CN109857117A - 一种基于分布式模式匹配的无人艇集群编队方法 - Google Patents

Abstract

一种基于分布式模式匹配的无人艇集群编队方法，包括步骤：S1，获取无人艇集群当前通信网络的拓扑结构；S2，识别出通信网络中所有的极大团，对无人艇集群进行分簇，并向每艘无人艇发送分簇及目标队形信息；S3，每艘无人艇各自获取与自己同簇的其他无人艇的相对位置，计算包含它的所有簇在目标队形中的位置所对应的在以其为原点的相对坐标系中的匹配位置；S4，在每个控制周期内，每艘无人艇进行移动；S5，每个控制周期末，当所有无人艇均停止移动，即已变换到目标队形，结束。本发明具有完全分布式的编队控制器，不需要获取无人艇的绝对位置信息，只需要无人艇之间建立少量的通信连接即可，因而受环境影响较小，具有安全、稳定、可靠的优点。

Description

一种基于分布式模式匹配的无人艇集群编队方法

技术领域

本发明属于无人艇控制技术领域，具体地说是一种基于分布式模式匹配的无人艇集群编队方法。

背景技术

无人艇是一种具有自主规划、自主航行能力，并可自主完成环境感知、目标探测等任务的小型水面平台，可承担情报收集、监视侦察、扫雷、反潜、精确打击、搜捕、水文地理勘察，反恐，中继通信等功能。无人艇根据使命的不同，可采用多种不同的模块，搭载不同的传感器或执行设备，执行任务也显示出多样性。

然而在未来战争中仅靠单艘无人艇自主作战难以适应复杂的战场环境，而具备有效协同策略的无人艇集群编队能更好的完成任务。因为多艘无人艇构成的无人艇集群能够减小整体航行的阻力，使无人艇集群在打击效果、成功率、侦查范围及规避概率均有提升。从而使无人艇集群能够在执行复杂任务、多任务和复杂环境下具有相对大的活动范围，更大的任务完成概率，以及更高的保障性。但是无人艇集群执行各种不同任务时会存在队形选择和任务指标优化问题。首先，无人艇集群执行不同任务时，不同队形选择不但会影响该任务的执行效果，而且会对任务链中的下一个任务产生额外的作用。特别是在同一区域执行不同的任务时，及时的队形变换可以使无人艇集群安全性提高，还能提升任务的执行效率。其次，对于一些突发的、额外的事件，队形变换有时是必须的、重要的。然而各任务的队形优化以及各任务优化与任务整体优化的关系，对于分布式控制、固定结构编队的队形控制存在着不可忽略的影响。因此各种不同的任务对无人艇集群队形的影响成为不可忽略的关键问题之一。

在早期，较多研究仅仅是简单的考虑任务对无人艇编队队形的控制，主要工作一般是在假定各任务已知的条件下，集群以每艘无人艇为一节点，对已知任务目标进行预先规划，从而进行编队控制，使无人艇集群在任务中保持某些指标最优化，例如航程最大化、侦查范围最大化等等。目前无人艇集群的队形控制、队形变换主要集中在单艘无人艇的研究方向，即从单艘无人艇为一簇点方面，考虑对任务性质的划分进行固定或者半固定队形的航路规划，而对无人艇集群在只考虑无人艇之间相对位置的分布式控制下实现复杂队形的变换方面研究较少。

发明内容

为了解决上述的技术问题，本发明提供了一种基于分布式模式匹配的无人艇集群编队方法。

为了解决上述技术问题，本发明采取以下技术方案：

一种基于分布式模式匹配的无人艇集群编队方法，包括以下步骤：

S1，获取无人艇集群当前通信网络的拓扑结构；

S2，识别出通信网络中所有的极大团，根据该极大团对无人艇集群进行分簇，向每艘无人艇发送分簇及目标队形信息；

S3，每艘无人艇各自获取与自己同簇的其他无人艇的相对位置，并利用模式匹配方法计算包含它的所有簇在目标队形中的位置所对应的在以该无人艇为原点的相对坐标系中的匹配位置；

S4，在每个控制周期内，每艘无人艇按照各自的运动速度进行移动；

S5，在每个控制周期末，每艘无人艇判断所有包含它的簇的匹配位置中自身的匹配位置是否全部与该艔无人艇当前位置一致，若一致，则该无人艇停止移动，当所有无人艇均停止移动，即已变换到目标队形，结束。

所述步骤S2具体包括：

S201，利用FAMC算法识别出无人艇集群通信网络中所有的极大团；

S202，按照步骤S201所计算出的所有极大团将无人艇集群分簇，每个极大团内的无人艇组成一簇；

S203，将分簇及目标编队信息发送给相应的无人艇，每艘无人艇接收到的信息包括所有包含该无人艇的簇以及每个簇内其他的无人艇的编号和该无人艇在目标队形中的位置信息。

所述步骤S3具体包括：

S301，每艘无人艇各自获取与自己同簇的其他无人艇的相对位置，相对位置是以该无人艇为原点所建立的相对坐标系中的位置；

S302，利用模式匹配方法计算包含无人艇的所有簇在目标队形中的位置所对应的在以其为原点的相对坐标系中的匹配位置，具体如下：

对于无人艇i所处的某个簇c，令矩阵表示该簇内所有无人艇当前在以无人艇i为原点的相对坐标系中的位置；令矩阵表示该簇内所有无人艇在目标队形中的位置；令矩阵表示该簇内所有无人艇在目标队形中的位置所对应的在以无人艇i为原点的相对坐标系中的匹配位置，其中

对于描述同一簇无人艇位置的和求R∈SO(2)和τ∈R²使得：

其中R为旋转矩阵，SO(2)为2维正交矩阵集，τ为平移向量， 为2维欧几里得群，将此模式匹配问题表示为则R和τ为的解；

那么，该簇在以无人艇i为原点的相对坐标系中的匹配位置即为：

所述步骤S4中，无人艇的运动速度由预设的基于梯度流的速度控制器控制，该基于梯度流的速度控制器具体为：

PDF文件中上边公式错行u_i(t)为无人艇i的速度控制输入，M-clq_i为所有包含无人艇i的簇的集合，为每个簇的增益，ave(.)为求矩阵每行的均值，为t时刻该簇内的无人艇j在以无人艇i为原点的相对坐标系中的位置，x_*j为该簇内的无人艇j在目标队形中的位置，为模式匹配问题的解中的旋转矩阵。

所述步骤S5具体包括：

S501，在每个控制周期末，执行步骤S3；

S502，每艘无人艇判断所有包含它的簇的匹配位置中自身的匹配位置是否全部与该无艇当前位置一致，若一致，则该无人艇停止移动，若不一致，则继续执行步骤S4；无人艇i在以其为原点的相对坐标系中的位置即为原点，所有包含无人艇i的簇的匹配位置同样对应于以无人艇i为原点的相对坐标系，若所有包含无人艇i的簇的匹配位置中无人艇i的匹配位置全部为原点，即位置一致；

S503，若所有无人艇均停止移动，即已变换到目标队形，结束。

本发明具有完全分布式的编队控制器，不需要获取无人艇的绝对位置信息，只需要无人艇之间建立少量的通信连接即可，因而受环境影响较小，具有安全、稳定、可靠的优点。

附图说明

附图1为本发明流程示意图；

附图2为本发明实施例中的目标队形以及无人艇集群之间的通信拓扑。

具体实施方式

为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述。发明中提供的实施例，作为编队构建方法的参考性举例，仅用于更加详细地对本发明进行阐述，而不能解释为对本发明的限制，该具体示例仅仅作为一个普通示例，不能限制于该示例。本发明所公开的方法可提供许多不同的实施例，用来描述本发明中相对应的结构、设置描述等，并且所对应的推广目的不在于限制本发明。此外，本发明中示例的数字或字母，仅为简化和表述清楚，可以引申为其余不同的示例中相对应的数字或者字母，不能以此为限制，其本身不代表所讨论实施例的本质或设置之间的关系。

此外，本发明的描述中，除特别的注释，其术语均为广义理解，如：网络拓扑中的连接与指令信息交互，可以以各种可能的方式进行连接和交互，如可以直接通信或通过地面、卫星等手段通信，视具体情况理解示例中上述术语的具体含义。

如附图1所示，本发明揭示了一种基于分布式模式匹配的无人艇集群编队方法，包括以下步骤：

S1，获取无人艇集群当前通信网络的拓扑结构。

S2，识别出通信网络中所有的极大团，根据该极大团对无人艇集群进行分簇，向每艘无人艇发送分簇及目标队形信息。

S3，每艘无人艇各自获取与自己同簇的其他无人艇的相对位置，并利用模式匹配方法计算包含它的所有簇在目标队形中的位置所对应的在以该无人艇为原点的相对坐标系中的匹配位置。

S4，在每个控制周期内，每艘无人艇利用预设的基于梯度流的速度控制器自主控制其速度并进行移动。

S5，在每个控制周期末，每艘无人艇判断所有包含它的簇的匹配位置中自身的匹配位置是否全部与该艔无人艇当前位置一致，若一致，则该无人艇停止移动，当所有无人艇均停止移动，即已变换到目标队形，结束,完成对无人艇的集群编队。

所述步骤S2具体包括：

S201，利用FAMC算法识别出无人艇集群通信网络中所有的极大团，极大团内所有节点和节点之间的边一起构成网络的一个完全诱导子图。

S202，按照步骤S201所计算出的所有极大团将无人艇集群分簇，每个极大团内的无人艇组成一簇。对于一艘无人艇，有可能只属于一个簇，也可能同时被其中两个或者更多个簇包含在内。

S203，将分簇及目标编队信息发送给相应的无人艇，每艘无人艇接收到的信息包括所有包含该无人艇的簇以及每个簇内其他的无人艇的编号和该无人艇在目标队形中的位置信息。目标队形中的位置信息均为绝对坐标系下，即与无人艇集群所用坐标系相同。

所述步骤S3具体包括：

S301，每艘无人艇各自获取与自己同簇的其他无人艇的相对位置，相对位置是以该无人艇为原点所建立的相对坐标系中的位置。

S302，利用模式匹配方法计算包含无人艇的所有簇在目标队形中的位置所对应的在以其为原点的相对坐标系中的匹配位置，具体如下：

对于无人艇i所处的某个簇c，令矩阵表示该簇内所有无人艇当前在以无人艇i为原点的相对坐标系中的位置；令矩阵表示该簇内所有无人艇在目标队形中的位置；令矩阵表示该簇内所有无人艇在目标队形中的位置所对应的在以无人艇i为原点的相对坐标系中的匹配位置，其中 为目标队形中的位置即为绝对坐标系，

对于同一簇无人艇位置的和求R∈SO(2)和τ∈R²使得：

其中R为旋转矩阵，SO(2)为2维正交矩阵集，τ为平移向量， 为2维欧几里得群，将此模式匹配问题表示为则R和τ为的解；

那么，该簇在以无人艇i为原点的相对坐标系中的匹配位置即为：

所述步骤S4中，无人艇的运动速度由预设的基于梯度流的速度控制器控制，该基于梯度流的速度控制器具体为：

u_i(t)为无人艇i的速度控制输入，M-clq_i为所有包含无人艇i的簇的集合，为每个簇的增益，ave(.)为求矩阵每行的均值，为t时刻该簇内的无人艇j在以无人艇i为原点的相对坐标系中的位置，x_*j为该簇内的无人艇j在目标队形中的位置，为模式匹配问题的解中的旋转矩阵。

所述步骤S5具体包括：

S501，在每个控制周期末，执行步骤S3；

S502，每艘无人艇判断所有包含它的簇的匹配位置中自身的匹配位置是否全部与该无艇当前位置一致，若一致，则该无人艇停止移动，若不一致，则继续执行步骤S4；无人艇i在以其为原点的相对坐标系中的位置即为原点，所有包含无人艇i的簇的匹配位置同样对应于以无人艇i为原点的相对坐标系，若所有包含无人艇i的簇的匹配位置中无人艇i的匹配位置全部为原点，即位置一致；

S503，若所有无人艇均停止移动，即已变换到目标队形，结束。

下面给出一个实施例。

如附图2所示，是目标队形以及无人艇集群之间的通信拓扑关系，目标队形为一锥子形，其中有6条通信连接。

在步骤S2中，利用FAMC算法求得所有的极大团为{1，2，3}和{1，3，4}，则将此无人艇集群分为两簇，即为簇1：{1，2，3}，簇2：{1，3，4}。发送给无人艇1的信息应包括：其所在的簇为簇1：{1，2，3}，簇2：{1，3，4}以及无人艇1、2、3、4在目标队形中的位置；发送给无人艇2的信息应包括：其所在的簇1：{1，2，3}以及无人艇1、2、3在目标队形中的位置；以此类推。

在步骤S3中，对于无人艇1，测量与其同簇的簇2、簇3、簇4的相对位置，然后分别求解[x_*1x_*2x_*3])(簇1在目标队形中的位置所对应的在以无人艇1当前位置为原点的相对坐标系中的匹配位置)和[x_*1x_*3x_*4])(簇2在目标队形中的位置所对应的在以无人艇1当前位置为原点的相对坐标系中的匹配位置)，其中为无人艇1所测得的与它同簇的无人艇i的相对位置，x_*i为无人艇i在目标队形中的位置，则得到簇1和簇2的匹配位置分别为：

根据以上计算方式，计算得到其余所有无人艇的位置信息。

然后再按照步骤S4和步骤S5进行计算，最终实现无人艇的队形变换。

需要说明的是，以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，但是凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于分布式模式匹配的无人艇集群编队方法，包括以下步骤：

S1，获取无人艇集群当前通信网络的拓扑结构；

S2，识别出通信网络中所有的极大团，根据该极大团对无人艇集群进行分簇，向每艘无人艇发送分簇及目标队形信息；

S3，每艘无人艇各自获取与自己同簇的其他无人艇的相对位置，并利用模式匹配方法计算包含它的所有簇在目标队形中的位置所对应的在以该无人艇为原点的相对坐标系中的匹配位置；

S4，在每个控制周期内，每艘无人艇按照各自的运动速度进行移动；

S5，在每个控制周期末，每艘无人艇判断所有包含它的簇的匹配位置中自身的匹配位置是否全部与该艔无人艇当前位置一致，若一致，则该无人艇停止移动，当所有无人艇均停止移动，即已变换到目标队形，结束。

2.根据权利要求1所述的基于分布式模式匹配的无人艇集群编队方法，其特征在于，所述步骤S2具体包括：

S201，利用FAMC算法识别出无人艇集群通信网络中所有的极大团；

S202，按照步骤S201所计算出的所有极大团将无人艇集群分簇，每个极大团内的无人艇组成一簇；

S203，将分簇及目标编队信息发送给相应的无人艇，每艘无人艇接收到的信息包括所有包含该无人艇的簇以及每个簇内其他的无人艇的编号和该无人艇在目标队形中的位置信息。

3.根据权利要求2所述的基于分布式模式匹配的无人艇集群编队方法，其特征在于，所述步骤S3具体包括：

S301，每艘无人艇各自获取与自己同簇的其他无人艇的相对位置，相对位置是以该无人艇为原点所建立的相对坐标系中的位置；

S302，利用模式匹配方法计算包含无人艇的所有簇在目标队形中的位置所对应的在以其为原点的相对坐标系中的匹配位置，具体如下：

对于无人艇i所处的某个簇c，令矩阵表示该簇内所有无人艇当前在以无人艇i为原点的相对坐标系中的位置；令矩阵表示该簇内所有无人艇在目标队形中的位置；令矩阵表示该簇内所有无人艇在目标队形中的位置所对应的在以无人艇i为原点的相对坐标系中的匹配位置,其中X_*c,

对于描述同一簇无人艇位置的和求R∈SO(2)和τ∈R²使得：

其中R为旋转矩阵，SO(2)为2维正交矩阵集，τ为平移向量， 为2维欧几里得群，将此模式匹配问题表示为则R和τ为的解；

那么，该簇在以无人艇i为原点的相对坐标系中的匹配位置即为：

4.根据权利要求3所述的基于分布式模式匹配的无人艇集群编队方法，其特征在于，所述步骤S4中，无人艇的运动速度由预设的基于梯度流的速度控制器控制，该基于梯度流的速度控制器具体为：

u_i(t)为无人艇i的速度控制输入，M-clq_i为所有包含无人艇i的簇的集合，为每个簇的增益，ave(.)为求矩阵每行的均值，为t时刻该簇内的无人艇j在以无人艇i为原点的相对坐标系中的位置，x_*j为该簇内的无人艇j在目标队形中的位置，为模式匹配问题的解中的旋转矩阵。

5.根据权利要求3所述的基于分布式模式匹配的无人艇集群编队方法，其特征在于，所述步骤S5具体包括：

S501,在每个控制周期末，执行步骤S3；

S502，每艘无人艇判断所有包含它的簇的匹配位置中自身的匹配位置是否全部与该无艇当前位置一致，若一致，则该无人艇停止移动，若不一致，则继续执行步骤S4；无人艇i在以其为原点的相对坐标系中的位置即为原点，所有包含无人艇i的簇的匹配位置同样对应于以无人艇i为原点的相对坐标系，若所有包含无人艇i的簇的匹配位置中无人艇i的匹配位置全部为原点，即位置一致；

S503,若所有无人艇均停止移动，即已变换到目标队形，结束。