System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及异构多机器人系统协同搜索,尤其涉及一个基于多轮循环策略的异构多机器人协同海域勘探方法。
技术介绍
1、由于多机器人系统具有卓越的协作能力,经常被应用于各种复杂的任务,如救灾救援,巡逻和监测、海洋勘探、货物装卸与运输等等。此外,异构多机器人系统比同构系统表现出更好的弹性和灵活性,因此异构多机器人系统中的任务分配问题是近十年来研究的热点问题。然而以往的许多研究只对任务分配的目标函数进行单次优化,并没有考虑到多机器人系统面向的是具有多个约束的复杂任务,特别是针对大规模的海上勘探,在能量的约束下,机器人往往需要多次往返于充电站和任务点,因此只有采用多轮不同优先级的优化才能高效完成整个任务。
技术实现思路
1、根据现有技术存在的问题,本专利技术公开了一个基于多轮循环策略的异构多机器人协同海域勘探方法,具体包括如下步骤:
2、基于高斯混合模型聚类算法将事故高发点划分为多个事故集群,并将聚类产生的质心作为无人船的停止站点;
3、无人船搭载无人机从岸基指挥部出发,到达停止站点后无人船释放无人机,无人机继续探索事故高发,基于a*算法进行目标点路径规划,求解约束条件下无人船和无人机遍历相应目标点的轨迹;
4、基于改进的贪婪算法进行任务分配,将上述轨迹合理分配在不同无人船和不同无人机的多轮探索中,使得异构多机器人系统协同完成海域探索。
5、进一步的,将无人船作为能量受限的无人机的移动充电站,对任务海域进行监控搜索,设t为任务海域的事故高发点集
6、进一步的,建立无人船及多架无人机组成的异构多机器人系统,异构多机器人系统从岸基指挥部c0出发,遍历事故高发集群,到达停止站点cj时无人船释放无人机,此时无人机开始探索事故高发点ti,无人机在能量的限制下遍历事故高发点ti,中途出现电量不足或探索完毕时返航回到停止站点cj,最后异构多机器人系统一同回到岸基指挥部c0,将该过程视为旅行商问题,分别视停止站点cj和事故高发点ti为无人船和无人机的探索目标点,基于a*算法求解旅行商问题,得到无人船遍历停止站点cj和无人机遍历事故高发点ti的轨迹,设:旅行商问题目标点集合为tps,且qs∈tps(s=0,1,...,|tps|),q0为旅行商问题的起止点,分别是指无人船的出发点cj和无人机的出发点ti,设η为ψ的子集,且aυ∈η(υ=1,2,...,g),用以分别描述无人船和无人机的集合,当g=b时表示无人船集合,当g=bα时表示无人机集合。
7、进一步的,基于改进的贪婪算法对路径规划后生成的轨迹进行分配时:设[x]为εe任务执行轮次集合{1,...,x},x为任务执行最大轮次,κ∈[x]且κ≤x,基于改进的贪婪算法进行任务分配,路径规划后生成的遍历cj的轨迹分配给不同的无人船,遍历ti的轨迹分配给不同无人机的多轮探索中,使异构多机器人系统在x轮内探索所有的事故高发点。
8、进一步的,在进行任务分配的过程中:设变量如果κ是事故高发点ti初次被探索的轮次,那么否则变量ζ(κ)表示在第κ轮探索中覆盖的ti的数量,因此二者有如下关系:
9、
10、设ω(κ)为第κ轮探索作业量的加权函数,且ω(κ1)≥ω(κ2)≥0,κ1<κ2,即早期探索轮次的优先级不低于后期探索轮次;
11、在上述变量基础上,引入加权覆盖值作为性能指标,旨在计算前κ轮加权覆盖值:
12、
13、设κ轮中事故高发点的累计覆盖值为a(κ),对于
14、
15、当ω(ρ)=(κ-ρ+1),时,
16、选取ω(ρ)=(κ-ρ+1),使a(κ)成为新的性能指标,任务分配以最大化a(κ)为目标,使更多的事故高发点在早期就被监测到。
17、本专利技术公开的一种基于多轮循环策略的异构多机器人协同海域勘探方法,由于本方法目标在于最大限度减小ti首次被探索的轮次,因此应给予早期探索轮次更高的优先级,选取ω(ρ)=(κ-ρ+1),使a(κ)成为新的性能指标,任务分配以最大化a(κ)为目标,使更多的事故高发点在早期就被监测到,进而提升异构多机器人系统海域监控的效率和可靠性。
本文档来自技高网...【技术保护点】
1.一种基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于,包括:
2.根据权利要求1所示的基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于:将无人船作为能量受限的无人机的移动充电站,对任务海域进行监控搜索,设T为任务海域的事故高发点集合{t1,...,tn},且ti∈T(i=1,...,n),设Ψ为异构多机器人的集合,其中包含b个无人船,每个无人船搭载α个无人机,且b<<n,即系统包含b个无人船和bα个无人机,因此Ψ={ε1,...,εb(α+1)},εe∈Ψ(ω=1,...,b(α+1)),基于GMM算法对事故高发点ti经过聚类处理,从而产生多个集群及其质心,将其分别视为事故高发集群及无人船停止站点,设Ω为无人船停止站点集合{c0,...,cm},且cj∈Ω(j=0,1,...,m),其中c0为岸基指挥部。
3.根据权利要求1所示的基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于:建立无人船及多架无人机组成的异构多机器人系统,异构多机器人系统从岸基指挥部c0出发,遍历事故高发集群,到达停止站点cj时无人船释放无人
4.根据权利要求3所示的基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于:基于改进的贪婪算法对路径规划后生成的轨迹进行分配时:设[X]为εe任务执行轮次集合{1,...,X},X为任务执行最大轮次,κ∈[X]且κ≤X,基于改进的贪婪算法进行任务分配,路径规划后生成的遍历cj的轨迹分配给不同的无人船,遍历ti的轨迹分配给不同无人机的多轮探索中,使异构多机器人系统在X轮内探索所有的事故高发点。
5.根据权利要求4所示的基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于:在进行任务分配的过程中:设变量如果κ是事故高发点ti初次被探索的轮次,那么否则变量ζ(κ)表示在第κ轮探索中覆盖的ti的数量,因此二者有如下关系:
...【技术特征摘要】
1.一种基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于,包括:
2.根据权利要求1所示的基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于:将无人船作为能量受限的无人机的移动充电站,对任务海域进行监控搜索,设t为任务海域的事故高发点集合{t1,...,tn},且ti∈t(i=1,...,n),设ψ为异构多机器人的集合,其中包含b个无人船,每个无人船搭载α个无人机,且b<<n,即系统包含b个无人船和bα个无人机,因此ψ={ε1,...,εb(α+1)},εe∈ψ(ω=1,...,b(α+1)),基于gmm算法对事故高发点ti经过聚类处理,从而产生多个集群及其质心,将其分别视为事故高发集群及无人船停止站点,设ω为无人船停止站点集合{c0,...,cm},且cj∈ω(j=0,1,...,m),其中c0为岸基指挥部。
3.根据权利要求1所示的基于多轮循环策略的异构多机器人协同海域勘探方法,其特征在于:建立无人船及多架无人机组成的异构多机器人系统,异构多机器人系统从岸基指挥部c0出发,遍历事故高发集群,到达停止站点cj时无人船释放无人机,此时无人机开始探索事故高发点ti,无人机在能量的限制下遍历事故高发点ti,中途出现电量不足或探索完毕时返航回到停止站点cj,最后异构多机器人系统一同回到岸...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。