【技术实现步骤摘要】
：本专利技术属于无人平台探潜航路规划，具体涉及一种基于蚁群算法的无人平台搜潜航路优化方法。
技术介绍
0、
技术介绍
：
1、以无人艇(usv)、无人潜航器(uuv)为主的无人平台探测系统具备成本低、不需要生命维持系统、作战水域限制小、适用灵活等优势，通过装载多类型载荷可执行探潜、探雷、侦察等任务，是未来水下作战的重要力量，是水下侦察预警体系/水下攻防体系的重要组成部分。自主航路规划是无人平台的核心技术之一，决定了无人平台执行任务的效率和安全性。目前，针对uuv、usv自主航路规划方法已有大量研究，如使用a*算法、蚁群算法、粒子群算法、遗传算法等智能优化方法进行无人平台的航路优化，但大多数的研究都是针对无人平台避障问题，而针对执行搜潜任务时的自主航路规划方法研究较少。执行搜潜任务的无人平台都是按照预先设定的固定队形或航线进行区域搜潜或要道封控，未充分考虑任务区域水声环境对无人平台探测性能的影响以及航行路径未结合无人平台探测性能。
技术实现思路
0、
技术实现思路
：
1、本专利技术所要解决的技术问题是，提供一种基于蚁群算法的无人平台搜潜航路优化方法，该方法能够同时兼顾航行路程短、发现概率高并且能够安全避障。
2、本专利技术的技术解决方案是，提供一种基于蚁群算法的无人平台搜潜航路优化方法,包括以下步骤，
3、步骤1，任务区域探测性能分析：将任务海区划分为等间隔的栅格，根据任务区域水声环境，分析每个栅格所在位置的探测性能，并计算每个位置的覆盖面积
4、步骤2，构建搜潜航路规划的优化目标：以无人平台最大航行距离及平台转向角为约束，构建以航路搜潜概率最大(即覆盖面积最大)为目标函数；
5、步骤3，利用蚁群算法寻优，完成搜潜航路规划。
6、本专利技术首先将任务海区划分为等间隔的栅格，然后根据任务区域水声环境，分析每个栅格所在位置的探测性能，并计算每个位置的覆盖面积占比，以航路搜潜概率最大(即覆盖面积最大)为目标函数，以无人平台最大航行距离及平台转向角为约束，利用蚁群优化算法，完成搜潜航路规划，给出在实际环境下无人平台搜潜的航路规划结果。
7、该方法是在已知任务区域水声环境信息(海深、海底地形、底质、声速梯度等)的基础上进行的，具体过程如下：
8、步骤一：任务区域探测性能分析
9、根据任务区域大小，将任务区域划分为m×n个栅格，每个栅格边长为a，为方便计算对每一个栅格进行编号，任务区域栅格表示为
10、
11、声呐探测性能通常利用声呐方程计算，以主动声呐方程为例
12、sl-2tl-nl+di+ts＝dt (1)
13、其中，sl为主动探测发射声源级，tl为传播损失，nl为背景噪声级，di为接收基阵接收指向性指数，ts为目标强度，dt为检测阈。sl、di、dt与声呐探测系统有关，在声呐系统确定后即可确定可认为为已知量；nl与海洋环境、海况、附近船只等有关，可选用经验值；ts取平均目标强度10db；tl利用声场计算模型ram模型结合实际海洋环境(声速梯度、水深、地形、底质等)可仿真计算tl。
14、在确定以上参数后，计算无人平台在不同位置处，同一位置不同方位、不同距离的信号余量se，即
15、sei(θ,r)＝sl-2tli(θ,r)-nl+di+ts-dt (2)
16、其中，i表示无人平台所在任务区域的位置i∈[1,m*n],θ表示声呐可探测的方位范围，θ∈(0,360°]，r表示声呐探测距离。
17、取se>0时为声呐系统可探测区域，统计任务区域内无人平台声呐系统可探测范围s0，任务区域总面积为s，假设目标潜艇均匀出现在任务区域内，则在各个位置处无人平台发现概率可表示为
18、pi＝s0i/s (3)
19、步骤二：构建搜潜航路规划的优化目标
20、本专利技术综合考虑无人平台航行距离、目标发现概率以及平台的转向等因素，根据任务要求构建目标函数，完成对各条航迹的评估从中选取合适的航路。
21、(1)平台航行距离
22、无人平台航路总距离为
23、
24、其中m为航迹段的数目。
25、(2)目标发现概率
26、本专利技术中整个航路总的发现概率可认为对每段航迹点的发现概率的累加，即
27、
28、需要说明的是这里计算的整个航路总的发现概率只是用来表征发现概率的相对大小，并不表示实际发现概率。
29、(3)平台航向限制
30、考虑到无人平台声呐载荷一般包括拖曳线列接收阵，因此为保证在航行过程中扔保持良好的探测状态，因此平台在航行中最好能保持直行或转向较小，因此对平台改变航向时赋予一个概率值λ，使得在较大的概率不更改航向或改变较小的航向。
31、根据栅格划分方法，平台每次移动方向有7中选择，即λ选取大小如下：
32、
33、(4)构造目标函数
34、综上，建立无人平台的航路规划目标函数：
35、min j＝pl (7)
36、约束条件：
37、
38、式中：l是第l条航路，lmax为无人平台允许的最大航程。
39、步骤三：利用蚁群算法寻优求解，得到航路规划结果
40、蚁群算法寻优过程如下：
41、(1)初始化参数。初始化蚂蚁个数m、迭代次数n、目标起始点和终止点、信息表等参数；
42、(2)将蚂蚁放到航路规划的起始点，然后计算蚂蚁的转移概率，并选择下一个节点；
43、(3)修改禁忌表对应值；
44、(4)记录每只蚂蚁的航路规划结果及航路长度和发现概率，判断当前节点是否为目标终止点，若是则终止该蚂蚁的寻优过程，若不是则继续转移到下一个节点；
45、(5)对一次迭代中的每一只蚂蚁完成航路规划，并判断该航路能否满足要求并且是在该次迭代中的最优值，若满足则记录该最优航路并据此更新信息表，若不满足执行第(2)步；
46、(6)判断迭代次数是否满足设置上限，若满足则输出航路优化结果；若不满足清空禁忌表并跳转至第(2)步。
47、转移概率：在t时刻蚂蚁k从节点i转移到节点j的概率为
48、
49、式中，jk(i)为蚂蚁k下一步允许选择的节点的集合，τij(t)为在第t次迭代时节点i到节点j的路径上的信息素浓度；α为信息素重要性指数；ηij(t)为在第t次迭代时节点i到节点j的路径上的距离启发信息，ηij(t)＝1/lij，lij为节点i到节点j之间的距离；β为距离启发信息重要性指数；ξi本文档来自技高网...
【技术保护点】
1.一种基于蚁群算法的无人平台搜潜航路优化方法,其特征在于：包括以下步骤，
2.根据权利要求1所述的基于蚁群算法的无人平台搜潜航路优化方法，其特征在于：步骤1中，根据任务区域大小，将任务区域划分为M×N个栅格，每个栅格边长为a，对每一个栅格进行编号，任务区域栅格表示为
3.根据权利要求2所述的基于蚁群算法的无人平台搜潜航路优化方法，其特征在于：步骤1中，取SE>0时为声呐系统可探测区域，统计任务区域内无人平台声呐系统可探测范围S0，任务区域总面积为S，假设目标潜艇均匀出现在任务区域内，则在各个位置处无人平台发现概率可表示为
4.根据权利要求3所述的基于蚁群算法的无人平台搜潜航路优化方法，其特征在于：步骤2中，无人平台航路总距离为
5.根据权利要求4所述的基于蚁群算法的无人平台搜潜航路优化方法，其特征在于：步骤3中，蚁群算法寻优过程如下：
6.根据权利要求5所述的基于蚁群算法的无人平台搜潜航路优化方法，其特征在于：步骤3的蚂蚁算法寻优过程中，在t时刻蚂蚁k从节点i转移到节点j的概率为
7.根据权利要求6所
...【技术特征摘要】
1.一种基于蚁群算法的无人平台搜潜航路优化方法,其特征在于：包括以下步骤，
2.根据权利要求1所述的基于蚁群算法的无人平台搜潜航路优化方法，其特征在于：步骤1中，根据任务区域大小，将任务区域划分为m×n个栅格，每个栅格边长为a，对每一个栅格进行编号，任务区域栅格表示为
3.根据权利要求2所述的基于蚁群算法的无人平台搜潜航路优化方法，其特征在于：步骤1中，取se>0时为声呐系统可探测区域，统计任务区域内无人平台声呐系统可探测范围s0，任务区域总面积为s，假设目标潜艇均匀出现在任务区域内，则在各个位置处无人平台发现概率可表示为
...
【专利技术属性】
技术研发人员：王功兵，周彬，
申请(专利权)人：中国船舶集团有限公司第七一五研究所，
类型：发明
国别省市：
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。