海流环境下多AUV多目标生物启发任务分配与路径规划算法

针对多障碍物海流环境下多自治水下机器人(AUV)目标任务分配与路径规划问题,本文在栅格地图构建的基础上给出了一种基于生物启发神经网络(BINN)模型的新型自主任务分配与路径规划算法,并考虑海流对路径规划的影响.首先建立BINN模型,利用此模型表示AUV的工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;接着,比较每个目标物在BINN地图中所有AUV的活性值,并选取活性值最大的AUV作为它的获胜AUV,实现多AUV任务分配;最后,考虑常值海流影响,根据矢量合成算法确定AUV实际的航行方向,实现AUV路径规划与安全避障.海流环境下仿真实验结果表明了生物启发模型在多AUV水下任务分配与路径规划中的有效性.

基于生物启发神经网络和DMPC的多机器人协同搜索算法

针对多机器人在未知区域的覆盖搜索问题,提出一种基于生物启发神经网络和分布式模型预测控制(DMPC)的多机器人协同搜索算法.利用栅格地图表示未知区域,基于栅格地图建立生物启发神经网络来表示动态搜索环境,生物启发神经网络中未搜索栅格的神经元活性值大于已搜索栅格和障碍物栅格.在此基础上,为了平衡机器人覆盖搜索过程中的短期收益和长期收益,避免后期陷入局部最优,引入DMPC作为决策方法.选择预测周期内机器人所覆盖栅格的神经元活性值增量作为主要激励函数,引导机器人向未覆盖区域搜索,并采用差分进化算法(DE)进行优化求解,得到最优解.最后通过设计仿真实验验证了所提出方法的有效性和优越性.