摘要
持续监测任务需要对目标区域进行连续不间断的访问，以获取实时信息。当监测环境存在硬性访问周期约束时，单架无人机难以满足监测要求，多无人机协作是执行任务的首选。然而，不均衡的任务分配会危害无人机安全，甚至导致监测任务失败。本文研究了面向持续监测任务均衡的多无人机路径规划问题，主要工作如下: 首先，针对无人机飞行时间确定的情况，本文提出了等待因子和任务水平，前者反映监测点等待被访问的紧迫程度，后者反映无人机任务难度。设计了蚁群初始化的遗传算法用于规划单无人机路径，并提出基于任务水平改进的K均值聚类算法用于多无人机均衡性任务分配。仿真结果表明提出的算法能够为多无人机求得均衡性路径规划。 接着，针对无人机飞行时间不确定的情况，本文假设飞行时间是服从已知正态分布的随机变量，通过引入机会约束构造随机规划模型。在蚁群初始化的遗传算法中加入了局部搜索，同时优化无人机使用数量和路径的均衡性。仿真结果表明提出的算法能够获得执行监测任务所需的最少无人机数量和其对应监测飞行路径。 最后，开展了室内环境下无人机模拟监测飞行的实物实验，通过对比分析仿真和实物实验得到的路径结果，进一步验证了所提算法的可行性和有效性。本文提出的方法对降低持续监测成本，提高监测频率，保障无人机安全具有重要意义。
NETL