文献类型：期刊文章

作　　者：鲁旭涛[1] 智超群[2] 张丽娜[2] 秦英伟[2] 李静[3] 王英[4]

LU Xutao;ZHI Chaoqun;ZHANG Lina;QIN Yingwei;LI Jing;WANG Ying(School of Mechatronics Engineering,North University of China,Taiyuan 030051,China;School of Information and Communication Engineering,North University of China,Taiyuan 030051,China;School of Electrical and Control Engineering,North University of China,Taiyuan 030051,China;School of Energy and Power Engineering,North University of China,Taiyuan 030051,China)

机构地区：[1]中北大学机电工程学院,太原030051 [2]中北大学信息与通信工程学院,太原030051 [3]中北大学电气与控制工程学院,太原030051 [4]中北大学能源动力工程学院,太原030051

出　　处：《电子与信息学报》

基　　金：山西省应用基础研究(201701D221124),山西省重点研发计划(201903D221025),山西省青年科技基金(201801D221236)。

年　　份：2022

卷　　号：44

期　　号：1

起止页码：187-194

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题。对此,该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略。以UAV监测区域范围为基础,通过建立搜索区域的空间模型,进一步运用O-FCMA进行区域几何划分,并采用O-HPSO实现划分区域内的路径规划,以实现多UAV集群搜索总体任务的规划。仿真实验结果表明,采用O-HPSO结合O-FCMA进行无源UAV区域搜索任务较ACO或模拟退火算法结合K聚类算法或FCMA相比,在保证搜索区域全覆盖条件下,有源搜索与无源搜索过程中UAV决策时间分别降低了7%~21%和16%~31%,搜索效率分别提升了7%~13%和3%~7%。结果表明所提方法有效降低了UAV集群的决策时间,提升了搜索效率。

关 键 词：无人机  多机协同 任务规划  模糊C聚类算法  优化混合粒子群算法  

分 类 号：TP249]