The invention discloses a AUVs search fuzzy control algorithm and rounding up task allocation control method based on the method of using four layer fuzzy neural network to realize the AUVs control, fuzzy neural network is used for the top-down input layer, fuzzy layer, rule layer and defuzzification layer, by searching, hunting, obstacle avoidance dispersion and four stages of sub tasks, the S type fuzzy neural network to realize the dynamic nonlinear time-varying underwater robot control, according to the input / output data to automatically design and adjust the design parameters of the fuzzy system, realize the self-learning and adaptive function of fuzzy systems, hybrid layered architecture, which can adapt to AUVs different environment, increase the cooperation efficiency of AUVs, and is worthy of promotion.
【技术实现步骤摘要】
本专利技术涉及机器人控制
,具体为一种基于模糊控制算法的AUVs搜索和围捕任务分配控制方法。
技术介绍
移动目标围捕就是追捕者对移动目标进行包围,使得移动目标无路可逃,进而采取下一步行动。这就需要多追捕者之间不能是单纯的独立追捕,而是要进行协作,从而高效地完成围捕任务。这种多追捕者之间的协作在机器人学中被作为一个机器人系统,成为一个具有挑战性的关键问题,产生了很多研究成果。目前对多机器人围捕问题的研究大体可以分为两个模型基于传感器的模型和已知定位模型。在基于传感器的模型中,常见的控制方法是在未知环境中进行捕获,通过引入传感器数据的方法进行引导和控制。在已知定位模型中,逃避者的位置是已知的,通常用一些人工智能的方法。水下机器人(AUVs)也称无人遥控潜水器,是一种工作于水下的极限作业机器人。水下环境恶劣危险,人的潜水深度有限,所以水下机器人(AUVs)已成为开发海洋的重要工具。无人遥控潜水器主要有:有缆遥控潜水器和无缆遥控潜水器两种,其中有缆遥控潜水器又分为水中自航式、拖航式和能在海底结构物上爬行式三种。目前水下环境多变,很多的水下机器人在搜索围捕的时候都会遇到困难,因此设计了一种基于模糊控制算法的AUVs搜索和围捕任务分配控制方法。
技术实现思路
针对以上问题,本专利技术提供了一种基于模糊控制算法的AUVs搜索和围捕任务分配控制方法,通过S型模糊神经网络实现对于水下机器人的非线性时变的动力控制,根据输入输出的样本来自动设计和调整模糊系统的设计参数,实现模糊系统的自学习和自适应功能,结合混合分层式体系结构,使得AUVs能够适应不同的复杂环境,加大了AUV ...
【技术保护点】
一种基于模糊控制算法的AUVs搜索和围捕任务分配控制方法,其特征在于:本方法采用四层模糊神经网络来实现对于AUVs的控制,所使用的模糊神经网络自上而下为输入层、模糊化层、规则层与解模糊层,对应的阶段子任务为:(1)搜索:AUVs采用分区随机搜索方式对水下工作区域进行初步搜索,在工作的时候,根据传感器的信息进行避碰与路径规划,其中各个AUVs单独完成搜索,自主执行规划;(2)围捕:单个AUV在工作区域中发现了规划执行目标之后,通知混合分层式体系中其他AUVs,并且第一个发现目标的AUV成为当前leader,本leader基于成员和目标航行器的位置信息分配围捕任务,并将各子任务发布给相应的围捕成员。各成员收到任务后迅速向目标点运动,对入侵者实施围捕;(3)避障:确定目标之后,AUV在自身行进转轮的驱动下进行接近,基于传感器感知到的障碍信息选择避碰路线,其中障碍包括静态障碍物、团队成员与敌方AUV;(4)分散:搜索和围捕目标完成之后,自动分散AUVs回到规划执行的工作区域内,准备下一次目标的搜索和围捕。
【技术特征摘要】
1.一种基于模糊控制算法的AUVs搜索和围捕任务分配控制方法,其特征在于:本方法采用四层模糊神经网络来实现对于AUVs的控制,所使用的模糊神经网络自上而下为输入层、模糊化层、规则层与解模糊层,对应的阶段子任务为:(1)搜索:AUVs采用分区随机搜索方式对水下工作区域进行初步搜索,在工作的时候,根据传感器的信息进行避碰与路径规划,其中各个AUVs单独完成搜索,自主执行规划;(2)围捕:单个AUV在工作区域中发现了规划执行目标之后,通知混合分层式体系中其他AUVs,并且第一个发现目标的AUV成为当前leader,本leader基于成员和目标航行器的位置信息分配围捕任务,并将各子任务发布给相应的围捕成员。各成员收到任务后迅速向目标点运动,对入侵者实施围捕;(3)避障:确定目标之后,AUV在自身行进转轮的驱动下进行接近,基于传感器感知到的障碍信息选择避碰路线,其中障碍包括静态障碍物、团队成员与敌方AUV;(4)分散:搜索和围捕目标完成之后,自动分散AUVs回到规划执行的工作区域内,准备下一次目标的搜索和围捕。2.根据权利要求1所述的一种基于模糊控制算法的AUVs搜索和围捕任务分配控制方法,其特征在于:搜索策略:某个AUV设定当前位置为(xi,yi),搜索范围为xil≤xi≤xir,yid≤yi≤yiu,则当前的AUV随机选取搜索点(x'i,y'i)满足式子:其中l为一常值,表示AUV的下一个目标点离所有AUV当前位置的最小距离不能低于此值,可以定义为工作的规划区域;围捕策略:H1、H2、H3、H4、H5为当前参与搜索和围捕的AUV,α表示当前目标与AUV之间的夹角,则目标运动势点坐标表示需满...
【专利技术属性】
技术研发人员:韦昱灵,
申请(专利权)人:南宁市健佳网络科技有限公司,
类型:发明
国别省市:广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。