.《中国优秀硕士学位论文电子期刊网社会科学I辑》.2017,(第9期),第7-30页.

胡凯.面向任务的无人/有人机混合编队协同问题研究.《中国优秀硕士学位论文电子期刊网社会科学I辑》.2017,(第9期),第7-30页.

审查员李泽昕

权利要求书2页说明书9页附图5页

(54)发明名称

隐式通信条件下多无人机对地搜索任务编队队形优化方法

(57)摘要

CN113741513B本发明公开了一种隐式通信条件下多无人机对地搜索任务编队队形优化方法。本发明以UAV间的相对位置关系为决策变量，以拓扑性能指标和任务效率指标为目标函数，以目标区域大小、信息传递链路的连通性、传感器视野范围等为约束，建立了队形结构优化问题模型，并应用多目标优化算法进行求解，最终可得到UAV编队在搜索地面目标任务中的期望队形。本发明同时考虑了搜索任务效率和拓扑结构性能，适用于不

CN113741513B

CN113741513B权利要求书1/2页

2

1.一种隐式通信条件下多无人机对地搜索任务编队队形优化方法，其特征在于，以无人机之间的欧式距离以及相对视线角度为队形优化模型的决策变量，以目标区域约束、无人机间最短距离约束、无人机信息传递拓扑结构的连通性约束为队形优化模型的约束条件，以无人机信息传递拓扑结构的抗毁性、无人机编队的搜索任务的效率为队形优化模型的评价函数，建立多无人机对地搜索任务编队队形优化模型；其中，首先将无人机信息传递拓扑结构转化为无向图，然后采用自然连通度评价无人机信息传递拓扑结构的抗毁性；采用无人机编队的横向搜索覆盖宽度评价搜索任务的效率；

所述无人机信息传递拓扑结构的连通性约束为：无人机信息传递拓扑结构有向图D的邻接矩阵A中仅包含1个全0列，该全零列对应总领航无人机；

所述自然连通度λ的计算公式如下：

其中，S为无人机信息传递拓扑结构无向图中闭环路径总数；N为无人机总数，λ;为无人机信息传递拓扑结构无向图G的邻接矩阵的特征值；

无人机信息传递拓扑结构的抗毁性评价函数f?为：

其中，↗*为人机信息传递拓扑结构无向图G的最大的自然连通度；无人机编队的搜索任务的效率评价函数f?为：

其中，drande为无人机编队的横向搜索覆盖宽度，,N为无人机总数，R为无人机的对地搜索范围；

对所述多无人机对地搜索任务编队队形优化模型进行求解，获得最优队形。

2.如权利要求1所述的隐式通信条件下多无人机对地搜索任务编队队形优化方法，其特征在于，基于NSGA-II-差分进化联合算法、基于分解的多目标优化算法或多目标粒子群优化算法对所述多无人机对地搜索任务编队队形优化模型进行求解。

3.如权利要求2所述的隐式通信条件下多无人机对地搜索任务编队队形优化方法，其特征在于，基于NSGA-II-差分进化联合算法的求解的具体步骤如下：

S1,确定解的编码形式为包括总领航无人机与其余无人机的欧式距离和相对视线角度；确定种群中解的数量、最大迭代次数、无人机间的最大距离和最小距离；初始化种群P;

S2,采用差分进化算法的交叉和变异算子对种群P进行操作，得到新的种群Q,Q中的解数量与P相同；

S3,对种群P与种群Q中的解进行解码操作，获得编队的几何结构和信息传递拓扑结构；基于所述约束条件判断该解是否为可行解，若是可行解，则计算出对应的评价函数值；若是不可行解，则计算其约束违背量；

CN113741513B权利要