《多无人机协同侦察任务规划问题建模与优化技术研究》由会员分享，可在线阅读，更多相关《多无人机协同侦察任务规划问题建模与优化技术研究（182页珍藏版）》请在金锄头文库上搜索。
1、国防科学技术大学 博士学位论文 多无人机协同侦察任务规划问题建模与优化技术研究 姓名：田菁 申请学位级别：博士 专业：控制科学与工程 指导教师：沈林成 20070401 国防科学技术大学研究生院博士学位论文 摘要 情报侦察和战场监视是无人机( U n m a n n e dA e r i a lV e h i c l e ，U A V ) 系统的一个 主要任务。组织多架不同性能的U A V 共同执行侦察任务是未来实施战场侦察的重要 方式。如何根据侦察任务需要和U A V 的性能制定多U A V 协同侦察系统的任务计划， 是充分利用多U A V 协同侦察系统资源、提高系统侦察效能的关键问题之一。
2、 多U A V 协同侦察任务规划属于多U A V 协同控制中的任务分配和资源调度问题， 主要研究在满足U A V 性能约束以及目标成像侦察需求条件下，规划多U A V 协同侦察 系统中合适的U A V 在合适的时间对合适的目标使用合适的传感器进行侦察，以提高 多U A V 协同侦察系统的整体效能。解决该问题的核心在于对问题进行合理的建模 和求解。论文基于建模理论和优化理论，针对多U A V 协同侦察任务规划问题展开研 究，主要工作及创新点如下： ( 1 ) 建立了多U A V 协同侦察任务规划模型。通过对多U A V 协同侦察问题进行 深入分析，归纳了对问题建模需要考虑的关键要素，包括侦察目标
3、的侦察成像要求 和侦察时间窗要求、不同U A V 平台及其搭载的侦察成像传感器的性能等。在此基础 上，对问题的要素和相关属性进行了数学描述，建立了多U A V 协同侦察任务规划模 型M U C R M P M ，并进一步分析了多基地的多U A V 协同侦察任务规划问题，建立了 相应的问题模型M B M U C R M P M 。论文建立的多U A V 协同侦察任务规划模型一方 面体现了多U A V 协同侦察任务特性，另一方面也避免了由于考虑过多因素导致模 型过于复杂难以求解的问题。与目前相关研究中建立的问题模型相比，论文建立的 多U A V 协同侦察任务规划模型更注重侦察任务的特点，因而更具备
4、实际应用价值。 ( 2 ) 提出了一种新的“自适应”进化多目标优化方法A E M O M 。多U A V 协同侦 察任务规划问题属于N P 难的多目标组合优化问题。在深入分析了当前进化多目标 优化领域研究成果的基础上，论文提出了一种新的“自适应“ 进化多目标优化方 法A E M O M 。A E M O M 通过对多目标进化算法的形式化描述和模块化设计，对于不 同的多目标优化问题，能够确定最适合问题的算法，是一种解决多目标优化问题的通 用方法，而不是一种具有固定形式的算法。A E M O M 的核心是建立对多目标进化算 法的通用描述，为此论文提出了一个广义进化多目标优化框架G E M O S
5、。G E M O S 对 多目标进化算法设计的关键要素进行了模块化描述，并且分离了问题相关组件和问 题无关组件。在G E M O S 基础上，A E M O M 解决多目标优化问题时首先根据问题的 具体特点，设计问题相关组件，然后利用正交实验方法进行问题无关组件的优化设 第i 页 国防科学技术大学研究生院博十学位论文 计，得到最适合该问题的多目标进化算法。 ( 3 ) 提出了基于A E M O M 的多U A V 协同侦察任务规划算法。基于提出的“自 适应”进化多目标优化方法A E M O M ，论文进一步研究了多U A V 协同侦察任务规 划算法。多U A V 协同侦察任务规划模型的约束条件
6、较多，不属于成熟的组合优化 问题模型，利用A E M O M 对其进行求解的关键在于设计合适的问题相关组件，包 括编码方式、重组和变异算子以及初始种群的构造等等。针对M U C R M P M 和M B M U C R M P M 的特点，论文设计了合适的问题相关组件，确保解个体的合法性和进 化算子的可行性，并且提出了构造初始种群的启发式算法，避免不可行初始种群引 起的进化算法收敛过慢问题。为了验证基于A E M O M 的多U A V 协同侦察任务规划算 法的性能，论文在分析M U C R M P M 和M B M U C R M P M 数学特性的基础上，基于均 匀设计方法，构造了具有代表
7、性的测试问题实例。对于不同的测试问题实例，采用 基于A E M O M 的多U A V 协同侦察任务规划算法进行了求解，得到了适合不同问题实 例的多U A V 协同侦察任务计划。 ( 4 ) 提出了多U A V 协同侦察动态任务规划方法。为了确保多U A V 协同侦察系统 在执行侦察任务过程中，能够适应变化的任务需求和战场环境，论文进一步研究了 多U A V 协同侦察动态任务规划问题。分析归纳了多U A V 协同侦察系统执行任务过 程中需要进行动态任务规划的情况，建立了多U A V 协同侦察动态任务规划模型D _ M U C R M P M 。并提出了快速启发式动态任务规划算法D M U C
8、R M P A ，综合考虑了 初始任务规划结果的优良性能和变化的战场环境以及新的任务需求，大大降低了动 态任务规划问题的复杂性，能够快速有效解决多U A V 协同侦察动态任务规划问题。 主题词：无人机；侦察；协同；建模；多目标优化；进化算法 第i i 页 国防科学技术大学研究生院博士学位论文 A B S T R A C T I S R ( I n t e l l i g e n c e ，S u r v e i l l a n c ea n dR e c o n n a i s s a n c e ) i st h em a i nt a s ku n d e r t a k e n b yU
9、 n m a n n e dA e r i a lV e h i c l e s ( U A V ) At e a mo fU A V sw i t hd i f f e r e n tc a p a b i l i t i e s c o o p e r a t er e c o n n a i s s a n c ew i l lb et h em a i nm a n n e rt oc o n d u c tb a t t l e f i e l dr e c o n n a i s - s a n c ei nt h ef u t u r e H o wt om a k ee l e
10、 g a n tm i s s i o np l a na c c o r d i n gt ot h er e c o n n a i s - s a n c em i s s i o na n dc a p a b i l i t i e so f 删眙i so n eo ft h ef o c u st oe x e r tt h em u l t i - U A V c o o p e r a t i v er e c o n n a i s s a n c es y s t e ma n di m p r o v et h es y s t e mr e c o n n a i s
11、s a n c ee f f i c i e n c y M u l t i - U A Vc o o p e r a t i v er e c o n n a i s s a n c em i s s i o np l a n n i n gp r o b l e mf a l l si n t ot h e c a t e g o r yo ft a s ka l l o c a t i o na n dr e s o u r c es c h e d u l i n gp r o b l e mi nM u l t i U A Vc o o p e r - a t i v es y s
12、t e mc o n t r 0 1 I tc o n c e r n sp l a n n i n gt h er i g h tU 蝌r e c o n n o i t e r i n gt h er i g h t t a r g e tw i t ht h er i g h ts e n s o ra tt h er i g h tm o m e n tw h i l es a t i s f y i n gt h eU A Vc a p a b i l i - t i e sc o n s t r a i n t sa sw e l la st h er e c o n n a i
13、s s a n c et a r g e t sr e q u i r e m e n t s ，S Oa st oi n c r e a s e t h ee f f i c i e n c yo fM u l t i - U A Vc o o p e r a t i v er e c o n n a i s s a n c es y s t e m P r o p e r l ym o d e l l i n g a n ds o l v i n gi st h ek e yt or e s o l v et h i sp r o b l e m B a s e do nm o d e l
14、 l i n gt h e o r ya n do p t N m i z a t i o nt h e o r y , t h i sd i s s e r t a t i o ns t u d i e st h em u l t i U A Vc o o p e r a t i v er e c o n n a i s s a n c e m i s s i o np l a n n i n gp r o b l e m T h ec o n t r i b u t i o n sa r ea sf o l l o w s ： ( 1 ) P r e s e n t i n gt h em
15、 u l t i - U A Vc o o p e r a t i v er e c o n n a i s s a n c em i s s i o np l a n n i n gm o - d e l F o l l o w i n gt h et h o r o u g ha n a l y s i so nm u l t i U A Vc o o p e r a t i v er e c o n n a i s s a n c ep r o b - l e m ，t h ef a c t o r st h a ts h o u l db ec o n s i d e r e di n
16、m o d e l l i n gt h ep r o b l e ma r es u m m a - f i z e d ，w h i c hi n c l u d et h ei m a g i n gr e q u i r e m e n t sa n dt i m ew i n d o wc o n s t r a i n t so ft h e t a r g e t s a n dt h ec a p a b i l i t i e so fd i f f e r e n tU A Vp l a t f o r m sa n dt h ei m a g i n gs e n s o r s o n b o a r d B a s e do nt h e s e ，w ef o r m u l a t et h ef a c t o r sa n dt h e r ec o n t r i b u t i o n sm a t h e - m a t i c a l l y , a n dp r e s e n tt h em u l t
