一种小型运输无人机的制作方法
【技术领域】
[0001] 本发明涉及无人机领域，具体涉及一种小型运输无人机。
【背景技术】
[0002] 无人驾驶飞机简称"无人机"，英文缩写为"UAV"，是利用无线电遥控设备和自备的 程序控制装置操纵的不载人飞机。从技术角度定义可以分为：无人直升机、无人固定翼机、 无人多旋翼飞行器、无人飞艇、无人伞翼机等。
[0003] 现在人们逐渐开始利用无人机进行轻量或中等重量的货物运输。由于无人机运输 的过程中往往有不同的目的地，且不同目的地要求送达的时间又不尽相同，因此如何根据 多个目的地和要求送达时间选择一条能最大限度节省无人机运输成本的运输路径，是一个 急亟需解决的问题。
【发明内容】
[0004] 针对上述问题，本发明提供一种小型运输无人机。
[0005] 本发明的目的采用以下技术方案来实现：
[0006] -种小型运输无人机，其特征是，包括无人机和安装在无人机上的导航仪；导航仪 具体包括信号模块、处理模块和生成模块；
[0007] 信号模块，用于接收用户输入的本轮次的多个运输目的地以及到达各个目的地的 预计要求时间；
[0008] 处理模块，用于根据本轮次的运输目的地和事先输入的地理环境信息选择最优路 径，具体包括：
[0009] 建立模块：
[0011] 其中，minS为运输过程中的最低成本；m为当前无人机的总数；U为目的地数量；b。 为单位距离碳排放成本；ω。为碳排放系数；Φ。为空载时单位距离燃料消耗量；为目的 地i (i = 1，2,…，U)到目的地j (j = 1，2,…，U)之间的距离；c为无人机的载重量；Η为无 人机的最大载重量；Φ#为满载时单位距离燃料消耗量；
;?\为无人机提前到达损失 系数，Σ丨U(6\· - t;·)为于时刻G提前到达目的地i时的成本损失，Τ2为无人机迟到损失系 数，Τ2 ΣΚ?ν-為)为延迟至时刻0到达目的地i时的成本损失，提前到达损失系数和迟到 损失系数用于考量无人机到达每一个目的地的准点情况，！\和T 2为人为设定的系数；
[0013] 概率模块：假设共有R个节点，γ ^⑴表示t时刻节点i与节点j之间的跟踪素 强度，γ,(0) =κ(κ为数值较小的常数），无人机在运动过程中根据跟踪素强度选择转移方 向，贝无人机k (k = 1，2,. . .，m)从节点i转移到节点j的概率为：
[0015] 其中，g e Ak;A k= {0, 1，…，R-l}_Bk表示无人机k下一步允许选择的点的集合，随 时间呈动态变化，Bk (k = 1，2,…，m)为第k架无人机的禁忌表，用来记录无人机k已服务过 的点；抑⑴为启发式因子，表示t时刻由节点i到节点j的期望程度，一般取奶办）=l//ipΦ为信息启发式因子，μ为期望启发因子；a (i，j)为下一个目的地的时间度；δ为下一个 目的地的时间度相对重要性；
[0016] 更新模块：引入优化变量⑴，其满足(t+Ι) = σ X(t) [l-χ^⑴]，其中0为 控制变量，得出优化的跟踪素更新规则：
Fk为第k架 无人机在本次循环中所走路径长度，I为跟踪素强度的常数，Δκδω表示在本次循环中第 k架无人机在路径（i，j)上留下的跟踪素强度；ζ为跟踪素全局挥发因子，ζ e [0，1]，且 ζ为根据如下公式动态调整的参数
其中ζ_是人 为设定的最小值；Α γ ^ (t)表示本次循环中所有无人机在路径（i，j)上留下的跟踪素强度 的总和；η为可调节系数；
[0020] 零点模块：令迭代次数DD = 0,进行参数初始化，调整各路径跟踪素；产 生一个范围为[0,1]的随机数Ρ，若Ρ <给定常数Ρ。，按照下式选择下一个节点j :
，其中1 e Ak;否则根据概率模块中的概率 公式选择下一个节点j，将j加入数组氏中，重复直至所有的节点任务完成，得到模拟算法 的初始集S1;
[0021] 求解模块：从当前的初始集中生成一组新的可行解Sj，目标值变化量Δ S = SfSy 若AS < 0,则接受新的可行解$为最优解；否则考虑偏差的影响：r = exp(-AS/N(t))， 其中N为随时间变化的量，若r > 1，则接受$为最优解，否则不接受新的可行解，最优解仍 为s1;
[0022] 选择模块：当前最优解小于某一特定值时，进行跟踪素更新；如果本轮列表氏中 无数据更新，贝丨』产生一个[0, 1]范围的随机数11，若ei+ej,…，e; iC u < e #；；+，…，e;，则 选择概率为^的候选无人机作为下一个目标节点；
[0023] 生成模块：用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD < DD_，根 据跟踪素更新规则，按照公式N(t+1) =N(t).v进行清空氏列表，其中ve [0，1]，回到零 点模块，重新产生随机数P ;若DD = DD_，则输出最优解作为最优路径。
[0024] 本发明的有益效果为：本发明采用优化的路径算法，考虑了无人机运行过程中的 各种成本因素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节 省运输的运行成本，能起到很好的节能效果。
【附图说明】
[0025] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。
[0026] 图1是本发明的结构框图。
[0027] 附图标记：信号模块-1 ;建立模块_2 ;概率模块-3 ;更新模块-4 ;零点模块-5 ;求 解模块-6 ;选择模块-7 ;生成模块-8。
【具体实施方式】
[0028] 结合以下实施例对本发明作进一步描述。
[0029] 如图1所示的一种小型运输无人机，包括无人机和安装在无人机上的导航仪；导 航仪具体包括信号模块1、处理模块和生成模块8 ;
[0030] 信号模块1，用于接收用户输入的本轮次的多个运输目的地以及到达各个目的地 的预计要求时间；
[0031] 处理模块，用于根据本轮次的运输目的地和事先输入的地理环境信息选择最优路 径，具体包括：
[0032] 建立模块2 :
[0034] 其中，minS为运输过程中的最低成本；m为当前无人机的总数；U为目的地数量；b。 为单位距离碳排放成本；ω。为碳排放系数；Φ。为空载时单位距离燃料消耗量；为目的 地i (i = 1，2,…，U)到目的地j (j = 1，2,…，U)之间的距离；c为无人机的载重量；Η为无 人机的最大载重量；Φ#为满载时单位距离燃料消耗量；
;?\为无人机提前到达损失 系数，
为于时刻G提前到达目的地i时的成本损失，Τ2为无人机迟到损失系 数，1
:为延迟至时刻〇到达目的地i时的成本损失，提前到达损失系数和迟到 损失系数用于考量无人机到达每一个目的地的准点情况，！\和T 2为人为设定的系数；
[0036] 概率模块3 :假设共有R个节点，γ ^ (t)表示t时刻节点i与节点j之间的跟踪 素强度，γ,(〇) =K(K为数值较小的常数），无人机在运动过程中根据跟踪素强度选择转移 方向，贝无人机k (k = 1，2,. . .，m)从节点i转移到节点j的概率为：
[0038] 其中，g e Ak;A k= {0, 1