一种基于威胁的UUV应急决策方法技术

本发明专利技术属于UUV自主控制技术领域，具体涉及一种基于威胁的UUV应急决策方法。本发明专利技术有效解决UUV在水下环境遭遇威胁时能进行应急决策的问题，准确评估威胁事件，通过灵敏度分析得到威胁事件的威胁程度排序。在海洋环境威胁类、平台威胁类、任务威胁类三方面，便于了解当前UUV系统各部分的状况，利用动态影响图模型推理得到应急决策的最大期望效用值，确定最终应急决策方案。

A threat based UUV emergency decision method

【技术实现步骤摘要】
一种基于威胁的UUV应急决策方法
本专利技术属于UUV自主控制
，具体涉及一种基于威胁的UUV应急决策方法。
技术介绍
目前关于无人系统的决策的文献很多，有很多是关于空中无人航行器的。具有代表性的例如文献“赵振宇，周锐，池沛，基于模糊推理Petri网的无人机智能决策方法.兵工自动化，2015,34(3):71-73”，建立一种基于模糊推理Petri网的无人机智能决策方法，以FRPNs结构实现规则推理，按照规则分析系统的推理过程，并基于模糊推理Petri网的智能决策进行仿真。文献“郭昊，周德云，张堃，无人作战飞机空战自主机动决策研究[J].电光与控制，2010,17(8):28-32”，针对无人作战飞机自主空战的要求，通过空战机动方式的分析，提出一种基于风险型决策的空战自主机动决策算法；以对策论为基础，构建空战机动攻击阶段的对策模型，通过模糊决策分析找出最优机动策略。同时也有地面无人车辆的自主决策研究，例如文献“FurdaA,VlacicL.EnablingSafeAutonomousDrivinginReal-WorldCityTrafficUsingMultipleCriteriaDecisionMaking[J].IEEEIntelligentTransportationSystemsMagazine,2011,3(1):4-17.”，针对自主车辆的实时决策问题，提出了一种多准则决策(MCDM)方法，构建了整体控制系统架构，接着制定了任务分解方法，最后测试验证了MCDM方法的有效性。针对水下航行器的决策研究，比如文献“刘海光，潘爽，张源原.远程AUV区间值直觉模糊Petri网自主决策方法研究[J].电光与控制，2017,24(11):11-15.”，将模糊Petri网的模糊集合进行扩展，给出了区间值直觉模糊Petri网的定义，提出了推理方法和进行决策的步骤；并建立了远程AUV行动决策的模型，最后仿真了远程AUV自主决策的过程。再有文献“AliF,KimEK,KimYG.Type-2fuzzyontology-basedsemanticknowledgeforcollisionavoidanceofautonomousunderwatervehicles[J].InformationSciences,2015,295(C):441-464.”，基于海洋环境下障碍物数量迅速增多的问题，提出了一种AUV2-型模糊本体，用于提供海上作业过程中的碰撞风险和海洋环境的准确信息，建立具有智能语义领域知识系统来计算碰撞风险并避开障碍物，实验仿真验证提出的体系结构对于海洋任务和AUV的实时决策系统是高效的。
技术实现思路
本专利技术的目的在于提供可应用于在动态不确定海洋环境下的一种基于威胁的UUV应急决策方法。本专利技术的目的通过如下技术方案来实现，包括以下步骤：步骤1：将UUV在海洋环境下的威胁事件划分类别，根据专家经验反复测试确定每一类威胁事件的先验概率；步骤2：建立包含机会节点、决策节点和效用节点的UUV威胁的动态影响图模型；步骤3：UUV从搭载的传感器的信息中提取量化的威胁要素，将量化的威胁要素输入到动态影响图模型中；步骤4：动态影响图模型通过动态贝叶斯网络推理算法进行推理，得到决策节点中各个应急决策预案的效用值，利用最大效用理论确定最优的应急决策方案；所述的动态影响图模型通过动态贝叶斯网络推理算法进行推理，得到决策节点中各个应急决策预案的效用值具体为：在任意时间片t内，顶层隐藏节点为Zt，第二层隐藏节点变量为第3层观测变量为假设在第1个时间片的观测数据下，第2个时间片的条件概率为：在上式引入Z2的先验概率：则可表示为即动态贝叶斯网络的递推表达式为：设DID概率模型满足一阶马尔可夫假设，则有下式：P(Xt|X0:(t-1),D0:(t-1))＝P(Xt|Xt-1,Dt-1)给定状态变量集的转移概率P(Xt|Xt-1,Dt-1)和观察集的概率P(Ot|Xt)，状态变量集的概率分布通过转移模型进行传播，则t时状态变量的先验概率分布为：若给定观察变量集Ot和决策变量集Dt的条件先验概率，则状态变量集后验概率分布为：DID对应的联合树定义为一个二元组T＝(Γ,Δ)；其中Γ是团结点的集合，Γ中的两个团是通过Δ中团结点相连；对任意一对相邻团Ci和Cj，Ci∈Γ,Cj∈Γ,Sk∈Δ，Sk为Ci和Cj之间的一个分割团，即Sk＝Ci∩Cj时，有对DID进行分层分解，并引入分割团的条件，得到状态变量的近似概率分布为：利用状态变量的近似概率分布对DID概率模型进行推理，并计算每个时间片中概率模型的近似联合概率分布；在给定的策略规则δt的情况下，t时刻的期望效用为：在t时刻效用结点的效用函数可表示为如下：其中，是效用结点的父结点集，权重对应一个变量表示对效用结点影响的程度；如果或当小于一个权重阈值就认为和相互独立；设的取值集合为决策结点的取值集为xk,j表示给定决策结点和的父结点集时变量的期望值，即则在时，的效用函数可表示成：基于以上算法进行期望效用的计算，最终确定最大期望效用值；按照理性行为公理，应选择期望效用最大的决策作为最优的决策，即选择期望效用值最大的预案。本专利技术还可以包括：所述的步骤1中将UUV在海洋环境下的威胁事件划分类别具体划分为三种，即海洋环境威胁类、平台威胁类和任务威胁类；所述的海洋环境威胁类包括障碍物威胁、海流威胁和海水密度威胁；所述的平台威胁类包括能源余量不足威胁、漏水威胁和敌潜艇威胁；所述的任务威胁类包括任务载荷威胁；所述的步骤1中确定每一类威胁事件的先验概率具体为先根据专家知识来确定，由于先验概率凭经验给出，主观性比较强，因此对样本数据进行反复调试，对条件概率进行适当调整，以提高数据的准确性和客观性，提升预测结果的可信度。所述的UUV威胁的动态影响图模型的决策节点中由四种应急决策预案组成，具体为：UUV继续执行任务、启动重新规划系统、抛载上浮并等待救援、启动自毁装置。本专利技术的有益效果在于：本专利技术有效解决UUV在水下环境遭遇威胁时能进行应急决策的问题，准确评估威胁事件，通过灵敏度分析得到威胁事件的威胁程度排序。在环境威胁类、平台威胁类、任务威胁类三方面，便于了解当前UUV系统各部分的状况，利用动态影响图模型推理得到应急决策的最大期望效用值，确定最终应急决策方案。附图说明图1为UUV应急决策的动态影响图模型。图2为效用节点的各个决策预案的初始效用值。图3为t时刻四个决策预案的期望效用值。图4为t时刻UUV应急决策影响图模型的灵敏度分析。具体实施方式下面结合附图对本专利技术做进一步描述。本专利技术属于UUV自主控制
，具体涉及一种本文档来自技高网...

【技术保护点】
1.一种基于威胁的UUV应急决策方法，其特征在于，包括以下步骤：/n步骤1：将UUV在海洋环境下的威胁事件划分类别，根据专家经验反复测试确定每一类威胁事件的先验概率；/n步骤2：建立包含机会节点、决策节点和效用节点的UUV威胁的动态影响图模型；/n步骤3：UUV从搭载的传感器的信息中提取量化的威胁要素，将量化的威胁要素输入到动态影响图模型中；/n步骤4：动态影响图模型通过动态贝叶斯网络推理算法进行推理，得到决策节点中各个应急决策预案的效用值，利用最大效用理论确定最优的应急决策方案；/n所述的动态影响图模型通过动态贝叶斯网络推理算法进行推理，得到决策节点中各个应急决策预案的效用值具体为：/n在任意时间片t内，顶层隐藏节点为Z

【技术特征摘要】
1.一种基于威胁的UUV应急决策方法，其特征在于，包括以下步骤：
步骤1：将UUV在海洋环境下的威胁事件划分类别，根据专家经验反复测试确定每一类威胁事件的先验概率；
步骤2：建立包含机会节点、决策节点和效用节点的UUV威胁的动态影响图模型；
步骤3：UUV从搭载的传感器的信息中提取量化的威胁要素，将量化的威胁要素输入到动态影响图模型中；
步骤4：动态影响图模型通过动态贝叶斯网络推理算法进行推理，得到决策节点中各个应急决策预案的效用值，利用最大效用理论确定最优的应急决策方案；
所述的动态影响图模型通过动态贝叶斯网络推理算法进行推理，得到决策节点中各个应急决策预案的效用值具体为：
在任意时间片t内，顶层隐藏节点为Zt，第二层隐藏节点变量为第3层观测变量为假设在第1个时间片的观测数据下，






第2个时间片的条件概率为：



在上式引入Z2的先验概率：



则可表示为



即动态贝叶斯网络的递推表达式为：



设DID概率模型满足一阶马尔可夫假设，则有下式：
P(Xt|X0:(t-1),D0:(t-1))＝P(Xt|Xt-1,Dt-1)
给定状态变量集的转移概率P(Xt|Xt-1,Dt-1)和观察集的概率P(Ot|Xt)，状态变量集的概率分布通过转移模型进行传播，则t时状态变量的先验概率分布为：



若给定观察变量集Ot和决策变量集Dt的条件先验概率，则状态变量集后验概率分布为：



DID对应的联合树定义为一个二元组T＝(Γ,Δ)；其中Γ是团结点的集合，Γ中的两个团是通过Δ中团结点相连；对任意一对相邻团Ci和Cj，Ci∈Γ,Cj∈Γ,Sk∈Δ，Sk为Ci和Cj之间的一个...

【专利技术属性】
技术研发人员：王宏健，么洪飞，阮力，陈涛，代涛，李本银，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23