基于群体智能的多UUV动态任务分配方法

针对有人/无人协同背景下多UUV任务分配存在的任务负载不均衡、动态适应性不强等问题,基于群体智能提出一种动静结合的启发式任务分配方法,以UUV为主体设置主循环,循环往复地为各UUV分配满足优化目标和分配约束的任务,直至资源耗尽或任务完成为止。利用阈值响应机制,保证基本的任务分配质量;引入轮盘赌随机策略,提升任务分配方案的全局最优性;设置每轮分配任务数上限,改善任务分配方案的均衡性;提出任务重置和任务接续2种策略,赋予算法动态重分配能力。基于典型想定进行仿真实验,结果表明,提出的任务分配方法既能进行全局静态任务分配,又能应对UUV故障、新增任务等动态应用场景。

蝠鲼仿生型多模块UUV的水动力分析及能量捕获效能研究

[目的]针对无人值守型航行器存在电能续航力不足的瓶颈,开展蝠鲼仿生型无人潜航器(UUV)的构型设计、运动性能和能量捕获效率分析。[方法]基于浮体液压缸捕获波浪能原理,首先提出一型蝠鲼仿生型长续航UUV的构型,并推导获得蝠鲼式多模块UUV的运动及其能量捕获机理。然后基于多模块浮体理论和三维势流理论编制程序进行水动力计算分析,揭示蝠鲼式多模块UUV在不同浪向、不同液压缸连接刚度和阻尼环境下运动响应和波浪能捕获规律。[结果]最后结合最优的液压缸刚度和阻尼研究了蝠鲼式多模块UUV在波浪中的波浪能捕获效能。[结论]可见,推导的蝠鲼式多模块UUV的运动方程及其能量捕获公式可被用于有效分析其波浪能捕获特性。

基于时间地理的多UUV协同搜索移动目标发现概率模型

科学合理的搜索移动目标发现概率模型是合理评价搜索策略、分析关键影响因素、优化搜索算法的关键。针对目前发现概率模型未考虑多UUV系统搜索策略、目标机动随机性以及发现目标“同时同域”准则问题,提出多UUV协同搜索移动目标发现概率模型。首先介绍了多UUV系统协同探测概率空间分布模型以及时间地理相关理论;其次基于协同探测概率空间分布模型与时空路径理论生成协同探测概率时空分布模型,基于时空棱镜理论生成移动目标概率时空棱镜模型,基于时间地理学中的相遇概念,提出集群系统以特定策略搜索移动目标的发现概率计算方法。最后,与蒙特卡洛法、基本发现概率模型的仿真对比分析表明,所提发现概率模型可在考虑目标机动与多UUV系统特定搜索策略的同时计算对移动目标的发现概率,对研究多UUV系统协同搜索移动目标具有一定的参考价值。

基于水声传播延迟的主从式多无人水下航行器协同导航定位研究

多水下无人航行器(UUV)协同导航定位技术是解决海洋中间层水下导航问题的重要途径,研究了主从式多UUV基于水声传播延迟的协同导航定位问题。主从式导航结构中,主UUV内部装备高精度导航设备,从UUV内部装备低精度导航设备,外部均装备水声装置测量相对位置关系,利用扩展卡尔曼滤波算法融合内部和外部传感器信息,对从UUV进行实时定位。研究结果表明,利用UUV的相对位置观测,可以显著提高导航定位精度。

多UUV沿多条给定路径运动的协调编队控制

研究了在三维空间中多UUV的协调路径跟踪控制问题.应用分散控制策略将路径跟踪问题和个体间的速度协调编队解耦.在单个UUV的路径跟踪控制中引入视距导航(line of sight guidance)算法设计路径跟踪控制器,使得跟踪误差渐近收敛到零;引用图论知识设计协调控制器,使得多UUV沿期望路径的位置和速度在规定队形下达到一致,实现多UUV间的协调,而不影响空间域上的路径跟踪性能.

基于水下网络的多UUV协同作战效能评估

水下网络中心战的核心是实现水下多武器的资源共享、协同探测和协同攻击;文中以多UUV(Unmanned Underwater Vehi-cle)协同作战为例进行分析,来定量的评估水下多武器协同作战效能;建立基于水下网络的多UUV协同作战模型,运用层次分析法(AHP)确定水下网络中心战中多UUV协同作战效能评价体系中各指标的权重,使用模糊综合评价方法对各模糊指标进行评价;此实例为评估多武器协同作战效能提供了一种有效的论证方法。

多无人水下航行器协同导航与定位研究(英文)

提出一种基于移动长基线的多无人水下航行器协同导航与定位方法.多无人水下航行器协同导航与定位方法对于解决大水深和远航程问题至关重要,在移动长基线算法中,主UUV装备高精度导航设备作为移动长基线节点,而从UUV装备低精度导航设备,两者之间通过水声装置来相互定位,利用传统几何关系解算从UUV位置的算法将产生很大误差.基于扩展卡尔曼滤波的移动长基线算法能有效融合内部和外部传感器信息,提高导航精度.仿真试验对此进行了验证.

多UUV通信路由协议方法研究

针对多UUV编队控制系统水声通信的特点,提出了一种基于传输成功率、传输时间和传输方向加权的路由协议算法;根据所设计的路由协议结构,将设计路由的具体实现过程分为路由发现、路由维护、路由应答以及异常处理四个过程;最后对无路由协议算法及采用设计的路由协议算法后的分组数据发送成功率和网络时延进行了仿真对比;仿真结果表明,数据的传输成功率明显升高,传输延迟有了一定的降低;该算法提高了系统资源的利用率,改进了现有的路由协议算法。

基于消息驱动的多Agent通信系统结构研究

针对分布式多Agent通信系统结构的特点,将多Agent通信过程划分为通信信息查询过程和数据交互过程,通过分析这两个过程的实现原理与特点,提出采用分布式的信息管理方法和点对点的Agent通信方式解决多Agent系统的通信拥挤问题,并设计了基于消息驱动的多Agent通信系统,实现分布式环境下多Agent的高效通信,并应用于基于Agent的多UUV分布仿真系统中,满足了该仿真系统的需求。

具有通信约束的多UUV协调路径跟踪控制

针对多UUV间通过水声通信进行交互信息时存在时延的问题,研究了在通信时滞下多UUV沿多条给定路径编队运动的控制器设计问题。基于反步法设计了单个UUV的路径跟踪控制器,利用Lyapunov理论证明了路径跟踪控制系统是输入-状态稳定;针对通信拓扑中存在固定传输延迟问题,提出了基于平均一致连通性切换网络的时延协调控制律,并证明了当通信拓扑对应的无向图满足平均一致连通时,设计的编队控制系统是稳定的,有效地解决了通信时滞下多UUV的协调路径跟踪控制问题。仿真结果验证了该控制器的有效性。

一个面向异构多UUV协作任务的分层式控制系统

针对异构多UUV协作任务,提出了基于多智能体系统的分层式体系结构(MAHA).在个体层面,将UUV智能体的思维状态分为社会心智和个体心智两个层次分别实现,更加符合人类社会协作模式;在群体层面,提出了复杂海洋环境下UUV群体结构的评价准则,并据此将MAHA与现有结构进行了对比分析.此外,利用面向对象的Petri网理论建立了系统的协作模型,有效降低了系统建模的复杂性.最后,水下多目标搜索使命的实例研究表明,MAHA能够保证异构UUV之间进行有效的协作.

针对无人潜航器的反潜策略研究

近年来无人潜航器对国家海洋国土安全带来的威胁逐渐增大,其低噪声特性和隐蔽入侵方式也给反潜行动带来极大困难。为此,提出了一种两阶段规划算法,用以学习优化反潜策略,在部署阶段,建立了基于不确定性马尔可夫决策过程的反潜资源分配模型,并设计了鲁棒性部署策略强化学习算法,用以求解不确定条件下分配模型的纳什均衡解。在搜索阶段,建立了基于部分可观察马尔可夫决策过程的搜潜模型,并设计了基于多智能体强化学习的搜潜策略学习算法。最后,通过仿真实验验证了本算法与比对算法相比具有更高的性能。

UUV发展、应用及关键技术

无人潜航器(UUV)是无人平台的一个重要发展方向。本文重点介绍了几个主要国家发展UUV的最新情况,概括了UUV在水下通信/导航、水下环境监测、水下爆炸物探测等领域的应用能力,阐述了UUV发展在智能控制、精确导航、多传感器协同、水下高速通信等方面需解决的关键技术难题,并简要论述了UUV今后的发展方向。

基于自适应模拟退火法的UUV艏部线型优化设计

基于多目标空间的全局搜索理论,将无人水下航行器(UUV)艏部丰满度,流体动力与流噪声作为集成判定指标的综合一体化UUV艏部线型优化设计方法。建立了针对UUV艏部外形设计的一体化设计优化模型,结合经典粘流理论、CFD算法实现了集成优化设计,针对UUV外形优化设计要求,提出了复杂外形参数化和设计变量的选取原则,并对具体算例进行外形综合仿真优化设计。结果表明,基于自适应模拟退火法能够有效实现对UUV期望目标的一体化优化设计,在相互制约的多种目标函数所组成的目标域中获得最优解,优化后UUV艏部流体动力和声学性能都有较大提高。

多约束条件下UUV空间航迹规划

针对多约束条件下无人水下航行器(UUV)空间航迹规划问题,提出了结合安全曲面和威胁地图的规划方法,建立了水下安全航行曲面,将3D空间规划降为2D航向平面规划,以解决3D规划空间过大的问题。并对敌对威胁和地形威胁统一化处理,构建威胁地图,引入威胁代价和威胁程度启发因子,最后运用A*算法进行航迹搜索,以获得最优航迹。仿真结果显示,所提出的航迹规划算法简便、快速,生成的航迹能满足地形跟随、地形回避和威胁回避的需要。

欠驱动UUV自适应RBF神经网络反步跟踪控制

针对水下无人航行器(UUV)模型存在一定的误差以及流体中存在时变扰动问题,引入径向基函数(RBF)神经网络控制技术进行自适应补偿估计,结合反步法设计UUV的位置、姿态及速度控制器,使用虚拟速度来代替姿态误差的控制手段,将姿态跟踪控制转化为对速度控制。仿真结果说明此种方法是有效的,提高了UUV的鲁棒性及自适应能力。

基于强跟踪CKF的无人水下航行器SLAM

针对基于容积卡尔曼滤波(CKF)的无人水下航行器(UUV)同步定位与地图构建(SLAM)存在对模型参数变化的鲁棒性差、收敛速度慢、对突变状态跟踪能力低等问题,通过在CKF中引入渐消因子和弱化因子,提出了一种基于强跟踪CKF(STCKF)的SLAM算法(STCKF-SLAM)。首先建立UUV的运动模型、特征模型、测距声呐模型,然后基于霍夫变换从多测距声呐测量数据中提取堤岸线特征,最终采用STCKF实现了UUV的同步定位与地图构建。基于UUV海试数据的仿真实验结果表明:相比CKF-SLAM算法,STCKF-SLAM算法保持了对突变状态的强跟踪能力,且均方根误差降低了13%,提高了SLAM系统的精确性,可应用于UUV长航时水下隐蔽作业。

非对称博弈下多UUV基地防卫协同对抗策略

针对非对称博弈下的水下无人对抗问题,开展对基于基地防卫的多无人水下潜航器(unmanned underwater vehicles,UUVs)协同对抗策略研究。在双方能力和数量有差异的非对称博弈情况下,设计UUV基本行为,分别基于红、蓝方能力设计对抗策略选择方法;本文提出红方多UUV分层决策算法,并设计红方多UUV角色分配方法;在防卫任务中基于目标偏航角设计两种红方多UUV联合防卫方法;并相应给出设计蓝方UUV策略及决策方法。最后设计水下对抗仿真实验,从对抗过程的事件决策、UUV机动控制等方面验证了本文设计的对抗方法对水下非对称条件下的多UUV对抗问题具有有效性。

智能仿真在军用UUV装备体系研究中的应用

根据基于水下网络战的多无人水下航行器(UUV)集团攻击作战研究的需求,在分析从面向对象仿真到面向智能仿真技术发展的基础上,给出了军用UUV智能建模和仿真目标,包括专家系统识别、智能控制决策、作战指挥流程和战法研究等,指出了因智能仿真技术的引入使得多UUV武器装备体系的研制仿真和战术级层次上的作战仿真这2种仿真系统在形式和内容上正趋向一致,并初步构建了一种基于多智能体系统(MAS)的UUV编队作战仿真系统,为军用UUV智能仿真及其作战效能评估提供了技术支撑。

基于多种群遗传算法的多UUV任务分配方法

多无人水下航行器(UUVs)协同侦察任务分配方案的优劣关系到作战效能甚至任务成败。文中针对传统遗传算法存在过早收敛、效率不高等问题,提出一种人机融合的多种群遗传算法,用于多基地、多目标、多约束的多UUV协同侦察任务分配。该算法通过引入多种群对解空间进行协同搜索,可更好地平衡全局寻优和局部搜索能力,突破经典遗传算法仅靠单种群进行寻优的性能瓶颈;另外,以人类先验知识作为启发信息辅助种群进行初始化,提高算法收敛效率;引入“遗忘策略”,缓解可能出现的进化不完全问题。基于典型想定进行仿真实验,结果表明,提出的多种群遗传算法具有较强的鲁棒性和较高的寻优效率,可以得到高品质的协同任务分配方案。