CN113655786B - 一种基于非洲蜂智能算法的无人艇艇群控制方法 - Google Patents
一种基于非洲蜂智能算法的无人艇艇群控制方法 Download PDFInfo
- Publication number
- CN113655786B CN113655786B CN202110722765.6A CN202110722765A CN113655786B CN 113655786 B CN113655786 B CN 113655786B CN 202110722765 A CN202110722765 A CN 202110722765A CN 113655786 B CN113655786 B CN 113655786B
- Authority
- CN
- China
- Prior art keywords
- grid
- sea area
- speed
- sea
- unmanned
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 241000392905 Apis mellifera adansonii Species 0.000 title claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 abstract description 16
- 238000004891 communication Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 9
- 239000003016 pheromone Substances 0.000 description 9
- 238000012360 testing method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000256844 Apis mellifera Species 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000283153 Cetacea Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种基于非洲蜂智能算法的无人艇艇群控制方法,包括:基于无人艇艇群作业任务和非洲峰算法,采用迭代运算,根据无人艇单艇在作业海域内的当前位置和当前航速,确定无人艇单艇的初始航速和预计航行位置;根据作业海域的海况信息,对作业海域进行网格化,生成作业任务网格,确定作业任务网格的任务网格信息矩阵;确定预计航行位置对应的作业任务网格的子网格,根据子网格确定航速修正量以对初始航速进行修正,并根据修正后的初始航速和预计航行位置,生成控制指令,以控制无人艇单艇航行至子网格,直至完成无人艇艇群作业任务。通过本申请中的技术方案,对无人艇航行过程中的航速、航向进行优化,实时进行无人艇艇群的协同控制。
Description
技术领域
本申请涉及无人艇的技术领域,具体而言,涉及一种基于非洲蜂智能算法的无人艇艇群控制方法。
背景技术
随着对海洋的开发和探索,无人艇作为一种水上智能装备日益得到各国的重视,全世界竞相研发,其发展十分迅速,尤其智能化等关键技术的突破和应用,或将改变未来军事领域中的海战形式。无人艇以其卓越的优点,在海洋巡逻、搜救、作战、海洋环境检测等多个军用、民用等领域不断得到应用和发展。
无人艇具有远程控制、自主航行的功能,尤其对于恶劣海况不适宜有人操作等复杂环境的作业任务,此外,无人艇的一大优势是无人艇艇群具有集群效应,小巧的无人艇航程大、航速高、适应性强、安全性高,对于大面积未知海况作业具有高效率、低成本的突出优势。
目前对无人艇本身的研究是现代高端装备制造业的科研热点,但对无人艇艇群的群体控制的研究尚处在初级阶段。
而现有技术中,一方面,传统的优化算法-粒子群算法和鲸鱼群算法等进化算法中,代际之间的信息传递仅限于相邻两代个体之间,导致全局搜索参考信息单一,难以探索任务海域所有可行搜索区域,以获得全部目标结果。
另一方面,目前对无人艇艇群的控制仅局限在路径规划、目标检测等方面,并未涉及艇群中单个无人艇航行过程中的航速控制,特别是没有将作业海域内的海况条件与无人艇航速相结合,导致无人艇航行过程中动力浪费严重,无法达到最大航程,导致无人艇艇群对作业海域的探测效率偏低,甚至存在无法按计划完成作业任务的可能,不利于实现无人艇艇群的高效、快速、持续的协同控制。
发明内容
本申请的目的在于:在无人艇艇群执行多目标作业任务时,能够实时进行无人艇艇群的协同控制,对无人艇航行过程中的航速、航向进行优化,提高无人艇艇群的作业效率和完成作业任务的可靠性。
本申请的技术方案是:提供了一种基于非洲蜂智能算法的无人艇艇群控制方法,适用于控制无人艇艇群执行多目标任务,该方法包括:步骤10,基于无人艇艇群作业任务和非洲峰算法,采用迭代运算,根据无人艇单艇在作业海域内的当前位置和当前航速,确定无人艇单艇的初始航速和预计航行位置;步骤20,根据预设网格边长对作业海域进行网格化,生成海域网格,并根据海域网格内的海况信息,对海域网格进行合并,生成作业任务网格,并确定作业任务网格的任务网格信息矩阵,其中,任务网格信息矩阵包括网格标号和航速修正量,海况信息至少包括风向、风力、海浪高度;步骤30,确定预计航行位置对应的作业任务网格的子网格,根据子网格确定航速修正量以对初始航速进行修正,并根据修正后的初始航速和预计航行位置,生成控制指令,以控制无人艇单艇航行至子网格,重复执行步骤10,直至完成无人艇艇群作业任务。
上述任一项技术方案中,进一步地,作业海域的海况信息至少包括风向、风力、海浪高度。
上述任一项技术方案中,进一步地,步骤2中,对作业海域进行网格化,生成作业任务网格,具体包括:步骤21,根据预设网格边长,对作业海域进行网格划分,并将划分出的网格记作第一网格,依次对第一网格进行第一标号,生成海域网格;步骤22,依据海域网格,将海域范围内的海况信息进行网格化,生成风向矩阵和风速矩阵,其中,风向矩阵由第一网格内的风向角均值确定,风速矩阵由第一网格内的风速均值确定;步骤23,采用遍历的方式,依次判断相邻的海域网格对应的海域范围内海浪平均高度的差值是否小于海浪阈值,若是,当判定海域范围内风速均值的差值小于风速阈值时,将相邻的海域网格进行合并,生成第二网格,并进行第二标号;若否,进行下一组相邻海域网格的判断,直至完成遍历,其中,第二标号为合并的海域网格的第一标号的集合;步骤24,根据第二网格以及未合并的海域网格,生成作业任务网格,并将第二标号以及未合并的第一标号,记作网格标号。
上述任一项技术方案中,进一步地,步骤2中,还包括:步骤25,计算第二网格中对应海域范围内的风向角均值的第二平均值以及风速均值的第二平均值,根据风向角均值的第二平均值以及风速均值的第二平均值,分别对风向矩阵和风速矩阵中的元素进行更新;步骤26,根据更新后的风向矩阵和风速矩阵,计算航速修正量,并结合网格标号,生成任务信息矩阵。
上述任一项技术方案中,进一步地,步骤3中还包括:步骤31,判断预计航行位置对应的子网格的网格标号是否为第二标号,若否,根据网格标号,确定预计航行位置对应的航速修正量,根据航速修正量,对初始航速进行修正,若是,执行步骤32;步骤32,判断当前位置对应的子网格的网格标号是否与预计航行位置对应的子网格的网格标号相同,若是,将预计航行位置对应的航速修正量置为0,若否,根据网格标号,确定预计航行位置对应的航速修正量,对初始航速进行修正。
本申请的有益效果是:
本申请中的技术方案,将非洲峰算法与无人艇艇群的群体控制相结合,并基于作业海域内的海况信息,对作业海域进行网格划分,进而得出矩阵式的航速修正量,对非洲峰算法计算出的无人艇单艇初始航速进行修正,以实现基于作业海域内的海况信息实时对无人艇单艇进行控制,优化了无人艇单艇航行过程中的航速、航向,实现了无人艇艇群对海作业时的协同控制,提高了执行对海作业的效率,有助于提高无人艇艇群控制的合理性和快速响应能力。
本申请在进行作业海域网格划分的过程中,分别利用海浪高度、风速、风向等海况信息,组成任务网格信息矩阵,并与网格标号相结合,有助于提高航速修正的准确性,而且还通过海浪高度、风速、风向等海况信息,对划分好的海域网格进行合并,生成第二网格,再将第二网格与未合并的海域网格共同组成作业海域的作业任务网格,有利于降低无人艇单艇控制过程中运算资源的占用、提高无人艇单艇控制的实时性。
本申请在进行无人艇单艇航速修正的过程中,还基于划分的作业任务网格的网格标号对航速修正量的取值进行判断,若判定当前位置与预计航行位置对应的网格编号为同一个第二标号时,则代表两处的海况信息基本相同,此时,将航速修正量的取值置为0,以降低算法整体的运算量,并提高实时性,避免频繁调整无人艇单艇的动力装置的输出,降低无人艇单艇控制方法的复杂程度。
附图说明
本申请的上述和/或附加方面的优点在结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请的一个实施例的基于改进非洲蜂智能算法的无人艇艇群控制方法的示意流程图;
图2是根据本申请的一个实施例的作业任务网格的示意图;
图3是根据本申请的一个实施例的修正后初始速度分解的示意图;
图4是根据本申请的一个实施例的验证场景的示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施方式对本申请进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互结合。
在下面的描述中,阐述了很多具体细节以便于充分理解本申请,但是,本申请还可以采用其他不同于在此描述的其他方式来实施,因此,本申请的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本实施例提供了一种基于非洲蜂智能算法的无人艇艇群控制方法,适用于母舰对无人艇艇群中各个无人艇单艇的航速与航向的控制,以控制无人艇艇群执行多目标任务,实现无人艇艇群对作业海域的多目标探测,该方法包括:
步骤10,基于无人艇艇群作业任务和非洲峰算法,采用迭代运算,根据无人艇单艇在作业海域内的当前位置和当前航速,确定无人艇单艇的初始航速和预计航行位置;
具体的,本实施例以非洲峰算法为基础,该算法中,在每次迭代过程中,当发现一个新的全局最优解时,蜂王都会散布该全局最优解位置的信息素,录入信息素向量M,该信息素的残留时间为m,且随着迭代次数的增加,逐渐降低历史信息素的权重,蜂王根据历史信息素获得自身速度,并更新位置。
在本实施例中,将各个无人艇单艇(随机初始化)作为非洲峰算法中的蜂王,根据无人艇的最大航程确定信息素的残留时间m,同时,设定无人艇艇群迭代过程中的最大迭代搜索次数为MaxIter。无人艇单艇在作业海域执行搜索任务,当判定其当前所在位置存在作业目标时,即视为发现一个新的全局最优解,将当前无人艇单艇位置更新为蜂王所在位置,释放信息素,将其当前所在位置的坐标发送至无人艇艇群的控制平台,如母舰、岸基操控台、飞机或装甲车。
对于第j次迭代时派出执行任务的无人艇单艇而言,信息素向量M具体包括:
M=[ξBest(j)ξBest(j+1)…ξBest(j+m-1)]T
式中,ξBest(j)为第j次迭代时对应的全局最优解,即无人艇单艇的历史位置。
在进行第t次迭代时刻(次数),第k个无人艇单艇的当前位置为xk(t),则在确定第t+1次迭代时,第k个无人艇单艇航行至下一个作业区域的初始航速和预计航行位置xk(t+1),对应的计算公式为:
xk(t+1)=xk(t)+η⊙vk(t)
η={a1,a2,…am}
a1=0.5(MaxIter-t)/MaxIter
式中,xk(t)为当前迭代时刻t第k个无人艇的当前位置,vk(t)为当前迭代时刻t第k个无人艇的当前航速,η⊙vk(t)为第k个无人艇单艇航行至下一个作业区域的初始航速,a2、a3、…、am-1为a1~am的等分值,以此实现随时间增加而降低历史信息素权重的目的,i为中间参数,randi(t)为当前时刻t第i个在(0,1)区间上服从均匀分布的随机数,MaxIter为最大迭代次数,ξBest()为全局最优解。
步骤20,根据预设网格边长对所述作业海域进行网格化,生成海域网格,并根据所述海域网格内的海况信息,对所述海域网格进行合并,生成作业任务网格,并确定所述作业任务网格的任务网格信息矩阵,其中,所述任务网格信息矩阵包括网格标号和航速修正量,所述海况信息至少包括风向、风力、海浪高度;
本实施例中,母舰能够获取作业海域的海况信息,至少包括风向、风力、海浪高度等信息,此类信息可以通过现有的气象探测设备获得,如气象站、船舶自动识别系统AIS、毫米波雷达、激光雷达等。
待获取到海况信息后,进行坐标系转换、网格化、时标校准、运动预测等处理,以便提高任务网格信息矩阵的准确性。
步骤21,根据预设网格边长,对作业海域进行网格划分,并将划分出的网格记作第一网格,依次对第一网格进行第一标号,生成海域网格,并确定第一网格对应的海域范围;
具体的,在对作业海域进行网格化、确定任务网格信息矩阵时,首先预设网格边长,将作业海域划分为α×β个网格,记作第一网格,并依次对第一网格进行第一标号,生成海域网格,并基于作业海域范围内的坐标,确定第一网格对应的海域范围。
因此,生成的海域网格由多个第一网格拼接而成,对应于整个作业海域,每一个第一网格则对应作业海域中的某一区域。
在该海域网格划分的基础上,通过计算区域内风速、风向、海浪高度的平均值,即可实现海况信息的网格化,将海况信息与海域网格一一对应,以便后续基于海况信息对无人艇单艇的初始航速进行修正,实时进行无人艇艇群的协同控制,对无人艇航行过程中的航速、航向进行优化。
步骤22,依据海域网格,将海域范围内的海况信息进行网格化,生成风向矩阵θ和风速矩阵vwind,风向矩阵θ由第一网格内的风向角均值确定,风速矩阵vwind由第一网格内的风速均值确定,对应的矩阵公式如下:
式中,风向角均值θab的取值为第a行b列个第一网格对应海域范围内的风向角度的第一平均值,风速均值vab的取值为第a行b列个第一网格对应海域范围内的风速的第一平均值,a=1,2,...,α,b=1,2,...,β。
为了降低无人艇单艇控制过程中运算资源的占用、提高无人艇单艇控制的实时性,对海域网格进行网格合并,具体包括:
步骤23,采用遍历的方式,依次判断相邻的海域网格对应的海域范围内海浪平均高度的差值是否小于海浪阈值,若是,当判定海域范围内风速均值的差值小于风速阈值时,将相邻的海域网格进行合并,生成第二网格,并进行第二标号;若否,进行下一组相邻海域网格的判断,直至完成遍历,其中,第二标号为合并的海域网格的第一标号的集合;
步骤24,根据第二网格以及未合并的海域网格,生成作业任务网格,并将第二标号以及未合并的第一标号,记作网格标号;
如图2所示,以局部的海域网格为例,本实施例采用八连通区域遍历的方式对海域网格进行合并。对海域网格33进行遍历时,其对应的八连通区域分别为海域网格22、海域网格23、海域网格24、海域网格32、海域网格34、海域网格42、海域网格43、海域网格44。
依次计算上述8个海域网格对应海域范围内的海浪平均高度与海域网格33对应的海浪平均高度的差值,并依次与设定的海浪阈值进行比较,若海域网格24、海域网格34、海域网格42、海域网格43、海域网格44对应的差值小于设定的海浪阈值时,再计算这5个海域网格对应海域范围内的风速均值与海域网格33对应的风速均值的差值,并依次与设定的风速阈值进行比较,若海域网格34、海域网格43、海域网格44对应的差值小于设定的风速阈值,则认为海域网格34、海域网格43、海域网格44可以与海域网格33进行合并。
需要说明的是,由于是采用的遍历的方式,因此,最终生成的第二网格可以如图2中的虚线所示,此时,该第二网格的第二标号则为{33、34、43、44、45、53、54、55}。
步骤25,计算第二网格中对应海域范围内的风向角均值的第二平均值以及风速均值的第二平均值,根据风向角均值的第二平均值以及风速均值的第二平均值,分别对风向矩阵θ和风速矩阵vwind中的元素进行更新;
具体的,待计算出某一第二网格为{33、34、43、44、45、53、54、55}时,在计算上述网格中风速、风向角的第二均值,进行矩阵更新,将对应的行列元素的取值置为第二均值,即风向矩阵θ中行列元素33、34、43、44、45、53、54、55中的取值为风向角的第二均值,风速矩阵vwind中行列元素33、34、43、44、45、53、54、55中的取值为风速的第二均值。
步骤26,根据更新后的风向矩阵θ和风速矩阵vwind,计算航速修正量Δx,并结合网格标号,生成任务信息矩阵,其中,航速修正量Δv对应的计算公式为:
具体的,如图3所示,当某一无人艇单艇航行至作业任务网格中的某一子网格时,该子网格为未合并的海域网格或合并后的第二网格中的一个海域网格,将该无人艇单艇所在海域平面以每45°为一个方向范围,可以划分出八个航速修正区域,因此,设定航速修正量对应的计算公式如上式所示。进而将计算出的航速修正量与网格标号进行一一对应,即可生成任务信息矩阵。
步骤30,确定预计航行位置对应的作业任务网格的子网格,根据子网格确定航速修正量以对初始航速进行修正,并根据修正后的初始航速和预计航行位置,生成控制指令,以控制无人艇单艇航行至子网格,重复执行步骤10,直至完成无人艇艇群作业任务,其中,可以采用和运算,基于航速修正量对初始航速进行修正。
具体的,待确定预计航行位置后,该位置对应于作业海域内的一个坐标,因为该作业海域每一个区域都对应着作业任务网格中的一个子网格,依据该子网格的网格标号,可以通过查询的方式,确定任务网格信息矩阵中的航速修正量,进而实现对预计尝试的修正,以实现实时根据海况信息对无人艇单艇的航速进行控制。
而且,在非洲峰算法中,当无人艇单艇根据修正后的预计航速航行至预计航行位置时,由于当前的航速为修正后的上次一迭代时的初始航速,因此,在本次迭代过程中,也实现了基于海况信息,实时的对无人艇单艇的航向进行修正,进而优化了无人艇单艇的实时控制,能够提高无人艇艇群的作业效率和完成作业任务的可靠性。
进一步的,为了降低算法的运算量,提高实时性,执行步骤3中对初始航速进行修正之前,该方法还包括:
步骤31,判断预计航行位置对应的子网格的网格标号是否为第二标号,若否,根据网格标号,确定预计航行位置对应的航速修正量,根据航速修正量,对初始航速进行修正,若是,执行步骤32;
步骤32,判断当前位置对应的子网格的网格标号是否与预计航行位置对应的子网格的网格标号相同,若是,将预计航行位置对应的航速修正量置为0,若否,根据网格标号,确定预计航行位置对应的航速修正量,对初始航速进行修正。
具体的,当无人艇当前所在的子网格的网格标号为第二标号时,由于第二标号对应的第二网格是由多个海域网格合并而成的,且这些合并的海域网格其海况信息基本相同。因此,为了保证无人艇单艇控制的实时性和连贯性,避免频繁调整无人艇单艇的动力装置的输出,对下一次迭代过程中,预计航行位置与当前位置同属于一个第二网格的情形,不对依据非洲峰算法计算出的初始航速进行修正,降低无人艇单艇控制方法的复杂程度。
本实施例中,设定某一第二网格由海域网格33、海域网格34、海域网格43、海域网格44、海域网格45、海域网格53、海域网格54、海域网格55等合并而成,某一无人艇单艇当前所在位置对应的子网格属于该第二网格,对应的网格标号设定为43。
当预计航行位置对应的子网格的网格标号是42时,网格标号42不属于该第二网格,则根据网格标号42对应的航速修正量,对初始航速进行修正;
当预计航行位置对应的子网格的网格标号是44时,44属于该第二网格,则将航速修正量置为0,不对初始航速进行修正,以降低无人艇单艇控制方法的复杂程度。
本实施例中,为了对上述方法进行验证,设定验证环境如图4所示,A、B、C、D所行程的100平方海里矩形预定海域范围,并分别在A、B、C、D四个点所在经纬度位置提前布置好浮标,■、●、▲分别表示提前布置的彩色浮标、漂浮木桩、金属球等虚拟目标示意。算法参数m=3,am=1,δ1=1.3,δ2=0.6,艇群规模N=5,最大迭代次数MaxIter=50,无人艇参数舰长19m,排水量40t,最高航速38节(70.4km/h),续航力48小时,航程1260km。执行任务过程,艇群以最高航速38节的速度航渡到任务区域,搜索过程以6节的巡航速度进行智能搜索。
本实施例无人艇艇群作业海域的海况信息为四级海况,浪高1.25~2.5m,风速较小,能见度较好,假目标10个,并实时记录假目标所在位置的经纬度,经过9次迭代,耗时约2h完成所有目标搜索定位。
为了保证无人艇艇群能够顺利执行探测任务,在进行执行探测任务之前,该方法还包括:
对无人艇艇群中的各个无人艇进行通讯测试,当判定预设时间段内未收到所述无人艇的通讯反馈信号,或者当判定预设时间段内接收到所述无人艇的通讯故障信号时,进入任务中断状态,向多个所述无人艇发送待机指令,并进行通讯自测,以便操作员进行通讯系统检修。
具体的,可通过远程控制模块向各个无人艇发送通讯测试报文,进行通讯测试,若各个无人艇的通讯系统能够正常运行,则无人艇中的通讯模块向远程控制模块反馈通讯正常状态应答信号,此时,远程控制模块记录该无人艇转入任务就绪状态,将执行探测任务。
若无人艇出现通讯异常,即远程控制模块在预设时间内接收不到无人艇通讯模块反馈的通讯反馈信号,或接收到通讯故障信号,远程控制模块记录该无人艇进入任务中断状态,同时进行通讯自测,操作员进行通讯系统检修,当故障排除后,重新进行通讯测试,直至全部无人艇均进入任务就绪状态。
当无人艇艇群完成通讯测试,进入任务就绪状态后,由远程控制模块根据本实施例中的基于改进非洲蜂智能算法的无人艇艇群控制方法,向各个无人艇发送控制指令,以对执行作业海域进行目标探测。
以上结合附图详细说明了本申请的技术方案,本申请提出了一种基于非洲蜂智能算法的无人艇艇群控制方法,包括:步骤10,基于无人艇艇群作业任务和非洲峰算法,采用迭代运算,根据无人艇单艇在作业海域内的当前位置和当前航速,确定无人艇单艇的初始航速和预计航行位置;步骤20,根据作业海域的海况信息,对作业海域进行网格化,生成作业任务网格,确定作业任务网格的任务网格信息矩阵,其中,任务网格信息矩阵包括网格标号和航速修正量;步骤30,确定预计航行位置对应的作业任务网格的子网格,根据子网格确定航速修正量以对初始航速进行修正,并根据修正后的初始航速和预计航行位置,生成控制指令,以控制无人艇单艇航行至子网格,重复执行步骤10,直至完成无人艇艇群作业任务。通过本申请中的技术方案,在无人艇艇群执行多目标作业任务时,能够实时进行无人艇艇群的协同控制,对无人艇航行过程中的航速、航向进行优化,提高无人艇艇群的作业效率和完成作业任务的可靠性。
本申请中的步骤可根据实际需求进行顺序调整、合并和删减。
本申请装置中的单元可根据实际需求进行合并、划分和删减。
尽管参考附图详地公开了本申请,但应理解的是,这些描述仅仅是示例性的,并非用来限制本申请的应用。本申请的保护范围由附加权利要求限定,并可包括在不脱离本申请保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。
Claims (2)
1.一种基于非洲蜂智能算法的无人艇艇群控制方法,其特征在于,所述方法适用于控制所述无人艇艇群执行多目标任务,其特征在于,所述方法包括:
步骤10,基于无人艇艇群作业任务和非洲峰算法,采用迭代运算,根据无人艇单艇在作业海域内的当前位置和当前航速,确定所述无人艇单艇的初始航速和预计航行位置;
步骤20,根据预设网格边长对所述作业海域进行网格化,生成海域网格,并根据所述海域格网内的海况信息,对所述海域网格进行合并,生成作业任务网格,并确定所述作业任务网格的任务网格信息矩阵,其中,所述任务网格信息矩阵包括网格标号和航速修正量,所述海况信息至少包括风向、风力、海浪高度;
步骤30,确定所述预计航行位置对应的作业任务网格的子网格,根据所述子网格确定所述航速修正量以对所述初始航速进行修正,并根据修正后的初始航速和所述预计航行位置,生成控制指令,以控制所述无人艇单艇航行至所述子网格,重复执行步骤10,直至完成所述无人艇艇群作业任务;
所述步骤20中,生成作业任务网格,具体包括:
步骤21,根据所述预设网格边长,对所述作业海域进行网格划分,并将划分出的网格记作第一网格,依次对所述第一网格进行第一标号,生成所述海域网格;
步骤22,依据所述海域网格,将所述海域范围内的海况信息进行网格化,生成风向矩阵和风速矩阵,其中,所述风向矩阵由所述第一网格内的风向角均值确定,所述风速矩阵由所述第一网格内的风速均值确定;
步骤23,采用遍历的方式,依次判断相邻的所述海域网格对应的海域范围内海浪平均高度的差值是否小于海浪阈值,若是,当判定所述海域范围内风速均值的差值小于风速阈值时,将相邻的所述海域网格进行合并,生成第二网格,并进行第二标号;若否,进行下一组相邻海域网格的判断,直至完成遍历,其中,所述第二标号为合并的所述海域网格的第一标号的集合;
步骤24,根据所述第二网格以及未合并的海域网格,生成所述作业任务网格,并将所述第二标号以及未合并的第一标号,记作所述网格标号;
所述步骤20中,还包括:
步骤25,计算所述第二网格中对应海域范围内的风向角均值的第二平均值以及风速均值的第二平均值,根据风向角均值的第二平均值以及风速均值的第二平均值,分别对所述风向矩阵和所述风速矩阵中的元素进行更新;
步骤26,根据更新后的风向矩阵和风速矩阵,计算所述航速修正量,并结合所述网格标号,生成所述任务网格信息矩阵。
2.如权利要求1所述的基于非洲蜂智能算法的无人艇艇群控制方法,其特征在于,所述步骤30中还包括:
步骤31,判断所述预计航行位置对应的所述子网格的网格标号是否为第二标号,若否,根据所述网格标号,确定所述预计航行位置对应的航速修正量,根据所述航速修正量,对所述初始航速进行修正,若是,执行步骤32;
步骤32,判断当前位置对应的子网格的网格标号是否与所述预计航行位置对应的子网格的网格标号相同,若是,将所述预计航行位置对应的航速修正量置为0,若否,根据所述网格标号,确定所述预计航行位置对应的航速修正量,对所述初始航速进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110722765.6A CN113655786B (zh) | 2021-06-29 | 2021-06-29 | 一种基于非洲蜂智能算法的无人艇艇群控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110722765.6A CN113655786B (zh) | 2021-06-29 | 2021-06-29 | 一种基于非洲蜂智能算法的无人艇艇群控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113655786A CN113655786A (zh) | 2021-11-16 |
CN113655786B true CN113655786B (zh) | 2023-09-19 |
Family
ID=78477115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110722765.6A Active CN113655786B (zh) | 2021-06-29 | 2021-06-29 | 一种基于非洲蜂智能算法的无人艇艇群控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113655786B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175245A (zh) * | 2011-01-28 | 2011-09-07 | 哈尔滨工程大学 | 一种基于海流历史统计信息的水下潜器路径规划方法 |
KR20190077966A (ko) * | 2017-12-26 | 2019-07-04 | 동강엠텍(주) | 선박 최적 항로 추론 장치 |
CN110083983A (zh) * | 2019-05-17 | 2019-08-02 | 大连海事大学 | 一种船舶分段航速优化方法和智能管理系统 |
CN111060109A (zh) * | 2020-01-03 | 2020-04-24 | 东南大学 | 一种基于改进a星算法的无人艇全局路径规划方法 |
CN111222701A (zh) * | 2020-01-08 | 2020-06-02 | 中国船舶重工集团公司第七二四研究所 | 一种基于海洋环境图层的船舶航线自动规划与评价方法 |
CN112068564A (zh) * | 2020-09-10 | 2020-12-11 | 中国船舶科学研究中心 | 一种基于经济航行优化的船舶智能操控方法 |
CN112435505A (zh) * | 2020-11-11 | 2021-03-02 | 南通中远海运川崎船舶工程有限公司 | 一种基于最佳航速的自主航行系统及其航行方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210046500A (ko) * | 2019-10-18 | 2021-04-28 | 한국전자통신연구원 | 선박 자율 항해 장치, 방법 및 기록 매체 |
-
2021
- 2021-06-29 CN CN202110722765.6A patent/CN113655786B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175245A (zh) * | 2011-01-28 | 2011-09-07 | 哈尔滨工程大学 | 一种基于海流历史统计信息的水下潜器路径规划方法 |
KR20190077966A (ko) * | 2017-12-26 | 2019-07-04 | 동강엠텍(주) | 선박 최적 항로 추론 장치 |
CN110083983A (zh) * | 2019-05-17 | 2019-08-02 | 大连海事大学 | 一种船舶分段航速优化方法和智能管理系统 |
CN111060109A (zh) * | 2020-01-03 | 2020-04-24 | 东南大学 | 一种基于改进a星算法的无人艇全局路径规划方法 |
CN111222701A (zh) * | 2020-01-08 | 2020-06-02 | 中国船舶重工集团公司第七二四研究所 | 一种基于海洋环境图层的船舶航线自动规划与评价方法 |
CN112068564A (zh) * | 2020-09-10 | 2020-12-11 | 中国船舶科学研究中心 | 一种基于经济航行优化的船舶智能操控方法 |
CN112435505A (zh) * | 2020-11-11 | 2021-03-02 | 南通中远海运川崎船舶工程有限公司 | 一种基于最佳航速的自主航行系统及其航行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113655786A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8150621B1 (en) | Command and control of autonomous surface vehicle | |
CN111157982A (zh) | 基于岸基雷达的智能船舶船岸协同目标跟踪系统和方法 | |
CN110244720B (zh) | 用于海上无人艇的路径规划方法及系统 | |
CN111913481B (zh) | 一种可变领航员模式的多无人艇协同编队方法 | |
CN110956853A (zh) | 一种多船碰撞预测方法、系统和存储介质 | |
CN113093733B (zh) | 一种无人艇集群对海打击方法 | |
CN106872970A (zh) | 一种基于差分进化的多目标变数据率跟踪装置及其方法 | |
CN113342008A (zh) | 一种海空协同水下目标追踪的路径规划系统及方法 | |
CN111898285A (zh) | 一种水下无人自主航行器集群作业效能评估方法 | |
CN115824217A (zh) | 一种海上搜救方法及系统 | |
CN111538349B (zh) | 面向多任务的长航程auv自主决策方法 | |
CN114088094A (zh) | 一种无人艇的智能航路规划方法及系统 | |
CN116578095A (zh) | 海洋能驱动机器人节能避障方法 | |
CN113655786B (zh) | 一种基于非洲蜂智能算法的无人艇艇群控制方法 | |
Yang et al. | Multi agents to search and rescue based on group intelligent algorithm and edge computing | |
CN113359796A (zh) | 一种地下多分支洞穴的无人机探寻方法 | |
CN116859928A (zh) | 一种基于领航者自适应的集群目标跟踪方法 | |
CN109696908B (zh) | 机器人及其航迹设置方法和系统 | |
Yan et al. | An improved multi-AUV patrol path planning method | |
Polemis et al. | A theoretical analysis of contemporary vessel navigational systems: assessing the future role of the human element for unmanned vessels | |
CN114943168A (zh) | 一种水上浮桥组合方法及系统 | |
Zheng et al. | Inland river ship auxiliary collision avoidance system | |
CN113655785B (zh) | 一种基于混合算法的无人艇群控制方法 | |
CN112330091B (zh) | 一种星载sar成像自主任务规划方法 | |
CN117173934B (zh) | 用于无人艇集群护航的海上威胁目标拦截点预报方法及系统 |
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 |