CN110618689A - 一种约束条件下基于合同网的多uuv系统协商合作建模方法 - Google Patents
一种约束条件下基于合同网的多uuv系统协商合作建模方法 Download PDFInfo
- Publication number
- CN110618689A CN110618689A CN201810633326.6A CN201810633326A CN110618689A CN 110618689 A CN110618689 A CN 110618689A CN 201810633326 A CN201810633326 A CN 201810633326A CN 110618689 A CN110618689 A CN 110618689A
- Authority
- CN
- China
- Prior art keywords
- uuv
- bidder
- node
- buax
- task
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims description 53
- 238000001514 detection method Methods 0.000 claims description 37
- 230000006399 behavior Effects 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 230000036541 health Effects 0.000 claims description 8
- 230000006378 damage Effects 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 2
- 230000009545 invasion Effects 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000005094 computer simulation Methods 0.000 abstract 1
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于水下无人系统建模与仿真领域,具体涉及一种约束条件下基于合同网的多UUV系统协商合作建模方法,本发明的方法具体定义离散型的基本行为动作航行巡逻、感知探测和趋向目标,在此基础上定义了自身健康状态、电池能源状态、水下探测范围约束条件,并设计面向约束条件的投标逻辑控制决策模型,进而形成了以招标者为虚拟中央节点,中标者为跟随节点的局部网络,满足分布式结构下多UUV系统对对敌方目标围捕作业的协调与合作。本发明的方法能有效减少无效投标者参与局部网络LN的形成,保证任务协商的质量和效率。
Description
技术领域
本发明涉及水下无人系统建模与仿真领域,具体为一种约束条件 下基于合同网的多UUV系统协商合作建模方法。
背景技术
海洋作为人类生存的战略空间蕴藏着丰富的资源,已成为世界各 国发展海洋经济、创新海洋装备、维护海洋权益和开展国际合作的重 要场所。作为认识、探索、开发和利用海洋的重要手段,多UUV(无 人水下航行器)系统不仅突破单UUV携带能源和个体能力的制约, 还可以实现约束条件下大范围水下空间探测、识别与通信等功能,广 泛应用于海洋环境监测、海底石油勘探、水下空间搜救和水下无人作 战等民用和军事领域。如何高质量和高效率的完成这些作业使命,多 UUV之间的协商合作建模就显得非常重要,这是因为协商合作建模 主要解决任务分解、分配、资源冲突以及优化整个系统的行为等问题。
多UUV系统具有自主性、交互性和协作性等特点,可以将其类 比于一个多智能体(Multi-Agents,MAS)系统,因此借鉴成熟的MAS 建模理论来解决多UUV系统所面临的协商合作建模问题。MAS协调 与合作是其建模研究的核心问题,产生于Agent、信息、资源、环境的分布特性以及它们之间交互关系,主要研究多Agent之间及Agent 与环境之间如何协商与合作,以实现整体效能最优。目前,多Agent 协调与合作研究已成为国内外分布式人工智能领域研究的焦点,相继 涌现出如黑板模型、基于对策论的协商、通用部分全局规划和合同网 协议等为典型代表的方法和模型。
合同网(Contract Net Protocol,CNP)是由Smith和Davis在分布式 问题求解过程中提出的方法,其基本原理是Agent通过模拟经济行为 中招标-投标-中标的市场竞争机制,以标值为纽带,将系统中的成 员区分为管理者和合同者,其中管理者负责招标、评标和中标授权, 并监视任务执行和处理执行结果;而合同者负责投标、接受任务合同 和执行任务,标值为系统各平台间任务输入输出协调和分配的控制变 量,通过对标值的调整得到任务分配的全局最优解。
目前,CNP被引入到多UUV系统协调与合作进行研究,并取得 了一定的研究成果,如利用Simulink/Stateflow构建UUV群体协作 合同网模型,或者建立了基于合同网的UUV编队多约束多目标任务 规划数学模型。但是CNP在实际应用的过程中突现出的缺点和不足也不能忽视,主要表现在:(1)在协商过程中,通过一定的定量化指 标,例如资源均衡度、最大效能等,将多UUV协商过程变换为数学 的优化问题,往往忽略了UUV个体能源、探测范围等个体能力以及 环境变化约束条件,没有认识到合同网模型是一个作为离散交互行为 协调过程的本质;(2)合同网模型在协商过程中央UUV节点采用广 播方式进行交互通信,如果协商失败可能会重新进行多次协商,容易 造成网络负载过重,管理者和合同者决策负担加大,从而导致通信量 成倍数增加,影响协商效率。为了克服以上缺点,因此希望开发出复杂约束条件下具有协商效率高的事件驱动型CNP模型,实现多UUV 系统自组织完成对敌方目标的围捕。
发明内容
本发明的目的是:为了克服已有CNP模型在多UUV系统围捕敌 方目标应用中出现的问题,本发明提出一种约束条件下基于扩展合同 网的多UUV系统协商合作建模方法,实现对敌方入侵目标的围捕作 业。
本发明要解决的技术问题通过以下技术方案实现:
一种约束条件下基于合同网的多UUV系统协商合作建模方法, 包括以下步骤:
步骤1:初始化UUV基本行为动作及其相关参数
初始化UUV基本行为动作,包括航行巡逻A1、感知探测A2和趋 向目标A3;假设多UUV系统中的节点组成、基本行为动作组成和目 标组成的范围;定义基于合同网模型的多UUV系统角色,将虚拟中 央UUV节点定义为招标者TUA,激活UUV节点和半激活UUV节 点为投标者BUA,最终投标成功的UUV节点定义为中标者WUA;
步骤2:招标者形成阶段计算
在多UUV系统中,如果UUV节点xk在探测范围Dr首先发现敌 方目标yj,并且执行基本行为动作A1,则xk自动成为招标者TUA xk, 将其作为局部网络LN的虚拟中央节点;
步骤3:投标者形成阶段计算
招标者TUA xk作为LN的虚拟中央节点,在其通信范围Cr与探 测范围Dr叠加形成区域ΩC及其边缘上的所有H个UUV节点 xh∈[x1,x2,…,xH],H<N,其自动成为投标者BUA xk;
步骤4:发标阶段计算
招标者TUA xk经基本行为动作A2发现自己没有足够能力围捕敌 方目标yj,在其通信范围Cr内以广播通信的方式向所有投标者BUA xh发出招标信息DD,并且招标者TUA xk基本行为动作从A2转向A3;
步骤5:投标阶段计算
投标者BUA xh收到招标信息后,依据任务时间窗口、自身健康 状态、电池能源状态和水下探测范围等四个约束条件,判断决策自己 是否具备完成该任务的能力,同时向招标者TUA xk发送投标信息BD或拒绝信息RD给TUA xk节点做出回应,形成面向约束条件的BUAxh投标逻辑控制决策模型
步骤6:中标阶段计算
在预定的投标截止时间Tt到达后,招标者TUA xk收到所有投标 者BUA xh提交的投标信息DD后向提出此投标的投标者xh发出中标消 息,同时该投标者xh角色转换为中标者WUA,并且基本行为动作从A1转向基本行为动作A3,通过基本行为动作A3可以实现对敌方目标的 围捕。
进一步地,所述步骤1中航行巡逻A1的具体动作是:UUV以分 布式结构采取航行巡逻行为动作进行水下入侵目标的巡逻;感知探测 A2的具体动作是:在探测范围内,UUV执行感知探测行为动作发现 入侵目标,并通过广播形式将探测结果发送相邻节点UUV;趋向目标A3的具体动作是:在通信范围内,相邻节点UUV接受信息后,执 行趋向目标的动作,形成围捕态势,其余UUV继续执行航行巡逻行 为动作。
进一步地,所述步骤1假设多UUV系统中的节点组成、基本行 为动作组成和目标组成的范围具体是指,假设多UUV系统中由N个 UUV xk∈[x1,x2,…,xN]组成,UUV基本行为动作由Ai∈[A1,A2,A3]组成, 目标由M个敌方入侵移动目标yj∈[y1,y2,…,yM]组成。
进一步地,所述步骤5中投标者BUA xh逻辑控制决策模型判断 步骤为:
步骤5.1:对投标者BUA xh,h=1
步骤5.2:判断任务时间窗口约束
投标者BUA xh在参与任务动态规划与协调过程中,会存在一个 最佳时间阶段Tf=[Ts,Te],其中Ts和Te为任务执行的最佳起始时间和结 束时间,则任务执行窗口时间T=Ts-Te需要满足:
Tmin≤T≤Tmax
其中,Tmin和Tmax为任务执行窗口的最小时间和最大时间;如果投 标者BUA xh参与完成围捕任务的时间T满足Tmin≤T≤Tmax,执行步骤 5.3,反之,其不能参与对敌方目标围捕的任务协调与合作,终止BUA xh判断,以通信动作Refuse发送拒绝投标信息RD给TUA xk节点;
步骤5.3:判断自身健康状态约束
投标者BUA xh自身健康状态主要通过SS={SS1,SS2,SS3,SS4, SS5,SS6}来描述和刻画UUV健康状态的各个方面,其中,SS1代表 健康,SS2代表机械故障,SS3代表电子故障,SS4代表机体损伤, SS5代表全部故障,SS6代表敌方击毁;具体的自身健康状态通过可靠性理论相关的数学概率进行表示,其中SS1,SS5和SS6的状态可 靠度分别表示fSS1(x)=1.0,fSS5(x)=0和fSS6(x)=0,而SS2、SS3和SS4 需要首先计算其失效概率,再由在失效概率计算状态可靠度;
步骤5.4:判断电池能源状态约束
定义BUA xh电池能源状态约束如下:
式中,表示UUV完成任务所需能源的最低阈值,P(t)表示当 前UUV的能源状态;如果投标者BUA xh电池能源状态约束大于最低 阈值,执行步骤5.5,反之,其不能参与对敌方目标围捕的任务协调 与合作,终止投标者BUA xh判断,以通信动作Refuse发送拒绝投标信息RD给投标者TUA xk节点;
步骤5.5:判断水下探测范围约束
水下探测范围约束简化为立体扇面,探测扇面的半径用r表示, 水平扇面夹角用v表示,扇面的垂直夹角用η表示,如果敌方目标yj位 于BUA xh的水下探测范围,则其可以参与对敌方目标围捕的任务协 调与合作,执行步骤5.6,反之,其不能参与对敌方目标围捕的任务 协调与合作,终止BUA xh判断,以通信动作Refuse发送拒绝投标信 息RD给投标者TUAxk节点;
步骤5.6:如果h≤H,对所有投标者BUA xh进行遍历,循环步 骤5.2至步骤5.5;当h>H,遍历结束,进入步骤6。
与现有技术相比,本发明的有益效果:
在合同网协议CNP模型的基础上,定义了离散型的基本行为动 作,设计面向约束条件的投标逻辑控制决策模型,实现了约束条件下 基于合同网的多UUV系统协商合作建模方法,满足了分布式结构下 多UUV系统的协调与合作,实现对敌方目标的围捕作业。该方法不 仅综合考虑了UUV各方面的能力约束条件,而且通过约束条件的决 策控制模型判断,可以有效减少无效BUA模型参与局部网络LN的 形成,进而减少网络通信规模,保证任务协商的质量和效率。
附图说明
图1是是本发明提出的约束条件下基于合同网的多UUV系统协 商合作建模方法示意图;
图2是面向约束条件的投标逻辑控制决策模型;
图3是探测范围区域示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的 实施方式不限于此。
本发明的设计思路是:假设多UUV系统分布在作业区域,UUV 在探测感知水下敌方入侵目标的过程会执行基本行为规则,利用CNP 模型实现多UUV系统的离散交互行为协调,通过形成的分布式局部 网络(Local Network,LN)实现对入侵目标的围捕。
在基于CNP模型的多UUV系统中角色分为:虚拟中央UUV节 点,激活UUV节点和半激活UUV节点,将这些角色映射到CNP的 角色中来,具体对应关系:虚拟中央UUV节点为招标者(TUA),激 活UUV节点和半激活UIA节点为投标者(BUA),最终投标成功的UUV节点定义为中标者(WUA)。
在以上假设和分析基础上,提出一种如图1所示的约束条件下基 于合同网的多UUV系统协商合作建模方法,步骤如下:
步骤1:初始化模型及其相关参数
步骤1.1:初始化UUV基本行为动作如表1所示,主要包括: 航行巡逻A1、感知探测A2和趋向目标A3。
表1协调控制的基本行为动作
步骤1.2:假设多UUV系统中由N个UUV xk∈[x1,x2,…,xN]组成, UUV基本行为动作由Ai∈[A1,A2,A3]组成,目标由M个敌方入侵移 动目标yj∈[y1,y2,…,yM]组成。
步骤2:招标者(TUA)形成阶段计算
在多UUV系统中,如果UUV xk在探测范围Dr首先发现敌方目 标yj,并且执行基本行为动作A1,则xk自动成为招标者TUA xk,其 作为局部网络LN的虚拟中央节点;
步骤3:投标者(BUA)形成阶段计算
招标者TUA xk作为LN的虚拟中央节点,在其通信范围Cr与探 测范围Dr叠加形成区域ΩC及其边缘上的所有H个UUV节点 xh∈[x1,x2,…,xH],H<N,其自动成为投标者BUA xk;
步骤4:发标(Announcement)阶段计算
招标者TUA xk经基本行为动作A2发现自己没有足够能力围捕敌 方目标yj,在其通信范围Cr内以广播通信的方式向所有投标者BUA xh发出招标信息DD,并且投标者TUA xk基本行为动作从A2转向A3;
步骤5:投标(Bidding)阶段计算
投标者BUA xh收到招标信息后,依据任务时间窗口、自身健康 状态、电池能源状态和水下探测范围等四个约束条件,判断决策自己 是否具备完成该任务的能力,同时向招标者TUA xk发送投标信息BD或拒绝信息RD给TUA xk节点做出回应,形成面向约束条件的BUAxh投标逻辑控制决策模型,如图2所示;具体的投标者BUA xh决策模 型判断步骤为:
步骤5.1:对投标者BUA xh,h=1
步骤5.2:判断任务时间窗口约束
由于作业环境具有复杂性和动态性、敌方目标具有隐蔽性和欺骗 性等特点、突发事件具有随机性和实效性,因此投标者BUA xh在参 与任务动态规划与协调过程中,会存在一个最佳时间阶段Tf=[Ts,Te], 其中Ts和Te为任务执行的最佳起始时间和结束时间,则任务执行窗口 时间T=Ts-Te需要满足:
Tmin≤T≤Tmax (1)
其中,Tmin和Tmax为任务执行窗口的最小时间和最大时间。如果投标者 BUA xh参与完成围捕任务的时间T满足Tmin≤T≤Tmax,执行步骤5.3, 反之,其不能参与对敌方目标围捕的任务协调与合作,终止BUA xh判 断,以通信动作Refuse发送拒绝投标信息RD给TUA xk节点。
步骤5.3:判断自身健康状态约束
投标者BUA xh自身健康状态主要通过SS={SS1,SS2,SS3,SS4, SS5,SS6}来描述和刻画UUV健康状态的各个方面,其状态名称、状 态描述、状态类型和状态值如表2所示。
表2 UUV自身健康状态
具体的自身健康状态通过可靠性理论相关的数学概率进行表示 其中SS1,SS5和SS6的状态可靠度分别表示fSS1(x)=1.0,fSS5(x)=0和 fSS6(x)=0,而SS2、SS3和SS4需要首先计算其失效概率,在由在失 效概率计算状态可靠度。SS2、SS3和SS4的状态可靠度分别计算为:
步骤5.3.1:电子故障SS3失效概率fS3(x)的分布函数用正态分布 表示:
则电子故障SS3可靠度fSS3(x)表示为
fSS3(x)=1-fS3(x) (3)
其中,μ和σ是正态分布参数。
步骤5.3.2:机械故障SS2和机体损伤SS4的失效概率fS2(x)和 fS4(x)的分布函数用指数分布表示:
则机械故障SS2和机体损伤SS4的可靠度fSS2(x)和fSS4(x)分别表 示为
fSS2(x)=1-fS2(x) (6)
fSS4(x)=1-fS4(x) (7)
其中,λ是指数分布参数。
如果投标者BUA xh自身状态可靠度fSSi(x)大于其对应的状态预 设阈值fmin,即执行步骤5.5,反之,其不能参与对敌方 目标围捕的任务协调与合作,终止BUA xh判断,以通信动作Refuse 发送拒绝投标信息RD给TUA xk节点。
步骤5.4:判断电池能源状态约束
由于UUV的水下作战作任务复杂、潜航时间长、航程距离远等 原因,对能源状态的要求一般较高,特别是目前UUV使用的电池提 供能源方式,这是因为电池可以不受水下环境、下潜深度等因素,同 时具有高隐蔽性和低噪音的优势。因此,定义BUA xh电池能源状态约束如下:
式中,表示UUV完成任务所需能源的最低阈值,P(t)表示当前UUV的能源状态。如果BUA xh电池能源状态约束大于最低阈值,执 行步骤4.4,反之,其不能参与对敌方目标围捕的任务协调与合作, 终止BUA xh判断,以通信动作Refuse发送拒绝投标信息RD给TUAxk节点。
步骤5.5:判断水下探测范围约束
水下探测范围约束简化为立体扇面如图3所示,其中r表示探测 扇面的半径(探测距离),v表示水平扇面夹角,η表示扇面的垂直夹角。 如果敌方目标yj位于BUA xh的水下探测范围,则其可以参与对敌方 目标围捕的任务协调与合作,执行步骤5.6,反之,其不能参与对敌 方目标围捕的任务协调与合作,终止BUA xh判断,以通信动作Refuse 发送拒绝投标信息RD给TUA xk节点。
步骤5.6:如果h≤H,对所有投标者BUA xh进行遍历,循环步 骤5.2至步骤5.5;当h>H,遍历结束,进入步骤6。
步骤6:中标(Awarding)阶段计算
在预定的投标截止时间Tt到达后,招标者TUA xk收到所有投标 者BUA xh提交的投标信息DD后向提出此投标的投标者xh发出中标消 息,同时该投标者xh角色转换为中标者(WUA),并且基本行为动作从 A1转向基本行为动作A3。
通过以上步骤形成了以招标者TUA xk为虚拟中央节点,中标者 (WUA)xh为跟随节点的局部网络,通过基本行为动作A3可以实现对 敌方目标的围捕。
本发明的方法,在合同网协议CNP模型的基础上,定义了离散 型的基本行为动作,设计面向约束条件的投标逻辑控制决策模型,实 现了约束条件下基于合同网的多UUV系统协商合作建模方法,满足 了分布式结构下多UUV系统的协调与合作,实现对敌方目标的围捕 作业。该方法不仅综合考虑了UUV各方面的能力约束条件,而且通 过约束条件的决策控制模型判断,可以有效减少无效BUA模型参与 局部网络LN的形成,进而减少网络通信规模,保证任务协商的质量 和效率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详 细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明 所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下, 还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (4)
1.一种约束条件下基于合同网的多UUV系统协商合作建模方法,其特征在于,包括以下步骤:
步骤1:初始化UUV基本行为动作及其相关参数
初始化UUV基本行为动作,包括航行巡逻A1、感知探测A2和趋向目标A3;假设多UUV系统中的节点组成、基本行为动作组成和目标组成的范围;定义基于合同网模型的多UUV系统角色,将虚拟中央UUV节点定义为招标者TUA,激活UUV节点和半激活UUV节点为投标者BUA,最终投标成功的UUV节点定义为中标者WUA;
步骤2:招标者形成阶段计算
在多UUV系统中,如果UUV节点xk在探测范围Dr首先发现敌方目标yj,并且执行基本行为动作A1,则xk自动成为招标者TUAxk,将其作为局部网络LN的虚拟中央节点;
步骤3:投标者形成阶段计算
招标者TUA xk作为LN的虚拟中央节点,在其通信范围Cr与探测范围Dr叠加形成区域ΩC及其边缘上的所有H个UUV节点xh∈[x1,x2,…,xH],H<N,其自动成为投标者BUAxk;
步骤4:发标阶段计算
招标者TUAxk经基本行为动作A2发现自己没有足够能力围捕敌方目标yj,在其通信范围Cr内以广播通信的方式向所有投标者BUAxh发出招标信息DD,并且招标者TUAxk基本行为动作从A2转向A3;
步骤5:投标阶段计算
投标者BUAxh收到招标信息后,依据任务时间窗口、自身健康状态、电池能源状态和水下探测范围等四个约束条件,判断决策自己是否具备完成该任务的能力,同时向招标者TUAxk发送投标信息BD或拒绝信息RD给TUA xk节点做出回应,形成面向约束条件的BUAxh投标逻辑控制决策模型
步骤6:中标阶段计算
在预定的投标截止时间Tt到达后,招标者TUA xk收到所有投标者BUAxh提交的投标信息DD后向提出此投标的投标者xh发出中标消息,同时该投标者xh角色转换为中标者WUA,并且基本行为动作从A1转向基本行为动作A3,通过基本行为动作A3可以实现对敌方目标的围捕。
2.根据权利要求1所述的约束条件下基于合同网的多UUV系统协商合作建模方法,其特征在于,所述步骤1中航行巡逻A1的具体动作是:UUV以分布式结构采取航行巡逻行为动作进行水下入侵目标的巡逻;感知探测A2的具体动作是:在探测范围内,UUV执行感知探测行为动作发现入侵目标,并通过广播形式将探测结果发送相邻节点UUV;趋向目标A3的具体动作是:在通信范围内,相邻节点UUV接受信息后,执行趋向目标的动作,形成围捕态势,其余UUV继续执行航行巡逻行为动作。
3.根据权利要求2所述的约束条件下基于合同网的多UUV系统协商合作建模方法,其特征在于,所述步骤1假设多UUV系统中的节点组成、基本行为动作组成和目标组成的范围具体是指,假设多UUV系统中由N个UUVxk∈[x1,x2,…,xN]组成,UUV基本行为动作由Ai∈[A1,A2,A3]组成,目标由M个敌方入侵移动目标yj∈[y1,y2,…,yM]组成。
4.根据权利要求3所述的约束条件下基于合同网的多UUV系统协商合作建模方法,其特征在于,所述步骤5中投标者BUAxh逻辑控制决策模型判断步骤为:
步骤5.1:对投标者BUAxh,h=1
步骤5.2:判断任务时间窗口约束
投标者BUAxh在参与任务动态规划与协调过程中,会存在一个最佳时间阶段Tf=[Ts,Te],其中Ts和Te为任务执行的最佳起始时间和结束时间,则任务执行窗口时间T=Ts-Te需要满足:
Tmin≤T≤Tmax
其中,Tmin和Tmax为任务执行窗口的最小时间和最大时间;如果投标者BUAxh参与完成围捕任务的时间T满足Tmin≤T≤Tmax,执行步骤5.3,反之,其不能参与对敌方目标围捕的任务协调与合作,终止BUA xh判断,以通信动作Refuse发送拒绝投标信息RD给TUA xk节点;
步骤5.3:判断自身健康状态约束
投标者BUAxh自身健康状态主要通过SS={SS1,SS2,SS3,SS4,SS5,SS6}来描述和刻画UUV健康状态的各个方面,其中,SS1代表健康,SS2代表机械故障,SS3代表电子故障,SS4代表机体损伤,SS5代表全部故障,SS6代表敌方击毁;具体的自身健康状态通过可靠性理论相关的数学概率进行表示,其中SS1,SS5和SS6的状态可靠度分别表示fSS1(x)=1.0,fSS5(x)=0和fSS6(x)=0,而SS2、SS3和SS4需要首先计算其失效概率,再由在失效概率计算状态可靠度;
步骤5.4:判断电池能源状态约束
定义BUAxh电池能源状态约束如下:
式中,表示UUV完成任务所需能源的最低阈值,P(t)表示当前UUV的能源状态;如果投标者BUAxh电池能源状态约束大于最低阈值,执行步骤5.5,反之,其不能参与对敌方目标围捕的任务协调与合作,终止投标者BUAxh判断,以通信动作Refuse发送拒绝投标信息RD给投标者TUA xk节点;
步骤5.5:判断水下探测范围约束
水下探测范围约束简化为立体扇面,探测扇面的半径用r表示,水平扇面夹角用v表示,扇面的垂直夹角用η表示,如果敌方目标yj位于BUAxh的水下探测范围,则其可以参与对敌方目标围捕的任务协调与合作,执行步骤5.6,反之,其不能参与对敌方目标围捕的任务协调与合作,终止BUAxh判断,以通信动作Refuse发送拒绝投标信息RD给投标者TUA xk节点;
步骤5.6:如果h≤H,对所有投标者BUAxh进行遍历,循环步骤5.2至步骤5.5;当h>H,遍历结束,进入步骤6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810633326.6A CN110618689B (zh) | 2018-06-20 | 2018-06-20 | 一种约束条件下基于合同网的多uuv系统协商合作建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810633326.6A CN110618689B (zh) | 2018-06-20 | 2018-06-20 | 一种约束条件下基于合同网的多uuv系统协商合作建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110618689A true CN110618689A (zh) | 2019-12-27 |
CN110618689B CN110618689B (zh) | 2022-04-26 |
Family
ID=68920520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810633326.6A Active CN110618689B (zh) | 2018-06-20 | 2018-06-20 | 一种约束条件下基于合同网的多uuv系统协商合作建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110618689B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114281089A (zh) * | 2021-11-29 | 2022-04-05 | 中国船舶重工集团公司第七0七研究所 | 一种基于多约束模型的水下协同导航编队约束方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088206A1 (en) * | 2001-03-29 | 2004-05-06 | Thompson Simon G | Work allocation system |
CN102903028A (zh) * | 2012-09-28 | 2013-01-30 | 中国人民解放军国防科学技术大学 | 一种面向应急的多飞艇对地观测任务协同分配方法 |
CN105843227A (zh) * | 2016-04-15 | 2016-08-10 | 上海大学 | 一种基于任务密集度动态调整的多机器人协作围捕任务分配方法 |
CN106875090A (zh) * | 2017-01-09 | 2017-06-20 | 中南大学 | 一种面向动态任务的多机器人分布式任务分配形成方法 |
CN107219760A (zh) * | 2017-05-23 | 2017-09-29 | 西北工业大学 | 一种多属性约束模糊推理的uuv协调控制模块建模方法 |
-
2018
- 2018-06-20 CN CN201810633326.6A patent/CN110618689B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088206A1 (en) * | 2001-03-29 | 2004-05-06 | Thompson Simon G | Work allocation system |
CN102903028A (zh) * | 2012-09-28 | 2013-01-30 | 中国人民解放军国防科学技术大学 | 一种面向应急的多飞艇对地观测任务协同分配方法 |
CN105843227A (zh) * | 2016-04-15 | 2016-08-10 | 上海大学 | 一种基于任务密集度动态调整的多机器人协作围捕任务分配方法 |
CN106875090A (zh) * | 2017-01-09 | 2017-06-20 | 中南大学 | 一种面向动态任务的多机器人分布式任务分配形成方法 |
CN107219760A (zh) * | 2017-05-23 | 2017-09-29 | 西北工业大学 | 一种多属性约束模糊推理的uuv协调控制模块建模方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114281089A (zh) * | 2021-11-29 | 2022-04-05 | 中国船舶重工集团公司第七0七研究所 | 一种基于多约束模型的水下协同导航编队约束方法 |
CN114281089B (zh) * | 2021-11-29 | 2023-06-20 | 中国船舶重工集团公司第七0七研究所 | 一种基于多约束模型的水下协同导航编队约束方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110618689B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rizk et al. | Cooperative heterogeneous multi-robot systems: A survey | |
CN110147101B (zh) | 一种基于深度强化学习的端到端分布式多机器人编队导航方法 | |
Liu et al. | Multirobot cooperative learning for semiautonomous control in urban search and rescue applications | |
Russell et al. | Q-decomposition for reinforcement learning agents | |
Bellman et al. | Self-improving system integration: Mastering continuous change | |
CN113495578A (zh) | 一种基于数字孪生式训练的集群航迹规划强化学习方法 | |
CN106096911B (zh) | 一种基于角色的有人/无人协同指挥控制系统及其方法 | |
Pujol-Gonzalez et al. | Efficient inter-team task allocation in robocup rescue | |
CN113312172B (zh) | 基于适变网络的多无人机集群动态任务调度模型 | |
CN112651486A (zh) | 一种提高maddpg算法收敛速度的方法及其应用 | |
Duan et al. | Dynamic tasks scheduling model of UAV cluster based on flexible network architecture | |
CN110618689B (zh) | 一种约束条件下基于合同网的多uuv系统协商合作建模方法 | |
Li et al. | When digital twin meets deep reinforcement learning in multi-UAV path planning | |
Molina et al. | Behavior coordination for self-adaptive robots using constraint-based configuration | |
Yang et al. | A Hierarchical Game-Theoretic Decision-Making for Cooperative Multiagent Systems Under the Presence of Adversarial Agents | |
Vicini et al. | Decision making via game theory for autonomous vehicles in the presence of a moving obstacle | |
Dennis et al. | Game theory approaches for autonomy | |
CN110618690B (zh) | 一种基于免疫网络与市场机制的多uuv系统动态协商建模方法 | |
Memon et al. | Don’t You Agree with My Ethics? Let’s Negotiate! | |
CN110618607B (zh) | 一种基于行为的多uuv自组织协调控制方法 | |
Agrawal et al. | A novel bio-inspired algorithm for hunting in multi robot scenario | |
Mazumder et al. | Partitioning known environments for multi-robot task allocation using genetic algorithms | |
Schranz et al. | Resource-aware dynamic clustering utilizing state estimation in visual sensor networks | |
Jaynes et al. | Knowledge-directed reconstruction from multiple aerial images | |
Liu | Semi-autonomous control of multi-robot teams in urban search and rescue applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |