一种基于拓扑分区与软任务分配的多UUV协同目标搜索方法
本发明涉及多无人水下航行器(unmanned underwater vehicle,uuv)的海洋工程装备,特别涉及用于岛礁和洋流环境下的多uuv协同目标搜索与任务分配领域,尤其涉及一种基于拓扑分区与软任务分配的多uuv协同目标搜索方法。
背景技术:
1、在现代海洋探索、水下搜救和海洋环境监测等领域,无人水下航行器作为一种具有自主机动、声呐探测以及任务执行能力的水下设备,已逐渐应用于未知海域中的目标搜索任务。对于搜索范围较大、目标位置不确定且受到海洋环境影响的任务,单艘uuv受探测范围、航行速度和任务时间限制,难以在有限时间内完成大范围搜索,因此需要利用多艘uuv协同执行搜索任务,通过合理分配搜索区域和规划航行路径提高整体搜索效率。现有多uuv研究也通常将复杂水下环境、障碍物以及洋流作用作为协同路径规划中的重要影响因素。
2、在包含岛礁、狭窄水道和环境洋流的复杂海域中执行动态目标搜索时,目标位置具有明显的不确定性,目标概率会随着目标运动、洋流影响以及uuv观测不断发生变化。同时,不同搜索区域之间的连通条件存在差异,岛礁会造成航行路径绕行,环境洋流也会改变uuv沿不同方向的实际航行速度。因此,多uuv协同搜索不仅需要根据目标概率分布确定搜索重点,还需要合理考虑搜索区域之间的空间结构、uuv到达搜索区域的实际代价以及多艘uuv之间的任务协调。
3、现有的多uuv协同目标搜索方法,如概率地图引导搜索、区域分解、群智能优化以及任务分配等方法,在处理此类问题时仍存在以下缺陷:
4、(1) 搜索区域划分与目标概率分布匹配不足:部分方法直接根据目标概率较高的位置生成搜索任务,容易受到局部概率峰变化的影响,当目标概率地图呈现多峰或分散状态时,搜索任务可能频繁发生变化;部分区域划分方法主要依据几何位置对搜索海域进行分区,未充分结合各区域的目标概率质量及概率分布特征,难以合理反映不同区域的实际搜索需求。
5、(2) 任务分配代价与实际航行条件存在偏差:现有部分任务分配方法主要依据uuv与搜索任务位置之间的欧氏距离或几何路径长度确定任务关系,而在复杂岛礁和洋流环境中,岛礁阻隔会造成航行路径绕行,顺流和逆流又会改变uuv的实际到达时间。仅采用几何距离难以准确反映uuv执行不同搜索任务时的实际通航代价。
6、(3) 多uuv搜索资源分配不均:在多uuv协同搜索过程中,当多个uuv同时倾向于同一高价值区域或搜索任务位置时,容易造成搜索资源过度集中,而其他具有搜索价值的区域可能得不到及时搜索;对于到达代价较高或暂时不可达的搜索任务,传统的任务分配方式又缺少相应的调整能力,难以在搜索需求、可达关系和uuv数量之间进行合理协调。
7、因此,急需一种能够综合考虑海域空间结构、动态目标概率分布、洋流环境下实际到达代价以及多uuv搜索资源配置的协同目标搜索方法,以解决现有技术中搜索区域组织不合理、任务分配代价与实际航行条件不一致以及搜索资源配置不均的问题。
8、同时,相较于本发明,以下方法存在区别如下:
9、论文《multipopulation grey wolf optimization for cooperative multi-auvpath planning in complex underwater environments》提出一种用于复杂水下环境多auv协同路径规划的多种群灰狼优化方法,通过改进群智能优化过程提高多auv路径规划能力,并考虑障碍物和洋流等环境因素。该方法主要针对多auv航行路径优化问题,对动态目标概率地图的区域聚合以及面向搜索任务的分层任务分配考虑较少。
10、论文《a novel robust algorithm for path planning of multipleautonomous underwater vehicles in the environment with ocean currents》针对洋流环境中的多auv路径规划问题,考虑洋流不确定性建立多auv鲁棒路径规划模型,以改善洋流变化条件下的路径规划结果。该方法重点考虑洋流对多auv航行路径的影响,但未进一步结合动态目标概率分布,对不同搜索区域的任务需求以及多uuv搜索资源进行分层分配。
11、论文《an environment information-driven online bi-level path planningalgorithm for underwater search and rescue auv》提出一种环境信息驱动的在线双层路径规划方法,通过全局路径规划与局部路径规划相结合,根据环境信息变化实时调整auv搜索路径。该方法主要解决单auv水下搜索救援过程中的在线路径规划问题,而对于多uuv之间的搜索区域分配、任务可达关系以及搜索资源协调未进行针对性设计。
12、专利《一种动态区域划分与多约束虚拟力场的多无人机协同搜索方法》提出一种基于动态区域划分的多无人机协同搜索方法,利用加权voronoi图对任务区域进行动态划分,并根据无人机位置、搜索进度和环境复杂度更新区域权重;在各责任区域内通过综合效用函数选择覆盖不足区域中的任务点,再利用目标吸引力、探索驱动力、障碍物规避力和区域边界约束力生成无人机运动方向。该方法主要面向多无人机区域覆盖搜索,任务点价值主要由覆盖进度、距离和环境复杂度等因素确定,在动态目标概率呈多峰或分散状态、不同区域通航条件差异较大的情况下,仍难以同时协调区域搜索需求、实际通航代价和多uuv搜索资源配置。
13、现有技术在目标概率地图引导搜索、复杂环境路径规划以及多uuv协同规划等方面已经取得一定研究成果,但对于复杂岛礁和洋流环境下搜索区域空间结构、动态目标概率分布、实际到达时间代价以及多uuv搜索资源配置之间的联合考虑仍存在不足。本发明为了解决现有技术搜索区域组织不合理、任务分配代价与实际通航条件不一致以及多uuv搜索资源协调能力不足等问题,提出一种基于拓扑分区与软任务分配的多uuv协同目标搜索方法。
技术实现思路
1、本发明旨在解决复杂岛礁和洋流环境下多uuv协同目标搜索过程中,搜索区域划分与目标概率分布匹配不足、传统几何距离难以准确反映实际到达代价以及多uuv搜索任务分配不合理的问题。为此,提出一种基于拓扑分区与软任务分配的多uuv协同目标搜索方法,通过拓扑区域划分、区域概率聚合、到达时间代价计算和两级软任务分配,实现多uuv搜索任务的协同分配与滚动执行。
2、具体包括以下步骤:
3、步骤1:
4、建立包含岛礁障碍物和环境洋流的二维栅格搜索海域,将障碍栅格集合记为,自由水域栅格集合记为。初始化uuv的位置、航向、静水速度、运动约束和声呐探测参数,并在自由水域内建立目标概率地图。
5、根据目标运动趋势、洋流作用、目标运动不确定性以及多uuv声呐观测,对目标概率地图进行预测和贝叶斯更新
6、步骤2:
7、根据障碍栅格计算自由水域的离岸距离场。设为自由水域栅格,为障碍栅格,其离岸距离为:
8、
9、式中,为障碍栅格集合;为自由水域栅格集合;为二维欧氏范数。
10、根据离岸距离场中的局部极大位置生成区域标记点,对负离岸距离场实施标记控制分水岭划分,使分水岭边界形成于狭窄水道或离岸距离较小的位置,得到拓扑区域集合。
11、步骤3:
12、将目标概率地图按照拓扑区域进行概率聚合。设第个拓扑区域为,其区域目标概率质量为:
13、
14、当时,对区域内目标概率进行归一化,并根据归一化概率计算概率分散度:
15、
16、式中,为第个拓扑区域包含的自由水域栅格数量;为该区域内第个栅格的归一化概率。
17、根据区域目标概率质量和概率分散度计算区域搜索价值:
18、
19、式中,为概率分散度权重。根据区域目标概率质量筛选当前全局重规划周期内的候选搜索区域,候选搜索区域为当前全局重规划周期内从拓扑区域集合中筛选得到的待搜索拓扑区域。
20、步骤4:
21、根据候选搜索区域的面积和概率分散度确定候选搜索位置数量,在候选搜索区域内目标概率局部极大位置中选取候选搜索位置,并将候选搜索区域内的自由水域划分为相应的候选搜索子区域。
22、设第个候选搜索区域内第个候选搜索子区域的目标概率质量为,选择目标概率质量最大的候选搜索子区域对应的候选搜索位置作为区域代表搜索位置:
23、
24、式中,为第个候选搜索区域内第个候选搜索位置;为该区域内候选搜索位置数量;为目标概率质量最大的候选搜索子区域对应的候选搜索位置编号。
25、步骤5:
26、分别以各uuv当前位置为源点,采用考虑环境洋流影响的快速行进法计算到达时间场。
27、设第艘uuv的到达时间场为,第个候选搜索区域的区域代表搜索位置为,候选搜索位置为,则区域到达时间代价和候选搜索位置到达时间代价分别为:
28、
29、式中,为第艘uuv到第个区域代表搜索位置的到达时间代价;为第艘uuv到候选搜索位置的到达时间代价。
30、根据到达时间代价确定uuv与各搜索位置之间的可达关系。
31、步骤6:
32、根据区域搜索价值和区域到达时间代价进行区域软任务分配,再根据区域软任务分配结果、候选搜索子区域目标概率质量和候选搜索位置到达时间代价进行候选搜索位置软任务分配。
33、两级软任务分配均采用非平衡最优传输模型。设为软任务分配层级,为相应层级的到达时间代价矩阵,为软任务分配权重矩阵,其最优软任务分配结果为:
34、
35、式中,为第层软任务分配结果;为熵正则系数;为熵正则项;为uuv侧和任务侧边缘约束的松弛项。
36、将各候选搜索区域内的候选搜索位置软任务分配结果进行合并,得到uuv与全部候选搜索位置之间的软任务分配权重矩阵。
37、步骤7:
38、根据软任务分配结果计算各uuv获得的分配权重总量,并根据任务参与阈值确定参与任务分配的uuv。
39、设第艘uuv与第个候选搜索位置之间的软任务分配权重为,其获得的权重总量为,则uuv对候选搜索位置的归一化任务偏好为:
40、
41、根据候选搜索位置获得的分配权重以及能够到达该搜索位置的uuv数量,确定搜索位置最大分配数量。
42、步骤8:
43、根据uuv任务偏好、搜索位置最大分配数量和候选搜索位置可达关系建立多uuv联合任务分配模型。
44、设为联合任务分配变量,为联合任务分配矩阵,为满足单uuv单任务、搜索位置最大分配数量和可达性约束的可行分配集合,则:
45、
46、式中,为最优联合任务分配结果;为参与任务分配的uuv集合;当第艘uuv分配至第个候选搜索位置时,,否则。
47、根据联合任务分配结果确定各uuv的当前任务搜索位置。
48、步骤9:
49、根据当前任务搜索位置生成uuv运动控制动作。设第艘uuv当前时间步内的转向角增量为,前向推进距离为,则其运动控制动作为:
50、
51、以当前任务搜索位置为终点构建剩余到达时间场,根据所述剩余到达时间场对运动控制动作进行优化,并对候选航段进行任务海域边界、岛礁障碍物和uuv间安全距离校验,执行满足约束的运动控制动作并更新uuv状态。
52、步骤10:
53、完成步骤1中的初始化以及步骤2中的拓扑区域划分后,按照滚动重规划方式循环执行步骤1中的目标概率地图更新以及步骤3至步骤9,直至达到预设搜索时间或搜索终止条件,输出多uuv协同搜索路径。
54、本发明具有如下有益效果:
55、(1) 本发明方法能够根据搜索海域的空间结构和目标概率分布合理确定搜索区域,提高多uuv对高价值区域的搜索针对性。本发明通过离岸距离场和标记控制分水岭对含岛礁的自由水域进行拓扑划分,在此基础上将目标概率地图按照拓扑区域进行聚合,并通过区域目标概率质量和概率分散度计算区域搜索价值,使搜索任务不再直接依赖单个高概率栅格,而是以具有空间连通性的拓扑区域作为搜索任务组织基础。当目标概率分布发生局部变化时,能够通过区域概率聚合保持搜索区域划分的相对稳定,同时根据区域内概率质量和分散程度调整搜索优先级,避免搜索任务因局部概率峰变化而频繁转移。
56、(2) 本发明方法能够使多uuv任务分配结果更加符合岛礁和洋流环境下的实际航行条件,并减少搜索资源分配不均的问题。本发明采用考虑环境洋流影响的快速行进法计算uuv到区域代表搜索位置和候选搜索位置的到达时间代价,使任务分配过程同时考虑岛礁绕行、搜索位置可达性以及顺流和逆流条件对实际航行时间的影响。在此基础上,通过区域软任务分配和候选搜索位置软任务分配逐级确定uuv与搜索任务之间的匹配关系,并根据软任务分配权重、候选搜索位置可达关系和参与搜索的uuv数量确定搜索位置最大分配数量,进一步完成多uuv联合任务分配,从而避免多艘uuv同时集中于少数高概率候选搜索位置,兼顾区域搜索需求、航行代价和搜索资源配置。
57、(3) 本发明方法能够根据目标概率分布和uuv状态的变化持续调整搜索任务和运动方向,提高动态环境下多uuv协同搜索过程的适应能力。通过联合任务分配结果确定各uuv当前任务搜索位置,并根据对应到达时间场生成和优化运动控制动作,对候选航段进行岛礁障碍、任务海域边界和uuv间安全距离校验;在搜索过程中采用滚动重规划方式周期性更新目标概率地图、区域搜索价值、候选搜索位置、到达时间代价和任务分配结果,使前一周期的搜索观测能够继续作用于后续搜索决策。通过上述方式形成由目标概率更新、搜索区域组织、任务分配到uuv运动执行组成的闭环搜索过程,减少无效航行和不合理任务分配,提高复杂海域中多uuv协同目标搜索的整体效率和路径合理性。仿真结果表明,25h时本发明方法的wcdp为0.9862,voronoi方法的wcdp为0.7678,较后者提升约28.45%。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com