1、电子设计工程Electronic Design Engineering第31卷Vol.31第6期No.62023年3月Mar.2023收稿日期：2022-01-08稿件编号：202201041作者简介：陈 捷（1993），男，甘肃庆阳人，硕士研究生。研究方向：集群无人系统。在当前智能体自主平台处理信息能力以及传感器等任务载荷限制的条件下，面对日益多样化的任务要求和高度复杂的执行环境，智能体的应用方式逐渐趋向于集群协同作业1-2。在集群协同作业技术研究中，集群无人系统的区域覆盖一直是研究的热点问题，其指一定数量无人机在相互配合、协同合作中对目标区域进行全局覆盖3。在对受灾人员救援以及信号基站搭建
2、等场景进行搜索覆盖时，需要对目标任务区域进行划分与分配。本质上，集群协同覆盖区域分配问题是一种任务规划问题4，需要在多种约束条件下，将目标任务根据权重值分配至集基于改进Voronoi图的集群无人机区域覆盖方法陈 捷1，刘海颖1，2，李志豪1，谢远龙1（1.南京航空航天大学 航天学院，江苏 南京 210016；2.南京应用数学中心，江苏 南京 211135）摘要：近年来，随着机载电子元器件的不断发展，单架无人机已不再适用于当下逐渐复杂的任务环境。因此，以无人机集群为代表的多智能体协同技术已经成为当前研究的热点问题。针对无人机集群在目标区域的覆盖优化问题，采用改进Voronoi图对任务区域进行划分
3、，通过获取划分区域重要因子以及视觉传感器的观测质量，计算集群内无人机对任务区域的覆盖质量目标。由无人机期望状态信息调整集群输入控制律，使其覆盖质量目标达到极大值，实现对任务区域的最大范围覆盖。通过在设定任务场景下的仿真试验，得出该区域覆盖方法对任务场景覆盖率达到 90.31%，能够实现最优区域分布。关键词：无人机集群；任务规划；区域覆盖；Voronoi图中图分类号：TN0文献标识码：A文章编号：1674-6236（2023）06-0030-04DOI：10.14022/j.issn1674-6236.2023.06.007Multi-UAV area coverage method based
4、 on improved Voronoi diagramCHEN Jie1，LIU Haiying1，2，LI Zhihao1，XIE Yuanlong1（1.College of Astronautics，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China；2.Nanjing Center for Applied Mathematics，Nanjing 211135，China）Abstract:During the last few years，with the continuous develop
5、ment of airborne electronic components，single UAV is no longer suitable for the increasingly complex mission environment.Therefore，multiagent collaboration technology represented by multi-UAV has become a hot issue of current research.Aiming at the coverage optimization problem of multi-UAV in the t
6、arget area，the improved Voronoidiagram is used to divide the task area.By obtaining the important factors of the divided area and theobservation quality of the visual sensor，the coverage quality target of the multi-UAV to the task area iscalculated.The input control law of the multi-UAV is adjusted
7、to make the coverage quality targetreach the maximum，namely that the maximum coverage of target area is achieved.The simulationresults of the algorithm proposed in this paper under the set mission scenario show that the multi-UAVcan achieve the optimal regional distribution，and the coverage rate of
8、the mission scenario reaches90.31%.Keywords:multi-UAV；mission planning；area coverage；Voronoi diagram-30群内不同的无人机，其关键部分集中在数学模型的建立、集群控制律等输入的动力学求解以及分区算法设计上5-6。在无人机集群覆盖任务研究中，一般可将覆盖问题大致分为静态覆盖和扫描覆盖两种类型。在静态覆盖中，无人机集群的目标是收敛到期望状态进而优化某些性能标准7-8；在扫描覆盖中，集群内无人机因其性能指标随时间而变化，位置也在不断移动9。文中针对集群区域覆盖任务规划中定位系统测量不确定性进行研究，目前
9、解决定位不确定性问题的一般方法有概率法10、安全轨迹规划11以及Voronoi图法12-14。文中主要讨论的内容为如何实现集群无人机在规划过程中对任务区域的全覆盖，使其覆盖评价指标达到最大；同时对传统 Voronoi图进行改进，设计合理分区算法对无人机责任侦察区域进行分配及规划搜索路径，在保证覆盖质量的前提下实现对目标区域的快速搜索。1Voronoi图划分方法设计1.1传统Voronoi图原理传统 Voronoi图应用于集群区域覆盖问题时，无人机位置需要被精确定位15-16。目标区间能够通过Voronoi图在集群内进行分配，每架无人机的责任区域（称为 Voronoi单元）被定义为比集群中任何其
10、他无人机更接近自身的空间区域：Vi=x:x-xix-xj,jIn,ji,iIn（1）集群中无人机数量为 6 架时构成的 Voronoi 图如图 1 所示。图1Voronoi图目标任务区域的抽象 Voronoi图主要性质为：1）UiInVi=；2）Int(Vi)Int(Vj)=,i,jIn,ij。其中，Int()表示集合论元的内部。定义无人机i的Delaunary邻居，表示为Ni，它们是划分网络中Voronoi单元与无人机i共享一条边的无人机：Ni=jIn,ji:ViVj,iIn（2）1.2Guaranteed Voronoi图原理针对传统 Voronoi应用于区域覆盖算法的不足，在其基础上引入
11、无人机固有的位置不确定性，提出一种 Guaranteed Voronoi(GV)图划分方法。在任务区域中定义一组不确定区域：D=D1,D2,Dn,DiR2（3）其中，区域D包含一架无人机所有的可能位置，在每个不确定区域上指定一个单元Vgi，使其包含目标区域内任何可能接近xi的点。因此，定义点集Hgij，其与区域Dj一样接近Di：Hgij=x:x-xix-xj,xiDi,xjDj（4）单元格Vgi表示所有Hgij的交集，类似于 Voronoi图中的Delaunary邻居Ni，定义GV图中Delaunary邻居Ngi为：Ngi=jIn,ji:HijVgi（5）该邻居同时也是划分网络中影响Vgi的节
12、点，综上可得GV图全部属性如下：1）UiInVgi；2）VgiVi,iIn。由于集群无人机的 GV 图划分结果并不是对空间的完全镶嵌，因此中立区O(UiInVgi)对应于未在网络的任何节点上分配的空间的点集。图 2所示为当集群内含有6架无人机时的GV图。图2Guaranteed Voronoi图陈 捷，等基于改进Voronoi图的集群无人机区域覆盖方法-31电子设计工程 2023年第6期2区域覆盖方法设计将 GV 图划分方法应用于集群无人机区域覆盖问题，提高其最终集群覆盖率。具体流程如下：1）获得无人机状态信息，包括位置信息、高度信息、搭载视觉传感器的水平量i、纵向量hi以及视域角2i。2）建
13、立无人机感知区域，考虑无人机内部 GPS固有的不确定性，定义无人机保证感知区域为：Cgsi(Xi,hi,i,i,ri)XiCuiCsi=zzi-rzi,zi+rziCpi(z)（6）其中，Cpi(z)为无人机i在其不确定区域内不同高度的感知区域。3）使用 GV 图将整个任务区域划分为若干子区域，并分配至无人机集群，分配依据为无人机的保证感知区域以及空间权重系数。无人机i获得责任区域后，计算其对应的覆盖质量函数fi()：fi()zi,hi,i:zmini,+0,1（7）其中，0和1分别对应视觉传感器的最低和最高观测质量。4）根据计算所得fi()，结合集群中每架无人机通过GV图得到的重要性因子，计
14、算覆盖质量目标：HmaxiInfi()zi,hi,i(q)dq（8）覆盖质量目标H通过对任务区域内无人机视觉传感器观测质量与分配到的重要性因子积分得到，其能够反映任务无人机集群对于任务区域的覆盖程度。5）设置集群控制律使得集群覆盖质量目标单调增加，输出无人机期望位置，将所得覆盖质量目标与设定集群覆盖质量目标H进行对比，判断是否实现集群最大化覆盖。3仿真结果与分析利用Matlab对集群无人机区域覆盖方法进行仿真。在仿真实验中，设置任务区域场景为凹形区域，目标区域中所有的位置点赋予同样的重要性，集群覆盖质量目标设置为H=8。设定集群无人机都存在定位不确定性，集群无人机初始位置如表1所示。当集群覆盖
15、算法中不考虑视觉传感器观测质量，仅依靠 GV 图方法对集群无人机进行区域划分时，集群最终划分位置如图3所示。图3集群最终划分位置集群无人机覆盖质量目标比变化趋势如图 4所示，当无人机中没有搭载视觉传感器，仅依靠 GV图方法对任务区域进行划分时，集群覆盖质量目标不能达到设定值。图4覆盖质量目标比变化图当集群覆盖算法考虑视觉传感器时，设置机载视觉传感器纵向量限制为hmaxi=30，视锥角范围设置为mini=15,maxi=35,iIn，无人机高度范围是zmin=0.3 m，zmax=2.3 m。区域覆盖算法中对集群无人机的控制增益设置为：无人机水平与纵轴方向上Kx=0.25，Ky=0.25，Kz=
16、0.25；视觉传感器水平 量Kth=0.000 5，纵 向 量Kh=0.000 5，视 锥 角Kzoom=0.000 5，仿真步长为0.2 s。运行结果如图5所示，无人机感知区域以灰色填充，保证感知区域的边界以虚线表示。表1集群无人机初始位置无人机编号123456位置坐标(0.6,1,0.5)(0.5,1,0.5)(1,1,0.5)(1.5,1,0.5)(2,1,0.5)(2.5,1,0.5)-32图5集群运行最终位置图 6和图 7分别为集群无人机对任务区域的覆盖率变化曲线以及覆盖质量目标比变化曲线。对于凹形地图，集群区域覆盖任务规划算法能够使集群对任务区域的覆盖率达到 90.31%，同时覆盖质量目标随着仿真时间的推移单调增加，最终达到设定目标值。图 8 为集群无人机位置误差变化图，对于凹形任务环境中，集群无人机在三个维度上的误差均小于0.1 m，且逐渐收敛到0。图6集群运行覆盖率变化图图7覆盖质量目标比变化图4结论针对集群无人机对任务区域的覆盖问题，文中提出一种基于改进GV图的集群覆盖方法。首先，对传统Voronoi图进行改进，提出GV图方法，并对目标任务区域进行划分；其次，建立无人
