一种无人飞行器集群月面测绘的任务规划方法

本发明属于无人飞行器任务规划，特别涉及一种无人飞行器集群月面测绘的任务规划方法。

背景技术：

1、未来月面科研站建设需要对预定区域开展详细勘察和测绘，由于月球轨道卫星对地观测分辨率不足，月面巡视机器人运动能力限制，其对月坑、环形山等局部特殊区域的测绘能力受限，无法满足详细勘察需求，基于火箭动力的无人月面飞行器由于兼具飞行高度低、飞行速度快的优势，可快速完成月面局部特殊区域的测绘，因此成为月面特殊区域测绘的不二选择。

2、月面无人飞行器可携带多个相机，对飞跃轨迹下的条带月面进行立体成像与测量。由于月面没有空气，无人飞行器采用火箭助推起飞、空中滑行、动力减速着陆的弹道式飞行方式。为实现目标特殊探测区域的全覆盖，可基于月球轨道卫星对地的低分辨率观测信息，初步确定需要详细勘察和测绘区域的位置与范围，综合考虑燃料消耗、安全飞行、任务效率等约束条件。

3、在已公开中国专利cn113619815b中一种航天器集群动态路径规划方法，其在考虑三维空间内障碍物的前提下进行动态路径规划，在规避障碍物的前提下得到最优路径。

4、因此如何开展无人飞行器集群中的个体飞行路径和落点进行规划，尽可能减少飞行路径的交叉范围，降低飞行次数，实现无人飞行器集群的飞行代价的最小化是当前迫切需要解决的问题。

技术实现思路

1、发明目的：为了克服以上不足，本发明的目的是提供一种无人飞行器集群月面测绘的任务规划方法，该方法在离散粒子群算法基础上引入分组策略，按照不同适应度值分为优解组、劣解组和其他组，通过优解组中的粒子进行遗传交叉操作和劣解组中的粒子进行变异操作，有效增加种群的多样性和探索能力，避免算法陷入局部最优解，从而加速算法的收敛速度，提高算法的全局搜索能力和优化效果。

2、技术方案：为了实现上述目标，本发明提供了一种无人飞行器集群月面测绘的任务规划方法，具体的任务规划方法如下：

3、步骤s1：从月面测绘任务中获取需要详细勘察和测绘区域的位置与范围，以及无人飞行器集群的发射点位置、可供调用无人航天器集群的数量和剩余燃料信息；

4、步骤s2：设置算法参数，包括粒子数目、迭代次数、惯性权重、加速系数、交叉率、变异率、分组比例；

5、步骤s3：随机初始化种群，即初始化每个粒子的位置和速度，每个粒子的位置表示一个无人飞行器月面测绘的任务规划方案；每个无人飞行器月面测绘的任务规划方案包括各无人飞行器的燃料消耗、无人飞行器的飞行方向、飞行路径以及落点位置，需满足安全飞行、任务需求约束条件；

6、通过飞行路径和起降次数简单计算得到燃料消耗量，即，u为燃料消耗量，s是飞行路径长度，n为起降次数，为单位路径长度燃料消耗量和每次起降燃料消耗量；

7、所述燃料消耗量用于计算当前解的适应度值，适应度值为一个无方向的标量，由于评价各个解的优劣程度；

8、步骤s4：计算每个粒子的适应度值，适应度值反映了无人飞行器集群月面测绘的任务规划方案的优劣；计算每个粒子的适应度值，适应度值反映了无人飞行器集群月面测绘的任务规划方案的优劣，主要考虑了月面测绘目标覆盖率、任务完成时间以及燃料消耗指标，具体为：

9、

10、其中，为适应度值；为月面测绘目标覆盖率；为任务完成时间，使用相对时间来计算；为燃料消耗，计算使用标准化后参数；为相应权重系数；

11、步骤s5：根据适应度值按升序排列粒子，将粒子分为三组，前30%的粒子被定义为优解组，后30%的粒子被定义为劣解组，其余的粒子被定义为其他组；

12、步骤s6：对于优解组中的每个粒子，根据交叉率p1进行遗传算法中的交叉操作，生成新的粒子；

13、步骤s7：对于劣解组中的每个粒子，根据变异率p2进行遗传算法中的变异操作，生成新的粒子；

14、步骤s8：将经过交叉变异后新产生的粒子与原始种群合并形成扩大种群，按适应度值升序排列，选出前一半粒子作为下一代种群；

15、步骤s9：按照更新公式更新个体最优和全局最优，更新每个粒子的位置和速度；

16、步骤s10：判断是否满足迭代中止标准，如果满足，算法停止；否则跳转至步骤s3，进行下一轮迭代。

17、本发明中所述步骤s1中从月面测绘任务中获取需要详细勘察和测绘区域的位置与范围，以及无人飞行器集群的发射点位置、可供调用无人航天器集群的数量和剩余燃料信息的具体方法如下：

18、基于月球轨道卫星对地的低分辨率观测信息及任务需求信息，获取需要详细勘察和测绘的月坑、环形山、可能用于航天器着陆的月面着陆点或者用于建设月面科研站的月面基地，从控制后台获取各无人飞行器集群发射点信息；

19、确定在目前可供调用的无人飞行器集群的信息，包括可供调用无人航天器集群的数量、无人飞行器集群各无人飞行器的位置信息和剩余燃料量；

20、通过定位信息获取无人飞行器当前的位置信息，采用欧式距离计算公式计算该无人飞行器当前与测绘目标的距离并确定方向，作为后续任务规划无人飞行器飞行路径的基础；

21、获得各无人飞行器的剩余燃料量作为任务规划的限制条件，若规划的路径导致无人飞行器的燃料耗尽，则该路径不应作为可选路径以避免无人飞行器在运行过程中因燃料耗尽导致无人飞行器失去动力无法控制。

22、本发明所述的一种无人飞行器集群月面测绘的任务规划方法中所述步骤s2中初始化多个无人飞行器集群内各无人飞行器的飞行任务解空间，设置算法参数，设置算法参数具体如下：其中，粒子数目（particle_num）是指算法中粒子的个数；

23、迭代次数（iteration_num）是指算法的循环次数；

24、惯性权重（w）控制粒子运动方向的参数，它的值介于0和1之间；

25、加速系数（c1, c2）控制粒子的局部和全局搜索能力的参数，它们的值一般相等，介于0和2之间；

26、交叉率p1（cross_rate）是遗传算法中的参数，用于控制遗传交叉操作的概率；

27、变异率p2是遗传算法中的参数，用于控制变异操作的概率；

28、分组比例（group_rate）是将种群按照适应度值分为三组的比例。

29、本发明所述的一种无人飞行器集群月面测绘的任务规划方法中所述步骤s8中将经过交叉变异后新产生的粒子与原始种群合并形成扩大种群，按适应度值升序排列，选出前一半粒子作为下一代种群，具体步骤如下： 将原始种群和新产生的粒子合并，得到扩大种群；对扩大种群中的每个粒子，计算其适应度值；

30、将扩大种群按适应度值进行升序排列；

31、选出适应度值最好的前一半粒子作为下一代种群。

32、本发明所述的一种无人飞行器集群月面测绘的任务规划方法中所述步骤s9按照更新公式更新个体最优和全局最优，更新每个粒子的位置和速度，更新公式更新个体最优和全局最优解的具体方法如下；

33、个体最优解更新公式如下：

34、

35、其中，是第个粒子的当前位置，是第个粒子的个体最优解位置，是第个粒子的当前适应度值；

36、全局最优解的更新方式：

37、

38、其中，是第个粒子的当前位置，是第个粒子的个体最优解位置，是当前粒子群全局最优解适应度值，是第个粒子的个体最优解适应度值；

39、更新每个粒子的位置和速度的过程如下：

40、设粒子搜索空间是一个维空间，个粒子组成一个粒子群，则第个粒（）的位置可以用向量来表示，第个粒子在解空间内的移动速度也可以用向量来表示，即，第个粒子当前的最好的极值位置表示为；

41、全体粒子中最好的位置表示为，每个粒子通过迭代来更新自己的位置和速度，其中第轮迭代的更新速度和位置分别根据以下式计算更新：

42、

43、

44、

45、式中代表迭代次数；代表惯性权重系数；和是服从均匀分布的随机值；学习因子用于调节影响飞行方向的比重；是最大迭代次数；是迭代计数；表示取整运算，因为航天器的路径规划任务只涉及整数解，非整数解对于结果输出没有意义，因此进行取整运算；表示取余运算。

46、本发明所述的一种无人飞行器集群月面测绘的任务规划方法中所述步骤s10中判断是否满足迭代中止标准具体为：中止标准包括最大迭代次数以及目标适应度值，解在解空间内每运动一次，迭代次数累积一次，当迭代次数达到设定的最大迭代次数时，即停止迭代，避免无限制地迭代下去造成始终得不到可行的解而造成时间以及计算资源的浪费。

47、本发明所述的一种无人飞行器集群月面测绘的任务规划方法中所述步骤s10中判断是否满足迭代中止标准还有一个结束条件为目标适应度值，该值由操作人员根据实际情况提前给出，当迭代过程中解的适应度值达到目标适应度值时即停止迭代，并将当前解作为结果输出以控制航天器运动，无需达到最大迭代次数再结束在此过程中。

48、本发明所述的一种无人飞行器集群月面测绘的任务规划方法中在迭代过程中，在解空间内随机选择一个解作为初始解，后续不断迭代寻找其他解，比较各个解的适应度值，通过适应度值对各个解的优劣进行评价，最终选取适应度值最佳的最优解作为输出解；

49、若输出解处于运动至所述解空间外部时，将所述解作为惩罚解，并对惩罚解进行惩罚处理。

50、上述技术方案可以看出，本发明具有如下有益效果：

51、1、本发明所述的一种无人飞行器集群月面测绘的任务规划方法能够根据月面测绘任务和无人飞行器集群的情况，实现多无人飞行器协同月面测绘任务规划并输出各个任务的执行方案，能够根据月面测绘任务位置等信息，规划出无人飞行器任务执行的飞行路径，并为无人飞行器集群的任务规划提供了任务执行飞行路径的长度、时间及燃料消耗；此外，本技术提出的任务规划方法，不仅可以用于带传感器的无人飞行器对月面的协同测绘任务，也可适用于其他月面探测任务场景，如使用月面机器人的月面表面巡视、月面基地建设、月面机器人救援以及月壤采样返回等。

52、2本发明所述的一种无人飞行器集群月面测绘的任务规划方法，其是基于分组优化策略改进的离散粒子群算法与传统的离散粒子群算法相比，本案将种群分为优解组、劣解组和其他组，可以使得优秀的个体更容易被保留和传递，同时可以避免劣解个体的影响，提高算法的全局搜索能力和优化效果；收敛速度更快：通过将优解组中的粒子进行遗传交叉操作和劣解组中的粒子进行变异操作，可以有效增加种群的多样性和探索能力，避免算法陷入局部最优解，从而加速算法的收敛速度；算法稳定性更高：在经过交叉变异后新产生的粒子与原始种群合并形成扩大种群时，只选取前一半粒子作为下一代种群，避免了种群数量过多和过少的情况，增加了算法的稳定性和鲁棒性。

53、3、本发明所述的一种无人飞行器集群月面测绘的任务规划方法通过在解空间内不断迭代寻找更优解，确定无人飞行器的最佳任务执行序列，实现无人飞行器集群月面测绘任务的无人飞行器的路径规划，开展无人飞行器集群中的个体飞行路径和落点进行规划，从而缩短无人飞行器的飞行路径，降低无人飞行器的燃料消耗，满足无人飞行器集群的安全飞行要求，尽可能减少飞行路径的交叉范围，降低飞行次数，实现无人飞行器集群的飞行代价的最小化，提高无人飞行器集群月面测绘任务执行效率。

54、4、本发明中通过燃料消耗量作为执行测绘任务的一个优化目标，燃料消耗值体现了无人飞行器执行测绘的路径长度和飞行次数，同时将评价指标转换成为燃料消耗量这一无方向的标量，便于比较，通过直接比较不同解的对应的燃料消耗量值即可作为判断依据，提高迭代计算效率。

55、5、本发明中当所述解处于运动至所述解空间外部时，将所述解作为惩罚解，并对惩罚解进行惩罚处理，当计算得到处于解空间外部的解时，进行惩罚处理，避免后续解再次向该方向运动，使后续得到的解尽可能落在解空间范围内，避免得到无效解而浪费计算资源以及时间，提高计算效率。

56、6、本发明中所述结束条件包括最大迭代次数，通过设置最大迭代次数，当迭代次数达到最大迭代次数时即停止迭代，取当前存储的全局最优位置的解作为最终解输出，避免无限迭代浪费计算资源。

57、7、本发明中结束条件还包括目标适应度值，即达到全局最优适应度值达到目标适应度值时而尚未达到最大迭代次数时也停止迭代，无需每次计算都达到最大迭代次数，加快迭代进程，节约计算资源，缩短获得解所需的时间。