一种基于混合算法的无人艇群控制方法技术

本申请公开了一种基于混合算法的无人艇群控制方法，包括：步骤S1、获取任务信息；步骤S2、根据任务信息，建立搜索海域范围的无人艇动态网格，并确定无人艇动态网格内子网格的坐标标注信息，其中，无人艇动态网格由多个子网格拼接而成；步骤S3、根据任务信息及无人艇动态网格，对无人艇群进行初始化；步骤S4、基于非洲蜂与深度卷积神经网络的混合算法，依据坐标标注信息，对初始化后的无人艇群进行多目标任务搜索控制，以在无人艇动态网格的各个子网格内执行多目标任务搜索。通过本申请中的技术方案，解决无人艇群的协同控制问题，实现多目标的高效、实时性搜索，并针对搜索目标的类型采用相应的搜索手段保证多目标任务搜索的精度。用相应的搜索手段保证多目标任务搜索的精度。用相应的搜索手段保证多目标任务搜索的精度。

【技术实现步骤摘要】
一种基于混合算法的无人艇群控制方法


[0001]本申请涉及无人艇群控制的
，具体而言，涉及一种基于混合算法的无人艇群控制方法。

技术介绍

[0002]随着对海洋的开发和探索，无人艇作为一种水上智能装备日益得到各国的重视，全世界竞相研发，其发展十分迅速，尤其智能化等关键技术的突破和应用，或将改变未来军事领域中的海战形式。无人艇以其卓越的优点，在海洋巡逻、搜救、作战、海洋环境检测等多个军用、民用等领域不断得到应用和发展。
[0003]无人艇具有远程控制、自主航行的功能，尤其适合恶劣海况不适宜有人操作等复杂环境的作业任务，此外无人艇的一大优势是其无人艇群具有集群效应，小巧的无人艇航程大、航速高、适应性强安全性高，对于大面积未知海况作业具有高效率、低成本的突出优势。
[0004]为了最大化无人艇群集群效应，对无人艇群的协同控制目前研究较少，而现有的无人艇群的协同控制通常是利用启发式方法，一方面，这种方式在对无人艇群控制过程中对全局路径优化耗时长，不适合实时性控制。另一方面，这种方式也不适用于环境动态变化较大的应用场景，且对目标作业区域的目标检测精度低。

技术实现思路

[0005]本申请的目的在于：解决无人艇群的协同控制问题，实现多目标的高效、实时性搜索，适应复杂的动态应用场景，并针对搜索目标的类型采用相应的搜索手段保证多目标任务搜索的精度。
[0006]本申请的技术方案是：提供了一种基于混合算法的无人艇群控制方法，该方法包括：步骤S1、获取任务信息，其中，任务信息包括搜索海域范围；步骤S2、根据任务信息，建立搜索海域范围的无人艇动态网格，并确定无人艇动态网格内子网格的坐标标注信息，其中，无人艇动态网格由多个子网格拼接而成，建立搜索海域范围的无人艇动态网格的具体过程包括：步骤S21，基于任务信息，确定无人艇群的搜索目标任务类型；步骤S22，基于搜索目标任务类型，确定无人艇群的目标搜索手段；步骤S23，根据确定后的目标搜索手段和搜索海域范围内的当前海况信息、气象条件信息，确定无人艇群的有效搜索范围；步骤S24，根据搜索海域范围和无人艇群的有效搜索范围，建立无人艇动态网格；步骤S25，确定无人艇动态网格的坐标标注信息；步骤S3、根据任务信息及无人艇动态网格，对无人艇群进行初始化；步骤S4、基于非洲蜂与深度卷积神经网络的混合算法，依据坐标标注信息，对初始化后的无人艇群进行多目标任务搜索控制，以在无人艇动态网格的各个子网格内执行多目标任务搜索。
[0007]上述任一项技术方案中，进一步地，步骤S2中还包括：更新无人艇动态网格，该过程具体包括：根据搜索海域范围的地理坐标、气象条件信息、当前海况信息，对搜索海域范
围进行划分，将搜索海域范围划分为4个局部区域；在每个局部区域中，以无人艇群的有效搜索范围为半径，确定最大搜索区域，以最大搜索区域的内接正方形作为最小网格单元，以最少数量的最小网格单元覆盖局部区域，作为局部区域的局部矩形区域，其中，最大搜索区域为圆形；将多个局部矩形区域拼接组成搜索海域范围的无人艇动态网格。
[0008]上述任一项技术方案中，进一步地，步骤S4中，进行多目标任务搜索控制，具体过程包括：步骤S41，获取无人艇群初始化参数；步骤S42，根据无人艇搜索过程所处海域的地理坐标、海域地理信息、气象条件信息、当前海况信息，判断是否需要更新无人艇动态网格，并根据更新后的无人艇动态网格，采用迭代算法和适应度函数，计算无人艇当前全局威胁度最高点，并录入信息素向量；步骤S43，根据信息素向量、以及当前子网格内各个无人艇的单艇速度及单艇位置，更新各个无人艇航行至下一个子网格的单艇位置及单艇速度；步骤S44，计算无人艇采集的搜索图像中含有搜索目标的概率，确定搜索目标所在海域位置，并进行下一次迭代运算，根据更新后的下一个子网格的单艇位置及单艇速度，控制无人艇航行至下一个子网格，重新采集搜索图像；S45算法终止，输出最终无人艇群确定的搜索目标所在海域位置。
[0009]上述任一项技术方案中，进一步地，步骤S43中，更新各个无人艇航行至下一个子网格的单艇位置x
k
(t+1)及单艇速度，对应的计算公式为：
[0010]x
k
(t+1)＝x
k
(t)+η
⊙
v
k
(t)
[0011][0012]η＝{a1,a2,
…
a
m
}
[0013]a1＝0.5(MaxIter
‑
t)/MaxIter
[0014]式中，x
k
(t)为当前时刻t第k个无人艇的单艇位置，η
⊙
v
k
(t)为当前时刻t第k个无人艇的单艇速度，a2、a3、...、a
m
‑1为a1～a
m
的等分值，以此实现随时间增加而降低历史信息素权重的目的，i为中间参数，rand
i(t)
为当前时刻t第i个在(0,1)区间上服从均匀分布的随机数，MaxIter为最大迭代次数。
[0015]上述任一项技术方案中，进一步地，步骤S44中，具体包括：判断搜索图像中含有搜索目标的概率是否大于阈值，若大于，则判定搜索图像中含有搜索目标，否则，判定搜索图像中不含有搜索目标；若含有搜索目标，判断已确定目标数量是否大于或等于搜索目标数量，若是，执行步骤S45，若否，则根据更新后的下一个子网格的单艇位置和单艇速度，控制无人艇航行至下一个子网格，对下一个子网格进行搜索；若不含有搜索目标，判断无人艇的单艇航行时间是否达到最大值，若达到最大值，则将概率的最大值对应的位置，确定为搜索目标的海域位置；若未达到最大值，则判断是否达到最大迭代次数，若未达到，执行步骤S42，若达到，执行步骤S45，其中，搜索目标数量和最大迭代次数由任务信息确定。
[0016]本申请的有益效果是：
[0017]本申请中的技术方案，结合搜索海域范围内气象条件、海况信息、海洋环境等海域信息，与任务信息相结合，建立搜索海域范围的无人艇动态网格，该无人艇动态网格包括多个子网格，每个子网格对应一处搜索海域，以便基于无人艇群控制方法，根据无人艇动态网格的坐标标注信息和任务信息，将多个无人艇单艇分配至对应的网格，进行多目标任务搜
索，大大提高了无人艇群的搜索能力，并简化了无人艇群控制的计算模型，有效提高了无人艇群控制的计算速度和计算精度。
[0018]本申请通过建立无人艇动态网格，并基于无人艇搜索过程所处海域的地理坐标、海域地理信息、海域的气象条件、海况信息等参数，对无人艇动态网格进行更新，再根据更新后的无人艇动态网格进行无人艇群进行多目标任务搜索控制，能够实时根据无人艇所处海域、气象条件、海况信息的差异，最大化利用无人艇群的搜索能力，提高搜索效率，并使无人艇群的搜索能够适应复杂应用场景，同时兼顾搜索效率和搜索精度。
[0019]本申请在无人艇群控制时采用的非洲蜂算法与深度卷积神经网络相结合的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合算法的无人艇群控制方法，其特征在于，所述方法适用于控制所述无人艇群进行多目标任务搜索，其特征在于，所述方法包括：步骤S1、获取任务信息，其中，所述任务信息包括搜索海域范围；步骤S2、根据所述任务信息，建立所述搜索海域范围的无人艇动态网格，并确定所述无人艇动态网格内子网格的坐标标注信息，其中，所述无人艇动态网格由多个所述子网格拼接而成，所述建立所述搜索海域范围的无人态艇动网格的具体过程包括：步骤S21，基于所述任务信息，确定所述无人艇群的搜索目标任务类型；步骤S22，基于所述搜索目标任务类型，确定所述无人艇群的目标搜索手段；步骤S23，根据确定后的目标搜索手段和所述搜索海域范围内的当前海况信息、气象条件信息，确定所述无人艇群的有效搜索范围；步骤S24，根据所述搜索海域范围和所述无人艇群的有效搜索范围，建立所述无人艇动态网格；步骤S25，确定所述无人艇动态网格的所述坐标标注信息；步骤S3、根据所述任务信息及所述无人艇动态网格，对无人艇群进行初始化；步骤S4、基于非洲蜂与深度卷积神经网络的混合算法，依据所述坐标标注信息，对初始化后的无人艇群进行多目标任务搜索控制，以在所述无人艇动态网格的各个子网格内执行多目标任务搜索。2.如权利要求1所述的基于混合算法的无人艇群控制方法，其特征在于，所述步骤S2中还包括：更新所述无人艇动态网格，该过程具体包括：根据所述搜索海域范围的地理坐标、所述气象条件信息、所述当前海况信息，对所述搜索海域范围进行划分，将所述搜索海域范围划分为4个局部区域；在每个局部区域中，以所述无人艇群的有效搜索范围为半径，确定最大搜索区域，以所述最大搜索区域的内接正方形作为最小网格单元，以最少数量的最小网格单元覆盖所述局部区域，作为所述局部区域的局部矩形区域，其中，所述最大搜索区域为圆形；将多个所述局部矩形区域拼接组成所述搜索海域范围的所述无人艇动态网格。3.如权利要求1所述的基于混合算法的无人艇群控制方法，其特征在于，所述步骤S4中，进行多目标任务搜索控制，具体过程包括：步骤S41，获取无人艇群初始化参数；步骤S42，根据无人艇搜索过程所处海域的地理坐标、海域地理信息、气象条件信息、当前海况信息，判断是否需要更新所述无人艇动态网格，并根据更新后的无人艇动态网格，采用迭代算法和适应度函数，计算无人艇当前全局威胁度最高点，并录入信息素向量；步骤S43，根据所述信息素向量、以及当前子网格内各个无人艇的单艇速度及单艇位置，更新各个无...

【专利技术属性】
技术研发人员：王兴月，杜俭业，鲍永亮，冯伟强，秦仕朋，李靖，张天航，
申请(专利权)人：中国人民解放军九二九四二部队，
类型：发明
国别省市：