一种考虑风影响与异巢起降的多无人机巡检路径规划方法

1.一种考虑风影响与异巢起降的多无人机巡检路径规划方法，其特征在于，步骤如下：1)获取数据：获取地理信息数据、巡检用无人机的重量、巡检用无人机的电池能量数据以及巡检时段的风向风速预测数据；2)设置参数：设置无人机巡检时的水平空速及上升、下降的飞行速度；3)建立风影响下的无人机直飞能耗估计矩阵：建立无风环境与风影响下无人机不同状态下的每米飞行能耗方程；确定无人机在每段飞行起点与终点之间的飞行方式；计算空中视觉覆盖巡检航点集合内任意两点间的直飞能耗，并建立风影响下的无人机直飞能耗估计矩阵；4)求解考虑风影响与异巢起降的多无人机巡检路径规划三阶段模型：第一阶段建立TSP问题求解风影响下能耗最小化的哈密尔顿回路；第二阶段进行兼顾最小化总转弯角目标的路径优化；第三阶段考虑异机巢起降的运行模式进行多无人机任务分配，以任务均衡性为目标，计算各个机巢中无人机的起降位置的最优解，得到设定风影响下兼顾直飞能耗、转弯角度和任务分配公平性的多无人机巡检路径；所述步骤3)具体包括：31)建立无风环境中无人机不同状态下的每米飞行能耗方程；在水平方向上的每米飞行能耗采用以下公式计算：式中，Epm表示无风环境中水平方向上的每米飞行能耗，E M 为无人机电池能量，v test 为实验室测试速度；t M 为以速度v test 水平飞行测得的无人机最大飞行时间；设定无人机的飞行空速v a ＝v test ；在垂直方向上的每米飞行能耗的计算如下：式中，Epm v 表示无人机在垂直飞行的每米飞行能耗，P v 表示无人机在垂直方向的飞行功率，v v 表示无人机的垂直飞行速度；32)建立风影响下无人机水平飞行的每米能耗方程；将风矢量w的两种属性记为风速v w 和风向d w ；在给定风矢量w下，无人机的地速计算具体如下：v g ＝v a +v w cos(d a -d w )                  (3)式中，v g 为无人机地速，v a 为无人机的飞行空速，d a 为飞行方向，d w 为风向；考虑顺逆风分量对能量消耗的影响，风矢量w下无人机水平方向的每米飞行能耗Epm w 可表示为：33)确定无人机在每段飞行起点与终点之间的飞行方式；无人机在执行巡检任务时每段飞行起点与终点之间的飞行类型包括机巢与空中视觉覆盖航路点之间的飞行和两个航路点之间的飞行；对于机巢与航路点之间的飞行，垂直方向运动距离远，设定起飞时无人机先垂直升高到目标航路点所在高度，再朝目标航路点作水平飞行，着陆时则先由航路点飞行至目标机巢上空，再进行垂直降落；对于两个航路点之间的飞行，设定无人机在水平和垂直两个方向上分别以指定的速度同时进行运动，若在某一个方向先到达该方向上的规定位置，则将该方向上的后续速度重设为0；34)建立风影响下的无人机直飞能耗估计矩阵；对于航路点集合P中两个空中视觉覆盖航路点i,j，设其坐标分别为(x i ,y i ,z i ),(x j ,y j ,z j )，根据坐标计算无人机飞行方向d a ，并根据步骤31)计算Epm v ，根据步骤32)计算Epm w ，则无人机由点i飞至点j的能量消耗通过式(5)计算：式中， 表示风矢量w下无人机由点i飞至点j的能量消耗；计算风矢量w下任意两空中视觉覆盖航路点间正向与反向飞行的能量消耗，以此建立风矢量w下的两空中视觉覆盖航路点间直飞能耗估计矩阵E w ，矩阵E w 中第i行第j列的元素为风矢量w下无人机由点i飞至点j的能量消耗。 2.根据权利要求1所述的考虑风影响与异巢起降的多无人机巡检路径规划方法，其特征在于，所述步骤1)中的地理位置信息数据包括巡检区域经纬度范围、数字高程、机巢和空中视觉覆盖巡检航点三维坐标。 3.根据权利要求1所述的考虑风影响与异巢起降的多无人机巡检路径规划方法，其特征在于，所述步骤2)具体包括：设置无人机巡检时的水平空速v a 为实验室测试速度v test ，垂直飞行速度v v 分为上升速度和下降速度，上升时v v 取值为正，下降时v v 取值为负。 4.根据权利要求1所述的考虑风影响与异巢起降的多无人机巡检路径规划方法，其特征在于，所述步骤31)中无人机在垂直方向的飞行功率的计算如下：k 1 ∈[0,1](7)式中，P v 表示无人机在垂直方向的飞行功率，m为无人机重量，g为重力加速度，N为单个螺旋桨的叶片总数，c d 为无人机叶片的阻力系数，c为无人机叶片弦宽，ρ为空气密度，R为无人机叶片长度；k 1 为常数，k 2 为理想均匀气流与实际气流的偏差因子，k 3 为将转子角速度转化为推力的比例因子，c 2 为中间系数。 5.根据权利要求1所述的考虑风影响与异巢起降的多无人机巡检路径规划方法，其特征在于，所述步骤4)具体包括：41)阶段一：风影响下能耗最小化的哈密尔顿回路求解；以风矢量w影响下的各空中视觉覆盖航路点间的直飞能耗作为元素建立代价矩阵，并建立TSP问题模型，求解代价最小的哈密尔顿回路；具体如下：式中，E表示遍历所有空中视觉覆盖航路点的哈密尔顿回路的无人机总能耗； 表示风矢量w下无人机由点i飞至点j的能量消耗；X ij 为决策变量，取1时表示无人机从点i飞向点j，取0时表示无人机不从点i飞向点j；u i 、u j 表示无人机对点i、点j的访问顺序，P为航路点集合；采用分支限界法对式(10)-(14)模型进行求解；分支限界法初始化问题并创建根节点，然后通过不断扩展节点并使用限界函数评估每个子问题的最优解可能性，直到找到最优解或无法找到更好的解；42)阶段二：兼顾最小化总转弯角目标的路径优化；进一步考虑转弯最小化目标，建立多目标TSP模型；用A ijq 表示连续路径点为p i ,p j ,p q 时无人机在p j 处的转弯角度，具体计算如下：A ijq ＝180°-∠p i p j p q (15)建立最小化转弯角度目标的目标函数，具体如下：式中，A为巡检回路的总转弯角度，由式(10)-式(16)建立考虑总能耗与总转弯量最小化的多目标TSP模型，将阶段一所得到的哈密尔顿回路作为初始解输入NSGA-II算法，在帕累托前沿解中选择一个转弯量有所下降的同时直飞能耗无增加的解；设定阶段二中所求得巡检回路为航路点序列{x 0 ,x 1 ,x 2 ,...,x |P| ,x 0 }；43)阶段三：考虑异巢起降运行模式的多无人机任务分配；将|V|个机巢插入巡检回路中，作为前序无人机的降落点与后序无人机的起飞点，以对巡检路径分段并分配给每架无人机，V为机巢集合；对于机巢v，将其候选插入位置集合记作Candi(v)；定义其周围二维距离最近的n Near 个空中视觉覆盖航路点为该机巢的近邻航路点，记作Near(v)；若阶段二中所求得路径中有连续两个路径点x i 、x i+1 均位于Near(v)中，则x i 为机巢v的候选插入位置，加入Candi(v)；具体如下：决策变量X vi 具体如下：插入机巢后巡检回路被分为|V|个分段，每个分段的起点与终点均为机巢，分段路径由该分段起点机巢中的无人机进行巡检；设机巢v中起飞的无人机的飞行路径S v 为 则该无人机的能耗E(v)为：式中， 表示无人机从点 飞行到点 所消耗的能量，即机巢v中起飞的无人机从对应巡检路径的第i个点飞行到第i+1个点所消耗的能量；建立最小最大化目标函数，以找到巡检任务分配方案，使所有无人机的最大巡检能耗被最小化，并确保所有无人机都有相对公平的工作负载；目标函数具体如下：min max{E(v),v∈V}(20)阶段三模型的约束条件具体如下：式中，E(v)表示机巢v中起飞的无人机的巡检能耗，E M 表示无人机的电池能量，λ E 为比例系数；将机巢插入无人机飞行路径后，该机巢成为前序无人机的降落机巢和后序无人机的起飞机巢，式(21)表示每个机巢只能被插入一次；式(22)表示每个无人机的飞行能耗不得超过所设置的用于常态巡检的最大能耗；求解式(17)-(22)组成的数学模型，得到设定风影响下兼顾直飞能耗、转弯角度和任务分配公平性的多无人机巡检路径。