面向区域探测的异构多无人机任务分配方法研究
发布时间：2021-11-03 08:41
伴随着无人机技术的逐步发展,无人机在探测领域的应用愈发深入。同时,随着探测工作复杂度的不断提高,如何利用有限的无人机资源更好地完成探测任务成了亟需解决的重要问题。因此,为了更优质地完成探测任务,研究无人机在区域探测任务中的任务分配问题,具有重要的现实意义。面向区域探测的异构多无人机任务分配问题是如何为每一架无人机分配相应的目标区域作为探测任务,同时规划探测这些目标区域的执行顺序和飞行航迹,以同时对无人机总航程和总探测收益进行优化的问题。本文的任务分配问题是一个多目标优化问题,同时与传统点目标问题不同,区域目标需要同时考虑区域间飞行路径与区域内探测路径,两条路径的联合规划才能实现飞行航迹的优化。本文建立了多目标DHVRP（Dubins Heterogeneous Vehicle Routing Problem）模型,对考虑无人机Dubins路径约束、传感器存储约束、传感器探测性能和多类型区域探测任务的异构无人机区域探测任务分配问题进行建模。文章利用基于Pareto最优解的多目标求解算法NSGA-II（Non-dominated Sorting Genetic Algorithms）算法,...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
不同算法参数下求解效果示意图
依据参数敏感性分析实验中的结果，固定 NSGA-Ⅱ算法相关参0、交叉概率和变异概率分别为 0.8 和 0.4，进行 10 次独立求解解结果，然后将这 10 组解与 5 种人工分配方法进行对比，结果果对比图中可以看出，NSGA-Ⅱ算法对本文无人机任务分配问飞行路径的优化上明显优于按次序分配方法、区域水平划分方方法，但略差于区域水平划分-GA 和区域垂直划分-GA 方法。划分与区域垂直划分会将单个目标区域分割开来，使被分割的同的无人机对其进行探测，使得这两种划分方法下无人机的总。在另一方面，NSGA-Ⅱ算法在总探测收益的优化上显著优于分配方法。综合两个优化目标来看，在大规模实验场景下，N的任务分配方案总体上要优于人工任务分配方法，且能够通过，给探测任务的执行提供不同飞行路径和探测收益组合下的备明了本文采用的算法在求解本文面向区域探测的异构多无人机具有一定的实用意义。
【参考文献】：
期刊论文
[1]基于小型无人机遥感的单体地质灾害应急调查方法与实践[J]. 黄海峰,林海玉,吕奕铭,张磊,李剑南,胡乃利,易武. 工程地质学报. 2017(02)
[2]任意距离下Dubins最短路径研究[J]. 吴克风,曹晓文,周其忠,周成平. 战术导弹技术. 2017(01)
[3]基于多目标优化算法的多无人机协同航迹规划[J]. 周德云,王鹏飞,李枭扬,张堃. 系统工程与电子技术. 2017(04)
[4]无人机遥感系统的研究进展与应用前景[J]. 李德仁,李明. 武汉大学学报(信息科学版). 2014(05)
[5]无人机扫描线区域覆盖中的转弯航迹规划[J]. 万明,代忠,褚文奎. 系统工程与电子技术. 2014(09)
[6]基于PH曲线的无人机路径规划算法[J]. 王怿,祝小平,周洲. 计算机仿真. 2013(03)
[7]一种基于Clothoid曲线的无人机路径规划算法[J]. 王怿,祝小平,周洲. 西北工业大学学报. 2012(06)
[8]多无人机系统协同多任务分配模型与仿真[J]. 龙国庆,祝小平,周洲. 飞行力学. 2011(04)
[9]无人机遥感多载荷任务规划方法[J]. 蔡志浩,燕如意,王英勋. 上海交通大学学报. 2011(02)
[10]飞行器航迹规划的多目标优化方法[J]. 乔侨,史长久. 微计算机信息. 2010(31)
博士论文
[1]植保无人机航线规划方法研究[D]. 徐博.中国农业大学 2017
[2]基于多阶段航迹预测的无人机任务规划方法研究[D]. 孙小雷.哈尔滨工业大学 2015
硕士论文
[1]基于颜色匹配的地表三维GIS模型纹理优化方法研究[D]. 吴柄锋.云南师范大学 2015
[2]面向海岛航拍的无人机航迹规划算法研究[D]. 杨乐.中国海洋大学 2014
[3]NSGA2算法及其在电力系统稳定器参数优化中的应用[D]. 张利.西南交通大学 2013
[4]无人机协同作战任务分配与攻击效能评估技术[D]. 程聪.南京航空航天大学 2013
[5]无人机航路规划技术研究[D]. 赵冬梅.电子科技大学 2012
[6]基于改进遗传算法的应用研究[D]. 曹道友.安徽大学 2010
[7]非支配排序遗传算法（NSGA）的研究与应用[D]. 高媛.浙江大学 2006
本文编号：3473383
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
不同算法参数下求解效果示意图
依据参数敏感性分析实验中的结果，固定 NSGA-Ⅱ算法相关参0、交叉概率和变异概率分别为 0.8 和 0.4，进行 10 次独立求解解结果，然后将这 10 组解与 5 种人工分配方法进行对比，结果果对比图中可以看出，NSGA-Ⅱ算法对本文无人机任务分配问飞行路径的优化上明显优于按次序分配方法、区域水平划分方方法，但略差于区域水平划分-GA 和区域垂直划分-GA 方法。划分与区域垂直划分会将单个目标区域分割开来，使被分割的同的无人机对其进行探测，使得这两种划分方法下无人机的总。在另一方面，NSGA-Ⅱ算法在总探测收益的优化上显著优于分配方法。综合两个优化目标来看，在大规模实验场景下，N的任务分配方案总体上要优于人工任务分配方法，且能够通过，给探测任务的执行提供不同飞行路径和探测收益组合下的备明了本文采用的算法在求解本文面向区域探测的异构多无人机具有一定的实用意义。
【参考文献】：
期刊论文
[1]基于小型无人机遥感的单体地质灾害应急调查方法与实践[J]. 黄海峰,林海玉,吕奕铭,张磊,李剑南,胡乃利,易武. 工程地质学报. 2017(02)
[2]任意距离下Dubins最短路径研究[J]. 吴克风,曹晓文,周其忠,周成平. 战术导弹技术. 2017(01)
[3]基于多目标优化算法的多无人机协同航迹规划[J]. 周德云,王鹏飞,李枭扬,张堃. 系统工程与电子技术. 2017(04)
[4]无人机遥感系统的研究进展与应用前景[J]. 李德仁,李明. 武汉大学学报(信息科学版). 2014(05)
[5]无人机扫描线区域覆盖中的转弯航迹规划[J]. 万明,代忠,褚文奎. 系统工程与电子技术. 2014(09)
[6]基于PH曲线的无人机路径规划算法[J]. 王怿,祝小平,周洲. 计算机仿真. 2013(03)
[7]一种基于Clothoid曲线的无人机路径规划算法[J]. 王怿,祝小平,周洲. 西北工业大学学报. 2012(06)
[8]多无人机系统协同多任务分配模型与仿真[J]. 龙国庆,祝小平,周洲. 飞行力学. 2011(04)
[9]无人机遥感多载荷任务规划方法[J]. 蔡志浩,燕如意,王英勋. 上海交通大学学报. 2011(02)
[10]飞行器航迹规划的多目标优化方法[J]. 乔侨,史长久. 微计算机信息. 2010(31)
博士论文
[1]植保无人机航线规划方法研究[D]. 徐博.中国农业大学 2017
[2]基于多阶段航迹预测的无人机任务规划方法研究[D]. 孙小雷.哈尔滨工业大学 2015
硕士论文
[1]基于颜色匹配的地表三维GIS模型纹理优化方法研究[D]. 吴柄锋.云南师范大学 2015
[2]面向海岛航拍的无人机航迹规划算法研究[D]. 杨乐.中国海洋大学 2014
[3]NSGA2算法及其在电力系统稳定器参数优化中的应用[D]. 张利.西南交通大学 2013
[4]无人机协同作战任务分配与攻击效能评估技术[D]. 程聪.南京航空航天大学 2013
[5]无人机航路规划技术研究[D]. 赵冬梅.电子科技大学 2012
[6]基于改进遗传算法的应用研究[D]. 曹道友.安徽大学 2010
[7]非支配排序遗传算法（NSGA）的研究与应用[D]. 高媛.浙江大学 2006
本文编号：3473383
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3473383.html
