無人機編隊在多點火情救援中的任務(wù)分配研究

訾 潤

（青島市消防救援支隊，山東 青島 266000）

0 引言

在大風(fēng)雷暴等極端惡劣天氣下，野外森林面臨大規(guī)?；馂?zāi)的安全隱患。在城市中，因為地震等不可抗力以及人為操作不當(dāng)，也可能引發(fā)小區(qū)規(guī)模的火情。大規(guī)模火災(zāi)發(fā)生后，往往形成層次級火情，在外圍級火情的阻隔下，對內(nèi)部的火情救援變得極為困難。在消防人員無法到達(dá)的情況下，內(nèi)部火場的多點散發(fā)進(jìn)一步增加了救援的難度，也會危及生命財產(chǎn)安全。在這種情況下，通過多無人機構(gòu)成的無人機編隊到達(dá)人力難以到達(dá)的火場內(nèi)部，完成偵查、打擊火源、滅火等任務(wù)成為一種最佳選擇。無人機的特點是十分突出的，無人機個體體積小、機動性強，可以穿越復(fù)雜的山體結(jié)構(gòu)和建筑結(jié)構(gòu)，深入探查區(qū)域的內(nèi)部。同時，隨著無線通信技術(shù)的飛速發(fā)展，多個無人機之間通過信息交互，協(xié)同配合去完成一個整體任務(wù)變成可能。由于無人機個體受到機械性能、載彈量（滅火彈）等條件的制約，其能完成的滅火任務(wù)是有限的，因此，當(dāng)無人機編隊到達(dá)火場后，必須對各個無人機合理地分配任務(wù)。這種任務(wù)分配的目的是在保證完成整體滅火任務(wù)的前提下，各個無人機相對均衡地承擔(dān)整體任務(wù)的子任務(wù)，并且編隊中任意一個無人機不會出現(xiàn)任務(wù)超載、無法完成的情況。無人機編隊根據(jù)火場中多點火情的任務(wù)分配，實際上是一種有約束條件的目標(biāo)優(yōu)化問題。針對該問題，可以采用的優(yōu)化算法很多，例如基于遺傳算法的目標(biāo)優(yōu)化、基于圖割算法的目標(biāo)優(yōu)化以及基于動態(tài)規(guī)劃算法的目標(biāo)優(yōu)化等。該文采用粒子群算法對無人機編隊完成多點火情救援任務(wù)進(jìn)行合理化分配的研究，以期使無人機編隊更好地協(xié)同配合、順利地完成滅火救援任務(wù)。

1 無人機編隊的任務(wù)分配算法

1.1 基于粒子群算法的任務(wù)分配

粒子群算法是由多個粒子構(gòu)成一個粒子群，每一個粒子不斷調(diào)整自身的位置和速度，使粒子群達(dá)到最優(yōu)狀態(tài)。各個粒子之間存在一定的約束和關(guān)聯(lián)，個體獨立又共同服務(wù)于整個粒子群落。

在無人機編隊的任務(wù)分配中使用粒子群算法，需要將每個無人機映射為粒子群中的一個粒子。隨著粒子群位置和速度不斷地更新，在整個粒子群達(dá)到最優(yōu)狀態(tài)的情況下，每個無人機個體將找到自己的合理位置，去完成滅火救援任務(wù)。每個無人機完成自己的任務(wù)后，無人機編隊也將完成整體的滅火救援任務(wù)。該策略對多點散發(fā)式火情的救援具有特別重要的意義，針對性也是非常強的。

無人機編隊在整個粒子群算法的優(yōu)化過程中，最重要的是找到自己的準(zhǔn)確位置，這一對應(yīng)著粒子的位置。根據(jù)粒子群算法的設(shè)定，粒子群中每個粒子的位置設(shè)置策略，可以用公式（1）表示。

式中：參數(shù)為一個隨機數(shù)，其取值范圍是（0，1）。

在服從于粒子群整體任務(wù)目標(biāo)的前提下，每個粒子的位置會不斷更新以尋求達(dá)到最佳位置，粒子群中每個粒子的位置更新策略，可以用公式（2）表示。

進(jìn)一步，可以得到粒子群中每個粒子的全局最佳位置，可以用公式（3）表示。

綜合以上2個方程，可以得到算法中每個粒子的更新機制，可以用公式（4）表示。

1.2 無人機編隊救火任務(wù)的分配流程

在上述粒子群算法的支撐下，無人機編隊為了實現(xiàn)多點火情的救援目標(biāo)，可以按照以下5個步驟分配任務(wù)。

第一個步驟，無人機編隊中的每個無人機映射為粒子群中的一個粒子，并進(jìn)行自身位置的初始化配置。

第二個步驟，在粒子群中全部無人機完成初始位置配置后，整個無人機編隊獲得了第一個整體狀態(tài)，根據(jù)這個狀態(tài)構(gòu)建適應(yīng)度函數(shù)。

第三個步驟，在無人機編隊多點火情救援的總體任務(wù)下，根據(jù)公式（2）和公式（3）不斷更新每個無人機的局部最佳位置，同時計算無人機編隊的全局最佳位置。

第四個步驟，根據(jù)公式（4）所示的更新機制，進(jìn)一步更新整個編隊中每個無人機的位置，從而再次計算整個無人機編隊全局最佳位置，即對多個火情點的有效對應(yīng)。

第五個步驟，不斷計算無人機編隊位置和多個火情點的對應(yīng)位置之間的差異，判斷這個差異是否小于預(yù)先設(shè)定的閾值（一個很小的數(shù)值），如果不小于，繼續(xù)重復(fù)執(zhí)行步驟三和步驟四，如果小于，將此時的無人機編隊位置輸出。

無人機編隊按照步驟五輸出的結(jié)果，即可以找到最合理的位置，與火情點形成對應(yīng)，從而可以進(jìn)行精準(zhǔn)打擊和滅火操作。

2 無人機編隊多點火情救援試驗研究

2.1 試驗的基本情況

此處的試驗在仿真環(huán)境下進(jìn)行，需要在仿真平臺上設(shè)置火情點位置和無人機位置，以便有針對性地分配任務(wù)，進(jìn)行救援工作。

整個仿真試驗的背景是野外森林火場，已探明的火情點為8個，其平面地圖位置配置如下。野外森林火場中第一個火情點位置，橫坐標(biāo)88個仿真距離位置上，縱坐標(biāo)21個仿真距離位置上；野外森林火場中第二個火情點位置，橫坐標(biāo)34個仿真距離位置上，縱坐標(biāo)39個仿真距離位置上；野外森林火場中第三個火情點位置，橫坐標(biāo)51個仿真距離位置上，縱坐標(biāo)30個仿真距離位置上；野外森林火場中第四個火情點位置，橫坐標(biāo)44個仿真距離位置上，縱坐標(biāo)90個仿真距離位置上；野外森林火場中第五個火情點位置，橫坐標(biāo)21個仿真距離位置上，縱坐標(biāo)28個仿真距離位置上；野外森林火場中第六個火情點位置，橫坐標(biāo)48個仿真距離位置上，縱坐標(biāo)28個仿真距離位置上；野外森林火場中第七個火情點位置，橫坐標(biāo)81個仿真距離位置上，縱坐標(biāo)71個仿真距離位置上；野外森林火場中第八個火情點位置，橫坐標(biāo)16個仿真距離位置上，縱坐標(biāo)51個仿真距離位置上。

參與多點火情救援的無人機數(shù)量為5個，共同構(gòu)成了一個無人機編隊，其空間地圖位置配置如下。無人機編隊中第一個無人機，坐標(biāo)22個仿真距離位置上，坐標(biāo)28個仿真距離位置上，坐標(biāo)26個仿真距離位置上；無人機編隊中第二個無人機，坐標(biāo)34個仿真距離位置上，坐標(biāo)50個仿真距離位置上，坐標(biāo)20個仿真距離位置上；無人機編隊中第三個無人機，坐標(biāo)17個仿真距離位置上，坐標(biāo)14個仿真距離位置上，坐標(biāo)45個仿真距離位置上；無人機編隊中第四個無人機，坐標(biāo)33個仿真距離位置上，坐標(biāo)35個仿真距離位置上，坐標(biāo)23個仿真距離位置上；無人機編隊中第五個無人機，坐標(biāo)26個仿真距離位置上，坐標(biāo)31個仿真距離位置上，坐標(biāo)28個仿真距離位置上。

整個無人機編隊抵達(dá)森林火場上空后，要執(zhí)行三類任務(wù)，分別是偵察、投滅火彈打擊、滅火，滅火為最終任務(wù)。但滅火準(zhǔn)確與否與偵察、投滅火彈打擊的準(zhǔn)確與否直接相關(guān)，因此這三項預(yù)期分值都應(yīng)該參與到粒子群優(yōu)化算法中。對8個火情點上，這3項任務(wù)的預(yù)期分配置見表1。

表1 森林火場中8個火情點的任務(wù)預(yù)期分配置

在各項條件的配置下，該文構(gòu)建多點火情無人機編隊救援仿真試驗環(huán)境。在接下來的工作中，采用圖割算法和魚群算法作為對比方法，通過3種方法之間的比較，評價方法的有效性。

2.2 滅火任務(wù)整體完成情況對比試驗

適應(yīng)度函數(shù)的收斂速度與收斂效果直接決定了優(yōu)化算法的性能，因此首先要比較圖割算法、魚群算法適應(yīng)度函數(shù)收斂情況與該文粒子群算法適應(yīng)度函數(shù)收斂情況的差異，結(jié)果如圖1所示。

圖1 各方法適應(yīng)度函數(shù)收斂對比

從圖1的結(jié)果可以清晰地看到，在無人機編隊多點火情救援的仿真試驗中，該文構(gòu)建的基于粒子群算法的無人機編隊任務(wù)分配，其收斂函數(shù)曲線所表現(xiàn)出來的收斂速度快、收斂適應(yīng)度數(shù)值高，明顯優(yōu)于圖割算法和魚群算法。

在適應(yīng)度函數(shù)收斂性能比較結(jié)果的基礎(chǔ)上，進(jìn)一步比較3種方法滅火任務(wù)的各無人機分配結(jié)果，如圖2～圖4所示。

從圖2～圖4三種方法獲得的任務(wù)分配結(jié)果中可以得出以下2點：1）圖割算法和魚群算法為無人機編隊進(jìn)行的滅火任務(wù)分配，均不同程度地出現(xiàn)了某一個無人機承載任務(wù)過多的情況，也出現(xiàn)了同一個火情點被多個無人機執(zhí)行滅火處理的冗余操作。2）該文算法獲得了更好的任務(wù)分配結(jié)果，沒有出現(xiàn)無人機過載的情況，也沒有出現(xiàn)火情點被重復(fù)覆蓋的情況，其具體的分配結(jié)果如下。第一個無人機對火情點、火情點執(zhí)行滅火處理；第二個無人機對火情點、火情點執(zhí)行滅火處理；第三個無人機對火情點、火情點執(zhí)行滅火處理；第四個無人機對火情點執(zhí)行滅火處理；第五個無人機對火情點執(zhí)行滅火處理。

圖2 圖割算法獲得的無人機編隊滅火任務(wù)分配結(jié)果

圖4 該文算法獲得的無人機編隊滅火任務(wù)分配結(jié)果

通過比較可以看出，該文基于粒子群算法構(gòu)建的無人機編隊多點火情救援任務(wù)分配可以獲得更好的結(jié)果，也證明了該文工作的價值。

圖3 魚群算法獲得的無人機編隊滅火任務(wù)分配結(jié)果

3 結(jié)論

無論是野外森林火場還是城市小區(qū)的大規(guī)?；馂?zāi)，都會出現(xiàn)不同程度的多點火情覆蓋、層級火情阻隔等情況。針對消防救援人員難以及時到達(dá)層級阻隔火場、難以短時間內(nèi)撲滅多點火情的問題，該文提出了一種基于粒子群算法的無人機編隊多點火情救援任務(wù)分配方法。通過5個無人機構(gòu)成的無人機編隊配置和8個火情點的仿真火場配置，進(jìn)行進(jìn)一步研究。試驗結(jié)果表明，該文提出的基于粒子群算法的無人機編隊任務(wù)分配，具有更好的適應(yīng)度函數(shù)曲線表現(xiàn)，能夠更加合理地分配滅火任務(wù)，不會出現(xiàn)個體無人機任務(wù)過載、個別火情點冗余救援的情況，性能明顯優(yōu)于圖割算法、魚群算法的分配結(jié)果。