改进虚拟领航者在多AUV队形控制中的应用

针对多AUV系统的传统领航者队形控制方法中存在的易受环境扰动影响和易崩溃等问题,提出了基于人工势场的改进虚拟领航者方法。设计了一种四层结构的编队体系分层框架,并对其中队形设计层与行为控制层进行了描述;分别针对虚拟领航者对AUV成员施加的斥力与引力、AUV成员间的斥力与引力、障碍物对AUV施加的斥力设计了适当的人工势场函数,并考虑了最大通信距离带来的约束。通过仿真验证,对比分析了传统领航者-跟随者法与改进虚拟领航者法的队形轨迹与位置偏差的误差曲线,证明了所设计的算法能完成队形控制任务,编队控制效果优于传统领航者方法。

多AUV协同导航问题的研究现状与进展

自主水下航行器(Autonomous underwater vehicle,AUV)协同导航是未来50年解决水下中间层区域AUV导航定位的重要方法.本文针对多AUV协同导航,对该领域相关问题的研究进展进行了综述,包括:1)论述多AUV协同导航领域的研究现状,包括协同导航问题界定、特点综述与讨论;2)分析多AUV协同导航系统模型及相关算法的研究进展,包括基于优化的、基于参数估计的和基于贝叶斯估计的滤波算法;3)对协同导航网络下的误差建模与补偿方法的研究进展进行了综述,包括未知洋流的影响、水声通信延迟补偿等;4)从影响协同导航定位精度的角度出发,对AUV协同导航的可观测性与编队最优构型设计的研究进展进行了一系列的分析;5)陈述目前多AUV协同导航中存在的关键问题,并讨论其发展趋势.

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(AutonomousUnderwaterVehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络(GlasiusBio-inspiredNeural Network,GBNN)的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。

基于多AUV协作的稀疏水下传感网定位技术研究

如何在稀疏部署的水下传感器网络中实现传感器节点的高效定位是一个研究热点。提出了一种基于多个移动AUV协作的水下传感器网络内节点定位机制,利用AUV的精确自导航功能实现对网内未知位置节点的定位协助。提出的协作定位算法扩展了水下传感器网络的网内节点位置迭代估计方法,将信标节点和多AUV联合作为定位参考点,然后推导了基于最小二乘法的定位估计方程。仿真结果验证了该方法可以在定位节点比例、归一化定位误差和平均置信度等几个方面提高定位性能。

多AUV队形控制的新方法

基于机器人队形控制中的领航者-跟随者方法(Leader-Follower Method)和基于行为方法(Behavior-based Method),提出了一种用于多自治水下机器人(AUV)队形控制的新方法。该方法以领航者来确定整个AUV编队的前进状态,跟随者时刻跟随领航者以保持一定的队形形状。同时,领航者和跟随者都被赋予一定的行为特性以实现奔向目标、队形维持、队形转换及障碍避碰等功能。考虑到领航者在行进过程中有可能会发生意外而导致任务失败,本方法设定一特殊的跟随者令其作为候选领航者时刻跟随领航者以防万一。分别采用模糊规划器和Line of Sight(LOS)技术来实现AUV编队的障碍避碰和导航。

基于多AUV间任务协作的水下多目标探测路径规划

利用自主式水下航行器(Autonomous Underwater Vehicle,AUV)对水下多目标进行协同探测是目前海洋技术领域的研究热点。主要研究在水下三维区间内的多AUV任务分配与协作探测路径规划机制,建立了以每个AUV能量耗费与能耗均衡为约束条件的水下三维空间中的多旅行商MTSP(Multiple Traveling Salesman Problem)问题模型,利用遗传算法GA(Genetic Algorithm)对该NP-Complete问题进行启发式求解,同时设计了考虑巡航总路径及访问目标数的适应度函数以提高多AUV间的能耗均衡性,实现多个AUV对多个水下目标的优化协同探测。最后本文利用MATLAB R2014a软件对多AUV任务协作与多目标探测路径规划机制进行了仿真,仿真结果验证了本文方法能均衡多AUV多目标探测问题的能量消耗,进而提高巡航速度和生命周期。

多智能体Q学习在多AUV协调中的应用研究

分析了近年来提出的几种主要单、多智能体强化算法,提出一种多智能体Q学习算法,并将它用于多AUV协调中.此算法融合了Nash-Q、CE-Q及WoLF-PHC的算法思想或表达形式,程序简单、容易计算,并且具有很好的收敛性.多AUV协调控制仿真实验结果表明这个算法是有效的.

动态传递优先权的多AUV避碰规划方法

以刚体运动的动量和动量矩定理为基础,建立了AUV的空间四自由度运动的数学模型,基于消息的通讯机制,采用动态优先权策略成功地解决了AUV编队航行过程中的避碰避障问题,并建立了环境仿真器,进行了多AUV协调避碰仿真实验,效果良好,验证了算法的有效性。

多AUV覆盖控制研究

本文设计了一种多自治水下机器人(autonomous underwater vehicle,简称AUV)分布式覆盖控制算法。算法定义了一个位置优化函数以描述覆盖控制的质量,覆盖控制目标就是使此函数值最小化,从而使一群能够相互通信的AUV最终形成质心Voronoi分布来对预定的区域进行调查。对于非均匀分布区域,本文采用蒙特卡罗法来计算多边形区域的质心。数值仿真结果表明,无论对于均匀或是非均匀密度分布,覆盖控制算法都能取得满意的效果。

多域限界内多AUV巡逻航路规划方法

传统粒子群优化算法在应用于复杂环境自主式水下航行器(AUV)协同航路规划时,由于粒子群更新过程中缺少约束性,极易产生不可行路径。针对该问题,文中提出了一种适用于复杂环境的多AUV协同航路规划优化算法。该方法将预测控制与粒子群算法相结合,将两步预测植入粒子更新过程,对更新的粒子进行检测,避免了不可行粒子的生成。文中基于栅格法对环境进行建模,将环境的覆盖信息、不确定度等存入矢量栅格中。将文中改进的算法以岛礁监视为应用背景进行了仿真验证,结果表明,该算法实现了在复杂环境中的多AUV巡逻航路规划,且对于不同性质区域具有不同的巡逻频率,具有较好的巡逻效能,更符合实际的应用环境。

节点运动对多AUV协同系统全网完成度的影响

多AUV协同系统(MAUVS)具有作业范围广、功能强、工作效率高等特点。面对复杂的海洋环境,系统节点在执行任务过程中需要调整自己的运动状态,运动状态的改变会导致节点间通信距离发生变化,并产生多普勒频移,影响协同系统通信性能。基于此,文中从拓扑结构出发,考虑误码率和水下通信的时延特性,提出使用全网完成度来描述系统通信性能的可靠性,并给出全网完成度的计算方法。通过算例分析了不同运动状态下通信距离变化对通信链路的影响,给出了节点运动对MAUVS全网完成度的影响,从一定程度上证明了全网完成度描述MAUVS通信网络可靠性的合理性。

基于物联网的多AUV航姿控制器仿真测试

在多AUV系统可靠性和稳定性没有得到确切验证之前,进行航姿控制器的实航测试存在风险高、成本大及周期长的缺点;以物联网技术为基础,提出了一种多AUV系统航姿控制器的半实物仿真测试方案;以物联网作为航姿控制器和仿真测试系统的通信交互纽带,以仿真数字信号源产生的信号控制产生航姿控制器的航行速度、方向和轨道,通过传感器和测量工具实时测定航姿控制器的输出结果,进行存储解算,利用缓存累加器计算出多AUV系统的航向和三维空间坐标,计算得出各项参数指标;结果证明,仿真方案测试得出航姿控制器控制多AUV系统的轨迹与实航测试轨迹相对误差为0.391%,航向角绝对误差为0.16°,达到了可信度标准。

多AUV虚拟仿真测试平台实时仿真技术研究

为了对多AUV系统的体系结构、协调控制策略等进行演示和验证,文中基于实时网络提出了一种新型的多AUV虚拟仿真测试平台;在此基础上,研究了该虚拟仿真测试平台实时仿真技术方案的结构与组成,并对其实时网络通讯方法,仿真计算机的实时仿真方法等关键技术进行了详细的说明,最终给出了多AUV协同航行的实时仿真视图;试验结果表明该技术方案工作可靠、使用方便、易于开发与维护,完全能够满足多AUV虚拟仿真测试平台进行仿真测试的需要。

基于水声通信的多AUV队形控制实现

在队形控制方法理论研究与仿真验证的基础上,采用稳定水下机器人(AUV)平台,首次开展了基于水声通信的多AUV编队试验。试验中设置不同的航行编队距离参数,取得了良好的编队效果。通过湖上试验验证了所采用的队形控制方法的有效性。从实际应用的角度结合试验结果分析了基于水声通信的多AUV队形控制存在的问题和难点,对实际试验效果与仿真结果的差异给出了解释,并提出了下一步试验的改进方法与注意事项。

未知环境下多AUV协同避障方法研究

针对多AUV(autonomous underwater vehicle)系统在未知环境中进行路径规划时难以兼顾避障与编队的问题,提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先,通过构造碰撞危险度及偏离目标评价函数,设计了AUV局部路径规划方法;在此基础上,结合编队控制方法,分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明,该算法能够实现多AUV系统在未知环境中的协同避障,且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。

基于Avoid-auv行为的多AUV系统避碰仿真

为了解决多AUV系统编队中存在动障碍物的避碰问题,尤其是编队成员间的避碰和协调,在Avoid-obstacle行为的基础上设计了一种基于良好通信条件下的Avoid-auv行为,它通过建立多AUV系统之间的避碰规则和策略,使AUV编队能在比较复杂的环境中较快地规划出一条无碰路径,而且建立的避碰规则也能协调AUV系统成员之间有序地运动。仿真研究表明,基于Avoid-auv行为能较好地解决多AUV协调避碰问题,但必须更加重视多AUV系统之间的通信问题。

基于测距的多AUV编队控制方法研究

针对基于测距的多AUV编队控制问题,提出两种根据测距信息完成编队的控制策略。一种策略将编队视为有阻尼的弹簧质量块模型,模拟其振动过程得到控制规则。该方法的参数均有特定物理意义。分析了参数变化对编队性能的影响,并根据粘滞阻尼振荡模型给出了参数选择方法。另一种策略建立编队形成的目标函数,分析了该目标函数收敛的充分条件,据此给出控制规则。分别针对上述两种方法给出了方向信息和距离信息的实时估计方法,并从理论上说明了这两种方法容许方向信息有一定偏差。最后通过实验对两种方法进行了验证。

三维水下环境中的多AUV围捕路径规划算法

受到三维水下环境覆盖范围广和水下机器人(AUV)能源有限等现实条件的制约,单个AUV往往很难完成作业规模较大的水下任务,故提出一种基于位置分配和Glasius生物启发神经网络(GBNN)的围捕占位路径规划算法,来解决三维水下环境中的多AUV围捕路径规划问题。首先,根据围捕AUV到达逃逸AUV的围捕总距离最短原则分配围捕点,确保围捕AUV与围捕点均衡分配并避免路径冲突;接着,各围捕AUV根据所分配的围捕点,利用改进的生物启发神经网络的目标引导与自适应避障功能,规划各个围捕AUV到达逃逸AUV周围围捕点的路径,完成围捕任务。仿真实验验证所提算法能够在三维水下静态障碍物环境中完成高效的协作围捕任务。

多AUV温跃层观测方法研究

海洋温跃层与海洋锋面、海洋涡流、海洋上升流等一样,是一种重要的海洋中小尺度现象,对我国海洋渔业保护具有一定的影响。针对温跃层这一海洋特征,本文介绍了一种多AUV协同探测的方法。重点对海洋温跃层的形成原因、主要特征,以及所采用的自主水下机器人进行了详细介绍。针对单个AUV,采用了温度均匀指数法处理温度数据,并用垂直梯度法来跟踪温跃层。同时,引入多AUV协同探测,采用领航者—跟随者的编队方法通过水声通信方式进行实时信息交换以跟踪温跃层。通过湖上试验,并对试验数据进行分析,根据分析表明多AUV跟踪温跃层能够提高跟踪效率,实现实时跟踪,取得更好的观测效果。

多AUV系统的自适应有限时间一致性跟踪控制

本文将自适应技术与有限时间技术相结合,研究了分布式自治水下机器人(Autonomous Underwater Vehicle,简称AUV)系统的自适应有限时间一致性跟踪控制问题。首先,应用图论相关知识描述多AUV间的通信拓扑;其次,对每个跟随AUV的运动与受力进行了分析,建立了基于位置姿态与速度姿态的二阶系统模型;然后,设计了非奇异快速终端滑模,并基于此对每个跟随AUV构建了连续分布式控制律,利用自适应律估计阻尼,恢复力和外部干扰的上界;最后,利用SIMULINK仿真来验证跟随AUV的位置与速度跟踪效果,直观地阐明了本文所提算法的有效性。