一种无人飞行器集群月面测绘的任务规划方法

专利主权项内容

1.一种无人飞行器集群月面测绘的任务规划方法，其特征在于：具体的任务规划方法如下：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；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；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；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；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；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：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；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；步骤S6、对于优解组中的每个粒子，根据交叉率P进行遗传算法中的交叉操作，生成新的粒子；1步骤S7、对于劣解组中的每个粒子，根据变异率P进行遗传算法中的变异操作，生成新的粒子；2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；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；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。 详见官网：