一种基于目标声信息改进概率图的多UUV协同搜索方法

针对未知环境中多无人水下航行器(UUV)协同目标搜索问题,提出一种基于目标声信息改进概率图的多UUV协同搜索方法。建立了包含目标声场信息、UUV占用信息、目标存在概率及环境确定度的改进概率图,使UUV对动态搜索环境及目标信息的感知更加准确、全面;提出了一种基于学习机制和自适应参数调节机制的改进粒子群优化(PSO)算法,将基于线性种群规模减小和广泛学习机制的自适应差分进化算法的突变策略引入PSO算法,通过生成自适应调整参数的突变粒子,增加粒子多样性,在多UUV目标搜索应用中,减少了局部最优,提高搜索效率;设计开发了仿真程序,应用蒙特卡洛仿真方法验证分析了多UUV搜索效能。仿真结果表明,所提出的多UUV协同搜索方法与基于传统概率图的PSO搜索算法相比,同样条件下找到目标所花费的时间更少、找到的目标数量更多,对动态目标搜索具有较明显的优势。

基于改进PSO-Lévy算法的海流环境下AUV节能路径规划

为了获取海流环境中自主水下航行器(AUV)的节能避障路径,建立了包含海流场速度信息和水下地形障碍的三维动态海流环境模型;基于航行能耗、AUV机动性能约束和障碍物约束,建立增广目标函数,提出了一种基于权重调节机制和随机游走特性的改进粒子群优化-Lévy(PSO-Lévy)算法。将基于最佳阻尼比的参数调节策略和基于Lévy-flight过程的步长随机游走策略引入PSO算法,通过概率执行粒子大步长游走操作以及对粒子惯性速度进行调控,弥补了PSO步长短、跳出局部最优能力弱的劣势。仿真结果表明,所提出的算法能在有效避开障碍物的同时利用海流信息规划出低能耗的最优路径。