Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种多无人机抢灾救援规划方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:哈尔滨工程大学

摘要:本发明公开了一种多无人机抢灾救援规划方法,步骤一、建立多无人机救援规划模型;步骤二、初始化量子北方苍鹰量子位置并设定参数;步骤三、计算量子北方苍鹰目标函数值;步骤四、根据所有量子北方苍鹰位置的目标函数值进行非支配解排序;步骤五、计算每一非支配等级中量子北方苍鹰位置拥挤度;步骤六、在猎物识别攻击阶段更新量子北方苍鹰量子位置;步骤七、在追逃阶段更新量子北方苍鹰量子位置;步骤八、判断是否达到量子北方苍鹰最大迭代次数,是则终止迭代,将非支配等级为1的量子北方苍鹰位置对应为任务分配矩阵,作为抢灾救援规划任务分配结果输出;否则令k=k+1,执行步骤四。本发明克服了容易陷入局部收敛的弊端,提升了演化机制的寻优速率。

主权项:1.一种多无人机抢灾救援规划方法,其特征在于,包括以下步骤:步骤一、建立多无人机救援规划模型;每个灾区群众均有一个中心位置,M架救援无人机会根据中心位置为灾区群众提供救援物资,假设灾区信息确定以后,得到N个群众中心位置,M架救援无人机执行N个救援任务,会得到M×N维任务分配矩阵A,A={am,n|am,n∈{0,1}}M×N,其中,表示第m架无人机是否执行第n个任务,m=1,2,…,M,n=1,2,…,N;不同任务分配矩阵A表示不同的任务分配方案,在燃料约束和载重约束的情况下,优化总体飞行代价和伤亡代价两个目标函数;最小值联合优化模型如下:为救援无人机的总体飞行代价和受灾群众的伤亡代价,表示所有救援无人机的飞行距离总和,表示受灾群众错过救援时间后所造成的伤亡代价总和;无人机的总体飞行代价:表示俩个约束条件,ξ1、ξ2为约束条件的影响因子,Dm表示第m架无人机从出发到返回基地的飞行距离;受灾群众的伤亡代价:ξ3、ξ4为约束条件的影响因子,Ln表示第n个灾区群众的总人数,其中,γ、μ为两个目标函数的影响因子,表示对应目标函数的重要程度,且满足μ>γ;假设第m架无人机被安排依次执行救援任务,则第m架无人机的飞行距离为:其中,为第m架无人机从基地到n1任务地点飞行的距离,为第m架无人机执行完n1任务后,直接从n1地点飞向n2的飞行距离,ηm为第m架无人机的救援任务个数;受灾群众分为四种状态:重伤、轻伤、口渴、饥饿,四种状态的救援期限为:重伤救援期限最短,其次是轻伤、口渴、饥饿;如果第n个灾区的第l个灾民到达救援期限时还没有得到无人机的援助,则判定其为死亡,此时Un,l=1,如果在救援期限达到前得到无人机援助,则Un,l=0;M架无人机在执行救援任务时,要满足两个约束条件:其一是燃料约束C1,燃料约束条件为:其中,表示两个变量比较大小,第一个数值大于第二个时返回值1,否则返回值0,ιm为第m架无人机携带的燃料,vm为燃料消耗速度;其二是救援任务约束,多架无人机不能重复执行同一任务,救援任务约束为:其中,是判断两个函数是否相等的函数,相等返回值0,不相等返回值1,e2是判断非零函数,函数中变量值为0时,返回0值,否则返回1值;设计任务负载均衡因子用于评估方案,当存在不合理的分配方案时,任务负载因子通过判断条件区别分配方案是否合理,不合理的方案将被其剔除,判断条件如下:其中表示向上取整函数;步骤二、初始化量子北方苍鹰的量子位置并设定参数;步骤三、计算所有量子北方苍鹰的目标函数值;步骤四、根据所有量子北方苍鹰位置的目标函数值进行非支配解排序;步骤五、计算每一非支配等级中量子北方苍鹰位置的拥挤度;步骤六、在猎物识别攻击阶段更新量子北方苍鹰的量子位置;步骤七、在追逃阶段更新量子北方苍鹰的量子位置;步骤八、判断是否达到量子北方苍鹰的最大迭代次数K2,是则终止迭代,将非支配等级为1的量子北方苍鹰位置对应为任务分配矩阵,并作为抢灾救援规划的任务分配结果输出;否则令k=k+1,继续执行步骤四。

全文数据:

权利要求:

百度查询: 哈尔滨工程大学 一种多无人机抢灾救援规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。