薛文斌，龐國楹 ，汪志遠(yuǎn)

(1.軍事交通學(xué)院 國家應(yīng)急交通運(yùn)輸裝備工程技術(shù)研究中心，天津 300161;2.軍事交通學(xué)院 基礎(chǔ)部，天津 300161)

?

● 基礎(chǔ)科學(xué)與技術(shù) Basic Science & Technology

應(yīng)對(duì)突發(fā)事件的無人機(jī)監(jiān)測任務(wù)分配和航行路徑規(guī)劃

薛文斌1，龐國楹2，汪志遠(yuǎn)1

(1.軍事交通學(xué)院 國家應(yīng)急交通運(yùn)輸裝備工程技術(shù)研究中心，天津 300161;2.軍事交通學(xué)院 基礎(chǔ)部，天津 300161)

為優(yōu)化無人機(jī)監(jiān)測任務(wù)分配和航行路徑，以2009年我國應(yīng)用軍用偵察機(jī)和無人機(jī)監(jiān)測雅安地震災(zāi)情為研究始點(diǎn)，通過采用多目標(biāo)優(yōu)化理論建立受航行時(shí)間、航程、地形和天候等限制約束條件的多目標(biāo)模型，研究以編隊(duì)規(guī)模最小、航程最短、威脅系數(shù)最小為整體目標(biāo)函數(shù)的無人機(jī)監(jiān)測問題。利用粒子群算法進(jìn)行模擬仿真，得到第一波次緊急監(jiān)測過程以及優(yōu)化決策后第二波次監(jiān)測過程中，無人機(jī)具體監(jiān)測任務(wù)分配、航行路徑、每個(gè)監(jiān)測點(diǎn)的監(jiān)測時(shí)間、總航程和最優(yōu)飛行次數(shù)等結(jié)論。最后，通過對(duì)比分析提出相應(yīng)的監(jiān)測任務(wù)分配和航行路徑優(yōu)化建議。

無人機(jī)監(jiān)測；任務(wù)分配；航行路徑；多目標(biāo)優(yōu)化；粒子群算法

近年來, 我國各地自然災(zāi)害頻發(fā)，諸如 “汶川地震”“玉樹地震”“甘肅舟曲特大泥石流”和“雅安地震”等。因此，對(duì)地震等突發(fā)事件發(fā)生后的“及時(shí)監(jiān)測”是應(yīng)急管理的重中之重。在2009年雅安地震發(fā)生后，原北京軍區(qū)派出軍用偵察機(jī)，地方政府調(diào)用無人機(jī)對(duì)災(zāi)區(qū)進(jìn)行了實(shí)時(shí)監(jiān)測，為匯總受災(zāi)情況和調(diào)動(dòng)救援人員等提供了及時(shí)有效的數(shù)據(jù)支持，成為無人機(jī)技術(shù)應(yīng)用到我國應(yīng)急救援及監(jiān)測管控的成功案例。隨著自動(dòng)化控制和網(wǎng)絡(luò)通信技術(shù)的發(fā)展，無人機(jī)技術(shù)正朝著數(shù)字化和智能化等方向發(fā)展，除了在軍事領(lǐng)域得到應(yīng)用外，在民用領(lǐng)域尤其是應(yīng)急管理中也受到廣泛關(guān)注。

無人機(jī)在應(yīng)急管理中的監(jiān)測技術(shù)主要涉及任務(wù)分配技術(shù)和航路規(guī)劃技術(shù)[1-2]。其中，任務(wù)規(guī)劃的目的是找出一條最佳飛行航線，以及在航線上對(duì)有效載荷的控制策略，使之最大限度地發(fā)揮有效載荷的作用。J D Wolfe等[3]研究了強(qiáng)耦合編隊(duì)規(guī)模的無人機(jī)編隊(duì)飛行航跡規(guī)劃問題；柳長安[4]將蟻群算法用于飛行器的偵察與攻擊任務(wù)的航路規(guī)劃；葉媛媛等[5]在任務(wù)規(guī)劃系統(tǒng)的框架中運(yùn)用以V圖為主的算法，實(shí)現(xiàn)了無人機(jī)的靜態(tài)單航路和多航路協(xié)同規(guī)劃；張昉[6]應(yīng)用混合系統(tǒng)理論、威脅感知法對(duì)任務(wù)規(guī)劃建模問題進(jìn)行了研究；蒙波[7]采用傳感器的波束覆蓋范圍和A*算法對(duì)無人機(jī)的航跡規(guī)劃和任務(wù)分配進(jìn)行了研究?，F(xiàn)有主要的航路規(guī)劃方法有動(dòng)態(tài)規(guī)劃法、電勢理論法、遺傳算法、最優(yōu)控制法和Voronoi圖形法等。

基于上述研究，本文以2009年我國應(yīng)用軍用偵察機(jī)和無人機(jī)監(jiān)測雅安地震災(zāi)情為研究出發(fā)點(diǎn)，主要考慮無人機(jī)受到實(shí)際飛行時(shí)間和飛行航程限制，以及來自地面地形威脅和惡劣天氣威脅等現(xiàn)實(shí)情況，建立了以編隊(duì)規(guī)模最小、航程最短、受威脅最小為目標(biāo)函數(shù)的多目標(biāo)優(yōu)化模型，研究了突發(fā)事件發(fā)生后，無人機(jī)任務(wù)分配和航行軌跡規(guī)劃的問題，并且改進(jìn)多目標(biāo)優(yōu)化粒子群算法，通過仿真模擬對(duì)比任務(wù)分配和航行軌跡規(guī)劃的合理性與科學(xué)性，對(duì)應(yīng)急管理以及搶險(xiǎn)救災(zāi)的決策提出科學(xué)合理的建議。

1 多目標(biāo)優(yōu)化模型

在突發(fā)事件發(fā)生后，管理層需要第一時(shí)間了解災(zāi)區(qū)具體的人員、道路和地形等受災(zāi)情況。所以，在派遣無人機(jī)監(jiān)測過程中需要協(xié)調(diào)派遣最近基地的無人機(jī)，在監(jiān)測過程中要盡量滿足飛行時(shí)間和航程最短，所受地形和天氣威脅最小，保證安全返航。因此，本文考慮在應(yīng)對(duì)突發(fā)事件等監(jiān)測任務(wù)時(shí)，無人機(jī)在航行過程中受到最大飛行時(shí)間、最大續(xù)航距離、地形和天氣威脅范圍(安全飛行范圍)以及每個(gè)監(jiān)測點(diǎn)需監(jiān)測的次數(shù)等為約束條件，建立以編隊(duì)規(guī)模最小、航程最短和威脅最小為目標(biāo)函數(shù)的多目標(biāo)優(yōu)化模型，即

Minf(Number_Scale，F(xiàn)light_Voyage，F(xiàn)light_Threath)

式中f函數(shù)為無人機(jī)編隊(duì)規(guī)模、總飛行航程的無人機(jī)所受威脅指數(shù)的整體效應(yīng)，具體意義如下：

(1)編隊(duì)規(guī)模Number_Scale。

(2)

式中：Basic=1，2，…，為基地?cái)?shù)量；Load=1,2，…，為載荷種類；Point=1,2，…，為監(jiān)測點(diǎn)數(shù)量。如果第mission次任務(wù)從基地basic到監(jiān)測點(diǎn)point間存在路徑，則N_SBasic，Load，Point,Mission=1，否則為0。式(2)為無人機(jī)的數(shù)量與基地?cái)?shù)、載荷種類以及監(jiān)測點(diǎn)數(shù)量有關(guān)，也就是說，所需編隊(duì)數(shù)量不考慮沒有偵察任務(wù)的無人機(jī)。

(2)總航程Flight_Voyage。

(3)

固定載荷無人機(jī)按照飛行任務(wù)監(jiān)測相應(yīng)觀測點(diǎn)的續(xù)航距離應(yīng)該小于等于其載荷無人機(jī)的最大續(xù)航距離SLoad,Max，即滿足

(4)

(3)威脅指數(shù)Flight_Threath。

地形威脅：

天氣威脅：

威脅指數(shù)：

Flight_Threath=Standard(Topography_Threath)+Standard(Weather_Threath)

(5)

特別地，無人機(jī)飛行應(yīng)該滿足其產(chǎn)品的設(shè)計(jì)要求，在最大最小Threath_Scale設(shè)置范圍之內(nèi)，這也是為保障安全有效完成任務(wù)的前提。

Min{Threath_Scale}≤Flight_Threath≤Max{Threath_Scale}

(6)

式中：Topography_Threath為地形威脅度；Longitude,Latiude為經(jīng)度和緯度；Space_Scope為需要監(jiān)測的范圍；Weather_Threath為不同天氣的威脅程度；Height(longitude,latitude)為高度；Disgust(Longitude,Latitude)為惡劣強(qiáng)度；Standard(Weather_Threath)為天氣威脅標(biāo)準(zhǔn)化后的數(shù)據(jù)；Standard(Topography_Threath)為地形威脅標(biāo)準(zhǔn)化后的數(shù)據(jù)；Proability(Longitude,Latitude)為在某一個(gè)節(jié)點(diǎn)上的惡劣天氣預(yù)報(bào)概率。

(4)航行時(shí)間TFlight。

不同載荷無人機(jī)需從基地起飛沿航行軌跡航行一周然后返回基地。第一波次航行起飛時(shí)間為

(7)

加油維修，決策優(yōu)化后，第二波次航行起飛時(shí)間為

(8)

每架無人機(jī)在一定時(shí)間內(nèi)只能完成首飛和維護(hù)后各檢測1次的任務(wù)，每個(gè)載荷的無人機(jī)航行距離不得超過最大值，即滿足

TFlight=TFirst+TSecond+tService≤TMax

(9)式中：tBasic，Mission,Load為某載荷的無人機(jī)在某基地起飛的時(shí)間；tBasic，Mission，Load，Point為某載荷的無人機(jī)在某基地起飛沿著航行軌跡監(jiān)測一圈的時(shí)間；tMonitor為監(jiān)測的時(shí)間；tService為加油維修的時(shí)間；Monitor=1,2,…，為監(jiān)測次數(shù)；TMax為無人機(jī)最大續(xù)航時(shí)間。

(5)監(jiān)測點(diǎn)被監(jiān)測的次數(shù)NMonitor_Frequence。

固定載荷無人機(jī)應(yīng)該完成對(duì)相應(yīng)監(jiān)測點(diǎn)的監(jiān)測次數(shù)，即滿足

(10)

式中：Weight_Point為監(jiān)測點(diǎn)的重要度；Need(Monitor_Frequence)為監(jiān)測點(diǎn)應(yīng)該滿足的監(jiān)測頻率。

該模型充分考慮了無人機(jī)在應(yīng)對(duì)突發(fā)事件偵察過程中的各方面因素，包括監(jiān)測次數(shù)等任務(wù)指標(biāo)以及受到無人機(jī)自身航行時(shí)間、距離和航行所受威脅等實(shí)際飛行過程中的限制條件，并且指出了以最小派遣編隊(duì)規(guī)模、最短航程和最小威脅為目標(biāo)函數(shù)下的任務(wù)分配方案和航行規(guī)劃路線，該模型具有理論和實(shí)際意義。

2 粒子群算法

任務(wù)分配和航行規(guī)劃問題可以視為在基本的旅行商(travelling salesman，TSP)問題上增加了更多約束條件擴(kuò)展而來的，屬于非確定多項(xiàng)式(non-deterministic polynomial,NP)問題。而且，該問題是典型的多目標(biāo)優(yōu)化問題，在其優(yōu)化過程中，各子目標(biāo)往往是沖突的，一個(gè)子目標(biāo)性能的改善可能引起另一個(gè)子目標(biāo)性能的降低，因此本文采用多目標(biāo)優(yōu)化粒子群算法。粒子群算法是一種有效的全局尋優(yōu)算法，通過個(gè)體間的協(xié)作與競爭，實(shí)現(xiàn)復(fù)雜空間中最優(yōu)解的搜索。

本文采用的多目標(biāo)優(yōu)化粒子群算法[8-9]，主要通過更新粒子速度和位置得到最優(yōu)位置與全局最優(yōu)位置的策略，來尋找無人機(jī)監(jiān)測調(diào)度問題的最優(yōu)解。這個(gè)過程包括初始種群生成，目標(biāo)函數(shù)計(jì)算、個(gè)體最優(yōu)位置和全局最優(yōu)位置選擇等幾個(gè)主要部分組成。

3 模擬仿真

本文選取非常規(guī)突發(fā)事件(例如地震)發(fā)生在經(jīng)度24.58°～33.85°，緯度95.85°～104.20°，海拔222～2 520 km的地理范圍內(nèi)。該區(qū)域應(yīng)為丘陵山區(qū)地帶，有6座高山，10個(gè)小村莊，8個(gè)鄉(xiāng)鎮(zhèn)，6個(gè)城市，周邊建有3個(gè)監(jiān)測偵查基地，地理位置分布如圖1所示。假設(shè)在非常規(guī)突發(fā)事件發(fā)生初期，3個(gè)基地首先根據(jù)區(qū)域劃分進(jìn)行第一波次監(jiān)測；然后，在通過決策層對(duì)反饋信息進(jìn)行整理分析以及對(duì)無人機(jī)進(jìn)行維修加油后，重新分配任務(wù)進(jìn)行第二波次監(jiān)測。該區(qū)域內(nèi)的天氣屬于同類狀態(tài)，正常天氣下無人機(jī)的最大續(xù)航能力為300 km，惡劣天氣預(yù)報(bào)概率0.3，惡劣程度為90 d(惡劣程度取值范圍：0～100 d)，受天氣影響的最大續(xù)航能力為250 km，最大續(xù)航時(shí)間35 min。通過Matlab對(duì)模型編程運(yùn)行。

表1給出了3個(gè)監(jiān)測基地的最優(yōu)航行路徑、總時(shí)間和總航程。由圖1和表1可以看出：基地B03的監(jiān)測任務(wù)最重，包括10個(gè)地區(qū)，耗時(shí)最長；基地B01的監(jiān)測任務(wù)最輕,包括5個(gè)地區(qū)，耗時(shí)最短；所有航行路線均已躲避高山地區(qū)，沿山凹或者平坦地區(qū)飛行；3個(gè)基地的飛行路線沒有重合之處。這說明按照區(qū)域進(jìn)行監(jiān)測劃分對(duì)非常規(guī)突發(fā)事件發(fā)生初期，快速分配任務(wù)，有效監(jiān)測災(zāi)情是有利的。

從圖2和表1中可以看出，所有航行路線均已避開高山威脅區(qū)域，基地B01、B03的監(jiān)測耗時(shí)均小于第一波次的時(shí)間，基地B02增加了監(jiān)測的數(shù)量而且環(huán)繞了3座高山，時(shí)間較第一波次增加了1.321 2 min，但是整體耗時(shí)較第一波次的時(shí)間縮短了45.564 5 min，降低了58.289 7%。

圖1 突發(fā)事件發(fā)生后，3個(gè)基地按照區(qū)域劃分的 航行監(jiān)測優(yōu)化路徑

圖2 監(jiān)測任務(wù)調(diào)整或維修加油后，3個(gè)基地不同型號(hào)無人機(jī) 按行政類別劃分的航行監(jiān)測優(yōu)化路徑

從整體來看，在第一波次的監(jiān)測結(jié)果的分析基礎(chǔ)上，通過調(diào)整基地的監(jiān)測任務(wù)和分配不同載荷無人機(jī)進(jìn)行不同的任務(wù)監(jiān)測，可以有效提高監(jiān)測效率，增加監(jiān)測的頻率。雖然部分路線存在相近或者重合現(xiàn)象，這可以對(duì)某些監(jiān)測點(diǎn)進(jìn)行隨時(shí)監(jiān)測或者靈活調(diào)整監(jiān)測任務(wù)，更有利于對(duì)次生或衍生災(zāi)害事件進(jìn)行實(shí)時(shí)監(jiān)測。

表1 突發(fā)事件發(fā)生后，3個(gè)監(jiān)測基地的最優(yōu)航行路徑、總時(shí)間和總航程

4 結(jié) 語

本文以2009年我國應(yīng)用軍用偵察機(jī)和無人機(jī)監(jiān)測雅安地震災(zāi)情為出發(fā)點(diǎn)，利用多目標(biāo)優(yōu)化理論和粒子群算法，研究了在山區(qū)或丘陵等地區(qū)的突發(fā)事件發(fā)生后，以飛行時(shí)間、飛行航程限制以及無人機(jī)規(guī)格限制為約束條件，以無人機(jī)編隊(duì)規(guī)模最小、航程最短、威脅系數(shù)最小為目標(biāo)函數(shù)下，第一波次應(yīng)急監(jiān)測任務(wù)分配和航行監(jiān)測，以及第二波次優(yōu)化分配任務(wù)與路徑后的無人機(jī)具體任務(wù)分配、監(jiān)測路線、監(jiān)測點(diǎn)時(shí)間、總航程和最優(yōu)飛行架次的相關(guān)問題。本文中所提的任務(wù)分配和航行路徑規(guī)劃方法，具有較好的實(shí)用性和擴(kuò)展性。但是無人機(jī)在應(yīng)急救援和管理中的偵察任務(wù)受各方面因素影響，具有復(fù)雜性，尤其是在基地分布和優(yōu)化算法上還需進(jìn)一步研究。

[1] PAUL G F, THOMAS J G.無人機(jī)系統(tǒng)導(dǎo)論[M]. 吳漢平，譯.2版.北京：電子工業(yè)出版社，2003.

[2] ANDERSSON M, WALLANDER J. Kin selection and reciprocity in flight formation behavioral [J].Ecology,2004,15(1):158-162.

[3] WOLFE J D, CHICHKA D F,SPEYER J L. Decentralized Controllers for Unmanned Aerial Vehicle Formation Flight[C].SanDiego:AIAA Guidance Navigation and Control Conference,1996.

[4] 柳長安.無人機(jī)航路規(guī)劃方法研究[D].西安:西北工業(yè)大學(xué),2003.

[5] 葉媛媛，閔春平，沈林成，等.基于VORONOI圖的無人機(jī)空域任務(wù)規(guī)劃方法研究[J].系統(tǒng)仿真學(xué)報(bào),2005,17(6):1353-1355.

[6] 張昉.無人機(jī)任務(wù)規(guī)劃技術(shù)研究[D].南京：南京航空航天大學(xué),2009.

[7] 蒙波.無人機(jī)航跡規(guī)劃與任務(wù)分析的仿真與實(shí)現(xiàn)[D].成都：電子科技大學(xué),2010.

[8] 李相勇,田彭,孔民.解約束優(yōu)化問題的新粒子群算法[J].系統(tǒng)管理學(xué)報(bào),2007,16(2):120-129.

[9] 黃友銳.智能優(yōu)化算法及其應(yīng)用[M].北京:國防工業(yè)出版社,2008.

(編輯：史海英)

Unmanned Aerial Vehicle Monitoring Mission Allocation and Path Planning in Emergency

XUE Wenbin1, PANG Guoying2, WANG Zhiyuan1

(1.National Emergency Transportation Equipment Engineering Technology Research Center, Military Transportation University,Tianjin 300161,China; 2.General Courses Department, Military Transportation University, Tianjin 300161, China)

To optimize unmanned aerial vehicle monitoring mission allocation and path, the paper takes military reconnaissance aircraft and unmanned aerial vehicle monitoring Ya’an Earthquake in 2009 as the research object, and studies unmanned aerial vehicle monitoring problem with overall objective function (smallest formation scale, shortest voyage and minimum threat coefficient)by establishing multi-objectives model which is restricted by voyage time, range, terrain and weather with multi-objectives optimization theory. Then, it obtains the result of monitoring mission allocation, voyage paths, measurement time of each monitoring point, total voyage and optimal flights with particle swarm algorithm in the process of first emergency monitor voyage and second optimized voyage. Finally, it proposes reasonable suggestions on responding monitoring mission allocation and voyage path optimization.

unmanned aerial vehicle monitoring; mission allocation; voyage path; multi-objectives optimization; particle swarm algorithm

2016-05-26；

2016-06-21．

天津市科委項(xiàng)目(14ZCZDSF00024)； 軍事研究生課題(2011JY002-381,2012JY002-418).

薛文斌(1965—)，男，碩士，副研究員.

10.16807/j.cnki.12-1372/e.2017.04.021

U491.114

A

1674-2192(2017)04- 0090- 05