CN112859887A - 基于天基中心的多水下机器人自主任务分配方法 - Google Patents
基于天基中心的多水下机器人自主任务分配方法 Download PDFInfo
- Publication number
- CN112859887A CN112859887A CN201911187959.XA CN201911187959A CN112859887A CN 112859887 A CN112859887 A CN 112859887A CN 201911187959 A CN201911187959 A CN 201911187959A CN 112859887 A CN112859887 A CN 112859887A
- Authority
- CN
- China
- Prior art keywords
- task
- underwater robot
- autonomous underwater
- autonomous
- target
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明涉及多水下机器人任务分配技术领域,尤其涉及一种无人自主水下机器人的基于天基中心的多水下机器人在线任务自主分配方法,本发明包括以下步骤:半潜式水下机器人广播目标信息到执行搜索任务的自主水下机器人;自主水下机器人根据成本、任务价值归一化函数自主分配目标任务。相对于传统集中式多自主水下机器人任务分配方法,本方法使用分布式计算方法,克服传统集中式任务分配中心节点计算负荷大的缺点,本发明应用范围广,提高了多自主水下机器人任务分配的可靠性和鲁棒性,本发明将分布式决策技术用于到多自主水下机器人任务分配,增强了应对突发任务事件的处理能力,提高了多水下机器人自主任务分配的效率。
Description
技术领域
本发明涉及多水下机器人任务分配技术领域,尤其涉及一种无人自主水下机器人(简称AUV)的基于天基中心的多水下机器人在线任务自主分配方法,针对多科学疑似目标搜索任务的AUV集群的任务分配问题,实现考虑目标价值、目标成本估算、目标区域的AUV容量约束的分布式多AUV任务分配。
背景技术
在海洋工程、海洋科学调查过程中,无人自主水下机器人发挥越来越重要的作用。随着无人自主水下机器人越来越广泛的应用,无人自主水下机器人承担任务的工作量和复杂性越来越强,单体无人自主水下机器人能源的有限性、载荷功能的单一性无法适应新的任务需求,而开发功能复杂、体型巨大的自主水下机器人增加了工程的成本,降低了设备应用的灵活性和环境适应性(大吨位的自主水下机器人使用过程中对于水深存在一定的要求),所以研发多自主水下机器人在有限时间内复杂多种任务的集群作业技术是十分必要的,其中多自主水下机器人自主任务分配、多自主水下机器人路径规划、多自主水下机器人协同编队控制是多水下机器人协同作业的关键技术和研究热点,本专利的研究内容是多自主水下机器人自主任务分配技术,实现在广阔海域内出现多个搜索任务疑似科学疑似目标时,多水下机器人自主根据任务质量和邻近原则,将多水下机器人分配给若干任务子集群去执行科学疑似目标搜索任务,保证多自主水下机器人在规定的时间内完成科学疑似目标搜索任务。海洋工程应用中,海洋噪声导致传感器存在较严重的虚警问题,对于多自主水下机器人集群,可能同时出现多个搜索科学疑似目标任务,并且随着检测结果的变化,引发科学疑似目标搜索任务数目和位置的动态变化,即科学疑似目标任务集合是动态变化的。人工制定离线任务分配方案和实时任务重分配的工作量是巨大的,随着多自主水下机器人数目的增加,再考虑水声传输信道连接质量的限制,人工协同大规模多自主水下机器人进行实时任务分配是不现实的,尤其在使用天基卫星在较大海域内(例如超过100平方公里的海域)指挥多自主水下机器人的应用场景,研究基于天基中心的多自主水下机器人的任务自主分配方法是十分必要的。当前多自主水下机器人任务分配方法的算法模型主要是基于提前已知任务数目、位置和工作量,建立基于能量优化和任务分配评价函数,在非线性空间求解多自主水下机器人的任务分配模型,该任务分配方法的优势是实现简单,缺点是集中求解中心节点的计算负荷较大,系统鲁棒性较差,且主要为离线任务分配;近年来,为克服集中式任务分配的缺点,研究人员开始引入分布式求解多自主水下机器人的任务分配,优化科学疑似目标仍然是最小能量约束和最小执行时间,但是该算法模型的前提假设依然是提前获得所有任务序列,该模型假设是现实工程应用中存在一定的局限性,当前任务的最优分配模型对于突发任务可能不是最优的分配,甚至无法完成突发任务。所以,需要研究新的基于天基中心的多自主水下机器人任务分配方法,将传统的静态全局任务分配模型扩展为动态任务分配模型,引入分布式自主分配策略,克服集中式任务分配模型对中心节点高计算负荷的缺点,将复杂的任务分配计算分解到各自主水下机器人上,提高系统的鲁棒性、可扩展性、灵活性。
发明内容
本发明涉及多水下机器人任务分配技术领域,尤其涉及一种无人自主水下机器人(简称AUV)的基于天基中心的多水下机器人在线任务自主分配方法,针对多科学疑似目标搜索任务的自主水下机器人集群的任务分配问题,尤其是广阔海域(不小100平方公里)内多水下机器人多科学疑似目标搜索的自主任务分配问题,实现考虑目标价值、目标成本估算、目标区域的自主水下机器人容量约束的分布式多AUV任务系统。本发明包括:利用自主水下机器人与目标任务的距离、目标区域半径建立目标搜寻的成本模型,实现对不同自主水下机器人相对不同目标任务的成本的量化描述;利用目标任务价值、目标区域自主水下机器人容量约束建立目标任务的动态价值模型,实现对不同任务目标价值的量化描述,防止过多自主水下机器人集中在个别任务区域而导致其它任务无法获得足够的自主水下机器人数目;综合考虑自主水下机器人成本模型和任务价值模型,建立单体自主水下机器人的成本、任务价值归一化函数,实现单体自主水下机器人的分布式自主决策任务分配;制定集群自主水下机器人任务分配的激活标准,具备应对突出任务的能力,实现集群的分布式动态任务分配。本方法能够有效地处理多自主水下机器人的多目标任务分配问题,采用分布式的去中心化分配策略,提高了系统的可靠性和鲁棒性,具有较高的任务分配效率;本方法移植方便,扩展性强,也适用于无人水面船、陆地多机器人、空中多无人机等多机器人的任务分配领域。
本发明为实现上述目的所采用的技术方案是:
基于天基中心的多水下机器人自主任务分配方法,包括以下步骤:
a)半潜式水下机器人广播目标信息到执行搜索任务的自主水下机器人;
b)自主水下机器人根据成本、任务价值归一化函数自主分配目标任务。
步骤b)执行以下步骤:
1)根据自主水下机器人与目标任务的距离、目标的搜索区域半径建立目标搜寻的成本模型;
2)根据目标任务价值、目标区域自主水下机器人容量约束建立目标的任务价值模型;
3)根据自主水下机器人成本模型和任务价值模型,建立单体自主水下机器人的成本、任务价值归一化函数,得到单体自主水下机器人的任务选择;
4)根据单体自主水下机器人的任务选择,进行群体自主水下机器人的目标任务分配。
其中,定义t时刻的自主水下机器人i的位置Pi(t)为(xi(t),yi(t),zi(t)),目标任务k的位置Pk为(xk,yk,zk),是在t时刻自主水下机器人i与目标k的欧式距离,Rk是目标k的搜索区域半径,定义是目标距离奖励系数,取值范围是0到1;x为积分运算的中间变量,表示自主水下机器人到目标的距离。
所述价值模型Qk为:
Qk=ηM·Fraction(k,nk)qk
其中qk是任务k的目标质量,取值范围是0到1,ηM是任务集合的价值归一化系数,nk表示任务k已经存在nk个自主水下机器人执行该目标任务,Fraction(k,nk)是任务k的价值惩罚系数。
所述Fraction(k,nk)的定义是当任务k已经存在数目为nk的自主水下机器人执行目标任务时,对任务k的价值进行惩罚,取值范围是0到1,即随着到达任务k区域执行搜索任务的自主水下机器人数目的增加,价值惩罚系数的作用逐渐增大,其计算方法为:
其中Nmax是任务区域所能承载的最大自主水下机器人的数目,x为积分运算的中间变量,表示到达任务区的自主水下机器人数目;
所述ηM的计算方法为:
其中,M是任务数目。
步骤3)包括以下步骤:
1)计算单体自主水下机器人相对于各任务的选择概率;
2)根据选择概率求解单体自主水下机器人的任务选择。
所述选择概率的计算方法为:
所述自主水下机器人的任务分配算法为根据步骤3)得到的任务选择对自主水下机器人群体内所有自主水下机器人个体进行循环任务分配,循环激活的条件是任务集合中出现新任务或任务区域存在新到达的自主水下机器人,循环每被调用一次即可完成一次对自主水下机器人群体内自主水下机器人的实时在线任务分配。
本发明具有以下有益效果及优点:
1.相对于传统集中式多自主水下机器人任务分配方法,本方法使用分布式计算方法,克服传统集中式任务分配中心节点计算负荷大的缺点;
2.针对突发任务问题,本方法使用分布式决策模型,防止中心节点故障导致整个系统的无法进行任务分配,提高了多自主水下机器人任务分配的可靠性和鲁棒性。
3.应用范围广,本发明不但可以应用于多自主水下机器人的任务分配,还可以用于其它陆地多机器人、空中多无人机的任务分配。
4.为了高效分配多水下机器人的目标任务,同时降低集中决策的中心节点对系统可靠性的影响,本发明将分布式决策技术用于到多自主水下机器人任务分配,增强了应对突发任务事件的处理能力,提高了多水下机器人自主任务分配的效率。
附图说明
图1是本发明的系统场景图;
图2是本发明的组成示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
整个系统组成包括天基卫星、半潜式水下机器人、自主水下机器人,其中天基卫星的作用是在广域海内广播多科学疑似目标信息;半潜式水下机器人的作用是充当卫星和水下执行科学疑似目标搜索任务的自主水下机器人;自主水下机器人的作用是在水下执行科学疑似目标搜索任务,系统组成如图1所示。
整个系统的工作流程如下:首先卫星广播发现的多科学目标到半潜式水下机器人,半潜式水下机器人使用水声通信机广播目标信息到执行搜索任务的自主水下机器人,多自主水下机器人根据目标和能耗成本函数自主分配目标任务。
本发明的硬件要求是大于21台的无人自主水下机器人、大于3台的半潜式水下机器人、至少1台在天空上指挥集群的天基中心(例如通信卫星)。
(1)每台无人自主水下机器人上至少搭载用于测量深度的深度计、用于测量航行速度的多普勒计程仪、用于测量姿态角(包括航向角、纵倾角、横滚角)的光纤罗经,用于水下声通信的水声通信机,用于测量搜索目标信号的二维多波束前视声呐;
(2)每台半潜式水下机器人上至少搭载用于测量深度的深度计、用于测量航行速度的多普勒计程仪、用于测量姿态角(包括航向角、纵倾角、横滚角)的光纤罗经、用于水下声通信的水声通信机、用于与天基中心通信的铱星或北斗通信模块、用于管理子集群内目标信息和无人自主水下机器人个体的子集群任务管理模块。
(3)天基中心上至少与每台半潜式水下机器人通信的铱星或北斗通信模块、用于集群任务目标处理和决策的多水下机器人任务决策模块。如图2所示,天基中心将初始多疑似目标信息通过本身卫星通信模块广播到半潜式水下机器人,半潜式水下机器人通过本身水声通信机广播目标信息到在水下执行目标搜寻任务的自主水下机器人,多自主水下机器人和天基中心协同决策多水下机器人的任务目标划分后,各个自主水下机器人自主前往目标区域执行疑似目标搜索任务。在目标搜索作业期间,多普勒计程仪、光纤罗经、深度计是自主水下机器人和半潜式水下机器人的核心导航设备,它们的作用是导航水下机器人准确到达目标区域;二维多波束声呐是自主水下机器人的目标检测设备。
本发明方法包括的内容是:利用自主水下机器人与目标任务的距离、目标区域半径建立目标搜寻的成本模型,实现对不同自主水下机器人相对不同目标任务的成本的量化描述;利用目标任务价值、目标区域自主水下机器人容量约束建立目标任务的动态价值模型,实现对不同任务目标价值的量化描述,防止过多自主水下机器人集中在个别任务区域而导致其它任务无法获得足够的自主水下机器人数目;综合考虑自主水下机器人成本模型和任务价值模型,建立单体自主水下机器人的成本、任务价值归一化函数,实现单体自主水下机器人的分布式自主决策任务分配;制定集群自主水下机器人任务分配的激活标准,具备应对突出任务的能力,实现集群的分布式动态任务分配。
为了下文描述方便,这里对部分符号变量给出定义:定义所有任务目标数目为M;k表示某一目标任务,它的取值范围是1≤k≤M;定义所有自主水下机器人的数目为N;i表示某台自主水下机器人,它的取值范围是1≤i≤N。
第一步,利用自主水下机器人与目标任务的距离、目标区域半径建立目标搜寻的成本模型,实现对不同自主水下机器人相对不同目标任务的成本。
其中是在t时刻自主水下机器人i与目标k的欧式距离,Rk是目标k的搜索区域半径,定义是目标距离奖励系数,取值范围是0到1,当目标k与自主水下机器人i的距离小于Rk,那么成本函数相应降低;当目标k与自主水下机器人i的距离大于Rk,那么成本函数与欧式距离保持一致。目标距离奖励系数的意义是当自主水下机器人i已经属于目标k的搜索半径内,那么任务分配决策时将倾向于分配任务k到自主水下机器人i。x为自主水下机器人到目标的距离,它是积分运算的中间变量。
第二步,利用目标任务价值、目标区域自主水下机器人容量约束建立目标任务的动态价值模型。
定义t时刻目标任务k的价值为Qk,则Qk的计算如下所示:
Qk=ηM·Fraction(k,nk)qk (2)
其中qk是任务k的目标质量,它是用户对目标任务质量的初始评价量,它可以由用户直接设定或根据目标检测传感器检测到的信号质量决定,它的取值范围是0到1。ηM是任务集合的价值归一化系数,它的计算方法在后面会进行阐述。nk表示任务k已经存在nk个自主水下机器人执行该目标任务;Fraction(k,nk)是任务k的价值惩罚系数,它的定义是当任务k已经存在数目为nk的自主水下机器人执行目标任务时,那么对任务k的价值进行惩罚,取值范围是0到1,即随着到达任务k区域执行搜索任务的自主水下机器人数目的增加,价值惩罚系数的作用逐渐增大,目的是防止在任务k聚集超过区域承载能力的自主水下机器人数量,Fraction(k,nk)的计算方法如下公式所示:
其中Nmax是任务区域所能承载的最大自主水下机器人的数目。因为水下声信道容量有限,为了防止在任务区域内承载过多的自主水下机器人,所以需要对任务区域内的自主水下机器人数目进行限定,Nmax是用户根据实际应用情况自行设定。x为到达任务区的自主水下机器人数目,它是积分运算的中间变量。
公式(2)中的ηM是任务集合的价值归一化系数(下脚标M表示任务集合的任务数目是M),它的计算方法如下公式所示:
第三步,综合考虑自主水下机器人成本模型和任务价值模型,建立单体自主水下机器人的成本、任务价值归一化函数,实现单体自主水下机器人的分布式自主决策任务分配,即计算单体自主水下机器人选取各个任务的概率,并提出单体自主水下机器人的任务选择方法。
(1)计算单体自主水下机器人相对于各任务的选择概率
(2)求解单体自主水下机器人的任务选择
自主水下机器人i的任务选择方法如下表所示,其中si表示自主水下机器人i选择的任务编号,也是该算法模型的输出;cum_probi[1:M]是自主水下机器人i对应各个任务的选择概率累积分布,它是中间变量,例如cum_probi[1]是自主水下机器人i相对于任务1的选择概率累积分布,cum_probi[2]是自主水下机器人i相对于任务1、任务2的选择概率累积分布,cum_probi[3]是自主水下机器人i相对于任务1、任务2、任务3的选择概率累积分布;是选择概率累积分布计算所需的中间变量,它表示自主水下机器人i相对于编号为t的任务的选择概率;temp是存储0到1的随机数的中间变量,没有物理意义;M是任务数目,单体自主水下机器人的任务选择算法是采用的比例轮盘法进行求解,得到单体自主水下机器人的任务选择。
表1个体自主水下机器人的任务选择算法
第四步,群体自主水下机器人的任务分配算法
群体自主水下机器人的任务分配是由个体水下机器人分布式完成,根据表01的任务选择算法对集群内所有自主水下机器人个体进行循环任务分配,循环激活的条件是任务集合中出现新任务或任务区域存在新到达的自主水下机器人,循环每被调用一次即可完成一次对集群内的主水下机器人的实时在线任务分配,群体的自主水下机器人的任务分配方法如表2所示。
表2群体自主水下机器人的任务分配算法
其中,N为自主水下机器人的数目。群体的任务分配算法在线实时调用,当存在任务分配的激活条件时,那么该算法对群体的任务进行分配;当不存在激活条件时,那么该算法本周期不进行任务分配,算法休眠0.5秒(休眠时间用户可以根据实际需要自行设定)。从群体的自主机器人任务分配算法可知,本算法的优点是既能处理预置的多任务分配,也具备在线处理突发任务的分配能力,与传统算法只能处理预置任务相比,具有更广泛的应用范围。
Claims (8)
1.基于天基中心的多水下机器人自主任务分配方法,其特征在于,包括以下步骤:
a)半潜式水下机器人广播目标信息到执行搜索任务的自主水下机器人;
b)自主水下机器人根据成本、任务价值归一化函数自主分配目标任务。
2.根据权利要求1所述的基于天基中心的多水下机器人自主任务分配方法,其特征在于,步骤b)执行以下步骤:
1)根据自主水下机器人与目标任务的距离、目标的搜索区域半径建立目标搜寻的成本模型;
2)根据目标任务价值、目标区域自主水下机器人容量约束建立目标的任务价值模型;
3)根据自主水下机器人成本模型和任务价值模型,建立单体自主水下机器人的成本、任务价值归一化函数,得到单体自主水下机器人的任务选择;
4)根据单体自主水下机器人的任务选择,进行群体自主水下机器人的目标任务分配。
4.根据权利要求2所述的基于天基中心的多水下机器人自主任务分配方法,其特征在于,所述价值模型Qk为:
Qk=ηM·Fraction(k,nk)qk
其中qk是任务k的目标质量,取值范围是0到1,ηM是任务集合的价值归一化系数,nk表示任务k已经存在nk个自主水下机器人执行该目标任务,Fraction(k,nk)是任务k的价值惩罚系数。
6.根据权利要求2所述的基于天基中心的多水下机器人自主任务分配方法,其特征在于,步骤3)包括以下步骤:
1)计算单体自主水下机器人相对于各任务的选择概率;
2)根据选择概率求解单体自主水下机器人的任务选择。
8.根据权利要求2所述的基于天基中心的多水下机器人自主任务分配方法,其特征在于,所述自主水下机器人的任务分配算法为根据步骤3)得到的任务选择对自主水下机器人群体内所有自主水下机器人个体进行循环任务分配,循环激活的条件是任务集合中出现新任务或任务区域存在新到达的自主水下机器人,循环每被调用一次即可完成一次对自主水下机器人群体内自主水下机器人的实时在线任务分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187959.XA CN112859887B (zh) | 2019-11-28 | 2019-11-28 | 基于天基中心的多水下机器人自主任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187959.XA CN112859887B (zh) | 2019-11-28 | 2019-11-28 | 基于天基中心的多水下机器人自主任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112859887A true CN112859887A (zh) | 2021-05-28 |
CN112859887B CN112859887B (zh) | 2022-06-14 |
Family
ID=75985881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911187959.XA Active CN112859887B (zh) | 2019-11-28 | 2019-11-28 | 基于天基中心的多水下机器人自主任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859887B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115242881A (zh) * | 2022-08-01 | 2022-10-25 | 湖南大学无锡智能控制研究院 | 基于声光混合通信的多水下机器人任务分配方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1365300A2 (en) * | 2002-05-10 | 2003-11-26 | Royal Appliance MFG. CO. | Autonomous multi-platform robotic system |
US20040088206A1 (en) * | 2001-03-29 | 2004-05-06 | Thompson Simon G | Work allocation system |
CN1622062A (zh) * | 2003-11-26 | 2005-06-01 | 中国科学院沈阳自动化研究所 | 一种分布式水下机器人控制系统 |
CN105069530A (zh) * | 2015-08-13 | 2015-11-18 | 肇庆学院 | 一种基于多目标优化的多机器人任务分配方法 |
CN105184092A (zh) * | 2015-09-23 | 2015-12-23 | 电子科技大学 | 一种资源限制条件下多类型无人机协同任务分配方法 |
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
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 |
JP2017191373A (ja) * | 2016-04-11 | 2017-10-19 | 株式会社東芝 | マルチエージェントシステム、タスク割当装置、タスク割当方法及びプログラム |
CN107622348A (zh) * | 2017-09-18 | 2018-01-23 | 哈尔滨工程大学 | 一种任务顺序约束下的异构多auv系统任务协调方法 |
KR20180023586A (ko) * | 2016-08-26 | 2018-03-07 | 국방과학연구소 | 다중 로봇의 임부할당을 위한 로봇의 과업 적합도 산정방법 |
CN108171394A (zh) * | 2017-11-21 | 2018-06-15 | 中国科学院自动化研究所 | 基于分层式结构和资源整合的多机器人任务分配方法 |
US20180326583A1 (en) * | 2017-05-11 | 2018-11-15 | King Fahd University Of Petroleum And Minerals | Dynamic multi-objective task allocation |
US20180326581A1 (en) * | 2017-05-11 | 2018-11-15 | King Fahd University Of Petroleum And Minerals | System and method for auction-based and adaptive multi-threshold multi-agent task allocation |
CN108985549A (zh) * | 2018-05-25 | 2018-12-11 | 哈尔滨工程大学 | 基于量子鸽群机制的无人机任务分配方法 |
CN109919431A (zh) * | 2019-01-28 | 2019-06-21 | 重庆邮电大学 | 基于拍卖算法的异构多机器人任务分配方法 |
WO2019121338A1 (de) * | 2017-12-22 | 2019-06-27 | Robert Bosch Gmbh | Verfahren zum betreiben eines roboters in einem multiagentensystem, roboter und multiagentensystem |
EP3511878A1 (en) * | 2018-01-11 | 2019-07-17 | Tata Consultancy Services Limited | Systems and methods for scalable multi-vehicle task allocation |
CN110134146A (zh) * | 2019-06-14 | 2019-08-16 | 西北工业大学 | 一种不确定环境下的分布式多无人机任务分配方法 |
-
2019
- 2019-11-28 CN CN201911187959.XA patent/CN112859887B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088206A1 (en) * | 2001-03-29 | 2004-05-06 | Thompson Simon G | Work allocation system |
EP1365300A2 (en) * | 2002-05-10 | 2003-11-26 | Royal Appliance MFG. CO. | Autonomous multi-platform robotic system |
CN1622062A (zh) * | 2003-11-26 | 2005-06-01 | 中国科学院沈阳自动化研究所 | 一种分布式水下机器人控制系统 |
CN105069530A (zh) * | 2015-08-13 | 2015-11-18 | 肇庆学院 | 一种基于多目标优化的多机器人任务分配方法 |
CN105184092A (zh) * | 2015-09-23 | 2015-12-23 | 电子科技大学 | 一种资源限制条件下多类型无人机协同任务分配方法 |
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
JP2017191373A (ja) * | 2016-04-11 | 2017-10-19 | 株式会社東芝 | マルチエージェントシステム、タスク割当装置、タスク割当方法及びプログラム |
KR20180023586A (ko) * | 2016-08-26 | 2018-03-07 | 국방과학연구소 | 다중 로봇의 임부할당을 위한 로봇의 과업 적합도 산정방법 |
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 |
US20180326581A1 (en) * | 2017-05-11 | 2018-11-15 | King Fahd University Of Petroleum And Minerals | System and method for auction-based and adaptive multi-threshold multi-agent task allocation |
US20180326583A1 (en) * | 2017-05-11 | 2018-11-15 | King Fahd University Of Petroleum And Minerals | Dynamic multi-objective task allocation |
CN107622348A (zh) * | 2017-09-18 | 2018-01-23 | 哈尔滨工程大学 | 一种任务顺序约束下的异构多auv系统任务协调方法 |
CN108171394A (zh) * | 2017-11-21 | 2018-06-15 | 中国科学院自动化研究所 | 基于分层式结构和资源整合的多机器人任务分配方法 |
WO2019121338A1 (de) * | 2017-12-22 | 2019-06-27 | Robert Bosch Gmbh | Verfahren zum betreiben eines roboters in einem multiagentensystem, roboter und multiagentensystem |
EP3511878A1 (en) * | 2018-01-11 | 2019-07-17 | Tata Consultancy Services Limited | Systems and methods for scalable multi-vehicle task allocation |
CN108985549A (zh) * | 2018-05-25 | 2018-12-11 | 哈尔滨工程大学 | 基于量子鸽群机制的无人机任务分配方法 |
CN109919431A (zh) * | 2019-01-28 | 2019-06-21 | 重庆邮电大学 | 基于拍卖算法的异构多机器人任务分配方法 |
CN110134146A (zh) * | 2019-06-14 | 2019-08-16 | 西北工业大学 | 一种不确定环境下的分布式多无人机任务分配方法 |
Non-Patent Citations (6)
Title |
---|
DAQI ZHU 等: "Task Assignment and Path Planning of a Multi-AUV System Based on a Glasius Bio-Inspired Self-Organising Map Algorithm", 《THE JOURNAL OF NAVIGATION》 * |
JUNBAO ZENG 等: "Research on Dynamic Modeling and Predictive Control of Portable Autonomous Underwater Vehicle", 《OCEANS 2017》 * |
吕洪莉: "面向多目标优化的多AUVs群体协同任务分配", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
呈迪: "分布式多水下无人航行器搜捕任务协调方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
李建军: "基于群体智能的多AUV协同任务分配方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
赵旭浩: "基于能量约束的自主水下航行器任务规划算法", 《计算机应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115242881A (zh) * | 2022-08-01 | 2022-10-25 | 湖南大学无锡智能控制研究院 | 基于声光混合通信的多水下机器人任务分配方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112859887B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108200175B (zh) | 基于协同云控制的多无人船编队协同控制系统及方法 | |
CN106773741A (zh) | 一种无人船动力定位系统及方法 | |
CN108287542A (zh) | 基于协同云控制的无人机与无人船协作控制系统与方法 | |
CN113448703B (zh) | 一种基于感知阵型的无人机蜂群动态侦察任务调度系统及方法 | |
CN109032136A (zh) | 基于主从分布式模型预测控制的欠驱动多无人船编队跟踪方法 | |
CN112859887B (zh) | 基于天基中心的多水下机器人自主任务分配方法 | |
CN104049616B (zh) | 无人水下航行器群体任务协调系统及方法 | |
CN108762280A (zh) | 一种考虑海洋环流影响的uuv基于能量消耗优化的远程航海路径规划方法 | |
CN110096061A (zh) | 一种无人艇集群的抗扰动分布式协同控制方法与装置 | |
CN103226357A (zh) | 一种基于目标跟踪的多无人机通信决策方法 | |
CN108931243A (zh) | 一种复杂海洋环境影响下基于能耗和采样量多目标优化的uuv路径规划方法 | |
CN114740899B (zh) | 一种网格化空域分配与协同搜索规划方法 | |
CN115187040A (zh) | 一种冒泡自学习的水面无人艇群综合性能评估方法 | |
CN111538349A (zh) | 面向多任务的长航程auv自主决策方法 | |
CN104317197A (zh) | 一种针对auv布放任务负载后模型变化的多模型切换控制方法 | |
Chen et al. | Research on a task planning method for multi-ship cooperative driving | |
CN115469666A (zh) | 一种通信受限的多机器人协同等值面跟踪方法 | |
CN108318039B (zh) | 异介质无人驾驶航行器协同轨迹规划方法 | |
CN105550495A (zh) | 一种船舶航行增阻等级的评估方法 | |
CN112215395A (zh) | 一种基于海洋大数据的水下装备适应性信息保障系统 | |
CN114169707A (zh) | 多异构自主水下机器人任务自主动态分配方法 | |
Lin et al. | Underwater Equipotential Line Tracking Based on Self-Attention Embedded Multiagent Reinforcement Learning Toward AUV-Based ITS | |
CN110758669B (zh) | 一种开阔繁忙水域的双层相对领域获取方法 | |
CN110716570B (zh) | 一种开阔繁忙水域基于船舶集群态势的相对领域获取方法 | |
CN114942646B (zh) | 异构无人系统三维空间编队控制方法 |
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 |