基于混合式架构的群体智能协同方法和系统技术方案

本发明专利技术属于群体智能协同技术领域，具体涉及了一种基于混合式架构的群体智能协同方法和系统，旨在解决现有的群体协同方法缺乏灵活性和自主性并且无人平台之间数据交互和协同不足的问题。本发明专利技术包括：先基于预设的群体任务生成个体无碰撞路径，无人平台执行个体无碰撞路径同时获取自身传感器数据，无人平台根据各传感器数据构建局部地图并生成再规划路径，无人平台执行再规划路径并将任务执行状态传输至控制中枢，控制中枢根据任务执行状态调整群体任务，本发明专利技术提高了群体智能协同的灵活性和自主性并加强了平台间的数据交互和协同。

【技术实现步骤摘要】
基于混合式架构的群体智能协同方法和系统
本专利技术属于群体智能协同
，具体涉及了一种基于混合式架构的群体智能协同方法和系统。
技术介绍
自主化、网络化和智能化已成为无人系统发展的必然趋势。目前，多无人平台的应用逐步增多，比如多无人机集群表演、多无人车仓储物流运输等，但大部分应用场景是通过预先规划各无人平台运行轨迹脚本的方式，采用集中式通信网络，与控制中心进行少量的数据交互，驱动各无人平台完成任务，缺乏灵活性、自主性，以及平台间的数据交互和协同。群体智能我国新一代人工智能重点发展的五大智能形态之一，在推动我国新一代人工智能技术发展中占据重要地位，它更强调通过相对简单的多无人平台的行为协作、任务协作等，形成高级的群体行为能力，共同完成单个无人平台无法或难以完成的任务。国内外对群体智能作用机理研究多数处在起步阶段，对于群体智能的探究具有极强的战略意义和科研价值。群体智能中的多无人平台协同通常采用集中式或分布式通信架构，相比于集中式架构的处理机制简单，存在单点失效的可能，分布式架构的可扩展性、容错性较好，但存在规划信息冲突以及更新的一致性问题。<本文档来自技高网...

【技术保护点】
1.一种基于混合式架构的群体智能协同方法，其特征在于，所述方法包括：/n步骤S100，控制中枢基于预设的群体任务生成群体中每个无人平台的个体无碰撞路径；/n步骤S200，所述无人平台执行对应的所述个体无碰撞路径，基于获取的定位信息获取自身传感器数据；/n所述传感器数据包括无人平台与障碍物的距离、与其他无人平台的距离和无人平台的自身的速度、姿态、标识、位置、加速度、角速度、偏航角、高度；/n步骤S300，控制中枢基于各无人平台的所述传感数据构建局部地图；/n步骤S400，基于所述局部地图，各无人平台调整其对应的个体无碰撞路径获得再规划路径，并执行所述再规划路径，将任务执行状态传输至所述控制中枢；...

【技术特征摘要】
1.一种基于混合式架构的群体智能协同方法，其特征在于，所述方法包括：
步骤S100，控制中枢基于预设的群体任务生成群体中每个无人平台的个体无碰撞路径；
步骤S200，所述无人平台执行对应的所述个体无碰撞路径，基于获取的定位信息获取自身传感器数据；
所述传感器数据包括无人平台与障碍物的距离、与其他无人平台的距离和无人平台的自身的速度、姿态、标识、位置、加速度、角速度、偏航角、高度；
步骤S300，控制中枢基于各无人平台的所述传感数据构建局部地图；
步骤S400，基于所述局部地图，各无人平台调整其对应的个体无碰撞路径获得再规划路径，并执行所述再规划路径，将任务执行状态传输至所述控制中枢；
步骤S500，所述控制中枢根据所述任务执行状态对所述群体任务进行调整。


2.根据权利要求1的基于混合式架构的群体智能协同方法，其特征在于，所述预设的群体任务包括设置群体任务的：任务类型、群体个数、平台配置和任务目标信息；
所述任务类型包括搜索、运输、侦查、表演、打击和支援；
所述群体个数为预先估计的完成任务需要的无人平台个数；
所述平台配置为群体中每个无人平台的电量、最大机动速度、最大通信范围、最大载重量和载荷类型；
所述任务目标信息为任务目标、目标区域、目标区域的环境状况、安全系数和任务量。


3.根据权利要求2的基于混合式架构的群体智能协同方法，其特征在于，步骤S100包括：
步骤S110，基于所述群体任务选取无人平台，包括：
所述无人平台个数≥所述目标区域个数；
所述无人平台的电量≥所述无人平台到所述目标区域的最大距离需要的电量；
所述无人平台最大载重量≥所述任务量；
步骤S120，基于所述任务量、安全系数和无人平台到目标区域的距离，通过匈牙利算法建立代价矩阵W：



其中，wij为第i个无人平台到第j个目标区域的综合代价：
wij＝α1·qij+α2·tij+α3·dij
其中，qij为第i个无人平台到第j个目标区域承担的任务，tij为第i个无人平台到第j个目标区域的安全系数，dij为第i个无人平台到第j个目标区域的距离，α1表示第i个无人平台到第j个目标区域承担任务的因素系数，α2表示第i个无人平台到第j个目标区域安全系数的因素系数，α3表示第i个无人平台到第j个目标区域距离的因素系数；
步骤S130，通过匈牙利算法计算所述代价矩阵W，获得各无人平台与所述目标区域的映射关系；
步骤S140，基于所述映射关系，通过结合时间因素的改进A*算法，计算出各无人平台到目标区域的无碰撞路径。


4.根据权利要求3的基于混合式架构的群体智能协同方法，其特征在于，步骤S140包括：
步骤S141，构建无人平台通过代价栅格地图，计算每个栅格的通过代价r；



其中，L1为障碍物的威胁距离，L2为障碍物的安全距离，C＝0.5为当所述无人平台在障碍物致命区时的代价，μ为区域威胁系数；
步骤S142，结合时间因素和所述通过代价r改进所述A*算法；
改进的A*算法路径评价为F(t)：
F(t)＝G(t)+H(t)
其中，G(t)为所述无人平台从起始节点到当前节点的实际代价，H(t)表示在所述无人平台从当前节点到目标节点的估计代价；
所述实际代价G(t)为：
G(t)＝G(t-1)+r1*|p(xt，yt，t)-p(xt-1，yt-1，t-1)|+T(t)
其中，p(xt，yt，t)为加入时间变量的当前节点坐标，T(t)为从当前节点到下一节点的转弯代价；
步骤S143，基...

【专利技术属性】
技术研发人员：丘腾海，蒲志强，刘振，易建强，常红星，吴士广，康扬名，王乐乐，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11