【技术实现步骤摘要】
本专利技术属于多智能体围捕多目标任务领域，设计一种在多障碍物环境下基于igbnn算法及动态联盟的非匀质自主水下航行器围捕方法。
技术介绍
1、自主水下航行器(autonomous underwater vehicle，auv)是一种智能机器人，由于具有较高的智化程度，可以在没有操作者的情况下，独自在海洋中完成任务，被广泛应用于民用领域(深海探测、水下设备维护等)和军事领域。
2、面对复杂的水下环境、不可预知的潜在危险和多样化的任务分配，单个auv受限于携带的燃料以及有限的环境感知范围，围捕能力十分有限。同时，由多艘自主水下航行器构成的多auv系统，可以动态的协同合作，具有更强的灵活性、更高的效率和更广的作业范围，在深海探测、水下协同搜索和军事领域发挥着越来越重要的作用。
3、多自主水下机器人协同寻猎是一种重要的研究课题。研究者们对多auv系统进行了大量的研究，包括水下协同搜索，扫雷，编队控制，协同寻猎等，其中协同寻猎的研究更为全面，其包括三个子任务：搜索逃避者，形成动态狩猎联盟，以及路径规划，直到成功捕获。
4、korf提出了一种手动导出的贪婪策略，属于非学习算法，通过使用适应度函数使得每个狩猎者被目标吸引。denzinger等人提出了结合临近规则的遗传算法方法，采用邻近法对当前状态进行分类，通过遗传算法确定最优解。y.c.chen等人提出的“基于合同网交互协议的多智能体追逃算法”属于分布式算法，但在追捕过程中追捕者之间的通信会过于繁重，导致追捕效率不高。
5、以上讨论的所有策略均
6、nguyen等人建立的auv的寻雷模型，采用完全覆盖的方法来实现寻雷，然而，被围捕的目标是静态的，当目标存在逃跑策略时会失效。
7、水下环境是一种独特的情况，通信范围狭窄，容易出错。水下环境似乎也不能提供谈判的通信要求。大多数的研究都是针对同质auv的寻猎问题。到目前为止，对非均匀多auv和智能规避器的狩猎问题几乎没有研究，对于非均匀多auv狩猎问题中的任务分配研究较少。更重要的是，许多研究并没有讨论逃避者是否有逃避策略的问题。
8、在军事应用中，多auv狩猎系统往往需要捕获具有一定智能的入侵者，如微型机器鱼，它们的智能逃避策略将帮助它们逃脱。在实际应用中，参与狩猎的水下机器人往往是不同类型的，具有不同的能力，如不同的航行速度或不同的安全距离，逃避者也可能具有一定的智能逃避策略。因此，实现水下环境中对智能逃避者的围捕策略就显得尤为重要。
技术实现思路
1、本专利技术的目的在于提供一种面向多障碍物环境的多自主水下航行器协同围捕方法、系统、设备及介质，能够基于igbnn算法及动态联盟策略实现非匀质自主水下航行器的围捕，解决现有技术的多自主水下航行器无法应用到水下三维环境的协同狩猎，以及非均匀多auv狩猎问题中的任务分配问题和待围捕的逃避者有逃避策略，导致难以围捕的问题。
2、一种面向多障碍物环境的多自主水下航行器协同围捕方法，包括：
3、步骤1：采集逃逸者位置集合、围捕者位置集合和障碍物位置集合；
4、步骤2：对步骤1中的各个集合进行初始化；
5、步骤3：根据初始化后的围捕者位置集合和逃逸者位置集合，采用动态联盟策略，获得本地任务集合；
6、步骤4：每个围捕者采用igbnn算法进行路径规划，得到对应的围捕任务；
7、步骤5：判断围捕任务是否满足动态联盟的条件，若不满足，则解散原有联盟，执行步骤3-步骤5，直至形成新的满足动态联盟条件的围捕任务；若满足，则进行围捕；
8、步骤6：当某一逃逸者被捕获，对应的围捕者停止围捕运动；
9、步骤7：待所有逃逸者被捕获后，所有围捕者停止围捕运动，围捕完成。
10、更进一步地，提供优选方案：所述逃逸者位置集合、围捕者位置集合和障碍物位置集合，在多障碍物的栅格地图中提取。
11、更进一步地，提供优选方案：所述步骤1包括：
12、步骤1.1：遍历所述格栅地图，初始化地形矩阵，存在障碍物的地形矩阵的对应位置设为1，否则设为0，并记录为障碍物位置集合；
13、步骤1.2：遍历所述格栅地图，得到目标逃逸者的位置信息并记录为逃逸者位置集合；
14、步骤1.3：遍历所述格栅地图，得到围捕者的位置信息，并记录为围捕者位置集合。
15、更进一步地，提供优选方案：所述步骤2包括：
16、步骤2.1：初始化逃逸者集合，得到需要被围捕的逃逸者数量；
17、步骤2.2：初始化围捕者集合，得到参与围捕任务的围捕者数量；
18、步骤2.3：初始化障碍物集合。
19、更进一步地，提供优选方案：所述步骤3包括：
20、步骤3.1：获取围捕者的速度信息，得到围捕者速度集合；
21、步骤3.2：根据逃逸者位置信息集合和围捕者位置信息集合，计算距离矩阵；
22、步骤3.3：根据所述距离矩阵和围捕者速度集合，计算平均代价矩阵；
23、步骤3.4：生成hunter_flag列表，用于存放该标号的围捕者是否被分配了任务的标志；
24、步骤3.4.1:若第i个围捕者被分配了任务，则hunter_flag的第i个位置为true，否则为false,1≤i≤hunter_num,hunter_num为围捕者数量；
25、步骤3.4.2:循环步骤3.4.1，直至每个围捕者的标号都生成完毕；
26、步骤3.5：初始化team_list列表，用于存放对应于每个逃逸者的围捕任务；
27、步骤3.5.1：第i个位置存放的信息为：参与围捕第i个逃逸者的围捕者的标号集合；
28、步骤3.5.2：初始化设置team_list的每个位置为空集；
29、步骤3.6：获取所述平均代价矩阵的最小值，遍历所述平均代价矩阵，找到该最小值所在的位置，对应围捕者的标号和逃逸者的标号，若当前位置的围捕者还未被分配任务，将得到的围捕者和目标放入team_list[j]中，同时将hunter_flag[i]设为true，并将所述平均代价矩阵设置为最大值；
30、步骤3.7：当hunter_flag不全为true，且每个逃逸者被分配的围捕者数量不超过三个时，循环执行步骤3.6，得到本地任务集合。
31、更进一步地，提供优选方案：所述步骤5包括：
32、当围捕任务不满足动态联盟的条件时，根据评判规则，决定是否解散原有联盟，若解散，则将步骤3中计算所需的位置信息更改为当前时刻的逃逸者的位置信息和围捕者的位置信息，并重复执行步骤3，直至形成新的满足条件的动态联盟，然后执行步骤4，否则仍然执行旧的联盟策略。
33、更进一步地，提供优选本文档来自技高网...
【技术保护点】
1.一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述逃逸者位置集合、围捕者位置集合和障碍物位置集合，在多障碍物的栅格地图中提取。
3.根据权利要求2所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤1包括：
4.根据权利要求1所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤2包括：
5.根据权利要求1所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤3包括：
6.根据权利要求5所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤5包括：
7.根据权利要求1所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤4包括：
8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行权利要求1-7中任一项中所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法。
10.一种面向多障碍物环境的多自主水下航行器协同围捕系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述逃逸者位置集合、围捕者位置集合和障碍物位置集合，在多障碍物的栅格地图中提取。
3.根据权利要求2所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤1包括：
4.根据权利要求1所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤2包括：
5.根据权利要求1所述的一种面向多障碍物环境的多自主水下航行器协同围捕方法，其特征在于，所述步骤3包括：
6.根据权利要求5所述的一种面向多障碍物环境的多自主水下航行器协...
【专利技术属性】
技术研发人员：孙骞，王杰恪，黄雨杰，韩豫卓，周星宇，范云霞，李一兵，叶方，
申请(专利权)人：哈尔滨工程大学，
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。