无人机风险区域最短滞留时间路径规划新策略

本文主要探讨了无人机在风险区域内的最短路径规划新方法，着重于如何优化无人飞行器（Unmanned Aerial Vehicles, UAV）的停留时间。研究者Darong Huang 和 Dong Zhao，以及 Ling Zhao，分别来自重庆交通大学信息科学与工程学院和重庆房地产设备工程学院，他们通过邮件地址zdfx888@163.com和不详的地址提供了合作。 首先，作者利用已知数据和雷达扫描范围，分别构建目标群体和基地的区域分布图，这有助于精确了解无人机活动区域的地理布局。这种空间划分对于减少UAV在目标区域的不必要的重复覆盖至关重要，从而降低其整体运行时间和能源消耗。 其次，他们提出了一种基于不同载荷扫描带宽的聚类分析策略。通过这种方法，将目标点按照扫描带宽进行分类，目的是让每个目标点尽可能地落在UAV的扫描范围内，这样可以最大限度地减少UAV的扫描次数，提高效率。这个问题可以被转化为雷达扫描范围内的旅行商问题，即寻找一条使得总旅程（扫描路径）最短的路线。 接着，作者采用整数规划（0-1 Programming）技术，结合实际约束，设计出部署方案和局部最优的飞行路径。这种方法确保了在满足任务需求的同时，尽可能地减少了UAV在风险区域的滞留时间，提高了执行效率。 最后，为了进一步提升路径规划的全局优化效果，研究人员引入了粒子群优化（Particle Swarm Optimization, PSO）算法。PSO是一种模拟鸟群觅食行为的搜索算法，它能有效处理复杂且多模态的问题，帮助找到更优的解决方案。通过将PSO与0-1编程相结合，本文的方法旨在实现无人机在风险区域内的高效、快速和最优路径规划。 这篇研究论文创新性地将区域分布、目标聚类、扫描带宽管理和优化算法结合起来，为无人机在特定环境下的最短路径规划提供了一种实用且高效的策略，这对于无人机在军事侦察、应急响应等领域具有重要的实践价值。