一种无人机路径规划策略

2021-11-27王婷

魅力中国 2021年23期

王婷

（四川职业技术学院，四川遂宁 629000）

一、引言

当前，在智能控制技术的支撑下，各类无人机不断出现，并应用于社会生活的各个领域。如通过无人机进行空中视频采集，达到目标侦查效果[1]；还如利用无人机高效机动的特点提高农药喷洒效率；再如利用无人机对无线传感网络的通信节点进行信息采集，达到信息收集的效果。通常，无人机的通信资源、信息存储资源、电能资源等均有限制，如何基于无人机特定资源约束进行路径规划成为一项研究课题。李若等[2]提出了一种“基于风险管控的城市空中交通无人机路径规划”方法，考虑了无人机起降时的城市人员密度环境,并对路径风险进行了评估，进而采用A*算法对无人机路径规划进行求解。吴成振等[3]提出了一种“多约束条件下的无人机轨迹快速规划”方法，给出了定位误差约束下的数学模型,推导出了空间圆弧轨迹方程,利用贪心算法对无人机的航迹进行快速规划。本文综合相关技术提出了一种无人机路径规划策略。对无人机路径规划中的资源约束条件进行了分析，生成了整体优化模型，并给出了求解方法，进而生成路径规划策略，具有一定理论参考价值。

二、总体技术理念

本文所述的一种无人机路径规划策略分为四个技术环节：第一环节是三维空间网格化，将无人机作业范围划分为格式化数字空间，并对各空间进行标号，进而在实际侦查的基础上，对各空间网格进行注释，如障碍物、信息节点等。第二环节是无人机及信息节点参数采集，如信息节点通信距离，无人机单位距离能量消耗等。第三环节是路径规划策略生成，综合空间网格情况、无人机及信息节点参数信息，构建资源分配优化模型，进而对模型求解得到路径规划策略。第四环节，飞行路径动态变更及信息反馈，如信息节点不工作，障碍物情况变化等。通过上述四个环节，达到无人机路径规划效果。

三、详细技术阐述

（一）空间网格化

定义1(空间网格)：将空间网格定义为一个五元组G={a,b,c,d,e}，其中a 为经度、b 为维度、c 为高度，d 为伸展距离，e 为事物类型，如障碍物，通信节点等。空间网格G 的空间范围为：经度大于等于a-d，且小于等于a+d；维度大于等于b-d，且小于等于b+d；高度大于等于c-d，且小于等于c+d。

算法1：空间网格化。输入空间作业范围，输出空间网格集合。第一步，新建一个空间网格集合Q，为空间网格伸展距离d 赋值，假设为z，z 值越大则网格空间范围越大，网格化工作效率越高；z值越小则网格空间范围越小，路径规划越精确。第二步，遍历作业空间最小经度，以步长2d 增加，直到最大经度为止，假设当前经度为j；遍历作业空间最小维度，以步长2d 增加，直到最大维度为止，假设当前维度为i；遍历作业空间最小高度，以步长2d增加，直到最大高度为止，假设当前高度为x；新建一个空间网格G={a,b,c,d,e}，令a=j,b=i,c=x,d=z；若在空间网格G 的空间范围内存在信息节点，则令e 为信息节点；若在空间网格G 的空间范围内存在障碍，则令e 为障碍；若空间网格G 的空间范围内为空白，则令e 为NULL。将空间网格G 放入集合Q 中。第三步，输出集合Q。

（二）路径规划生成

定义2(路径规划参数)：将路径规划参数定义为一个十元组CS={Wj,Xr,Zp,Ts,Jk,Rd,Yn,Ch,Bt,Sl}，其中Wj为无人机架数、Xr为单架无人机信息存储容量、Zp为无人机处理器资源数量、Ts为数据通信速率、Jk为数据接口数量、Rd为电池容量、Yn为无人机单位距离移动能耗、Ch为单位数据传输能耗、Bt为信息节点通信半径、Sl为信息节点数据容量。

定义3(无人机路径)：将无人机路径定义为一个空间网格队列Dk={G1,G2,…,Gn-1,Gn}，其中Gi为空间网格，i=1…n。其含义为无人机从空间网格G1出发，依次经过G2,…,Gn-1，最后到达Gn。

算法2：单无人机路径规划算法。输入路径规划参数CS、空间网格集合Q、无人机起飞空间网格G；输出无人机路径。第一步，新建一个无人机路径集合U、信息节点集合E、Y，遍历空间网格集合Q，假设当前元素为v，则若v与G相邻，则新建一个无人机路径Dk，将元素G、v 依次放入Dk 中。第二步，若v 不等于G，则遍历空间网格集合Q，假设当前元素为f，若f 与v 相邻，则将元素f 放入Dk 中，将元素f 标记为元素v，重复执行第二步；若v 等于G，则将Dk 放入集合U 中。第三步，遍历集合Q，假设当前元素为item，若item.e 为信息节点，则将item 放入集合E 中。第四步，遍历集合U，假设当前元素为无人机路径Dk={G1,G2,…,Gn-1,Gn}，令Y=E，遍历Dk，假设当前元素为item1，若item1.e为障碍，则将Dk从集合U中删除。若item1.e为信息节点，则遍历集合Y，若当前元素为item2，如果item1等于item2，则将item2从集合Y 中删除。第五步，若Y 不为空，则将Dk 从集合U 中删除。第六步，遍历集合U，假设当前元素为无人机路径Dk1={G1,G2,…,Gn-1,Gn}，假设此无人机路径的长度为Dis，若Dis 为集合U 中的最短路径，则输出无人机路径Dk1。

算法3：多无人机路径规划算法。输入路径规划参数CS、空间网格集合Q、无人机起飞空间网格G；输出无人机路径。第一步，创建评价函数H=(a1*无人机行驶总距离+a2*无人机消耗总能量)，a1、a2为权值。第二步，设立优化目标为min(H)；设立约束条件为：单个无人机所采集的信息量需小于Xr；单个无人机的处理器资源适用量需小于Zp；单个无人机可同时采集Jk个信息节点；Wj个无人机路径需要覆盖所有的信息节点；单个无人机路径所消耗的能量与信息采集能量消耗之和需要小于电池容量Rd；无人机在进行信息采集时，与信息节点的距离应小于Bt；单个无人机路径中不应出现障碍。第三步，将目标函数作为种群个体的适应度，一条染色体即为一种多无人机路径规划方案，利用遗传算法对目标函数进行求解，生成多无人机路径并输出。

（三）路径规划变更

路径变更思想为：在无人机路径执行过程中，针对路况和信息节点实际情况对无人机路径进行变更。

算法4：路径变更算法。输入：无人机路径集合P；空间网格集合Q；输出：更新后的无人机路径规划。第一步，更新空间网格集合Q，若空间网格G 中的信息节点停止工作，则更新G.e 为障碍；若空间网格G 中的障碍消除，则更新G.e 为NULL；若空间网络G 中出现了障碍，则更新G.e 为障碍。第二步，遍历无人机路径集合P，假设当前元素为Dk，遍历Dk，假设当前元素为item3，若item3.e 为信息节点，且此信息节点信息已经采集，则将空间网格集合中的item3.e变更为障碍。第三步，将各无人机当前位置作为出发点，由算法2 及算法3 生成无人机路径规划，并输出。