随机扰动下应急响应中多无人驾驶航空系统的分布鲁棒集成“决策–控制”任务分配

《Mathematics》:Distributionally Robust Integrated “Decision–Control” Task Assignment for Multiple Unmanned Aerial Systems in Emergency Response Under Stochastic Disturbances

【字体: 大 中 小 】 时间:2026年08月27日 来源:Mathematics 2.3

编辑推荐:

  采用异构多无人机(multi-UAVs)的应急响应任务面临着任务分配与运动控制之间紧密耦合以及获取随机扰动完整概率分布的固有困难。在实践中,通常只能估计部分矩信息——通常是均值、协方差和支持集。为此,论文提出了一种分布鲁棒(distributionally r

  
采用异构多无人机(multi-UAVs)的应急响应任务面临着任务分配与运动控制之间紧密耦合以及获取随机扰动完整概率分布的固有困难。在实践中,通常只能估计部分矩信息——通常是均值、协方差和支持集。为此,论文提出了一种分布鲁棒(distributionally robust)集成“决策–控制”框架。建立了一个双层优化模型:上层最小化所有平台的最大任务完成时间,下层求解满足运动学约束的最短时间最优控制问题,两层通过任务执行时间耦合。在仅知道扰动的均值、协方差和支持集的情况下,构造了一个模糊集(ambiguity set),并利用对偶理论和半定规划(semidefinite programming, SDP),将站点可达性的分布鲁棒机会约束(chance constraint)等价转化为确定性安全裕度。进一步设计了一种两阶段轨迹规划方法,将累积时间估计与鲁棒约束执行解耦,确保计算可处理性。在多种扰动配置下的仿真结果表明,确定性规划的总任务成功率仅约为0.7%,而所提出的框架持续取得高于99.9%的成功率,并有效地平衡了多架无人机之间的工作负载。这些结果验证了该框架在有限分布信息下提供可靠应急响应计划的实际效益。
本文发表于《Mathematics》,针对随机扰动下多无人驾驶航空系统(multi-UAS)应急响应中的任务分配与运动控制耦合问题,提出了一种分布鲁棒(distributionally robust)集成“决策–控制”双层优化框架,系统地解决了仅已知扰动部分矩信息时的可靠任务规划问题。

研究背景方面,随着无人机(UAV)技术的发展和灾害救援需求的增加,异构无人机群被广泛用于向地理分散、需求多样的受灾地区投送人道主义物资。任务分配作为宏观决策,运动控制作为微观执行,两者并非独立,而是紧密耦合:分配方案的质量取决于各平台执行任务序列的时间和风险,而后者又由底层轨迹规划与控制决定。然而,真实灾害场景中无人机不可避免地受到湍流、侧风、洋流等随机扰动影响,其精确概率分布往往难以获得;决策者通常只能根据有限历史数据或专家经验估计一阶矩、二阶矩及支持集。传统随机规划依赖精确概率模型,在分布未知时其“最优”解可能变得脆弱甚至不可行。因此,亟需一种在仅已知部分矩信息时仍能提供高可靠性保证的规划方法。

研究人员建立了一个双层优化模型:上层为任务分配层,以最小化所有无人机最大任务完成时间为目标;下层为最优控制层,求解满足运动学约束的最短时间轨迹;两层通过任务执行时间形成闭环耦合。针对随机扰动分布未知的特点,利用矩模糊集(moment-based ambiguity set)构造仅依赖均值、协方差和支持集的分布不确定集合,借助对偶理论和半定规划(semidefinite programming, SDP)将站点可达性的分布鲁棒机会约束(chance constraint)等价转化为确定性安全裕度约束。为打破安全裕度与累积时间之间的循环依赖,设计了两阶段轨迹规划方法:第一阶段忽略扰动求解标称最短时间轨迹以估计到达时间,第二阶段依据到达时间从离线查找表获取安全裕度并求解鲁棒最优控制问题。上层组合优化采用改进遗传算法(improved genetic algorithm, IGA)求解。仿真表明,确定性规划的总任务成功率仅约0.7%,而所提框架在多种扰动配置下成功率始终高于99.9%,并有效均衡多机工作负载,验证了框架在有限分布信息下提供可靠应急响应计划的实际价值。

研究结果部分围绕仿真验证展开,各小标题下的核心结论如下:

5.1 所提方法的验证
5.1.1 鲁棒最优控制对抗随机扰动的有效性
通过单无人机场景对比有无鲁棒优化的情况,研究人员发现,若不考虑随机扰动,直接将确定性最优控制律用于含扰动环境,各站点到达距离的箱线图显示大量异常值超过有效投递半径,所有站点全部成功服务的概率几乎为零;而采用所提出的分布鲁棒最优控制后,单站点服务成功率与单次任务总成功率均超过90%,验证了该方法能有效抑制随机扰动的不利影响,同时带来的任务时间增加很小。

5.1.2 扰动参数设置对投递效能的影响
通过设计12组具有不同均值、方差、相关性和支持集的扰动参数,并对到达距离进行统计分析,研究人员发现:扰动方差和扰动分量间的相关性是影响到达距离分布的主要因素;扰动均值方向和支持集边界的影响相对较小。随着任务序列推进,累积时间增大导致位置不确定性增大,为使概率约束满足,所需安全裕度增加,因此后续站点的名义到达距离更小。相关性对到达距离分布的影响随站点顺序呈非均匀变化,这源于各航段方向与扰动协方差矩阵特征向量之间的对准关系。

5.1.3 与基于Wasserstein的分布鲁棒优化比较
将所提出的基于矩的分布鲁棒方法与基于Wasserstein距离的分布鲁棒优化基线进行对比,结果表明:矩方法给出的安全裕度随累积时间单调递增,符合物理直觉;而Wasserstein方法因依赖有限样本经验分布,安全裕度出现非单调振荡,在数据稀缺时不可靠。这证实了矩方法在应急场景中仅可估计均值、协方差与支持集时更具优势。

5.2 双层任务分配优化模型的验证
5.2.1 紧双层耦合相对于解耦基线的优势
在包含两架无人机和多个救援站点的场景中,将所提集成模型与传统基于欧氏距离的静态任务分配模型(解耦基线)比较。传统方法先按直线距离分配任务,再独立规划轨迹,结果两机实际完成时间分别为94.03 s和100.63 s;集成模型采用跨区域交织分配策略,通过将下层最优控制时间反馈到上层任务分配,在满足所有运动学约束下将两机完成时间均降至66.07 s。该对比表明,最小空间距离不等于最优时间效率,集成建模能够显著提升系统整体任务执行效率。

5.2.2 集成框架在随机扰动下的性能
在两架异构无人机场景中,将鲁棒最优控制模型作为下层模块嵌入双层框架。求解得到的最优任务分配方案满足总需求价值不低于规定阈值,且两机任务完成时间接近,实现了负载均衡。名义轨迹与各站点之间保留了安全裕度,且安全裕度随任务序列推进而增大,体现了对不确定性累积的自适应调节。所有状态变量和控制输入均严格满足运动性能边界,验证了所提框架在随机扰动下多机协同规划的可行性和可靠性。

最后,讨论部分总结了四个关键成果:可靠性方面,确定性规划的成功率仅约0.7%,而所提方法在含相关扰动的严苛场景下仍保持高于99.9%的成功率;效率方面,鲁棒规划相比确定性规划的时间代价很小;安全裕度方面,矩方法所得裕度单调且确定,优于Wasserstein方法的非单调行为;负载均衡方面,双层优化最小化了两机最大完成时间并满足需求阈值。研究结论部分指出,论文建立了分布鲁棒集成“决策–控制”双层优化框架,通过矩模糊集、对偶理论与两阶段方法解决了部分矩信息下的多无人机任务分配问题。同时,研究也承认当前框架计算强度较高、扰动模型假设时间不相关、机会约束改写为保守充分条件、规划本质为离线等局限。未来工作将聚焦于大规模系统的分布式算法、时间相关与非平稳扰动建模、更紧的约束近似、将违规概率作为上层决策变量,以及结合模型预测控制的在线重规划。这些方向将进一步提升方法在动态应急环境中的实用性与自主性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号