CN117234219A - 一种海上集群感知任务轨迹设计方法及计算机可读介质 - Google Patents
一种海上集群感知任务轨迹设计方法及计算机可读介质 Download PDFInfo
- Publication number
- CN117234219A CN117234219A CN202311506723.4A CN202311506723A CN117234219A CN 117234219 A CN117234219 A CN 117234219A CN 202311506723 A CN202311506723 A CN 202311506723A CN 117234219 A CN117234219 A CN 117234219A
- Authority
- CN
- China
- Prior art keywords
- task
- cluster
- iteration
- track
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000006870 function Effects 0.000 claims abstract description 67
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 239000002245 particle Substances 0.000 claims description 110
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 239000000725 suspension Substances 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims 1
- 230000000977 initiatory effect Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种海上集群感知任务轨迹设计方法及计算机可读介质,方法包括如下步骤:S1:构建需要打捞目标的速度大小和方向的概率密度函数,并构建打捞目标不同时刻位置分布的概率密度函数的递推关系,根据该递推关系和打捞目标初始时刻位置分布的概率密度函数,计算打捞目标任意时刻位置分布的概率密度函数;S2:构建母船和固定单元在任意时刻的位置计算公式;S3:根据打捞目标任意时刻位置分布的概率密度函数和母船的轨迹点集合得到任意时刻感知成功率计算公式和感知任务成功率的闭式表达;定义集群感知任务轨迹设计问题的优化目标和约束,建立集群感知任务轨迹设计优化问题;S4:求得到最优的集群感知任务轨迹。
Description
技术领域
本发明涉及海上集群系统控制技术领域,尤其涉及一种海上集群感知任务轨迹设计方法及计算机可读介质。
背景技术
为提升对资源的捕捞开发和搜救任务中对人员设备节点搜救打捞的效率,首先需要派出船只设备到任务海域对目标节点可能位置进行感知,在感知到人员、设备节点的精确位置后,再对其进行打捞或救援。因此,为提升打捞开发以及人员救援的效率,如何有效地对目标节点进行感知是一个关键性问题,尤其是考虑到感知任务的紧急性和经济性,降低感知成本的同时需要提升感知成功的概率。随着无人智能技术的发展,利用母船携带海上无人单元前往目标海域对目标进行感知成为一种有效的解决策略,可以综合母船的运载和续航能力和单元的高灵活性及低成本的特点。
考虑到集群在移动性方面的优势,通过设计集群的感知任务轨迹,可以显著提升感知成功率。然而在实际中,集群的轨迹为连续时间上的无数个位置变量,现有的集群轨迹设计算法存在着复杂度极高和性能差的缺陷,考虑到小型单元的硬件性能不足,无法基于现有算法快速实时地计算自身的轨迹。因此,开发一种海上集群感知任务轨迹设计方法及计算机可读介质,提升目标感知的成功率,降低集群协同控制的难度,是非常有必要的。
发明内容
有鉴于此,本发明提出了一种实时、高效计算集群轨迹位置和速度,提升感知成功率的海上集群感知任务轨迹设计方法及计算机可读介质。
本发明的技术方案是这样实现的:
一方面,本发明提供了一种海上集群感知任务轨迹设计方法,包括如下步骤:
S1:构建需要打捞目标的速度大小和方向的概率密度函数,并构建打捞目标不同时刻位置分布的概率密度函数的递推关系,根据该递推关系和打捞目标初始时刻位置分布的概率密度函数,计算打捞目标任意时刻位置分布的概率密度函数;
S2:结合母船的起点、终点和固定单元的投放位置定义的母船的轨迹点集合,利用最优间续悬浮结构构建母船和固定单元在任意时刻的位置计算公式;
S3:根据打捞目标任意时刻位置分布的概率密度函数和母船的轨迹点集合得到任意时刻感知成功率计算公式和感知任务成功率的闭式表达;定义集群感知任务轨迹设计问题的优化目标和约束,建立集群感知任务轨迹设计优化问题;
S4:迭代求解集群感知任务轨迹设计优化问题,得到最优的集群感知任务轨迹。
在以上技术方案的基础上,优选的,步骤S1中所述的构建需要打捞目标的速度大小和方向的概率密度函数,并构建打捞目标不同时刻位置分布的概率密度函数的递推关系,是令为打捞目标速度大小,/>为打捞目标速度方向,打捞目标速度大小的概率密度函数为/>;打捞目标的速度方向的概率密度函数为/>;构建打捞目标前后时刻位置分布的概率密度函数的递推关系如下:,其中/>为打捞目标在第n时刻位置分布的概率密度函数;/>为打捞目标在第n-1时刻位置分布的概率密度函数;/>为打捞目标第n时刻位置的横坐标,/>为打捞目标第n时刻位置的纵坐标,/>为打捞目标第n-1时刻位置的横坐标,/>为打捞目标第n-1时刻位置的纵坐标;/>为位置判决函数,其定义为:;其中为时隙间隔。
优选的,步骤S1中所述的根据该递推关系和打捞目标初始时刻位置分布的概率密度函数,计算打捞目标任意时刻位置分布的概率密度函数,是令打捞目标初始时刻位置分布的概率密度函数为,/>为目标初始时刻位置的横坐标,/>为目标初始时刻位置的纵坐标;则打捞目标任意时刻t位置分布的概率密度函数/>为:。
优选的,步骤S2中所述结合母船的起点、终点和固定单元的投放位置定义的母船的轨迹点集合,利用最优间续悬浮结构构建母船和固定单元在任意时刻的位置计算公式,是首先对固定单元的投放位置定义如下:其中/>为第k个固定单元的投放位置,K为固定单元的数量,/>为第k个固定单元的投放位置的横坐标,/>为第k个固定单元的投放位置的纵坐标;令母船的轨迹点集合定义如下:,其中/>为母船的轨迹点集合,/>为母船的起点,/>为母船的终点,/>为母船第k个轨迹点,满足/>;基于最优间续悬浮结构,是令母船的感知轨迹被定义在固定单元投放位置/>悬浮时间T,并在轨迹点间以最大速度V航行的路径;则构建母船在任意时刻的位置计算公式为: ,其中/>为母船在任意时刻t的位置,/>为母船第i个轨迹点,/>由公式/>计算;构建固定单元在任意时刻的位置计算公式为:,其中/>表示第k个固定单元在任意时刻t的位置,/>表示该固定单元还未部署,/>为给定的任务时间。
优选的,步骤S3中所述根据打捞目标任意时刻位置分布的概率密度函数和母船的轨迹点集合得到任意时刻感知成功率计算公式和感知任务成功率的闭式表达,是令任意时刻t的感知成功率的计算公式为:/>,其中为感知判决函数,用来判断在t时刻处于潜在位置(x,y)的打捞目标是否在母船和固定单元的感知范围内,感知判决函数的定义为,其中/>为母船感知半径,/>为固定单元感知半径;所述感知任务成功率的闭式表达为:,其中/>为感知任务成功率。
优选的,步骤S3中定义集群感知任务轨迹设计问题的优化目标和约束,建立集群感知任务轨迹设计优化问题,是定义集群感知任务轨迹设计问题的优化目标为:,公式表示优化变量为母船的轨迹点集合/>,优化目标的最大化感知成功率;集群感知任务轨迹设计问题的约束定义为:/>,其含义为集群感知任务的工作时间小于预设的给定的任务时间/>;将集群感知任务轨迹设计优化问题建立为:,/>。
优选的,步骤S4中所述的迭代求解集群感知任务轨迹设计优化问题,得到最优的集群感知任务轨迹,是提出一种改进粒子群算法求解集群感知任务轨迹设计优化问题;改进粒子群算法包括如下步骤:初始化N个粒子的初始位置和初始速度,计算粒子的适应度;根据迭代中每个粒子的适应度,确定每一次迭代中的个体极值和群体极值;更新粒子的位置和速度;并判断迭代是否停止并输出集群感知任务轨迹设计优化问题的最优解。
优选的,所述初始化N个粒子的初始位置和初始速度,计算粒子的适应度;根据迭代中每个粒子的适应度,确定每一次迭代中的个体极值和群体极值,是令初始化的粒子的初始位置:,其中/>表示第1个粒子的初始位置,/>表示第N个粒子的初始位置,/>表示第i个粒子的初始位置;每个粒子的位置即代表集群的感知任务轨迹/>的一种可能的取值,粒子的位置维度和/>维度相同;同时,初始化N个粒子的初始速度:/>,其中/>表示第1个粒子的初始速度,表示第N个粒子的初始速度,/>表示第i个粒子的初始速度,粒子的速度维度和维度相同;将粒子的初始位置和初始速度作为算法初始化,进行迭代,得到全局最优的粒子位置,从而得到最优的集群感知任务轨迹;计算在第d次迭代中第i个粒子的适应度:;其中/>为第d次迭代中第i个粒子的适应度,/>表示第d次迭代中第i个粒子的位置,/>表示取最大值操作;所述根据迭代中每个粒子的适应度,确定每一次迭代中的个体极值和群体极值,是根据第d次迭代中每个粒子的适应度,确定第d次迭代中个体极值和群体极值:,/>,其中/>为第d次迭代中第i个粒子的个体极值,/>为第d次迭代中的群体极值。
优选的,所述更新粒子的位置和速度;并判断迭代是否停止并输出集群感知任务轨迹设计优化问题的最优解,是根据截止第d次迭代为止的个体极值和群体极值得到截止第d次迭代为止每个粒子的最好位置和所有粒子的最好位置:,/>,其中为截止第d次迭代为止第i个粒子的最好位置,/>为截止第d次迭代为止所有粒子的最好位置,/>表示寻址操作;根据截止第d次迭代为止每个粒子的最好位置和所有粒子的最好位置更新第d+1次迭代时每个粒子的位置和速度,其更新公式为:,/>,其中/>为第d+1次迭代中第i个粒子的位置,/>为第d+1次迭代中第i个粒子的速度,/>为第d次迭代中第i个粒子的速度,/>为个体加速因子,/>为群体加速因子,/>为[0,1]上的随机数;/>为第d次迭代中的惯性权重;如果迭代次数/>,为最大迭代次数,则停止迭代根据最终的粒子最好位置得到集群感知任务轨迹的最优解,否则迭代次数加一,返回到计算粒子的适应度的步骤;集群感知任务轨迹的最优解为:,其中/>表示集群感知任务轨迹的最优解,/>表示第/>次迭代中第i个粒子的位置。
另一方面,本发明提供了一种计算机可读介质,所述计算机可读介质存储电子设备执行的计算机程序,当所述计算机程序在电子设备上运行时,执行上述的海上集群感知任务轨迹设计方法的步骤。
本发明提供的一种海上集群感知任务轨迹设计方法及计算机可读介质,相对于现有技术,具有以下有益效果:
(1)本申请通过母船和多个固定单元构建海上集群感知的形式,母船作为移动基地前往目标海域布置固定单元后与单元对目标进行协同感知,建议相应的集群感知任务轨迹的设计优化问题,克服了现有轨迹设计算法复杂度极高和性能差的缺点;
(2)通过设计改进粒子群算法求解集群感知任务轨迹的设计优化问题,兼顾了局部和全局的感知能力的平衡性,得到了优化的海上集群轨迹,进一步提高了人员设备节点搜救打捞的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种海上集群感知任务轨迹设计方法及计算机可读介质的方法步骤流程图;
图2为本发明一种海上集群感知任务轨迹设计方法及计算机可读介质的海上集群感知的任务场景示意图;
图3为本发明一种海上集群感知任务轨迹设计方法及计算机可读介质的设计结果图。
实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
如图1所示,一方面,本发明提供了一种海上集群感知任务轨迹设计方法,包括如下步骤:
S1:构建需要打捞目标的速度大小和方向的概率密度函数,并构建打捞目标不同时刻位置分布的概率密度函数的递推关系,根据该递推关系和打捞目标初始时刻位置分布的概率密度函数,计算打捞目标任意时刻位置分布的概率密度函数。
在本申请的一个实施例中,参见图2所示,展示了一种海上集群感知任务的场景。该场景下包括一艘母舰和K个固定单元,母舰携带固定单元前往任务海域对目标节点,如深海鱼群、失联设备或者需要救援的人员等进行感知。
该步骤中的构建需要打捞目标的速度大小和方向的概率密度函数,并构建打捞目标不同时刻位置分布的概率密度函数的递推关系:是令为打捞目标速度大小,/>为打捞目标速度方向,打捞目标速度大小的概率密度函数为/>;打捞目标的速度方向的概率密度函数为/>;构建打捞目标前后时刻位置分布的概率密度函数的递推关系如下:,其中为打捞目标在第n时刻位置分布的概率密度函数;/>为打捞目标在第n-1时刻位置分布的概率密度函数;/>为打捞目标第n时刻位置的横坐标,/>为打捞目标第n时刻位置的纵坐标,/>为打捞目标第n-1时刻位置的横坐标,/>为打捞目标第n-1时刻位置的纵坐标;/>为位置判决函数,其定义为:;其中/>为时隙间隔。
然后根据上述递推关系和打捞目标初始时刻位置分布的概率密度函数,计算打捞目标任意时刻位置分布的概率密度函数,是令打捞目标初始时刻位置分布的概率密度函数为,/>为目标初始时刻位置的横坐标,/>为目标初始时刻位置的纵坐标;则打捞目标任意时刻t位置分布的概率密度函数/>为:。
在一个实施例中,设定打捞目标速度大小的概率密度函数/>满足在[0,7.5]上的均匀分布;打捞目标速度方向/>的概率密度函数/>满足[0,2π]上的均匀分布。假定初始时刻打捞目标在100km×100km的海域范围内均匀分布,即打捞目标初始时刻位置分布的概率密度函数/>为:/>。
S2:结合母船的起点、终点和固定单元的投放位置定义的母船的轨迹点集合,利用最优间续悬浮结构构建母船和固定单元在任意时刻的位置计算公式。
该步骤具体内容是:1)首先对固定单元的投放位置定义如下:其中/>为第k个固定单元的投放位置,K为固定单元的数量,/>为第k个固定单元的投放位置的横坐标,/>为第k个固定单元的投放位置的纵坐标; 2)然后令母船的轨迹点集合定义如下:/>,其中/>为母船的轨迹点集合,/>为母船的起点,/>为母船的终点,/>为母船第k个轨迹点,满足;
3)最后根据母船的轨迹点集合,利用最优间续悬浮结构,定义母船的感知轨迹被定义在固定单元投放位置/>悬浮时间T,并在轨迹点间以最大速度V航行的路径;则构建母船在任意时刻的位置计算公式为:
,其中/>为母船在任意时刻t的位置,/>为母船第i个轨迹点,/>由公式计算;
构建固定单元在任意时刻的位置计算公式为:,其中/>表示第k个固定单元在任意时刻t的位置,/>表示该固定单元还未部署,/>为给定的任务时间。
S3:根据打捞目标任意时刻位置分布的概率密度函数和母船的轨迹点集合得到任意时刻感知成功率计算公式和感知任务成功率的闭式表达;定义集群感知任务轨迹设计问题的优化目标和约束,建立集群感知任务轨迹设计优化问题。
具体内容为:首先令任意时刻t的感知成功率的计算公式为:,其中/>为感知判决函数,用来判断在t时刻处于潜在位置(x,y)的打捞目标是否在母船和固定单元的感知范围内,感知判决函数的定义为/>,其中/>为母船感知半径,/>为固定单元感知半径;在一个实施例中/>=8km,/>=15km。
然后根据任意时刻t的感知成功率计算公式得到感知任务成功率的闭式表达为:/>,其中/>为感知任务成功率,大写的Π表示累乘的符号。
然后定义集群感知任务轨迹设计问题的优化目标和约束:建立集群感知任务轨迹设计优化问题,是定义集群感知任务轨迹设计问题的优化目标为:,公式表示优化变量为母船的轨迹点集合/>,优化目标的最大化感知成功率;
集群感知任务轨迹设计问题的约束定义为:,其含义为集群感知任务的工作时间小于给定的任务时间/>;
最后根据定义的集群感知任务轨迹设计问题的目标和约束建立集群感知任务轨迹设计优化问题为:,/>,该集群感知任务轨迹设计问题的物理含义为在任务时间约束下,通过优化集群的感知任务轨迹,最大化感知成功率。
S4:迭代求解集群感知任务轨迹设计优化问题,得到最优的集群感知任务轨迹。
本方案提出了一种求解集群感知任务轨迹设计优化问题的改进粒子群算法,该改进粒子群算法包括如下步骤:
1)初始化N个粒子的初始位置和初始速度;
是令初始化的粒子的初始位置:,其中/>表示第1个粒子的初始位置,/>表示第N个粒子的初始位置,/>表示第i个粒子的初始位置;每个粒子的位置即代表集群的感知任务轨迹/>的一种可能的取值,粒子的位置维度和维度相同;同时,初始化N个粒子的初始速度:/>,其中/>表示第1个粒子的初始速度,/>表示第N个粒子的初始速度,/>表示第i个粒子的初始速度,粒子的速度维度和/>维度相同;将粒子的初始位置和初始速度作为算法初始化,进行迭代,得到全局最优的粒子位置,从而得到最优的集群感知任务轨迹。迭代的步骤为下面的步骤2)—步骤5)。
2)分别计算各粒子在每次迭代中的适应度;
计算在第d次迭代中第i个粒子的适应度采用如下公式:;其中/>为第d次迭代中第i个粒子的适应度,/>表示第d次迭代中第i个粒子的位置,/>表示取最大值操作。
3)根据迭代中每个粒子的适应度,确定每一次迭代中的个体极值和群体极值;
根据第d次迭代中每个粒子的适应度,确定第d次迭代中个体极值和群体极值,是采用如下公式:,/>,其中为第d次迭代中第i个粒子的个体极值,/>为第d次迭代中的群体极值。
4)更新粒子的位置和速度,根据截止第d次迭代为止的个体极值和群体极值得到截止第d次迭代为止每个粒子的最好位置和所有粒子的最好位置;
根据下面的公式来计算截止第d次迭代为止的个体极值和群体极值得到截止第d次迭代为止每个粒子的最好位置和所有粒子的最好位置:,/>,其中为截止第d次迭代为止第i个粒子的最好位置,/>为截止第d次迭代为止所有粒子的最好位置,/>表示寻址操作;连续的等号表示判断是否相等的操作;
然后根据求得的和/>,更新第d+1次迭代时每个粒子的位置和速度,其更新公式为:/>,,其中为第d+1次迭代中第i个粒子的位置,/>为第d+1次迭代中第i个粒子的速度,/>为第d次迭代中第i个粒子的速度,/>为个体加速因子,/>为群体加速因子,为[0,1]上的随机数;/>为第d次迭代中的惯性权重。
本发明提出的改进粒子群算法为了避免陷入局部最优解,惯性权重的值不是保持不变的。本申请还提出一种自适应的惯性权重更新方法,以兼顾全局感知能力。的更新公式为:/>,其中/>为初始关系权重,/>为结束惯性权重,/>为最大迭代次数。
5)判断迭代是否停止并输出集群感知任务轨迹设计优化问题的最优解。
如果迭代次数,/>为最大迭代次数,则停止迭代根据最终的粒子最好位置得到集群感知任务轨迹的最优解,否则迭代次数加一,返回到计算粒子的适应度的步骤,即步骤S4的子步骤2);集群感知任务轨迹的最优解为:/>,其中/>表示集群感知任务轨迹的最优解,/>表示第/>次迭代中第i个粒子的位置。最终获得的优化的海上集群轨迹如图3所示。
本发明还提供了一种计算机可读介质,计算机可读介质存储电子设备执行的计算机程序,当所述计算机程序在电子设备上运行时,执行上述的海上集群感知任务轨迹设计方法的步骤。
具体的,上述计算机可读介质可以是服务器工作站;服务器工作站用于存储电子设备执行的计算机程序,当计算机程序在电子设备上运行时,使得所述电子设备执行本申请实施例的海上集群感知任务轨迹设计方法的步骤。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,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)
1.一种海上集群感知任务轨迹设计方法,其特征在于,包括如下步骤:
S1:构建需要打捞目标的速度大小和方向的概率密度函数,并构建打捞目标不同时刻位置分布的概率密度函数的递推关系,根据该递推关系和打捞目标初始时刻位置分布的概率密度函数,计算打捞目标任意时刻位置分布的概率密度函数;
S2:结合母船的起点、终点和固定单元的投放位置定义的母船的轨迹点集合,利用最优间续悬浮结构构建母船和固定单元在任意时刻的位置计算公式;
S3:根据打捞目标任意时刻位置分布的概率密度函数和母船的轨迹点集合得到任意时刻感知成功率计算公式和感知任务成功率的闭式表达;定义集群感知任务轨迹设计问题的优化目标和约束,建立集群感知任务轨迹设计优化问题;
S4:迭代求解集群感知任务轨迹设计优化问题,得到最优的集群感知任务轨迹。
2.根据权利要求1所述的一种海上集群感知任务轨迹设计方法,其特征在于,步骤S1中所述的构建需要打捞目标的速度大小和方向的概率密度函数,并构建打捞目标不同时刻位置分布的概率密度函数的递推关系,是令为打捞目标速度大小,/>为打捞目标速度方向,打捞目标速度大小的概率密度函数为/>;打捞目标的速度方向的概率密度函数为;构建打捞目标前后时刻位置分布的概率密度函数的递推关系如下:,其中/>为打捞目标在第n时刻位置分布的概率密度函数;/>为打捞目标在第n-1时刻位置分布的概率密度函数;/>为打捞目标第n时刻位置的横坐标,/>为打捞目标第n时刻位置的纵坐标,/>为打捞目标第n-1时刻位置的横坐标,/>为打捞目标第n-1时刻位置的纵坐标;/>为位置判决函数,其定义为:;其中/>为时隙间隔。
3.根据权利要求2所述的一种海上集群感知任务轨迹设计方法,其特征在于,步骤S1中所述的根据该递推关系和打捞目标初始时刻位置分布的概率密度函数,计算打捞目标任意时刻位置分布的概率密度函数,是令打捞目标初始时刻位置分布的概率密度函数为,/>为目标初始时刻位置的横坐标,/>为目标初始时刻位置的纵坐标;则打捞目标任意时刻t位置分布的概率密度函数/>为:。
4.根据权利要求3所述的一种海上集群感知任务轨迹设计方法,其特征在于,步骤S2中所述结合母船的起点、终点和固定单元的投放位置定义的母船的轨迹点集合,利用最优间续悬浮结构构建母船和固定单元在任意时刻的位置计算公式,是首先对固定单元的投放位置定义如下:其中/>为第k个固定单元的投放位置,K为固定单元的数量,/>为第k个固定单元的投放位置的横坐标,/>为第k个固定单元的投放位置的纵坐标;令母船的轨迹点集合定义如下:/>,其中/>为母船的轨迹点集合,/>为母船的起点,/>为母船的终点,/>为母船第k个轨迹点,满足;基于最优间续悬浮结构,是令母船的感知轨迹被定义在固定单元投放位置/>悬浮时间T,并在轨迹点间以最大速度V航行的路径;则构建母船在任意时刻的位置计算公式为:/> ,其中/>为母船在任意时刻t的位置,/>为母船第i个轨迹点,/>由公式/>计算;构建固定单元在任意时刻的位置计算公式为:/>,其中/>表示第k个固定单元在任意时刻t的位置,/>表示该固定单元还未部署,/>为给定的任务时间。
5.根据权利要求4所述的一种海上集群感知任务轨迹设计方法,其特征在于,步骤S3中所述根据打捞目标任意时刻位置分布的概率密度函数和母船的轨迹点集合得到任意时刻感知成功率计算公式和感知任务成功率的闭式表达,是令任意时刻t的感知成功率的计算公式为:/>,其中/>为感知判决函数,用来判断在t时刻处于潜在位置(x,y)的打捞目标是否在母船和固定单元的感知范围内,感知判决函数的定义为,其中/>为母船感知半径,/>为固定单元感知半径;所述感知任务成功率的闭式表达为:,其中/>为感知任务成功率。
6.根据权利要求5所述的一种海上集群感知任务轨迹设计方法,其特征在于,步骤S3中定义集群感知任务轨迹设计问题的优化目标和约束,建立集群感知任务轨迹设计优化问题,是定义集群感知任务轨迹设计问题的优化目标为:,公式表示优化变量为母船的轨迹点集合/>,优化目标的最大化感知成功率;集群感知任务轨迹设计问题的约束定义为:/>,其含义为集群感知任务的工作时间小于预设的给定的任务时间;将集群感知任务轨迹设计优化问题建立为: />,。
7.根据权利要求6所述的一种海上集群感知任务轨迹设计方法,其特征在于,步骤S4中所述的迭代求解集群感知任务轨迹设计优化问题,得到最优的集群感知任务轨迹,是提出一种改进粒子群算法求解集群感知任务轨迹设计优化问题;改进粒子群算法包括如下步骤:初始化N个粒子的初始位置和初始速度,计算粒子的适应度;根据迭代中每个粒子的适应度,确定每一次迭代中的个体极值和群体极值;更新粒子的位置和速度;并判断迭代是否停止并输出集群感知任务轨迹设计优化问题的最优解。
8.根据权利要求7所述的一种海上集群感知任务轨迹设计方法,其特征在于,所述初始化N个粒子的初始位置和初始速度,计算粒子的适应度;根据迭代中每个粒子的适应度,确定每一次迭代中的个体极值和群体极值,是令初始化的粒子的初始位置:,其中/>表示第1个粒子的初始位置,/>表示第N个粒子的初始位置,/>表示第i个粒子的初始位置;每个粒子的位置即代表集群的感知任务轨迹/>的一种可能的取值,粒子的位置维度和/>维度相同;同时,初始化N个粒子的初始速度:/>,其中/>表示第1个粒子的初始速度,表示第N个粒子的初始速度,/>表示第i个粒子的初始速度,粒子的速度维度和维度相同;将粒子的初始位置和初始速度作为算法初始化,进行迭代,得到全局最优的粒子位置,从而得到最优的集群感知任务轨迹;计算在第d次迭代中第i个粒子的适应度:;其中/>为第d次迭代中第i个粒子的适应度,/>表示第d次迭代中第i个粒子的位置,/>表示取最大值操作;所述根据迭代中每个粒子的适应度,确定每一次迭代中的个体极值和群体极值,是根据第d次迭代中每个粒子的适应度,确定第d次迭代中个体极值和群体极值:,/>,其中为第d次迭代中第i个粒子的个体极值,/>为第d次迭代中的群体极值。
9.根据权利要求8所述的一种海上集群感知任务轨迹设计方法,其特征在于,所述更新粒子的位置和速度;并判断迭代是否停止并输出集群感知任务轨迹设计优化问题的最优解,是根据截止第d次迭代为止的个体极值和群体极值得到截止第d次迭代为止每个粒子的最好位置和所有粒子的最好位置:,,其中/>为截止第d次迭代为止第i个粒子的最好位置,/>为截止第d次迭代为止所有粒子的最好位置,/>表示寻址操作;根据截止第d次迭代为止每个粒子的最好位置和所有粒子的最好位置更新第d+1次迭代时每个粒子的位置和速度,其更新公式为:/>,,其中为第d+1次迭代中第i个粒子的位置,/>为第d+1次迭代中第i个粒子的速度,/>为第d次迭代中第i个粒子的速度,/>为个体加速因子,/>为群体加速因子,/>为[0,1]上的随机数;/>为第d次迭代中的惯性权重;如果迭代次数/>,/>为最大迭代次数,则停止迭代根据最终的粒子最好位置得到集群感知任务轨迹的最优解,否则迭代次数加一,返回到计算粒子的适应度的步骤;集群感知任务轨迹的最优解为:,其中/>表示集群感知任务轨迹的最优解,/>表示第次迭代中第i个粒子的位置。
10.一种计算机可读介质,其特征在于,所述计算机可读介质存储电子设备执行的计算机程序,当所述计算机程序在电子设备上运行时,执行如权利要求1-9任一项所述的海上集群感知任务轨迹设计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311506723.4A CN117234219B (zh) | 2023-11-14 | 2023-11-14 | 一种海上集群感知任务轨迹设计方法及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311506723.4A CN117234219B (zh) | 2023-11-14 | 2023-11-14 | 一种海上集群感知任务轨迹设计方法及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117234219A true CN117234219A (zh) | 2023-12-15 |
CN117234219B CN117234219B (zh) | 2024-02-02 |
Family
ID=89084535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311506723.4A Active CN117234219B (zh) | 2023-11-14 | 2023-11-14 | 一种海上集群感知任务轨迹设计方法及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117234219B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140032095A1 (en) * | 2012-07-27 | 2014-01-30 | Thales | Method for constructing a trajectory of an aircraft by state vector |
CN104020776A (zh) * | 2014-06-13 | 2014-09-03 | 哈尔滨工程大学 | Uuv对拥有多个禁航区的运动母船的跟踪方法 |
DE102015016544A1 (de) * | 2015-12-18 | 2017-06-22 | Adam Opel Ag | Verfahren zum Finden einer Ausweichtrajektorie für ein Fahrzeug |
CN108600938A (zh) * | 2018-03-29 | 2018-09-28 | 南京邮电大学 | 一种车联网中感知服务节点智能选择方法 |
EP3723046A1 (en) * | 2017-12-29 | 2020-10-14 | Huawei Technologies Co., Ltd. | Target tracking method and device |
AU2021102290A4 (en) * | 2021-04-30 | 2021-06-24 | Shandong University Of Science And Technology | Three-dimensional Path Planning Method for Stratospheric Super-pressure Balloons |
CN113031650A (zh) * | 2021-03-04 | 2021-06-25 | 南京航空航天大学 | 一种不确定环境下的无人机集群协同目标分配设计方法 |
CN113821031A (zh) * | 2021-09-13 | 2021-12-21 | 大连海事大学 | 一种无人船舶自主航行能力评估方法 |
CN114035610A (zh) * | 2021-11-15 | 2022-02-11 | 武汉大学 | 一种无人智能集群联合轨迹设计方法 |
CN114459437A (zh) * | 2021-12-31 | 2022-05-10 | 广东省国土资源测绘院 | 一种母船与多无人船协同海洋测绘的方法、设备及介质 |
CN114610046A (zh) * | 2022-02-18 | 2022-06-10 | 中国船舶重工集团公司第七0七研究所 | 一种考虑动态水深的无人艇动态安全轨迹规划方法 |
CN115000968A (zh) * | 2022-06-30 | 2022-09-02 | 国网上海市电力公司 | 基于博弈和风电出力相关性的海上风电接入系统规划方法 |
WO2022267791A1 (zh) * | 2021-06-22 | 2022-12-29 | 南京邮电大学 | 一种基于多目标粒子群算法的工作流调度方法、系统及存储介质 |
-
2023
- 2023-11-14 CN CN202311506723.4A patent/CN117234219B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140032095A1 (en) * | 2012-07-27 | 2014-01-30 | Thales | Method for constructing a trajectory of an aircraft by state vector |
CN104020776A (zh) * | 2014-06-13 | 2014-09-03 | 哈尔滨工程大学 | Uuv对拥有多个禁航区的运动母船的跟踪方法 |
DE102015016544A1 (de) * | 2015-12-18 | 2017-06-22 | Adam Opel Ag | Verfahren zum Finden einer Ausweichtrajektorie für ein Fahrzeug |
EP3723046A1 (en) * | 2017-12-29 | 2020-10-14 | Huawei Technologies Co., Ltd. | Target tracking method and device |
CN108600938A (zh) * | 2018-03-29 | 2018-09-28 | 南京邮电大学 | 一种车联网中感知服务节点智能选择方法 |
CN113031650A (zh) * | 2021-03-04 | 2021-06-25 | 南京航空航天大学 | 一种不确定环境下的无人机集群协同目标分配设计方法 |
AU2021102290A4 (en) * | 2021-04-30 | 2021-06-24 | Shandong University Of Science And Technology | Three-dimensional Path Planning Method for Stratospheric Super-pressure Balloons |
WO2022267791A1 (zh) * | 2021-06-22 | 2022-12-29 | 南京邮电大学 | 一种基于多目标粒子群算法的工作流调度方法、系统及存储介质 |
CN113821031A (zh) * | 2021-09-13 | 2021-12-21 | 大连海事大学 | 一种无人船舶自主航行能力评估方法 |
CN114035610A (zh) * | 2021-11-15 | 2022-02-11 | 武汉大学 | 一种无人智能集群联合轨迹设计方法 |
CN114459437A (zh) * | 2021-12-31 | 2022-05-10 | 广东省国土资源测绘院 | 一种母船与多无人船协同海洋测绘的方法、设备及介质 |
CN114610046A (zh) * | 2022-02-18 | 2022-06-10 | 中国船舶重工集团公司第七0七研究所 | 一种考虑动态水深的无人艇动态安全轨迹规划方法 |
CN115000968A (zh) * | 2022-06-30 | 2022-09-02 | 国网上海市电力公司 | 基于博弈和风电出力相关性的海上风电接入系统规划方法 |
Non-Patent Citations (6)
Title |
---|
XINTONG LI等: "Investigation of pedestrian speed in formation evacuating in two specific water depths", 《SAFETY SCIENCE》, pages 1 - 15 * |
张煜培;赵知劲;郑仕链;: "利用多目标PSO优化的累积时延和信道容量联合优化的频谱切换算法", 电信科学, no. 07, pages 68 - 77 * |
李杰;孙尧;: "基于DAMPSO算法的USVs集群攻击任务规划研究", 计算机工程与应用, no. 20, pages 1 - 4 * |
王睿智;史庭训;焦文品;: "一种基于元组空间的智能传感器协同感知机制", 软件学报, no. 04, pages 790 - 801 * |
王记丰;李峥;叶文;: "基于量子粒子群优化算法的多机协同目标分配问题研究", 舰船电子工程, no. 08, pages 33 - 37 * |
闫超群,童宗鹏,吴恒亮等: "基于响应面弹性充液水消声器 声学性能优化研究", 《船舶力学》, vol. 27, no. 8, pages 1241 - 1252 * |
Also Published As
Publication number | Publication date |
---|---|
CN117234219B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111694365B (zh) | 一种基于深度强化学习的无人船艇编队路径跟踪方法 | |
CN109635685A (zh) | 目标对象3d检测方法、装置、介质及设备 | |
CN113791634B (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN107343025B (zh) | 分布式卫星云雾网络架构及能耗约束下的时延优化方法 | |
US11295517B2 (en) | Generating realistic point clouds | |
WO2022007179A1 (zh) | 一种多agv运动规划方法、装置和系统 | |
CN111381600B (zh) | 一种基于粒子群算法的uuv路径规划方法 | |
Nordberg et al. | Vision for a UAV helicopter | |
Sun et al. | Robust visual detection and tracking strategies for autonomous aerial refueling of UAVs | |
CN110561417B (zh) | 一种多智能体无碰撞轨迹规划方法 | |
CN113405552B (zh) | 一种飞行器路径规划方法及装置 | |
CN111338350A (zh) | 基于贪婪机制粒子群算法的无人船路径规划方法及系统 | |
CN111474949B (zh) | 无人机集群飞行可行路径轨迹规划方法、无人机群及介质 | |
CN110132282A (zh) | 无人机路径规划方法及装置 | |
CN113110604B (zh) | 一种基于人工势场的路径动态规划方法 | |
CN114859945A (zh) | 一种基于人工势场法的水下编队控制方法、系统及介质 | |
CN114815891A (zh) | 一种基于per-idqn的多无人机围捕战术方法 | |
Zhou et al. | LSSVM and hybrid particle swarm optimization for ship motion prediction | |
CN117234219B (zh) | 一种海上集群感知任务轨迹设计方法及计算机可读介质 | |
CN115542746B (zh) | 高超声速飞行器的能量管控再入制导方法及装置 | |
CN116203989A (zh) | 基于粒子群算法的多无人机协同目标搜索方法及系统 | |
CN116050304A (zh) | 一种智能鱼流场模拟控制方法、系统、设备及存储介质 | |
CN114859925A (zh) | 基于动态窗口法的船舶航线规划方法 | |
CN107239559A (zh) | 一种基于矢量网格进行空间动目标位置计算的方法 | |
CN116400722B (zh) | 一种无人机避障飞行方法及相关装置 |
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 |