基于遗传算法的多无人机农药喷洒任务分配问题研究

发布时间：2020-05-29 02:04

【摘要】：目前无人机已经在精量播种、植被检测、农药喷洒等不同类型的农业航空作业中有着广泛的应用,采用无人机进行农药喷洒已经成为农业植保过程中的一项重要业务。同时,在最小化人为干预的方式下,如何利用无人机自主完成农业航空作业任务也受到了广泛的关注。其中,农药喷洒航空作业任务的分配是影响喷洒效果的关键因素。然而,关于无人机任务分配问题的研究仍处于发展阶段,有很多关键技术和理论仍需要进一步研究。因此,针对多无人机农药喷洒任务分配问题如何优化任务分配使得农药喷洒效果最佳具有一定的理论意义和现实意义。本论文针对多无人机农药喷洒任务分配问题,构建了一种团队定向问题(TOP)的模型,其首先引入无人机飞行动力学约束,将农田间的欧式距离扩展为Dubins距离,然后分析影响农药喷洒效果的两个因素,一是农药类型,二是农药喷洒时的环境温度。根据环境温度动态地产生农药喷洒的时间窗,并将该时间窗引入农药喷洒收益函数中,即构建了一种带有可变时间窗可变收益的TOP模型(DTOP-VTWVP)。对此,我们采用了遗传算法求解上述模型,并设计了算法中的编码、交叉和变异方式。通过实例分析总结了在Dubins曲线路径,有限时间窗,收益可变情形下对该任务分配问题的影响,然后通过仿真实验分析阐述了多无人机任务分配问题的最佳分配方案。在上述研究基础上还通过算法仿真实验验证该模型及其求解方法比典型的人工分配策略具有明显的优势,同时在小规模情形下也能够获得和精确方法一致的最优解。此外,还通过仿真实验对算法的参数敏感性进行了分析,给出了最佳的算法参数配置。
【图文】：

示意图,测试集,农田,农药

cFdF图 4.1 四个测试集中待喷洒农药的农田分布示意图Fig 4.1 Distribution of farmlands to be sprayed with pesticides in four instances（3）农药喷洒收益与时间窗参数配置本论文选取了 4 种具有不同药效的农药，表 4.2 中给出了不同农药能够发挥药效的温度区间以及针对喷洒农药当日的温度曲线（如图 4.2 所示）而产生的喷洒时间窗。表 4.2 农药喷洒参数表Tab 4.2 Parameters of spraying pesticides农药类型有效温度时间一天温度曲线时间窗效益函数aM [30, 35]aD[08:30:00, 11:30:00]21( ) 0.1 2 9.05.iP t t t bM [30, 35]bD [11:00:00, 13:00:00]21( ) 0.2 4.8 29.55.iP t t t M [20, 30]D [07:17:42, 16:40:20]2( ) 0.01 0.24 0.44.P t t t

温度曲线图,日期,无人机,任务分配问题

cDdD图 4.2 农药喷洒日期对应的温度曲线图Fig 4.2 Temperature curve corresponding to pesticide spraying date4.2 影响因素的实验分析针对多无人机农药喷洒任务分配问题，影响其任务分配的因素有无人机的飞行路径、任务的时间窗和任务的收益，且模型求解的满意解是总收益最大的任务分配方案。4.2.1 可飞路径的实验分析当多无人机农药喷洒任务分配问题考虑无人机动力学约束时，，无人机的最小转弯半径是无法忽略的，此时无人机在农田间将会按照 Dubins 路径的飞行方式飞行，且在农田内部也要考虑转弯半径，此时，将会增加无人机在农田间飞行方式的选择，不再是简单的欧式距离。同时也会导致飞行路径长度更长，使得在欧氏距离中的可飞方案在 Dubins 路径中却是不可飞方案。假设有两架的在时间窗[7:03:00，7:15:00]从起始点出发对图 4.1 中F 所示的
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S252.3;TP18

【参考文献】