CN112613640A - 异构auv协同的水下信息采集系统及能量优化方法 - Google Patents

异构auv协同的水下信息采集系统及能量优化方法 Download PDF

Info

Publication number
CN112613640A
CN112613640A CN202011416321.1A CN202011416321A CN112613640A CN 112613640 A CN112613640 A CN 112613640A CN 202011416321 A CN202011416321 A CN 202011416321A CN 112613640 A CN112613640 A CN 112613640A
Authority
CN
China
Prior art keywords
auv
horizontal motion
data
optimal
rate
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.)
Pending
Application number
CN202011416321.1A
Other languages
English (en)
Inventor
任勇
方政儒
王景璟
侯向往
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202011416321.1A priority Critical patent/CN112613640A/zh
Publication of CN112613640A publication Critical patent/CN112613640A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种异构AUV协同的水下信息采集系统及能量优化方法，包括：海底传感器、固定传感器节点、水平运动AUV、垂直运动AUV和PV坐标处；水平运动AUV包括主机，用以运算得到水平运动AUV遍历所在分区的近似最优路径、最优海底传感器上传速率和最优水平运动AUV处理信息速率；水平运动AUV通过粒子群优化算法求解得到近似最优路径，通过两级联合优化算法求解得到最优海底传感器上传速率和最优水平运动AUV处理信息速率。从而基于粒子群优化算法、基于李雅普诺夫优化和两级联合优化算法使本发明所述异构AUV协同的水下信息采集系统灵活性好，提高了整个系统的能量效率，延长了海底传感器的使用寿命。

Description

异构AUV协同的水下信息采集系统及能量优化方法
技术领域
本发明涉及水下传感器网络数据传输技术领域，尤其涉及一种异构AUV协同的水下信息采集系统及能量优化方法。
背景技术
物联网是新一代信息技术的重要组成部分，其利用局部网络或互联网等通信技术把传感器、控制器、机器、人和物等通过新的方式联在一起，形成人与物、物与物相联，实现信息化、远程管理控制和智能化的网络。随着人类向海洋以及水下领域的探索逐渐深入，诸如海洋勘探、水环境监测、养殖、捕捞等科研、生产活动对水下信息互联的需求也更为迫切，水下物联网应运而生，且越来越受到重视。面对水下环境的特殊性和复杂性，水下物联网技术为人们探索与开发海洋资源提供了新的手段。
现有技术中水下物联网大部分采用的是有缆光纤连接的传感器传输信息，或者使用固定海底浮标借助水声通信，采用多跳形式传递信息。这些方法采集信息灵活性差，难以覆盖复杂广阔的海洋观测区域，并且容易造成“路由空洞”问题，大大降低。而且目前AUV辅助的水下信息采集策略鲜有考虑水下海洋湍流对AUV运动能耗和路径规划的影响。AUV(自主水下机器人)是目前海洋工程领域技术发展的热点，在海洋资源勘探、海底工程作业、科研考察等诸多方面发挥着越来越广泛的作用。
目前已经有一些使用AUV辅助的水下信息采集系统及能量优化算法，但信息采集采用固定路径，灵活性差，且系统的能量效率低，传感器的使用寿命短。
发明内容
为此，本发明提供一种异构AUV协同的水下信息采集系统及能量优化方法，可以有效解决现有技术中的技术问题。
为实现上述目的，本发明提供一种异构AUV协同的水下信息采集系统及能量优化方法，包括：
海底传感器，设置在海底，共有若干个，将海底需要检测的目标区域分为M个，所述海底传感器上带有固定传感器节点，所述固定传感器节点用以时刻监测目标、采集和上传最新目标位置的数据；
水平运动AUV,设置在所述固定传感器节点的上方，共有M个，每个分区有一个，用以接收、预处理和传递所述固定传感器上传的所在分区的数据；
垂直运动AUV,与所述水平运动AUV连接，用以接收和传递所述水平运动AUV传递过来的数据；
PV坐标处，设置在海底，与所述垂直运动AUV连接，用以为排队上传数据的所述水平运动AUV提供参照物；
所述水平运动AUV包括主机，用以运算得到所述水平运动AUV遍历所在分区的近似最优路径、最优海底传感器上传速率和最优水平运动AUV处理信息速率；所述主机通过粒子群优化算法求解得到所述近似最优路径，通过两级联合优化算法求解得到最优海底传感器上传速率和最优水平运动AUV处理信息速率。
进一步地，所述垂直运动AUV包括硬盘，用以储存所述水平运动AUV传递过来的数据，一次最多只能存储M个水平运动AUV的传递过来的数据。
进一步地，所述垂直运动AUV接收到M个所述水平运动AUV传递过来的数据后，会上浮到水面将数据传递给海面漂浮基站。
进一步地，所述水平运动AUV遍历过程中到每个固定传感器节点的距离不同，所述固定传感器节点长传数据和所述水平运动AUV接收数据均会消耗能量，每次消耗的能量大小由所述水平运动AUV遍历过程中与上传数据的固定传感器节点的距离决定。
进一步地，所述PV坐标处设置有AUV专用船坞，所述AUV专用船坞用以为电量耗尽的所述水平运动AUV和所述垂直运动AUV充电。
一种异构AUV协同的水下信息采集系统的能量优化方法，包括以下步骤：
步骤一,计算能耗加权和φ(t)，所述能耗包括固定传感器节点上传数据的能耗、水平运动AUV接收数据的能耗和水平运动AUV处理数据的能耗；
步骤二，假设采集一个周期数据需要总时间为T，则最小化系统能耗加权和φ(t)的优化问题为A；
步骤三，利用李雅普诺夫优化转换步骤二中所述的优化问题A；
步骤四,利用最小化漂移惩罚因子法将所述优化问题A转化为每个时隙内求近似最优的优化问题B；
步骤五，利用粒子群优化算法求解所述近似最优的优化问题B，得到水平运动AUV接收数据的最优路径Pk和采集一个周期数据需要总时间T，得到最优路径Pk后，将总时间T划分为多个时隙长度为τ的时间片段，利用两级联合优化算法求出固定传感器节点最优上传速率和水平运动AUV处理信息最优速率；
所述优化问题A表示为：
Figure BDA0002820183640000031
其中，
Figure BDA0002820183640000032
表示时隙t内单个传感器对水平运动AUV传输数据消耗的能量大小；gk，i(t)表示水平运动AUV对单个传感器上传数据的处理速率；b(t)表示海底传感器卸载速率矩阵，矩阵元素bk，i(t)表示第k个水平运动AUV分配给传感器的传输速率分配；
Figure BDA0002820183640000033
表示水平运动AUV的螺旋桨的功率；fA(t)表示分配给时隙t上每个任务的水平运动AUV的CPU频率矩阵；Pk(t)是水平运动AUV轨迹的变量，表示时隙t的时候水平运动AUV的位置；
(25a)说明每个海底传感器的最大传输功率限制为
Figure BDA0002820183640000041
(25b)中
Figure BDA0002820183640000042
表示海底传感器上传数据的速率上限；
(25c)中
Figure BDA0002820183640000043
表示水平运动AUV处理数据的速率上限；
(25d)中
Figure BDA0002820183640000044
表示水平运动AUV的螺旋桨最大功率；
(25e)和(25f)表示水平运动AUV轨迹的约束，其中
Figure BDA0002820183640000045
代表水平运动AUV的起始时隙t1的出发位置，
Figure BDA0002820183640000046
代表水平运动AUV的终点的坐标位置；
由于每个节点的资源限制，所有排队系统都应满足(25g)和(25h)中的平均速率稳定性条件；
所述优化问题B表示为：
Figure BDA0002820183640000047
其中，
Figure BDA0002820183640000048
表示乘上权重V的系统能耗加权和，Qk，i(t)表示一个固定传感器节点的数据存储队列长度，ak，i(t)表示一个固定传感器节点在时隙t内采集的数据量，时隙t的长度为τ，bk，i(t)表示一个固定传感器节点传输给水平运动AUV的数据量，Lk，i(t)表示时隙t时，水平运动AUV对于一个固定传感器节点的存储队列长度，gk，i(t)表示水平运动AUV处理信息速率。
进一步地，所述步骤五中利用粒子群优化算法求解所述近似最优的优化问题B，得到水平运动AUV接收数据的最优路径Pk可以归纳为以下几个重要步骤：
1)初始化随机路径Pk和迭代步数最大阈值A，初始化
Figure BDA0002820183640000049
设置迭代变量n＝0，则更新迭代n＝n+1；
2)更新粒子速度
Figure BDA00028201836400000410
Figure BDA00028201836400000411
其中υmin表示粒子最小速度，υmax表示粒子最大速度；
3)求最优路径
Figure BDA0002820183640000051
其计算公式如下：
Figure BDA0002820183640000052
4)求湍流涡旋距离罚系函数任
Figure BDA0002820183640000053
其计算公式如下：
Figure BDA0002820183640000054
其中，NP表示路径被分为块，也代表了粒子群算法的粒子维度，Nv表示AUV机载水平多普勒声速剖面仪获得的湍流场的涡流个数，dn，j表示路径上第n个点到第j个涡流的欧氏距离，δ(vj)表示第j个涡流的强度；
5)求粒子群算法的代价函数值
Figure BDA0002820183640000055
计算公式如下：
Figure BDA0002820183640000056
6)进入迭代寻优，重复步骤2)～5)，直到
Figure BDA0002820183640000057
Figure BDA0002820183640000058
7)求解最优的路径Pk和cost的函数值
Figure BDA0002820183640000059
计算公式分别如下：
Figure BDA00028201836400000510
进一步地，所述步骤五中利用两级联合优化算法求出固定传感器节点最优上传速率和水平运动AUV处理信息最优速率可以归纳为以下几个重要步骤：
步骤a，利用增广拉格朗日乘子法计算如下凸优化问题，得到在已知水平运动AUV轨迹Pk的固定传感器节点最优上传速率bk，i(t)，凸优化问题可以表示为：
Figure BDA00028201836400000511
Figure BDA0002820183640000061
Figure BDA0002820183640000062
其中，b(t)表示海底传感器卸载速率矩阵，矩阵元素bk，i(t)表示第k个水平运动AUV分配给传感器的传输速率分配，
Figure BDA0002820183640000063
表示海底传感器在时间τ内传输数据的能耗；
步骤b，利用内点法计算如下凸优化问题，得到最优水平运动AUV处理信息速率gk，i(t)的近似最优解，所述凸优化问题可以表示为：
Figure BDA0002820183640000064
Figure BDA0002820183640000065
Figure BDA0002820183640000066
其中，K表示AUV的CPU的切换电容，ω2表示水平运动AUV能耗的权重系数，ρc表示处理一个比特数据所需的CPU周期，
Figure BDA0002820183640000067
表示水平运动AUV处理CPU的分配频率，
Figure BDA0002820183640000068
表示时隙t时，水平运动AUV对于固定传感器节点的存储队列长度的平稳性。
进一步地，所述步骤三可以归纳为以下几个重要步骤：
1)用公式(38)定义李雅普诺夫函数：
Figure BDA0002820183640000069
其中，Q表示固定传感器节点的存储队列向量，L表示水平运动AUV的存储队列长度向量，K表示有K个分区，M表示固定传感器节点的数目，
Figure BDA0002820183640000071
表示固定传感器节点在时隙t时的存储队列的平方，
Figure BDA0002820183640000072
表示水平运动AUV对于固定传感器节点在时隙t时的存储队列长度的平方；
2)通过公式(40)计算李雅普诺夫漂移值：
Figure BDA0002820183640000073
进一步地，所述步骤一中计算总的能耗加权和φ(t)的计算公式如下：
Figure BDA0002820183640000074
其中，K表示有K个分区，M表示固定传感器节点的数目，τ表示单位时间，ω1表示海底传感器能耗的权重系数，
Figure BDA0002820183640000075
表示海底传感器在时间τ内传输数据的能耗，ω2表示水平运动AUV能耗的权重系数，
Figure BDA0002820183640000076
表示水平运动AUV在时间τ内处理数据需要的能耗，
Figure BDA0002820183640000077
表示水平运动AUV在时间τ内接收数据需要的能耗。
与现有技术相比，本发明的有益效果在于海底传感器上的固定传感器节点实时监测和收集数据，待所在分区的水平运动AUV沿着主机运算得到的近似最优路径遍历至固定传感器节点时，固定传感器节点将数据上传至水平运动AUV，然后，水平运动AUV将接收到的数据进行预处理，待水平运动AUV遍历完所在分区后，水平运动AUV将运动至PV坐标处进行排队以将接收并处理后的数据传递给垂直运动AUV，数据传递完成的水平运动AUV将会离开PV坐标处回到自己的分区继续遍历接收和处理数据；垂直运动AUV在PV坐标处依次接收排队的水平运动AUV中的数据，并将接收到的数据储存在硬盘中，待垂直运动AUV接收到M个水平运动AUV的数据后，将会离开PV坐标处上浮到水面将数据传递给海面漂浮基站，然后再下潜会回到PV坐标处继续接收正在排队的水平运动AUV中的数据。从而能够通过运算得到近似最优路径来替代现有技术中的固定路径，进而本发明所述异构AUV协同的水下信息采集系统灵活性好，提高了整个系统的能量效率，延长了海底传感器的使用寿命。
进一步地，计算能耗加权和φ(t)，然后，假设采集一个周期数据需要总时间为T，得到最小化系统能耗加权和φ(t)的优化问题，然后，基于李雅普诺夫优化转换最小化系统能耗加权和φ(t)的优化问题，转换后，利用最小化漂移惩罚因子法将上述最小化系统能耗加权和φ(t)的优化问题转化为近似最优的优化问题，利用粒子群优化算法和两级联合优化算法求解该近似最优的优化问题可以得到水平运动AUV接收数据的最优路径Pk以及固定传感器节点最优上传速率和水平运动AUV处理信息最优速率。从而能够基于粒子群优化算法规划近似最优的采集数据路径，基于李雅普诺夫优化和两级联合优化算法得到固定传感器节点最优上传速率和水平运动AUV处理信息最优速率，进而本发明所述异构AUV协同的水下信息采集系统灵活性好，提高了整个系统的能量效率，延长了海底传感器的使用寿命。
附图说明
图1为本发明异构AUV协同的水下信息采集系统的结构示意图；
图2为本发明异构AUV协同的水下信息采集系统的能量优化方法的流程示意图；
图中标记说明：1、海底传感器；11、固定传感器节点；2、水平运动AUV；3、垂直运动AUV；4、PV坐标处；41、AUV专用船坞；5、海面漂浮基站。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明异构AUV协同的水下信息采集系统的结构示意图，
本发明提供一种异构AUV协同的水下信息采集系统及能量优化方法，包括：
海底传感器1，设置在海底，共有若干个，将海底需要检测的目标区域分为M个，所述海底传感器1上带有固定传感器节点11，所述固定传感器节点11用以时刻监测目标、采集和上传最新目标位置的数据；
水平运动AUV2,设置在所述固定传感器节点11的上方，共有M个，每个分区有一个，用以接收、预处理和传递所述固定传感器上传的所在分区的数据；
垂直运动AUV3,与所述水平运动AUV2连接，用以接收和传递所述水平运动AUV2传递过来的数据；
PV坐标处4，设置在海底，与所述垂直运动AUV3连接，用以为排队上传数据的所述水平运动AUV2提供参照物；
所述水平运动AUV2包括主机，用以运算得到所述水平运动AUV2遍历所在分区的近似最优路径、最优海底传感器1上传速率和最优水平运动AUV2处理信息速率；所述主机通过粒子群优化算法求解得到所述近似最优路径，通过两级联合优化算法求解得到最优海底传感器1上传速率和最优水平运动AUV2处理信息速率。
本发明所述实施例中，所述海底传感器1也称为水声传感器和浮标，所述水平运动AUV2只能进行水平运动，所述垂直运动AUV3智能进行垂直运动。
本发明实施例中的海底传感器1上的固定传感器节点11实时监测和收集数据，待所在分区的水平运动AUV2沿着主机运算得到的近似最优路径遍历至固定传感器节点11时，固定传感器节点11将数据上传至水平运动AUV2，然后，水平运动AUV2将接收到的数据进行预处理，待水平运动AUV2遍历完所在分区后，水平运动AUV2将运动至PV坐标处4进行排队以将接收并处理后的数据传递给垂直运动AUV3，数据传递完成的水平运动AUV2将会离开PV坐标处4回到自己的分区继续遍历接收和处理数据；垂直运动AUV3在PV坐标处4依次接收排队的水平运动AUV2中的数据，并将接收到的数据储存在硬盘中，待垂直运动AUV3接收到M个水平运动AUV2的数据后，将会离开PV坐标处4上浮到水面将数据传递给海面漂浮基站5，然后再下潜会回到PV坐标处4继续接收正在排队的水平运动AUV2中的数据。从而能够通过运算得到近似最优路径来替代现有技术中的固定路径，进而本发明所述异构AUV协同的水下信息采集系统灵活性好，提高了整个系统的能量效率，延长了海底传感器1的使用寿命。
具体而言，所述垂直运动AUV3包括硬盘，用以储存所述水平运动AUV2传递过来的数据，一次最多只能存储M个水平运动AUV2的传递过来的数据。
本发明所述实施例中的水平运动AUV2，装载了多普勒水平剖面仪(H-ADCP)，用来探测前方水平海洋湍流的强度和方向以及涡流的中心坐标。
本发明实施例中的硬盘通过暂时存储水平运动AUV2传递过来的数据后垂直运动AUV3再统一进行上传，提高了传输效率。
具体而言，所述垂直运动AUV3接收到M个所述水平运动AUV2传递过来的数据后，会上浮到水面将数据传递给海面漂浮基站5；
本发明所述实施例中的，所述海面漂浮基站5为漂浮塔、卫星或者岸边基站中的一种或多种。
本发明实施例通过将数据传递给海绵漂浮基站能够将采集到的海底信息及时与外界进行互通。
具体而言，所述水平运动AUV2遍历过程中到每个固定传感器节点11的距离不同，所述固定传感器节点11长传数据和所述水平运动AUV2接收数据均会消耗能量，每次消耗的能量大小由所述水平运动AUV2遍历过程中与上传数据的固定传感器节点11的距离决定。
本发明实施例通过距离的不同来调节消耗能量的不同，而不是消耗同样的能量大小，从而能够节省能量，进而提高了整个系统的能量效率，延长了海底传感器1的使用寿命。
具体而言，所述PV坐标处4设置有AUV专用船坞41，所述AUV专用船坞41用以为电量耗尽的所述水平运动AUV2和所述垂直运动AUV3充电。从而能够保证水平运动AUV2和垂直运动AUV3的正常工作。
具体而言，请参阅图2所示，其为本发明异构AUV协同的水下信息采集系统的能量优化方法的流程示意图，包括以下步骤：
步骤一,计算能耗加权和φ(t)，所述能耗包括固定传感器节点11上传数据的能耗、水平运动AUV2接收数据的能耗和水平运动AUV2处理数据的能耗；
步骤二，假设采集一个周期数据需要总时间为T，则最小化系统能耗加权和φ(t)的优化问题为A；
步骤三，利用李雅普诺夫优化转换步骤二中所述的优化问题A；
步骤四,利用最小化漂移惩罚因子法将所述优化问题A转化为每个时隙内求近似最优的优化问题B；
步骤五，利用粒子群优化算法求解所述近似最优的优化问题B，得到水平运动AUV2接收数据的最优路径Pk和采集一个周期数据需要总时间T,得到最优路径Pk后，将总时间T划分为多个时隙长度为τ的时间片段，利用两级联合优化算法求出固定传感器节点11最优上传速率和水平运动AUV2处理信息最优速率。
所述优化问题A表示为：
Figure BDA0002820183640000111
其中，其中，
Figure BDA0002820183640000112
表示时隙t内单个传感器对水平运动AUV传输数据消耗的能量大小；gk，i(t)表示水平运动AUV对单个传感器上传数据的处理速率；b(t)表示海底传感器卸载速率矩阵，矩阵元素bk，i(t)表示第k个水平运动AUV分配给传感器的传输速率分配；
Figure BDA0002820183640000121
表示水平运动AUV的螺旋桨的功率；fA(t)表示分配给时隙t上每个任务的水平运动AUV的CPU频率矩阵；Pk(t)是水平运动AUV轨迹的变量，表示时隙t的时候水平运动AUV的位置；
(25a)说明每个海底传感器1的最大传输功率限制为
Figure BDA0002820183640000122
(25b)中
Figure BDA0002820183640000123
表示海底传感器1上传数据的速率上限；
(25c)中
Figure BDA0002820183640000124
表示水平运动AUV2处理数据的速率上限；
(25d)中
Figure BDA0002820183640000125
表示水平运动AUV2的螺旋桨最大功率；
(25e)和(25f)表示水平运动AUV2轨迹的约束，其中
Figure BDA0002820183640000126
代表水平运动AUV的起始时隙t1的出发位置，
Figure BDA0002820183640000127
代表水平运动AUV的终点的坐标位置；
由于每个节点的资源限制，所有排队系统都应满足(25g)和(25h)中的平均速率稳定性条件；
所述优化问题B表示为：
Figure BDA0002820183640000128
其中，
Figure BDA0002820183640000129
表示乘上权重V的系统能耗加权和，Qk，i(t)表示一个固定传感器节点11的数据存储队列长度，ak，i(t)表示一个固定传感器节点11在时隙t内采集的数据量，时隙t的长度为τ，bk，i(t)表示一个固定传感器节点11传输给水平运动AUV2的数据量，Lk，i(t)表示时隙t时，水平运动AUV2对于一个固定传感器节点11的存储队列长度，gk，i(t)表示水平运动AUV2处理信息速率。
本发明实施例中，首先计算能耗加权和φ(t)，然后，假设采集一个周期数据需要总时间为T，得到最小化系统能耗加权和φ(t)的优化问题，然后，基于李雅普诺夫优化转换最小化系统能耗加权和φ(t)的优化问题，转换后，利用最小化漂移惩罚因子法将上述最小化系统能耗加权和φ(t)的优化问题转化为近似最优的优化问题，利用粒子群优化算法和两级联合优化算法求解该近似最优的优化问题可以得到水平运动AUV2接收数据的最优路径Pk以及固定传感器节点11最优上传速率和水平运动AUV2处理信息最优速率。从而能够基于粒子群优化算法规划近似最优的采集数据路径，基于李雅普诺夫优化和两级联合优化算法得到固定传感器节点11最优上传速率和水平运动AUV2处理信息最优速率，进而本发明所述异构AUV协同的水下信息采集系统灵活性好，提高了整个系统的能量效率，延长了海底传感器1的使用寿命。
具体而言，所述步骤五中利用粒子群优化算法求解所述近似最优的优化问题B，得到水平运动AUV2接收数据的最优路径Pk可以归纳为以下几个重要步骤：
1)初始化随机路径Pk和迭代步数最大阈值Λ，初始化
Figure BDA0002820183640000131
设置迭代变量n＝0，则更新迭代n＝n+1；
2)更新粒子速度
Figure BDA0002820183640000132
Figure BDA0002820183640000133
其中υmin表示粒子最小速度，υmax表示粒子最大速度；
本发明所述实施例中，所述粒子速度
Figure BDA0002820183640000134
通过公式(32)计算得到：
Figure BDA0002820183640000135
其中，θi(i＝1，2，3)表示惯性权重，调节对解空间的搜索能力，ri(i＝1，2)表示随机系数提高搜索解决方案的能力，
Figure BDA0002820183640000136
表示本地粒子搜索得到的局部最优位置，
Figure BDA0002820183640000137
表示第n次迭代粒子的位置，
Figure BDA0002820183640000138
表示所有粒子搜索得到的全局最优位置；
3)求最优路径
Figure BDA0002820183640000141
其计算公式如下：
Figure BDA0002820183640000142
4)求湍流涡旋距离罚系函数值
Figure BDA0002820183640000143
其计算公式如下：
Figure BDA0002820183640000144
其中，NP表示路径被分为块，也代表了粒子群算法的粒子维度，Nv表示AUV机载水平多普勒声速剖面仪(H-ADCP)获得的湍流场的涡流个数，dn，j表示路径上第n个点到第j个涡流的欧氏距离，δ(vj)表示第j个涡流的强度；
5)求粒子群算法的代价函数值
Figure BDA0002820183640000145
计算公式如下：
Figure BDA0002820183640000146
6)进入迭代寻优，重复步骤2)～5)，直到
Figure BDA0002820183640000147
和
Figure BDA0002820183640000148
7)求解最优的路径Pk和cost的函数值
Figure BDA0002820183640000149
计算公式分别如下：
Figure BDA00028201836400001410
具体而言，所述步骤五中利用两级联合优化算法求出固定传感器节点11最优上传速率和水平运动AUV2处理信息最优速率可以归纳为以下几个重要步骤：
步骤a，利用增广拉格朗日乘子法计算如下凸优化问题，得到在已知水平运动AUV2轨迹Pk的固定传感器节点11最优上传速率bk，i(t)，凸优化问题可以表示为：
Figure BDA00028201836400001411
Figure BDA0002820183640000151
Figure BDA0002820183640000152
其中，其中，b(t)表示海底传感器卸载速率矩阵，矩阵元素bk，i(t)表示第k个水平运动AUV分配给传感器的传输速率分配，
Figure BDA0002820183640000153
表示海底传感器在时间τ内传输数据的能耗；
本发明所述实施例中，所述固定传感器节点11的存储空间Qk，i(t)满足以下关系式：
Qk，i(t+1)＝max{Qk，i(t)-bk，i(t)}+ak，i(t)；
步骤b，利用内点法计算如下凸优化问题，得到最优水平运动AUV2处理信息速率gk，i(t)的近似最优解，所述凸优化问题可以表示为：
Figure BDA0002820183640000154
Figure BDA0002820183640000155
Figure BDA0002820183640000156
其中，K表示AUV的CPU的切换电容，ω2表示水平运动AUV能耗的权重系数，ρc表示处理一个比特数据所需的CPU周期，
Figure BDA0002820183640000157
表示水平运动AUV2处理CPU的分配频率，
Figure BDA0002820183640000158
表示时隙t时，水平运动AUV2对于固定传感器节点11的存储队列长度的平稳性。
本发明所述实施例中，所述水平运动AUV2处理CPU的分配频率
Figure BDA0002820183640000159
的计算公式如下：
Figure BDA0002820183640000161
其中，ρc表示处理一个数据所需的CPU周期。
具体而言，所述步骤三可以归纳为以下几个重要步骤：
1)用公式(38)定义李雅普诺夫函数：
Figure BDA0002820183640000162
其中，Q表示固定传感器节点的存储队列向量，L表示水平运动AUV的存储队列长度向量，K表示有K个分区，M表示固定传感器节点11的数目，
Figure BDA0002820183640000163
表示固定传感器节点11在时隙t时的存储队列的平方，
Figure BDA0002820183640000164
表示水平运动AUV2对于固定传感器节点11在时隙t时的存储队列长度的平方；
2)通过公式(40)计算李雅普诺夫漂移值：
Figure BDA0002820183640000165
具体而言，所述步骤一中计算总的能耗加权和φ(t)的计算公式如下：
Figure BDA0002820183640000166
其中，K表示有K个分区，M表示固定传感器节点11的数目，τ表示单位时间，ω1表示海底传感器1能耗的权重系数，
Figure BDA0002820183640000167
表示海底传感器1在时间τ内传输数据的能耗，ω2表示水平运动AUV2能耗的权重系数，
Figure BDA0002820183640000168
表示水平运动AUV2在时间τ内处理数据需要的能耗，
Figure BDA0002820183640000169
表示水平运动AUV2在时间τ内接收数据需要的能耗。
本发明所述实施例中，所述海底传感器1在时间τ内传输数据消耗的能量
Figure BDA00028201836400001610
的计算公式如下：
Figure BDA0002820183640000171
其中，μ表示10-6，Pa表示帕斯卡(压强单位)，B表示水声信号频带宽度，H表示海底深度，η表示换能器电声转换效率，γ(lL，f)min表示引入非直射信号的损失函数下界值，r(t)表示水平运动AUV2与固定传感器节点11传输信号在单位时间τ内传输的数据量。
所述引入非直射信号的损失函数下界值γ(lL，f)min的计算公式如下：
Figure BDA0002820183640000172
其中，α表示从海面反射到接收端的声线波束个数，β表示从海底反射到接收端的声线波束个数。lm(m★)表示海面反射到接收端最短声线距离；ln(n ★)表示海底反射到接收端最短声线距离，f表示水声信号频率。
所述海面反射到接收端最短声线距离lm(m★)可由公式(11a)计算得到：
Figure BDA0002820183640000173
所述海底反射到接收端最短声线距离ln(n★)可由公式(11b)计算得到：
Figure BDA0002820183640000174
其中，
Figure BDA0002820183640000175
表示H-AUV在x方向坐标值，
Figure BDA0002820183640000176
表示第i个传感器在x方向坐标值，
Figure BDA0002820183640000177
表示H-AUV在y方向坐标值，h0表示H-AUV到海底的距离，d0表示海底传感器发射换能器距离海底的高度。
所述水平运动AUV2与固定传感器节点11传输信号在单位时间τ内传输的数据量r(t)的计算公式如下：
Figure BDA0002820183640000181
其中C(lL，f)表示接收机收到水声信号的信道容量下界值，其计算公式如下：
Figure BDA0002820183640000182
所述所述水平运动AUV2在时间τ内处理数据需要消耗的能量
Figure BDA0002820183640000183
的计算公式如下：
Figure BDA0002820183640000184
其中，
Figure BDA0002820183640000185
表示水平运动AUV2处理CPU的分配频率；
所述水平运动AUV2在时间τ内采集数据需要消耗的能量
Figure BDA0002820183640000186
的计算公式如下：
Figure BDA0002820183640000187
其中，ζ表示AUV推进的电机效率，Fd表示AUV运动受到的水流阻力，
Figure BDA0002820183640000188
表示AUV相对于湍流的速度，Cd表示阻力系数；A表示AUV沿当前方向移动时的横截面积；ρ表示海水的密度；
本发明所述实施例中，所述AUV相对于湍流的速度
Figure BDA0002820183640000189
的计算公式如下：
Figure BDA00028201836400001810
其中，Vk表示水平运动AUV2运动速度的绝对值，
Figure BDA00028201836400001811
表示水平运动AUV2的运动方向矢量，
Figure BDA00028201836400001812
表示水平运动AUV2在坐标P(t)处湍流速度。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (10)

1.一种异构AUV协同的水下信息采集系统，其特征在于，包括：
海底传感器，设置在海底，共有若干个，将海底需要检测的目标区域分为M个，所述海底传感器上带有固定传感器节点，所述固定传感器节点用以时刻监测目标、采集和上传最新目标位置的数据；
水平运动AUV，设置在所述固定传感器节点的上方，共有M个，每个分区有一个，用以接收、预处理和传递所述固定传感器上传的所在分区的数据；
垂直运动AUV，与所述水平运动AUV连接，用以接收和传递所述水平运动AUV传递过来的数据；
PV坐标处，设置在海底，与所述垂直运动AUV连接，用以为排队上传数据的所述水平运动AUV提供参照物；
所述水平运动AUV包括主机，用以运算得到所述水平运动AUV遍历所在分区的近似最优路径、最优海底传感器上传速率和最优水平运动AUV处理信息速率；所述主机通过粒子群优化算法求解得到所述近似最优路径，通过两级联合优化算法求解得到最优海底传感器上传速率和最优水平运动AUV处理信息速率。
2.根据权利要求1所述的异构AUV协同的水下信息采集系统，其特征在于，所述垂直运动AUV包括硬盘，用以储存所述水平运动AUV传递过来的数据，一次最多只能存储M个水平运动AUV的传递过来的数据。
3.根据权利要求1所述的异构AUV协同的水下信息采集系统，其特征在于，所述垂直运动AUV接收到M个所述水平运动AUV传递过来的数据后，会上浮到水面将数据传递给海面漂浮基站。
4.根据权利要求1所述的异构AUV协同的水下信息采集系统，其特征在于，所述水平运动AUV遍历过程中到每个固定传感器节点的距离不同，所述固定传感器节点长传数据和所述水平运动AUV接收数据均会消耗能量，每次消耗的能量大小由所述水平运动AUV遍历过程中与上传数据的固定传感器节点的距离决定。
5.根据权利要求1所述的异构AUV协同的水下信息采集系统，其特征在于，所述PV坐标处设置有AUV专用船坞，所述AUV专用船坞用以为电量耗尽的所述水平运动AUV和所述垂直运动AUV充电。
6.一种异构AUV协同的水下信息采集系统的能量优化方法，其特征在于，包括以下步骤：
步骤一，计算能耗加权和φ(t)，所述能耗包括固定传感器节点上传数据的能耗、水平运动AUV接收数据的能耗和水平运动AUV处理数据的能耗；
步骤二，假设采集一个周期数据需要总时间为T，则最小化系统能耗加权和φ(t)的优化问题为A；
步骤三，利用李雅普诺夫优化转换步骤二中所述的优化问题A；
步骤四，利用最小化漂移惩罚因子法将所述优化问题A转化为每个时隙内求近似最优的优化问题B；
步骤五，利用粒子群优化算法求解所述近似最优的优化问题B，得到水平运动AUV接收数据的最优路径Pk和采集一个周期数据需要总时间T，得到最优路径Pk后，将总时间T划分为多个时隙长度为τ的时间片段，利用两级联合优化算法求出固定传感器节点最优上传速率和水平运动AUV处理信息最优速率；
所述优化问题A表示为：
Figure FDA0002820183630000021
其中，
Figure FDA0002820183630000022
表示时隙t内单个传感器对水平运动AUV传输数据消耗的能量大小；gk，i(t)表示水平运动AUV对单个传感器上传数据的处理速率；b(t)表示海底传感器卸载速率矩阵，矩阵元素bk，i(t)表示第k个水平运动AUV分配给传感器的传输速率分配；
Figure FDA0002820183630000031
表示水平运动AUV的螺旋桨的功率；fA(t)表示分配给时隙t上每个任务的水平运动AUV的CPU频率矩阵；Pk(t)是水平运动AUV轨迹的变量，表示时隙t的时候水平运动AUV的位置；
(25a)说明每个海底传感器的最大传输功率限制为
Figure FDA0002820183630000032
(25b)中
Figure FDA0002820183630000033
表示海底传感器上传数据的速率上限；
(25c)中
Figure FDA0002820183630000034
表示水平运动AUV处理数据的速率上限；
(25d)中
Figure FDA0002820183630000035
表示水平运动AUV的螺旋桨最大功率；
(25e)和(25f)表示水平运动AUV轨迹的约束，其中
Figure FDA0002820183630000036
代表水平运动AUV的起始时隙t1的出发位置，
Figure FDA0002820183630000037
代表水平运动AUV的终点的坐标位置；
由于每个节点的资源限制，所有排队系统都应满足(25g)和(25h)中的平均速率稳定性条件；
所述优化问题B表示为：
Figure FDA0002820183630000038
其中，
Figure FDA0002820183630000039
表示乘上权重V的系统能耗加权和，Qk，i(t)表示一个固定传感器节点的数据存储队列长度，ak，i(t)表示一个固定传感器节点在时隙t内采集的数据量，时隙t的长度为τ，bk，i(t)表示一个固定传感器节点传输给水平运动AUV的数据量，Lk，i(t)表示时隙t时，水平运动AUV对于一个固定传感器节点的存储队列长度，gk，i(t)表示水平运动AUV处理信息速率。
7.根据权利要求6所述的异构AUV协同的水下信息采集系统的能量优化方法，其特征在于，所述步骤五中利用粒子群优化算法求解所述近似最优的优化问题B，得到水平运动AUV接收数据的最优路径Pk可以归纳为以下几个重要步骤：
1)初始化随机路径Pk和迭代步数最大阈值Λ，初始化
Figure FDA0002820183630000041
设置迭代变量n＝O，则更新迭代n＝n+1；
2)更新粒子速度
Figure FDA0002820183630000042
Figure FDA0002820183630000043
其中vmin表示粒子最小速度，vmax表示粒子最大速度；
3)求最优路径
Figure FDA0002820183630000044
其计算公式如下：
Figure FDA0002820183630000045
4)求湍流涡旋距离罚系函数值
Figure FDA0002820183630000046
其计算公式如下：
Figure FDA0002820183630000047
其中，NP表示路径被分为块，也代表了粒子群算法的粒子维度，Nv表示AUV机载水平多普勒声速剖面仪获得的湍流场的涡流个数，dn，j表示路径上第n个点到第j个涡流的欧氏距离，δ(vj)表示第j个涡流的强度；
5)求粒子群算法的代价函数值θk，计算公式如下：
Figure FDA0002820183630000048
6)进入迭代寻优，重复步骤2)～5)，直到n＞Λ，θk≤θmax
Figure FDA0002820183630000049
7)求解最优的路径Pk和cost的函数值θk，计算公式分别如下：
Figure 2
。
8.根据权利要求6所述的异构AUV协同的水下信息采集系统的能量优化方法，其特征在于，所述步骤五中利用两级联合优化算法求出固定传感器节点最优上传速率和水平运动AUV处理信息最优速率可以归纳为以下几个重要步骤：
步骤a，利用增广拉格朗日乘子法计算如下凸优化问题，得到在已知水平运动AUV轨迹Pk的固定传感器节点最优上传速率bk，i(t)，凸优化问题可以表示为：
Figure FDA0002820183630000051
其中，b(t)表示海底传感器卸载速率矩阵，矩阵元素bk，i(t)表示第k个水平运动AUV分配给传感器的传输速率分配，
Figure FDA0002820183630000052
表示海底传感器在时间τ内传输数据的能耗；
步骤b，利用内点法计算如下凸优化问题，得到最优水平运动AUV处理信息速率gk，i(t)的近似最优解，所述凸优化问题可以表示为：
Figure FDA0002820183630000053
其中，K表示AUV的CPU的切换电容，ω2表示水平运动AUV能耗的权重系数，ρc表示处理一个比特数据所需的CPU周期，
Figure FDA0002820183630000054
表示水平运动AUV处理CPU的分配频率，
Figure FDA0002820183630000055
表示时隙t时，水平运动AUV对于固定传感器节点的存储队列长度的平稳性。
9.根据权利要求6所述的异构AUV协同的水下信息采集系统的能量优化方法，其特征在于，所述步骤三可以归纳为以下几个重要步骤：
1)用公式(38)定义李雅普诺夫函数：
Figure FDA0002820183630000061
其中，Q表示固定传感器节点的存储队列向量，L表示水平运动AUV的存储队列长度向量，K表示有K个分区，M表示固定传感器节点的数目，
Figure FDA0002820183630000062
表示固定传感器节点在时隙t时的存储队列的平方，
Figure FDA0002820183630000063
表示水平运动AUV对于固定传感器节点在时隙t时的存储队列长度的平方；
2)通过公式(40)计算李雅普诺夫漂移值：
Figure FDA0002820183630000064
10.根据权利要求6所述的异构AUV协同的水下信息采集系统的能量优化方法，其特征在于，所述步骤一中计算总的能耗加权和φ(t)的计算公式如下：
Figure FDA0002820183630000065
其中，K表示有K个分区，M表示固定传感器节点的数目，τ表示单位时间，ω1表示海底传感器能耗的权重系数，
Figure FDA0002820183630000066
表示海底传感器在时间τ内传输数据的能耗，ω2表示水平运动AUV能耗的权重系数，
Figure FDA0002820183630000067
表示水平运动AUV在时间τ内处理数据需要的能耗，
Figure FDA0002820183630000068
表示水平运动AUV在时间τ内接收数据需要的能耗。
CN202011416321.1A 2020-12-07 2020-12-07 异构auv协同的水下信息采集系统及能量优化方法 Pending CN112613640A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011416321.1A CN112613640A (zh) 2020-12-07 2020-12-07 异构auv协同的水下信息采集系统及能量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011416321.1A CN112613640A (zh) 2020-12-07 2020-12-07 异构auv协同的水下信息采集系统及能量优化方法

Publications (1)

Publication Number Publication Date
CN112613640A true CN112613640A (zh) 2021-04-06

Family

ID=75229140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011416321.1A Pending CN112613640A (zh) 2020-12-07 2020-12-07 异构auv协同的水下信息采集系统及能量优化方法

Country Status (1)

Country Link
CN (1) CN112613640A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113074725A (zh) * 2021-05-11 2021-07-06 哈尔滨工程大学 一种基于多源信息融合的小型水下多机器人协同定位方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103002575A (zh) * 2012-10-16 2013-03-27 桂林电子科技大学 基于粒子群算法的水下无线传感器网络节点定位方法
CN107548029A (zh) * 2017-08-21 2018-01-05 河海大学常州校区 一种基于海水分层的水下传感网络中auv数据收集方法
CN107919918A (zh) * 2017-11-20 2018-04-17 中国人民解放军陆军工程大学 一种移动节点辅助水下物联网数据可靠采集方法
CN110319836A (zh) * 2019-04-09 2019-10-11 华东理工大学 一种以能量损失最低为目标的路径规划控制方法及装置
CN111641930A (zh) * 2020-06-01 2020-09-08 秦川 应用于海洋信息网络的分层式数据采集系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103002575A (zh) * 2012-10-16 2013-03-27 桂林电子科技大学 基于粒子群算法的水下无线传感器网络节点定位方法
CN107548029A (zh) * 2017-08-21 2018-01-05 河海大学常州校区 一种基于海水分层的水下传感网络中auv数据收集方法
CN107919918A (zh) * 2017-11-20 2018-04-17 中国人民解放军陆军工程大学 一种移动节点辅助水下物联网数据可靠采集方法
CN110319836A (zh) * 2019-04-09 2019-10-11 华东理工大学 一种以能量损失最低为目标的路径规划控制方法及装置
CN111641930A (zh) * 2020-06-01 2020-09-08 秦川 应用于海洋信息网络的分层式数据采集系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
QIN CHUAN 等: "A Hierarchical Information Acquisition System for AUV Assisted Internet of Underwater Things", IEEE ACCESS, 7 October 2020 (2020-10-07), pages 176089 - 176100 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113074725A (zh) * 2021-05-11 2021-07-06 哈尔滨工程大学 一种基于多源信息融合的小型水下多机器人协同定位方法及系统

Similar Documents

Publication Publication Date Title
Han et al. District partition-based data collection algorithm with event dynamic competition in underwater acoustic sensor networks
Erol-Kantarci et al. Localization techniques for underwater acoustic sensor networks
Liu et al. Suave: Swarm underwater autonomous vehicle localization
CN109470235B (zh) 一种基于动态簇的水下多传感器协作被动跟踪方法
CN109275099B (zh) 水下无线传感器网络中基于voi的多auv高效数据收集方法
Bhatta et al. Coordination of an underwater glider fleet for adaptive ocean sampling
CN116599602B (zh) 一种海洋监测用低能耗长距离声纳通讯系统
CN113342008B (zh) 一种海空协同水下目标追踪的路径规划系统及方法
CN110006434B (zh) 温跃层海域中基于蚁群算法避障的水下滑翔机路径规划方法
Zhang et al. Multi-AUV adaptive path planning and cooperative sampling for ocean scalar field estimation
Wen et al. Intelligent multi-AUG ocean data collection scheme in maritime wireless communication network
CN112613640A (zh) 异构auv协同的水下信息采集系统及能量优化方法
CN113132905A (zh) 一种具有动态节点的自主水下机器人无线传感器网络
Diamant et al. THEMO: The Texas A&M‐University of Haifa‐Eastern Mediterranean Observatory
Yildiz et al. State-of-the-art system solutions for unmanned underwater vehicles
Roy et al. Wide area ocean networks: architecture and system design considerations
CN110049464B (zh) 一种基于auv三维移动模型的水下传感网数据收集方法
Chen et al. Path planning of underwater terrain-aided navigation based on improved artificial potential field method
Gao et al. Artificial intelligence algorithms in unmanned surface vessel task assignment and path planning: A survey
Claus et al. Towards persistent cooperative marine robotics
Isokeit et al. Cooperative swarm behaviour for in situ underwater environmental measurements
Gu et al. Characteristic evaluation of the mobile acoustic communication for spherical underwater robots (SUR III)
Liu et al. A Novel Path Planning Optimization Method for Underwater Glider Cluster
Allotta et al. Employment of an Autonomous Underwater Vehicle as mobile bridge among heterogeneous acoustic nodes
Naik et al. Realization of 3d underwater wireless sensor networks and influence of ocean parameters on node location estimation

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