一种异构无人系统任务分配自主决策方法技术方案

本发明专利技术公开了一种异构无人系统任务分配自主决策方法，涉及异构智能体编队控制领域，具体包括根据任务价值

【技术实现步骤摘要】
一种异构无人系统任务分配自主决策方法


[0001]本专利技术涉及异构智能体编队控制领域，具体涉及一种异构无人系统任务分配自主决策方法，尤其是一种水面无人艇和水下无人航行器任务分配自主决策方法
。

技术介绍

[0002]面对复杂多变的海洋环境，作为海上无人系统的水面无人艇（
Unmanned Surface Vehicle
，
USV
）和自治水下航行器（
Autonomous Underwater Vehicle, AUV
）在执行
3D
（
dirty
‑
dull
‑
dangerous
）任务时，具有无可比拟的优势
。
然而，单一海上无人系统的承载能力低
、
覆盖范围小
、
信息处理能力弱等缺点显著，跨域协同是无人系统发展的高级阶段，是应对日益复杂任务的重要技术途径，因此，水面
/
水下跨域异构无人系统智能协同观测与分布式作战研究对于我国加快海洋强国建设具有重要意义
。
[0003]随着人工智能技术的发展，跨域协同势必为海上无人系统的发展带来更多契机，是海上异构无人系统在执行海洋动力过程观测
、
海洋牧场环境参数监测
、
海洋工程现场环境监测以及作战任务成功与否的关键因素
。
无人系统协同任务分配是实现其协同观测和作战的前提和基础，最终目标是将所要执行的任务分配到多个无人系统上，以实现最佳的任务效能
。
一些文献中尝试利用合作协商的决策方法解决该类型问题，将任务分配的过程通过某些特定的协商框架实现，采用分层递进的求解思路，并通过协商规划出可行的分配方案，主要的算法有：分布式合同网竞拍法
、
多体满意决策论法
、
可变策略协商法等；另一些文献则基于特定的分配模型与指标函数，利用智能算法求解最优的分配方案，例如模拟退火算法
、
禁忌搜索算法
、
遗传算法
、
蜂群算法
、
蝙蝠算法
、
粒子群算法
、
动态规划等
。
禁忌搜索算法由于禁忌表的存在所能进行的搜索规模较小；遗传算法的实时性较差并且计算速度相对较慢；粒子群
、
蜂群等算法容易出现局部最优的结果
。
[0004]动态规划算法的鲁棒性
、
动态性以及协同性好，更适合应用在具有强耦合
、
强非线性
、
高复杂性的系统，但是，该方法容易陷入“维数灾难”。
海上异构无人系统具有强耦合
、
强非线性
、
高复杂性的特点，如何根据任务价值
、
航行距离和任务执行时间等因素，建立任务分配模型，在此基础上设计合理的事件触发条件，减小无人系统之间的通信负荷及控制过程的计算量，避免“维数灾难”，是异构无人系统任务分配自主决策的关键技术问题
。

技术实现思路

[0005]为了克服现有技术中存在的上述问题，本专利技术提出一种异构无人系统任务分配自主决策方法
。
[0006]本专利技术解决其技术问题所采用的技术方案是：一种异构无人系统任务分配自主决策方法，包括如下步骤：步骤1，根据任务价值
、
航行距离
、
任务执行时间进行任务分配建模，得到航行器任务分配模型：
;
其中，
f
sail
表示总航行距离，
f
t
表示总任务执行时间，
f
v
表示任务分配方案的总价值指标，
、、
表示权重系数；步骤2，基于步骤1的任务分配模型设计基于事件触发的自适应动态规划算法，所述基于事件触发的自适应动态规划算法包括模型网络
、
评价网络
、
执行网络
、
事件触发器
、
零阶保持器；步骤3，通过步骤2的基于事件触发的自适应动态规划算法对异构无人系统进行任务分配
。
[0007]上述的一种异构无人系统任务分配自主决策方法，所述步骤1中任务分配方案的总价值指标
f
v
具体为：
;
其中，为任务的价值；表示第
i
个航行器在执行第
j
个任务；
i
表示第
i
个航行器，
j
表示第
j
个任务
。
[0008]上述的一种异构无人系统任务分配自主决策方法，所述步骤1中总航行距离
f
sail
具体为：；其中，
j
表示第
j
个任务，
i
表示第
i
个航行器，表示航行器
i
从起始位置到执行第
n
i
个任务之间的距离
。
[0009]上述的一种异构无人系统任务分配自主决策方法，所述步骤1中总任务执行时间
f
t
具体为：；其中，
v
i
表示航行器
i
的速度；表示执行任务所需要的时间；表示航行器
i
从起始位置到执行第
n
i
个任务之间的距离
。
[0010]上述的一种异构无人系统任务分配自主决策方法，所述步骤2中模型网络
、
评价网络
、
执行网络均由一个三层
BP
神经网络构成，分别对系统的控制策略
、
状态向量
、
代价函数进行逼近
。
[0011]上述的一种异构无人系统任务分配自主决策方法，所述模型网络的设计具体包括：模型网络的输入为系统当前的状态和零阶保持器输出的任务分配策略；模型网络根据当前状态量和控制量估计系统下一时刻状态：；其中，
x(k) 为
k
时刻的系统状态，为无人系统控制策略，
k=0,1,2
……
N
；
模型网络的目标是最小化系统状态估计值与真实值的误差函数，误差函数的定义为：；其中，
x(k) 为
k
时刻的系统状态；表示
k +1
时刻对偏差向量的估计值，表示模型网络模型
k +1
时刻的估计值与系统状态的差
。
[0012]上述的一种异构无人系统任务分配自主决策方法，所述模型网络的输出层权值调整规则为：；其中，为动量项；为动量系数，；表示模型网络学习速率；
k +1
时刻模型网络隐藏层到输出层权值矩阵为：；模型网络隐藏层的权值调整规则为：；
k +1...

【技术保护点】

【技术特征摘要】
1.
一种异构无人系统任务分配自主决策方法，其特征在于：包括如下步骤：步骤1，根据任务价值
、
航行距离
、
任务执行时间进行任务分配建模，得到航行器任务分配模型：
;
其中，
f
sail
表示总航行距离，
f
t
表示总任务执行时间，
f
v
表示任务分配方案的总价值指标，
、、
表示权重系数；步骤2，基于步骤1的任务分配模型设计基于事件触发的自适应动态规划算法，所述基于事件触发的自适应动态规划算法包括模型网络
、
评价网络
、
执行网络
、
事件触发器
、
零阶保持器；步骤3，通过步骤2的基于事件触发的自适应动态规划算法对异构无人系统进行任务分配
。2.
根据权利要求1所述的一种异构无人系统任务分配自主决策方法，其特征在于，所述步骤1中任务分配方案的总价值指标
f
v
具体为：
;
其中，为任务的价值；表示第
i
个航行器在执行第
j
个任务；
i
表示第
i
个航行器，
j
表示第
j
个任务
。3.
根据权利要求1所述的一种异构无人系统任务分配自主决策方法，其特征在于，所述步骤1中总航行距离
f
sail
具体为：；其中，
j
表示第
j
个任务，
i
表示第
i
个航行器，表示航行器
i
从起始位置到执行第
n
i
个任务之间的距离
。4.
根据权利要求1所述的一种异构无人系统任务分配自主决策方法，其特征在于，所述步骤1中总任务执行时间
f
t
具体为：；其中，
v
i
表示航行器
i
的速度；表示执行任务所需要的时间；表示航行器
i
从起始位置到执行第
n
i
个任务之间的距离
。5.
根据权利要求1所述的一种异构无人系统任务分配自主决策方法，其特征在于，所述步骤2中模型网络
、
评价网络
、
执行网络均由一个三层
BP
神经网络构成，分别对系统的控制策略
、
状态向量
、
代价函数进行逼近
。6.
根据权利要求5所述的一种异构无人系统...

【专利技术属性】
技术研发人员：万俊贺，李辉，寇磊，袁健，王志远，
申请(专利权)人：山东省科学院海洋仪器仪表研究所，
类型：发明
国别省市：