CN119397928B 一种无人机智能机场部署方法、设备以及可读存储介质 （广东翼景信息科技有限公司）

(19)国家知识产权局(12)发明专利有限公司11463GO6N3/126(2023.审查员李若童权利要求书3页说明书9页附图3页读存储介质本申请提供一种无人机智能机场部署方法、功率最大化为目标，建立非线性0-1规划模型求改进遗传算法的智能机场最优部署方法能在充21.一种无人机智能机场部署方法，所述智能机场用于对应的无人机起飞和降落，其特1)将监控的任务区域内的航道根据航道的端点以及航道与航道之间的交叉点将航道分割成若干带方向的子航段，其中航道是指供追踪对象从进入任务区域至驶出任务区域的任意一条带有方向的路线；在航道周围设置有若干个智能机场备选点；2)统计观测的历史数据中多个追踪对象关于航道或者子航段的分布情况，计算任意追踪对象沿每条航道移动对应的概率P,其中τ代表第t个航道；3)根据无人机的速度v、智能机场备选点的位置、追踪对象的速度、追踪对象进入任务区域开始至被监视系统发现的时间t₆,判断每个智能机场备选点处的无人机能否追上沿各个航道移动的踪对象，判断值为In,π;n代表第n个智能机场备选点；当第n个智能机场备选点4)根据设置的智能机场总数m、概率P、判断值In,π,以追踪成功率最大化设置目标函数，其中追踪成功率是指被部署为智能机场的所有智能机场备选点中存在至少一个智能机场备选点中的无人机能追上沿任意航道移动的追踪对象的概率；为智能机场备选点总数，Zn表征第n个智能机场备选点是否部署为智能机场，当Zn=1时表示部署为智能机场，当Zn=0时表示不部署为智能机场。2.根据权利要求1所述的无人机智能机场部署方法，其特征在于：目标函数为：3.根据权利要求2所述的无人机智能机场部署方法，其特征在于：使用改进的遗传算法进行求解目标函数，采用有针对性的编码方式，其具体步骤为：1)根据无人机最大飞行范围与所有航道的重合部分长度由大到小的顺序，将智能机场备选点进行排序；2)目标函数的解编码成任一分量的取值范围为[0,1]的m维实值向量x=(x₁,x₂,……xm),3)随机生成G个可行解作为初始种群；4)使用指数排序选择法选择当前种群中的个体进行复制；5)将选择-复制操作生成的个体进行随机配对；6)对交叉操作生成的每一个个体，以0.001-0.1为变异概率执行变异操作；8)输出适应度最高的解并进行解码。4.根据权利要求1或者2所述的无人机智能机场部署方法，其特征在于：统计观测的历史数据中多个追踪对象被监视系统发现时位于子航段的分布情况，计算任意追踪对象被监3对应的概率P.,其中监视系统为随机巡视，追踪对象进入任务区域后监视系统在任何时间设观测的历史数据被监视系统发现的追踪对象总数有M个，则：交叉点；Pw,y)表示追踪对象被发现时其正沿交点W:到交点V的子航段移动概率；M(y,y)表示历史数据中，被监视系统发现时，在交点ψ:到交点V的子航段移动的追踪对象的总对于从交点W:移动至交点V的追踪对象，计算其接下来会从交点4移动至交点4k的示第n个智能机场备选点与0n(T)之间的直线距离，v表示对应的无人机速度；a,(t)通过追4若航道t与位于位置点n处的智能机场的无人机最大飞行范围不存在交点，令0n(T)为无人机的最大飞行半径。所述机器可读指令被所述处理器执行时执行如权利要求1至8中任一项所述的方法的步骤。5一种无人机智能机场部署方法、设备以及可读存储介质技术领域以及可读存储介质。背景技术[0002]由于其在灵活性、全视角监测能力和成本效益方面的优势，无人机已被越来越多地用于一维追踪的场景，如图1所示。在此场景中，当地面侦测系统发现河道或道路上移动的船只或违规车辆后，将通知无人机进行追踪。而当无人机追上目标对象时，将盘旋与其上空进行宣传喊话或拍摄取证。[0003]无人机单次飞行的续航时长一直是制约其大规模应用的瓶颈，尤其是在如一维追踪等多个对象散布在大尺度地理范围的场景时。使用具备无人值守化作业功能的智能机场虽然能实现对无人机的自动充电，但由于缺乏机场的选址部署优化，难以实现对任务区域内目标对象的高追踪成功率。发明内容[0004]本申请实施例的目的在于提供一种无人机智能机场部署方法、控制设备以及计算机可读存储介质，用以解决了现有技术存在的上述问题，实现对任务区域内目标对象的高追踪成功率。[0005]第一方面，提供了一种无人机智能机场部署方法方法，该方法可以包括：所述智能机场用于对应的无人机起飞和降落，所述方法包括：[0006]1)将任务区域内的航道根据航道的端点以及航道与航道之间的交叉点将航道分割成若干带方向的子航段，其中航道是指供追踪对象从进入任务区域至驶出任务区域的任意一条带有方向的路线；在航道周围设置有若干个智能机场备选点；[0007]2)统计观测的历史数据中多个追踪对象关于航道或者子航段的分布情况，计算任意追踪对象沿每条航道移动对应的概率P,其中τ代表第τ个航道；[0008]3)根据无人机的速度v、智能机场备选点的位置、追踪对象的速度、追踪对象进入任务区域开始至被监视系统发现的时间t₀,判断每个智能机场备选点处的无人机能否追上沿各个航道移动的踪对象，判断值为In,π;n代表第n个智能机场备选点；当第n个智能机场备选点处的无人机能追上沿航道t移动的追踪对象时，In,=1,否则In,t=0;[0009]4)根据设置的智能机场总数m、概率P、判断值In,π,以追踪成功率最大化设置目标函数，其中追踪成功率是指被部署为智能机场的所有智能机场备选点中存在至少一个智能机场备选点中的无人机能追上沿任意航道移动的追踪对象的概率；机场备选点是否部署为智能机场，当Zn=1时表示部署为智能机场，当Zn=0时表示不部6[0015]2)目标函数的解编码成任一分量的取值范围为[0,1]的m维实值向量x=(x,x₂,…,x),[Nx₁]为第1个智能机场的部署位置，[Nx₂]为第2个智能机场的部署位位于子航段的分布情况，计算任意追踪对象被监视系统发现时沿各个子航段移动的概率，(ψ;ψj)表示从交点V:到交点)的子航段，交点是指航道的端点或者及航道与航道之间的表示历史数据中，被监视系统发现时，在交点V:到交点4的子航段移动的追踪对象的总[0026]对于从交点4:移动至交点V的追踪对象，计算其接下来会从交点4;移动至交点7[0030]一种可选的实施方式中，判断第n个智能机场备选处的无人机能否追上沿移动航表示从追踪对象进入任务区域开始至被监视系统发现的时间；其中d(n,On(T))表示第n个智能机场备选点与0n(T)之间的直线距离，v表示对应的无人机平均速度；n(c)通过追踪对象的速度以及追踪对象从进入任务区域开始至移动到0(t)处的[0034]若航道τ与位于位置点n处的智能机场的无人机最大飞行范围不存在交点，令线通信，所述机器可读指令被所述处理器执行时执行实现第一方面任一所述的方法的步8因此需要大量的样本数据。相比于直接通过航道分布对航道的概率进行估算，通过子航段的分布情况进行估算，将减少大量样本数据，进一步降低数据处理量。附图说明[0039]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。[0040]图1为本申请实施例适用的一种场景；[0041]图2为本申请实施例提供的一种无人机智能机场部署方法的流程示意图；[0042]图3为本申请实施例提供的一种航道以及智能机场备选点分布示意图；[0043]图4为本申请实施例提供的一种航道、智能机场备选点以及智能机场部署点的分布示意图；[0044]图5为本申请实施例提供的一种设备的示意图。具体实施方式[0045]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，并不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。除非另外定义，本申请使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部面列举的元件或者物件及其等同，而不排除其他元件或者物件。[0046]本申请实施例提供的无人机智能机场部署方法可以应用在图1所示的场景中，如图1所示，该场景中的追踪任务区域内有交叉的河道以及与河道隔离的陆路，追踪的对象可以船只，也可以是汽车。监控系统对进入任务区域的目标的船只或者汽车进行监控，其可或者是人工巡逻系统。监控系统发现目标的时间随监控系统的位置，目标进行任务区域的方向和位置等有关系。本申请的实施例中，采用的监控系统为随机巡视，追踪对象进入任务区域后监视系统在任何时间段发现追踪对象的概率是相同的。[0047]以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。[0048]图2为本申请实施例提供的一种无人机智能机场部署方法的流程示意图。该方法[0049]步骤一：任务区域表征：无人机可在智能机场与航程范围内的任意点之间沿直线飞行，追踪对象只能沿给定的航道移动。航道是指供追踪对象从进入任务区域至驶出任务区域的任意一条带有方向的路线。同时，每个无人机存在最大飞行范围，最大飞行范围是以9无人机的最大飞行距离为半径，无人机的智能机场的位置为圆心构成的圆形区域。[0050]为了简化计算过程，可以将航道等效成一维的曲线，将智能机场备选点的位置等效成点，对于给定的应用场景，其任务区域中每条一维曲线以及每个智能机场备选点的位置均是已知的，可以通过平面坐标系进行表示，如一维曲线可以利用y=f(x)进行表示，智能机场备选点的位置可以用(x,y)进行表示。此外，无人机的飞行高度影响可以忽略不记，将其简单等效为在平面坐标系中移动。[0051]此外，任务区域边界也是已知，其边界同样可以通过平面坐标系进行表示。无人机智能机场备选点可以设置在任务区域内，也可以位于任务区域外。[0053]1、将所有可以部署智能机场的备选点排序后构成智能机场备选点集：[0055]式(13)中，Ω表示N个智能机场备选点构成的集合。在本例中，N=19,智能机场备选点由图3中的圆形所示，圆形中标识了智能机场备选点的序号。[0058]式(14)中，R表示N位置点处个无人机-智能机场的最大飞行半径构成的集合，Rn表示第n个位置点处个智能机场备选点处的无人机的最大飞行半径。在本例中，所有R均为5000;所有无人机采用同一种型号。[0059]3、将监控的任务区域内的航道根据航道的端点以及航道与航道之间的交叉点将航道分割成若干带方向的子航段。航道的端点是指航道的起点和终点，所有航道的端点依次连接形成的区域为任务区域。航道的端点以及航道之间的交叉点称为交点，交点构成的[0061]式(15)中，Ψ表示航道的端点以及航道之间的交叉点的集合，Vi表示第i个交点。在本例中，交点由图3中的三角形所示，三角形中标识了交点的序号；[0062]4、对任意交点Vi,用S(ψ)表示与其直接相连的交点构成的集合；[0063]5、若交点V:和交点V直接相连，则用(.,ψ;)表示一条带方向的子航段，其方向为从交点4:移动至交点Vj;[0066]步骤二：一种追踪对象行为建模方法，根据追踪对象移动的历史数据，计算其沿任格式。其中，((ψ,ψ,),t)表示某追踪对象在t时刻被发现且被发现时正从交点V:移动至交点数据共有M(y,y)条。在本例中，M(12)=12、M(21)=23、M(2,3)=7、M(3.2)=5、M(25)=3、从交点中移动至交点k的概率；[0085]因此，关于航道概率的具体计算方式，可以根据样本数量以及计算能力，按照实际需要进行选择。[0086]步骤三：以追踪成功率最大化为目标，将智能机场的最优部署问题建模成非线性0-1规划问题，并利用改进遗传算法进行求解。包括以下过程：[0087]1、用O(z)表示航道t与位于位置点n处的智能机场的最大飞行范围的最后一个交[0088]2、无人机直线飞行时的单位时间耗能为%。在本例中[0094]式(20)中，E表示无人机单次飞行的能耗上限。在本例中，E=105,可计算得出[0095]7、第n个智能机场备选点是否设置智能机场的决策变量取值：[0097]式(21)中，Zn表征第n个备选智能机场点是否设置智能机场的变量，当zn=1时表示设置智能机场，当zn=0时表示不设置智能机场；[0100]9、判断第n个备选点处的智能机场的无人机能否追上沿航道τ移动的对象：[0102]式(23)中，ta₁(c)表示沿曲线τ移动的对象从进入任务区域开始至移动到(z)处所需的时间，to表示从追踪对象进入任务区域开始断函数，当条件成立时等于1,条件不成立及追踪对象从进入任务区域开始至移动到0(t)处的航程计算，追踪对象的速度为300,t₀=2;若航道t与位于位置点n处的智能机场的无人机最大飞行范围不存在交点，令0n(T)[0106]11、将式(16)一式(24)汇总，得到一组给定的可用智能机场下以追踪成功率最大化为目标的智能机场部署位置优化模型。[0107]12、上述优化模型属于非线性0-1规划模型。本发明使用改进的遗传算法进行求解，采用有针对性的编码方式。其具体步骤为：1)根据其最大飞行范围与所有航道的重合部分长度的由大到小的顺序，将19个位置点进行排序；2)上述优化问题的解编码成任一分量的取值范围为[0,1]的3维实值向量x=(x₁,x₂,x₃)。[Nx₁7为第1个智能机场的部署位置，上取整运算；3)随机生成上述优化问题的100个可行解作为初始种群；4)使用指数排序选择法选择当前种群中的个体进行复制；5)将选择-复制操作生成的个体进行随机配对；6)对交叉操作生成的每一个个体，以变异概率0.1执行变异操作；7)4)至6为一次迭代。以此迭代，直到迭代至20代；8)输出适应度最高的解，解码后得到智能机场最优部署方案。[0108]在本例中，可解得追踪成功率W的最大值为0.886,并可解得如图4所示的智能机场最优部署方案。其中，实心圆形为智能机场部署点，以实心圆形为圆心的圆形是对应智能机场的最大飞行半径。[0109]在一维追踪场景中，考虑了一组给定可用的无人机智能机场的部署位置优化，以使得任务区域内目标对象的追踪成功率最大化，能为针对无人机的一维追踪应用提供进一步的指导；此外，提出了基于有针对性编码的改进遗传算法的智能机场最优部署方法。该方法能在充分缩短计算时间的条件下，求得性能足够好的解决方案。[0110]与上述方法对应的，本公开实施例还提供了一种设备，其为电子400,如图5所示，为本公开实施例提供的电子设备400结构示意图，包括：处理器41、存储器42、和总线43;存储器42用于存储执行指令，包括内存421和外部存储器422;这里的内存421也称内存储器，用于暂时存放处理器41中的运算数据，以及与硬盘等外部存储器422交换的数据，处理器41通过内存421与外部存储器422进行数据交换，当所述电子设备400运行时，所述处理器41与所述存储器42之间通过总线43通信，使得所述处理器41执行图2的无人机智能机场部署方法的步骤。[0111]本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的无人机智能机场部署方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。[0112]本公开实施例还提供一种计算机程序产品，该计算机程序产品包括有计算机指令，所述计算机指令被处理器执行时可以执行上述方法实施例中所述的无人机智能机场部署方法的步骤，具体可参见上述方法实施例，在此不再赘述。[0113]其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(SoftwareDevelopmentKit,SDK)等等。[0114]所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。[0115]所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以