2025年OE SCI2区TOP，面向复杂三维海上风电海域救援的多无人机协同路径规划，深度解析+性能实测-程序员充电站

1.摘要

随着海洋经济的发展，海上救援任务日益频繁，多无人机协同搜索与救援为海上救援提供了新的技术途径。针对复杂三维海上风场环境下的多无人机路径规划问题，本文构建了基于 Lamb–Oseen 风场模型的三维海上环境模型，综合考虑海风影响及无人机间距离等因素，设计了多无人机路径代价函数，并提出了一种引导式协同控制机制，实现多无人机协同路径规划。

2.环境模型

针对复杂海上环境下的无人机路径规划问题，本文在笛卡尔坐标系下构建了三维海上环境模型，综合考虑海风、禁飞区域及岛屿地形等关键约束因素。采用 Lamb–Oseen 风场模型对海上风涡结构进行建模，以刻画海风对无人机飞行稳定性和能耗的影响；将不同风险等级的禁飞区域抽象为球形约束区域，以反映多层次飞行限制；并通过混合高斯函数对岛屿地形进行建模，模拟地形高度变化特征。

3.海洋多无人机路径规划

模型结合无人机飞行特性，分别对飞行速度、最大偏航角和爬升角进行了限制，以保证路径的可飞行性；同时考虑多无人机协同任务中的通信需求与安全要求，引入最大通信距离和最小安全间距约束，避免通信失效和飞行冲突。

多无人机协同约束条件

多无人机任务需要在飞行过程中同时协调无人机之间的空间距离与到达时间，在搜索与救援过程中，通过对路径关键点间距离的检测，约束无人机之间的相对距离，确保其始终处于通信范围内并避免发生碰撞：
d j , k = ( x j ( e ) − x k ( f ) ) 2 + ( y j ( e ) − y k ( f ) ) 2 + ( z j ( e ) − z k ( f ) ) 2 d_{j,k}=\sqrt{\left(x_j(e)-x_k(f)\right)^2+\left(y_j(e)-y_k(f)\right)^2+\left(z_j(e)-z_k(f)\right)^2}dj,k=(xj(e)−xk(f))2+(yj(e)−yk(f))2+(zj(e)−zk(f))2

在多无人机协同搜索与救援任务中，为提高搜索效率，需要保证各无人机在满足性能约束的前提下尽可能同时抵达目标区域。本文引入时间协同约束，根据无人机的速度范围计算可行的飞行时间区间，并结合路径长度确定各无人机的飞行速度，使其在满足最短到达时间要求的同时实现同步到达：
T i ∈ [ D i ν i , m a x , D i ν i , m i n ] T_i\in\left[\frac{D_i}{\nu_{i,max}},\frac{D_i}{\nu_{i,min}}\right]Ti∈[νi,maxDi,νi,minDi]

其中，T i T_iTi表示第i ii架无人机的可行飞行时间区间，D i D_iDi表示第i ii架无人机的路径长度，v i , m a x v_{i,max}vi,max表示第i ii架无人机的最大飞行速度，v i , m i n v_{i,min}vi,min表示第i ii架无人机的最小飞行速度。在获得所有无人机的可行飞行时间区间后，对其取交集即可得到多无人机的可行同步飞行时间区间：
T = ( T 1 ∩ T 2 ∩ ⋯ T p ) T=(T_1\cap T_2\cap\cdots T_p)T=(T1∩T2∩⋯Tp)

4.结果展示

5.参考文献

[1] Li H, Miao F, Mei X. Facilitating Multi-UAVs application for rescue in complex 3D sea wind offshore environment: A scalable Multi-UAVs collaborative path planning method based on improved coatis optimization algorithm[J]. Ocean Engineering, 2025, 324: 120701.