论文部分内容阅读
每当有自然灾害发生,就会伴随着紧急救援。由于灾害发生地区的地质结构比较复杂,灾难发生后还会有持续性的险情。但是救援人员往往很难第一时间抵达现场。这时无人机以其独有的特性,在灾难救援初期发挥关键作用。例如,无人机可以自动进行灾情信息的收集和应急物资的分配。而如何快速的实现受灾地区的信息采集和在灾区信息不确定情况下完成应急物资的分配,对后续的救援起着关键的作用。本文主要是针对无人机在灾后紧急救援的复杂情况,解决多个无人机同时侦查所有可能受灾的区域,和及时地进行紧急投递物资的问题。另外,无人机在执行任务时,多无人机三维航迹规划和动态躲避威胁源也是必须要考虑的问题。目前常用的多无人机多目标侦查问题的模型,主要是通过优化无人机航迹进而得到最短路径来解决该问题。在应急物资分配问题上,通常考虑的是确切需求下的资源分配。本文主要是根据灾难环境下侦查任务的时间紧迫性和多无人机任务的均衡性进行建模,采用遗传算法来解决无人机侦查和物资分配的最优化问题。针对无人机对受灾点进行侦察的任务,本文设计了一种多旅行商问题和每个旅行商任务均衡的集中式侦查策略。但是当侦查的受灾点过多时,算法复杂度就会变高。为了简化这个问题,本文使用了K-means算法对受灾点进行区域划分。在无人机进行应急物资分配的场景中,由于每个受灾点需求不确定,本文参考并优化了随机需求的车辆路径问题模型。再结合就近分配法,将多无人机多基地的随机需求路径问题简化为单无人机单基地的随机需求路径问题。接下来,使用改进的遗传算法对模型进行求解。在三维多无人机航迹规划决策场景下,通过建立山地、威胁源的数字地形等,建立了函数模型。最后,采用模拟退火粒子群混合算法对多无人机三维环境的飞行航迹进行了仿真实验。并讨论了动态避障问题。本文的仿真与原来的研究相比取得了一定的改进。在无人机侦查模块中,进行区域划分很大程度上降低了算法的复杂度。任务均衡的多旅行商模型的求解不仅降低了单架无人机之间最长路径和最短路径之间的差值,还减少了任务完成时间,符合实际场景中对快速完成侦查任务的需求。在不确定受灾点物资需求的情况下,通过仿真验证了无人机对物资分配合理性,解决了资源分配问题中对不同受灾点供应过多或过少等问题。最后,航迹规划模块中,通过讨论两种不同的多无人机三维航迹规划问题,使用模拟退火粒子群混合算法,解决了多机航迹规划问题中的路径最优问题,并得到了考虑最小转弯和最大爬升两项约束条件的航迹平滑路径。综上所述,本文实现在灾难救援任务中无人机的最优化救援方案。