一种无人机收集定点森林设备数据的路径规划方法

本发明涉及林业领域，尤其涉及一种无人机收集定点森林设备数据的路径规划方法。

背景技术：

1、开展森林灾害预警和野外珍稀物种监测等工作时，需布设大量地面定点物联网设备，采集生态要素或各类图像等关键数据。由于采集设备通常部署在郁闭度高、环境复杂、缺乏网络的森林环境中，通常采取人工方式，定期巡护森林中定点设备，收集感知数据。这种人工巡护收集数据的方法具有劳动强度大、数据收集效率低、巡护成本高等特点，特别是当定点设备部署在复杂山地环境时，人工巡护收集更为困难，感知数据往往因无法及时获取，出现数据丢失等数据质量问题，严重影响了森林防护、灾害预警等工作的精准性。

2、无人机具有机动性强、固定航线巡航效率高、载荷平台丰富等特点，可以在复杂山地环境下，搭载的多源传感器设备，以定点巡航模式，获取地面定点设备采集的数据，并在返航后将数据存储在数据中心中用于后续分析和处理。在复杂森林环境中，可通过路径规划的方法，获取覆盖多个定点设备且巡航代价较低的无人机巡航路径，及时收集部署在复杂山地环境下的定点设备数据，解决人工巡护收集数据存在的问题。

3、无人机路径规划是无人机系统设计的重要工作，是无人机边缘计算、组网数据传输和无人机飞行控制的基础。目前，有关无人机路径规划的研究可分成两个主要部分，第一部分从领域问题建模角度尝试准确刻画无人机解决的领域特征和关键要素，第二部分从无人机路径规划算法设计角度，尝试构建满足领域建模特征的高效优化算法。

4、领域问题建模一般包含环境建模和无人机建模两部分。其中，环境建模大多数是对无人机应用场景进行建模，比如说城市模型、山体模型及军事场景中武器威胁模型等。无人机建模主要考虑的是无人机自身的飞行特性，比如说最大飞行高度、最大偏转角、最大俯仰角，最大能量功率和最长飞行路径等。

5、近年来，因无人机收集的感知数据应该尽快交付给数据收集者，许多学者在无人机建模中，将aoi作为评价收集数据的时效性的重要指标。kaul等人在2012年首次提出aoi概念，将aoi定义为数据包生成时间到当前时刻所经历的时间。面对复杂森林场景巡护场景，需要综合地理因素、无人机自身性能及无人机碰撞风险等复杂条件，引入aoi作为信息新鲜度的评价指标，构建从多海拔高度的多定点设备高效收集数据的领域问题模型。

6、在无人机路径规划算法设计方面，启发式算法或仿生学算法已成为主要技术路线，如神经网络、dijkstra算法、蚁群算法、人工势场法、粒子群算法、人工蜂群算法、模拟退火算法和遗传算法。“no-free-lunch”定理表明没有一种算法对所有问题都是最有效的。随着问题复杂性的增加,单一算法难以取得满意的优化性能,多种算法通过融合各自的优势协同搜索可有效改善性能。

7、因此，本发明基于上述问题需要设计出一种无人机收集定点森林设备数据的路径规划方法。

技术实现思路

1、本发明的目的是提供一种无人机收集定点森林设备数据的路径规划方法。

2、为了解决上述技术问题，本发明提供了一种无人机收集定点森林设备数据的路径规划方法，包括：

3、根据无人机航迹环境构建三维空间模型；

4、两个数据收集点之间路径规划；

5、多个数据收集点之间路径规划；

6、1进一步而言，所述根据无人机航迹环境构建三维空间模型的方法包括：构建地形模型：

7、

8、2进一步而言，所述两个数据收集点之间路径规划，具体包括如下：数据采集点vi与数据采集点vi+1之间路径表示为(vi，d1，d2，...，dp，vi+1)。

9、构建无人机两个数据收集点之间的路径规划的目标函数：

10、

11、其中l代表从两个数据收集点中所有相邻中间航迹点之间的距离之和，(xj，yj，zj)为路径中第j个节点的坐标，j等于0时，代表起点坐标，j等于n时，代表终点坐标。

12、无人机的约束条件：

13、能耗约束:无人机在飞行过程中的能耗必须小于自身最大能耗。

14、最大转弯角:一是无人机在转弯时由于自身性能限制，转弯角度不能过大，即不能超过最大转角；二是在转弯过程中，无人机会稍微偏离规划的航迹，此时航迹曲率就要被考虑，才能使航迹与地形保持足够的安全距离。

15、最大爬升角:无人机在三维空间航迹规划中的俯仰角度受到一定的限制，这主要是受无人机自身的机动性能、飞行高度和气候状况等因素所影响。因此无人机在飞行过程中爬升角不能大于最大爬升角。

16、最低和最高飞行高度:无人机航迹搜索过程中，每一个航迹点的最低高度要求都不小于某一给定的地形高度，同时飞行高度也要求不大于最高飞行高度。

17、环境约束：无人机在复杂山地环境中收集地面定点设备数据遇到的威胁主要是山峰威胁，因此无人机在飞行过程中要进行碰撞避免，防止与山峰发生碰撞。

18、所述两个数据收集点之间路径规划算法具体过程如下：

19、c0、初始化遗传算法和模拟退火算法基本参数；

20、c1、取初值介于0～1之间的随机数向量a1，b1，c1，使用logistics映射的形式产生新的向量：

21、ai+1＝μai(1-ai)

22、bi+1＝μbi(1-bi)

23、ci+1＝μci(1-ci)

24、其中i＝1，2，...，popnum，popnum为种群数量。

25、将产生的混沌变量映射到三维空间中，从而得到初始种群的第i个个体三维坐标集合。即popi＝(xi，yi，zi)

26、xi＝(xmax-xmin)*ai+xmin

27、yi＝(ymax-ymin)*bi+ymin

28、zi＝(zmax-zmin)*ci+zmin

29、其中xmin，xmax，ymin，ymax，zmin，zmax分别代表环境的边界。

30、c2、计算初始种群的适应度值并保存最优个体gbest；

31、c3、随机生成一个(0，1)区间的数，如果随机数小于等于遗传策略概率参数，则执行遗传算法，否则执行模拟退火算法；

32、c4、遗传算法具体过程如下：

33、根据赌轮盘选择法进行选择操作，产生父代种群，在选择操作中，个体的适应度值越大则被选择的概率越大。

34、然后进行染色体的交叉操作，随机交互染色体中的一个位置，在交叉过程中，保留一定数量的精英粒子不进行交叉操作，从而保留优秀基因。

35、然后进行变异操作，增加不确定性，提高算法的多样性和寻优能力。

36、在经过选择，交叉和变异操作之后得到一个种群，按照约束条件淘汰部分粒子并计算这个种群中每个粒子的适应度值，如果出现粒子的适应度比最优个体gbest适应度好，则更新最优个体gbest。

37、遗传算法迭代结束后，将遗传算法得到的种群和原种群进行融合，按照适应度大小进行排序，选取初始种群数量排名靠前的粒子得到一个新种群。如果选中来自原种群的粒子多于来自遗传算法得到的种群，说明遗传算法在此次迭代过程中属于劣势策略，应该按照下式减少被选择的概率，r为概率选择步长。

38、u(l+1)＝u(l)-r*u(l)

39、如果选中来自原种群的粒子少于来自遗传算法得到的种群，说明遗传算法在此次迭代过程中属于优势策略，应该按照下式加强被选择的概率。

40、u(l+1)＝u(l)+r*(1-u(l))

41、c5、模拟退火算法具体过程如下：

42、初始化算法的参数并且随机选择初始种群中的一个粒子pop0。

43、在某一温度下进行l次迭代，根据pop0产生新的粒子popnew并且计算popnew的适应度值。

44、如果popnew的适应度值比gbest适应度值更优，则接受popnew，即pop0＝popnew，并且更新gbest，然后将popnew加入种群sa_pop中。

45、如果popnew的适应度值比上一次粒子pop0适应度值更优，则接受popnew，即pop0＝popnew，并且将popnew加入种群sa_pop中。

46、如果popnew的适应度值比上一次粒子pop0适应度值更差，则概率性的接受popnew，如果接受popnew，即pop0＝popnew。

47、这一轮演化结束之后，及时更新模拟退火算法的温度，并且按照约束条件淘汰部分粒子。

48、模拟退火算法迭代结束之后，将模拟退火算法得到的种群和原种群进行融合，按照适应度大小进行排序，选取初始种群数量排名靠前的粒子得到一个新种群。如果选中来自原种群的粒子多于来自模拟退火算法得到的种群，说明模拟退火算法在此次迭代过程中属于劣势策略，应该减少被选择的概率。如果选中来自原种群的粒子少于来自模拟退火算法得到的种群，说明模拟退火算法在此次迭代过程中属于优势策略，应该加强被选择的概率。

49、c6、当满足终止条件后，最终种群的适应度最高的个体即为最优解，也就是两点之间的最优路径。通过三次b样条曲线对无人机飞行路径进行平滑，构建一条可行的飞行路径。

50、3进一步而言，在多个数据收集点之间路径规划中，具体包括如下

51、解的形式：使用集合v＝{v1，...，vn}表示无人机巡护过程需飞过的地点定点设备位置，无人机返航位的数据中心点使用v0表示。

52、目标函数：由于无人机在巡护过程中，收集的数据具有较强的时间敏感性，因此，需引入信息年龄并构建信息年龄的表示方法。无人机多点路径规划的目标是使得无人机获取数据的平均信息年龄(aoi)最小，即最小。

53、当无人机于tk时悬停在定点设备vk上方收集数据时，vk采集数据信息年龄γk(t)可表示为γk(t)＝(t-tk)+，其中tk表示无人机到达第k个传感器节点的时刻，(x)+＝max{0，x}。ζk代表vk上传数据到无人机所花费的时间。η(k)，(k+1)代表无人机在多点路径上从vk到vk+1所花费的时间。在多点路径规划场景中，通常假设定点设备的上传时间和无人机的飞行时间、每个定点设备的采样时间和通信开销都可以忽略不计。第k个节点数据信息年龄为路径上后序节点上传数据时间和与无人机飞行时间之和。

54、

55、多点路径规划上，无人机飞过所有地面定点位置的的平均信息年龄可表示为下式所示：

56、

57、无人机从点vk与点vk+1所需的时间如下式所示。

58、

59、其中v表示无人机的速度，当s为1时，l1表示从vk到d1之间的欧式距离，ls代表从ds-1到ds的欧式距离，当s为p+1时，lp+1表示从dp到vk+1之间的欧式距离。

60、多个数据收集点之间路径规划具体步骤如下：

61、d0、首先根据两点之间路径规划方法求得每两点之间的最优路径；

62、d1、初始化一条全局路径p0和全局最优路径gbest；

63、d2、初始化算法参数并且在某一温度下进行l次迭代，并进行如下操作：

64、进行交换两个数据采集点的位置产生新的路径pnew。

65、如果pnew的适应度值比全局最优路径gbest适应度值更优，则更新gbest。

66、如果pnew的适应度值比上一次粒子p0适应度值更优，则接受pnew，即p0＝pnew。

67、如果pnew的适应度值比上一次粒子p0适应度值更差，则以一定概率接受pnew，如果则接受pnew，即p0＝pnew。

68、d3、进行降温冷却进行下一次循环；

69、d4、最终得到的gbest即为全局最优路径；

70、综上，本发明将无人机的森林定点巡护过程分成两个阶段进行，第一阶段是实现两个定点设备上空数据收集点之间平滑飞行路径，第二阶段则是在第一阶段的基础上，无人机从数据中心出发，依次收集多个定点设备的数据，最后返回数据中心。

71、本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。