一种基于鲸鱼算法的多无人机协同搜索多动态目标方法技术

本发明专利技术公开了一种基于鲸鱼算法的多无人机协同搜索多动态目标方法。包括以下步骤：建立环境模型，初始化目标概率地图；建立目标函数；利用改进的鲸鱼算法结合一种新的目标概率地图更新方式，进行未知环境的目标搜索。本发明专利技术充分利用海域内目标存在的概率图特性来设计更新规则，基于检测目标和运动预测目标更新目标概率地图，使得鲸鱼算法能够更好的完成多无人机对未知海域的搜索。

【技术实现步骤摘要】
一种基于鲸鱼算法的多无人机协同搜索多动态目标方法
本专利技术涉及协同搜索和群体智能优化，具体涉及一种多无人机协同搜索未知海域多动态目标方法。
技术介绍
近年来，由于传感器、微处理器和信息处理技术的飞速发展，无人集群系统的功能日益增强，其应用范围也在不断扩大。由于其灵活性、可扩展性和较强的协同操作能力，无人集群协同理论与应用的研究越来越受到学术界、工业界和国防界的关注。多无人机协同搜索系统可以有效地提高搜索效率，特别是在不确定性、强干扰等复杂海况下。因此，海上多无人机协同搜索是无人机集群系统研究的重要方向之一。对于某个海域，有多架同质无人机进入需要执行任务的海域，每架无人机使用自己的探测传感器独立搜索未知目标。多无人机通过协同搜索，可以在最短的时间内以最小的代价找到尽可能多的目标。在未知环境中无人机(unmannedaerialvehicles,UAV)执行目标搜索任务过程中，由于目标和环境信息的不确定性，传统的预先航迹规划将不能适应这种动态变化环境，而需要研究实时的在线规划方法以适应UAV面临时变环境的特点。为了降低目标运动的不确定性，本文档来自技高网...

【技术保护点】
1.一种基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，包括以下步骤：/n(1)建立环境模型，初始化目标概率地图；/n(2)建立目标函数，对无人机目标搜索回报函数和环境搜索回报函数进行加权求和；/n(3)对鲸鱼算法进行初始化，设置迭代次数k＝0，最大迭代次数k

【技术特征摘要】
1.一种基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，包括以下步骤：
(1)建立环境模型，初始化目标概率地图；
(2)建立目标函数，对无人机目标搜索回报函数和环境搜索回报函数进行加权求和；
(3)对鲸鱼算法进行初始化，设置迭代次数k＝0，最大迭代次数kmax；
(4)利用目标函数获得鲸鱼在所有位置上的适应度值，更新参数，并确定鲸鱼种群初始个体最优位置与全局最优位置，然后k＝k+1；
(5)生成指示参数ε，判断参数ε是否小于预设阈值，若是则进行步骤(6)，否则进行步骤(7)；
(6)采用鲸鱼算法的收缩包围和随机搜索进行鲸鱼个体位置向量迭代更新，更新完成后进行步骤(8)；
(7)采用鲸鱼算法的螺旋上升进行鲸鱼个体位置向量迭代更新；
(8)计算个体位置的适应度值，并更新个体最优位置和全局最优位置；
(9)基于检测目标和运动预测目标更新目标概率地图；
(10)判断当前迭代次数k是否小于最大迭代次数kmax，若是，进行步骤(2)，否则，进行步骤(11)；
(11)输出全局最优位置。


2.根据权利要求1所述的基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，所述步骤(1)包括：
采用栅格法对搜索海域进行划分并标号，将搜索海域定义为E＝Lx×Ly，并将海域分割成N个栅格，N＝Nx×Ny，单元格i被定义为：i＝nx+(ny-1)×Ny，其中nx＝1...Nx，ny＝1...Ny，Nx＝Lx/Rs，Ny＝Ly/Ry；
建立目标概率图模型，并初始化目标概率图，Pi(t)∈[0,1]代表单元格i在t时刻的目标存在概率：
Pi＝∫∫sf(x,y)dxdy



其中S为单元格i所在的区域，f(x,y)为目标的联合和概率密度...

【专利技术属性】
技术研发人员：刘琨，黄大庆，韩玉洁，万思钰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32