当前位置：首页 > news >正文

2024年ASOC SCI2区TOP，多机制群优化算法+多风场输电线路巡检中多无人机任务分配与路径规划，深度解析+性能实测

news 来源：原创 2025/7/25 21:56:48

1.摘要

随着电力系统规模的不断扩大，复杂环境下的电力线路及设施的巡检与维护面临更大挑战。目前，基于无人机的输电线路巡检技术受到越来越多的研究关注，多无人机的任务分配与路径规划是两个关键问题。本文首先构建了一个三维的巡检环境模型，并考虑山地环境中多个风场的影响因素进行建模与测量。针对多无人机任务分配问题，定义了一个考虑风场影响的多指标混合代价函数，并提出改进的双向蚁群-离散蜜獾算法（BACOHBA）进行求解。针对多风场条件下的多无人机路径规划问题，提出改进的蜜獾-果蝇算法（HBAFOA）进行优化求解。

真实山区环境中的输电线路

2.考虑风场影响的多无人机任务分配

考虑风场影响的多无人机任务分配问题可描述如下：在一张被划分为多个风场区域的地图上分布有 $n$ 个任务点，假设在执行任务期间，各风场区域内的风力保持不变。共有 $m$ 架无人机从同一起点出发，访问地图上的多个任务点，并最终返回起点。在此过程中，每个任务点只能被访问一次，不能重复访问，同时各无人机需满足自身的约束条件，从而为每架无人机获得最优的任务访问序列。

考虑多旅行商问题（MTSP）数学模型：
$minF=\sum_{i=1}^n\sum_{j=1}^nC_{ij}X_{ij}$

$\begin{equation*} \text{s.t.} \left\{ \begin{aligned} &\sum_{i=q_2}^{q_n} X_{ij} = 1 \quad && j \in \mathcal{Q}_N \\ &\sum_{j=q_2}^{q_n} X_{ij} = 1 \quad && i \in \mathcal{Q}_N \\ &\sum_{i=q_2}^{q_n} \sum_{j=q_2}^{q_n} X_{ij} = n - m - 1 \end{aligned} \right. \end{equation*}$

对于飞行成本 $C_{ij}$ ，两个任务点之间的成本函数定义为：
$\begin{equation*} \left\{ \begin{aligned} F_{\text{Amin}}(i,j) &= \omega_1 c_1 C_{\text{Adist}}(i,j) + \omega_2 c_2 C_{\text{Atime}}(i,j) + \omega_3 c_3 C_{\text{Achange}}(i,j) \\ \omega_1 + \omega_2 + \omega_3 &= 1 \end{aligned} \right. \end{equation*}$

不同风场区域输电塔分布图

3.基于双向蚁群和离散蜜獾算法求解多无人机任务分配问题(BACOHBA)

离散蜜獾算法

在多无人机任务分配问题中，多架无人机对应的不同任务执行序列被组合起来，作为蜜獾的位置，即一个解的表示。假设在一个包含10个任务点、3架无人机的任务场景中，所有无人机均从任务点1出发，并最终返回到任务点1，且所有任务点在整个过程中不得被重复访问。
$\begin{equation*} \begin{aligned} \text{Route}_1 &= \{1, 2, 10\} \\ \text{Route}_2 &= \{1, 3, 4, 7\} \\ \text{Route}_3 &= \{1, 5, 6, 8, 9\} \end{aligned} \end{equation*}$

去掉共同的起始点1后进行组合得到 $X=\{2,10,3,4,7,5,6,8,9\}$ ，对应解决方案（蜜獾的位置）。

蜜獾之间的距离被定义为一组序列转换操作，即将一个解中需要经过的中间任务点，通过若干变换操作，从该解中的一个位置转换到另一个解中的对应位置。假设存在两个蜜獾，其位置：
$\begin{array} {c}X_1=\{2,3,5,10,4,6,7,8,9\} \\ X_2=\{2,3,4,5,7,6,10,9,8\} \end{array}$

两只蜜獾之间的距离为：
$Dist=\{\langle3,4\rangle,\langle5,7\rangle,\langle7,6\rangle,\langle10,9\rangle\}$
其中， $\langle i,j\rangle$ 是交换算子，表示将处于其他位置的点 $j$ 移动到紧跟在点 $i$ 之后位置。

BACOHBA算法伪代码

4.考虑风场的多无人机路径规划

在对多架无人机进行合理的任务分配后，每架无人机将得到自己的任务序列，并根据该任务序列依次检查任务点。在进行无人机路径规划时，将飞行距离、飞行时间、飞行高度差和飞行能耗作为成本指标：
$F_{Bmin}=\sum_{i=1}^m\sum_{j=1}^{n_i}\sum_{k=1}^{n_{pij}-1}f_B$

HBAFOA算法伪代码

5.结果展示

之前做的案例：

PS：应用创新强，适合定制

6.参考文献

[1] Li K, Yan X, Han Y. Multi-mechanism swarm optimization for multi-UAV task assignment and path planning in transmission line inspection under multi-wind field[J]. Applied Soft Computing, 2024, 150: 111033.

目录

1.摘要

2.考虑风场影响的多无人机任务分配

3.基于双向蚁群和离散蜜獾算法求解多无人机任务分配问题(BACOHBA)

4.考虑风场的多无人机路径规划

5.结果展示

6.参考文献

7.代码获取

8.读者交流

相关文章：