This paper proposes a method for real-time rerouting drone flights under uncertain flight times. The battery runtime that remains of a drone in real-time may be insufficient to complete its flight mission. This may be due to external factors, such as unexpected severe weather or obstacles that move into the drone’s flight path. Under unexpected situations, such as these, the drone cannot safely return to its depot, as planned. To ensure that the drone makes a safe return and that the flight mission is a success, there must be a real-time rerouting process for a drone’s flight path in response to unforeseeable circumstances. Hence, this paper proposes a real-time rerouting process consisting of two optimization models that generate an optimal alternative flight path for a drone that has insufficient remaining battery runtime. The first model is used to find an optimal flight path to visit all remaining target waypoints. If the first model fails to obtain a feasible solution, the second model is implemented to find an optimal flight path to minimize the number of unvisited waypoints. To confine the total flight (travel) time to the insufficient battery runtime, both models include the constraint associated with uncertain flight (travel) times between waypoints. To capture this uncertainty, this paper proposes a chance constrained programming (CCP) approach under the assumption of a known mean, variance, and flight time intervals. Numerical examples show how the proposed rerouting process works, and the CCP method results in more conservative solutions as compared to the deterministic approach.

本文提出了一种在不确定飞行时间下实时改航无人机飞行的方法。无人机实时剩余的电池运行时间可能不足以完成其飞行任务。这可能是由于外部因素引起的，例如意外的恶劣天气或进入无人机飞行路径的障碍物。在此类意外情况下，无人机无法按计划安全返回仓库。为确保无人机安全返回并成功执行飞行任务，必须对无人机的飞行路线进行实时重新路由以应对不可预见的情况。因此，本文提出了一种实时重新路由过程，该过程由两个优化模型组成，可为剩余电池运行时间不足的无人机生成最佳替代飞行路线。第一个模型用于找到访问所有剩余目标航点的最佳飞行路径。如果第一个模型无法获得可行的解决方案，则执行第二个模型以找到最佳的飞行路线，以最大程度地减少未访问航点的数量。为了将总飞行（旅行）时间限制在不足的电池运行时间，两个模型都包括与航点之间不确定的飞行（旅行）时间相关的约束。为了捕获这种不确定性，本文提出了一种在已知均值，方差和飞行时间间隔为假设的情况下的机会约束规划（CCP）方法。数值示例显示了所提出的重新路由过程如何工作，与确定性方法相比，CCP方法得出的解决方案更为保守。如果第一个模型无法获得可行的解决方案，则执行第二个模型以找到最佳的飞行路径，以最大程度地减少未访问航点的数量。为了将总飞行（旅行）时间限制在不足的电池运行时间，两个模型都包括与航点之间不确定的飞行（旅行）时间相关的约束。为了捕获这种不确定性，本文提出了一种在已知均值，方差和飞行时间间隔为假设的情况下的机会约束规划（CCP）方法。数值示例说明了所提出的重新路由过程如何工作，与确定性方法相比，CCP方法得出的解决方案更为保守。如果第一个模型无法获得可行的解决方案，则执行第二个模型以找到最佳的飞行路径，以最大程度地减少未访问航点的数量。为了将总飞行（旅行）时间限制在不足的电池运行时间，两个模型都包括与航点之间不确定的飞行（旅行）时间相关的约束。为了捕获这种不确定性，本文提出了一种在已知均值，方差和飞行时间间隔为假设的情况下的机会约束规划（CCP）方法。数值示例显示了所提出的重新路由过程如何工作，与确定性方法相比，CCP方法得出的解决方案更为保守。为了将总飞行（旅行）时间限制在不足的电池运行时间，两个模型都包括与航点之间不确定的飞行（旅行）时间相关的约束。为了捕获这种不确定性，本文提出了一种在已知均值，方差和飞行时间间隔为假设的情况下的机会约束规划（CCP）方法。数值示例说明了所提出的重新路由过程如何工作，与确定性方法相比，CCP方法得出的解决方案更为保守。为了将总飞行（旅行）时间限制在不足的电池运行时间，两个模型都包括与航点之间不确定的飞行（旅行）时间相关的约束。为了捕获这种不确定性，本文提出了一种在已知均值，方差和飞行时间间隔为假设的情况下的机会约束规划（CCP）方法。数值示例显示了所提出的重新路由过程如何工作，与确定性方法相比，CCP方法得出的解决方案更为保守。