CN117742323A - 一种多智能体无人艇的目标分配和航线规划方法 - Google Patents

Abstract

本发明公开了一种多智能体无人艇的目标分配和航线规划方法，将任务信息发送给任务分配器，筛选出未分配的目标和无人艇，根据目标与无人艇之间考虑航行距离和转向惩罚后的综合距离，给每个无人艇分配一个目标；航线规划器为匹配的无人艇和目标生成平滑导航点序列，作为导航航路；在航行过程中，航行控制器根据协同避障和海域约束需求，构建速度优化模型，实时控制无人艇沿航路点序列航行。本发明实现了多智能体无人艇和多目标的高效匹配，生成满足约束条件的平滑导航航路，在满足协同避障要求和海域约束条件下进行智能航行控制。

Description

一种多智能体无人艇的目标分配和航线规划方法

技术领域

本发明涉及无人艇目标分配技术领域，尤其涉及一种多智能体无人艇的目标分配和航线规划方法。

背景技术

近年来，随着人工智能技术和机器人技术的迅速发展，无人舰艇在海洋操作领域得到了广泛的应用。特别是在执行复杂任务时，多智能体无人舰艇的任务协作成为研究的焦点。

目标分配算法是无人平台协同的关键技术之一。为了有效地分配任务并规划航线，许多研究者提出了不同的算法和方法，例如，一些研究采用了粒子群优化和遗传算法等来解决多任务分配和航线规划问题，这些方法在无人航空器领域内取得了成功。

然而，目前的研究没有充分考虑到无人舰艇相对于其他无人平台的特殊机动性质，例如较弱的转向能力和容易受到水动力干扰的特点，以及海域中存在的约束条件，如禁航区和任务边界区。此外，多智能体无人艇和目标之间的协同避障需求也需要更好地考虑。因此，开发一种能够考虑无人舰艇自身姿态和方向，以及能够规划有约束的海域航线的任务分配和航线规划系统变得非常必要。

发明内容

有鉴于此，本发明提供了一种多智能体无人艇的目标分配和航线规划方法，目的在于提高无人舰艇的协作效率和任务成功率。

本发明是通过以下技术手段实现上述技术目的的。

一种多智能体无人艇的目标分配和航线规划方法：

(1)任务分配器接收任务信息，所述任务信息包括任务区域、禁航区、目标的参数和状态量、无人艇的参数和状态量；

通过目标、无人艇的参数和状态量筛选出没有被分配的目标集合T_un和没有分配任务的无人艇集合U_un；

(2)给每个无人艇分配相应的目标，包括：计算每个目标j到无人艇i的调整距离d′_ij：

d′_ij＝d_ij+Δd_ij+Ωd_ij

其中，d_ij为第i个无人艇到第j个目标的欧几里得距离，Δd_ij为考虑无人艇性能参数对距离的调整项，Ωd_ij为每个目标j到无人艇i绕过禁航区的惩罚项；

由所述d'_ij构建无人艇-目标间的调整距离矩阵D_m×n，定义子矩阵D′，D′∈D_m×n，D′包含未被分配的无人艇u_i和目标t_j对应的行和列，基于所述D′中最小元素将未被分配的无人艇u_i和目标t_j进行匹配；其中无人艇u_i属于没有分配任务的无人艇集合U_un，目标t_j属于没有被分配的目标集合T_un；

(3)对于匹配的无人艇以及对应的目标，计算得到无人艇u_i到目标t_j绕过禁航区的航路点序列P_ij，对P_ij进行插值，生成新的航路点序列P'_ij；以序列P'_ij作为无人艇u_i到目标t_j的导航航路点序列，发送并存储在对应无人艇的导航系统中；

(4)将无人艇u_i的参数和状态量、障碍集合Obs_i、禁航区F_m、任务区域L以及无人艇u_i到其下一个航路点P_i∈P'_ij的期望速度矢量v_des输入到优化器，求解得到速度控制量；

使用速度控制量驱动无人艇u_i向目标航路点P_i行驶，到达航路点之后将P_i从航路点序列P'_ij中删除，直到到达航路点序列P'_ij中的最后一个航路点，即到达目标t_j任务区域，执行完任务后将无人艇u_i再加入U_un，重新开始执行(2)，直到所有任务全部完成。

进一步的技术方案，所述每个目标j到无人艇i绕过禁航区的惩罚项的获取过程为：

1)将无人艇i到目标j的直线路径平分为N段，每段段长为l，每段线段的端点记为采样点P₀…P_k…P_N；

2)判断连线P_kP_k+1与禁航区F_m的边界是否相交，如相交，记第一个交点和最后一个交点分别为a_k、b_k，并删除a_k、b_k之间的采样点；

3)在F_m边界上找到与a_k最近的点n_k；

4)计算n_k沿法向量方向距离F_m中心点c_m向外延伸距离d后的点a_n，k；

5)从a_n，k开始，顺、逆时针分别遍历F_m边界点向外延伸距离d后的点a_n，k+i，直到a_n，k+i与b_k的连线与F_m不相交，分别记录顺时针和逆时针的路径长度L_cw、L_ccw；

6)选择L_cw和L_ccw中的较小值，记为L_k；

7)将绕过F_m的路径点，即L_k中的点加入采样点a_k、b_k之间，重复2)至6)处理后续的禁航区F_m+i；

8)最终获得采样点序列P为绕过所有F_m的路径，其长度为Ωd′_ij；

9)对采样点序列P，计算每个相邻采样线段P_kP_k+1到P_k+1P_k+2之间的转向角度θ_k；

10)计算路径转向惩罚项：ω_k是转向惩罚参数；

11)每个目标j到无人艇i绕过禁航区的惩罚项Ωd_ij为：Ωd_ij＝Ωd_ij′+Ωω。

进一步的技术方案，所述考虑无人艇性能参数对距离的调整项根据如下公式计算：

其中，v_i为第i个无人艇的速度矢量，θ_i为速度矢量方向，V_i为最大航速，ω_i为最大转向速度，θ_ij为第i个无人艇指向第j个目标的方位角，ω₁、ω₂为权重系数。

进一步的技术方案，所述对P_ij进行插值，生成新的航路点序列P′_ij，具体采用如下方法：

1)将P_ij作为控制点序列构建三次B样条曲线C(u)；

2)定义转向能量函数表示转向能量；

3)定义航线长度函数表示航线长度；

4)构建目标函数E＝w₁E_b+w₂E_l，其中w₁、w₂为权重系数；

5)通过调整w₁、w₂值最小化目标函数，得到平滑曲线C^*(u)；

6)对C^*(u)曲线进行采样，生成新航点序列P_tij；

7)删除新航点序列P_tij中在禁航区内或在任务区域的点，获得序列P′_ij。

进一步的技术方案，所述优化器的目标函数为：

(v)＝|v_des-v|²+c_penalty(v)

其中，v为优化变量，c_penalty为惩罚项。

更进一步的技术方案，所述优化器构建的约束条件为：

c₁：|v|≤V_i，确保速度小于最大航速V_i；

c₂：确保未来位置不在禁航区F_m内；

c₃：p_next∈L，确保未来位置在任务区域L内；

其中，p_next＝P_i+v·dt是根据速度控制量v推算的下一时刻位置。

更进一步的技术方案，求解最小化目标函数J(v)的速度控制量v^*：

将求解所得v^*作为速度控制量。

更进一步的技术方案，在优化器求解的每一个时间步长dt内，对于每个无人艇u_i，检查搜索半径内是否有其他无人艇u_j或目标t_k，如果有，则将其他无人艇u_j或目标t_k加入障碍集合Obs_i。

进一步的技术方案，所述无人艇的参数和状态量，包括唯一标识符、最大航速、转向速度、搜索半径、是否已经分配任务、当前位置和当前速度矢量；所述目标的参数和状态量，包括唯一标识符、是否已经被分配、作业区域半径和当前位置。

进一步的技术方案，所述任务区域是由若干个满足WSG84标准的二维坐标所定义的凸多边形；所述禁航区是由若干个满足WSG84标准的二维坐标所定义的凸多边形。

本发明的有益效果为：

(1)高效的任务分配策略：本发明采用了基于调整距离矩阵的任务分配算法，不仅考虑了直线距离，还结合无人艇的性能参数和绕禁航区的惩罚项对距离进行调整。

(2)细致的航线规划：通过考虑无人艇与目标间的直线路径、禁航区的绕行、航线的平滑处理等细节，本发明确保了生成的航路点既满足实际导航需要，又能避免不必要的绕行和转弯。

(3)动态协同避障：在航行中，本发明的航行控制器能够实时检测并调整无人艇的航行姿态以满足协同避障和海域约束，确保多个无人艇之间不会发生冲突，同时也确保与其他目标之间的安全距离。

(4)灵活性和扩展性：本发明的系统设计考虑了不同数量、不同性能的无人艇协同工作的情况，具有很好的灵活性和扩展性，能够根据实际任务需要调整参数和策略。

(5)自适应性：无人艇的速度、转向速度等参数以及目标的数量、位置等因素都可能在实际应用中发生变化，而本发明的系统可以根据这些参数实时调整任务分配和航线规划，确保系统的实时性和自适应性。

附图说明

为了可以很好地理解本申请，现在将参照附图描述作为示例给出的其各种形式，其中：

图1为本发明所述多智能体无人艇的目标分配和航线规划流程图；

图2为本发明所述目标j到无人艇i绕过禁航区的惩罚项获取示意图；

图3为本发明所述方法实机运行界面图。

所述附图仅用于说明的目的，并不意图以任何方式或形式限制本申请所保护的范围。

具体实施方式

以下将结合附图所示的各实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

如图1所示，本发明一种多智能体无人艇的目标分配和航线规划方法，其包含以下步骤：

步骤(1)，上层指挥控制器将任务信息发送到任务分配器，其中任务信息包括任务区域、禁航区、目标的相关参数和无人艇的相关参数；任务分配器对接收的任务信息进行如下处理：

S11，设定一个不规则海域L(即任务区域)，其是由n_a个满足WSG84标准的二维坐标所定义的凸多边形；

S12，设定n_f个不规则禁航区每个禁航区是由/>个满足WSG84标准的二维坐标所定义的凸多边形；

S13，设定n_u个无人艇的参数和状态量，包括唯一标识符id_i、最大航速V_i、转向速度ω_i、搜索半径r_i、是否已经分配任务b_assign，i、当前位置p_i、当前速度矢量v_i，作为结构体并储存在任务分配器中，与连接的无人艇实机一一对应；

S14，设定m_t个待完成目标的参数和状态量，包括唯一标识符id_j、是否已经被分配b_target，j、作业区域半径r_j、当前位置q_j，作为结构体并储存在任务分配器中，与目标一一对应；目标可以动态地添加或者删除；

S15，通过目标和无人艇的状态量，筛选出没有被分配的目标T_un和没有分配任务的无人艇U_un，作为每次分配任务的初始输入。

步骤(2)，任务分配器给每个无人艇分配相应的目标，具体包括：

S21，计算每个目标j到无人艇i的调整距离d′_ij，由以下公式给出：

d′_ij＝d_ij+Δd_ij+Ωd_ij

其中，d_ij为第i个无人艇到第j个目标的欧几里得距离；Δd_ij为考虑无人艇性能参数对距离的调整项，由以下公式给出：

其中，v_i为第i个无人艇的速度矢量，θ_i为速度矢量方向，V_i为最大航速，ω_i为最大转向速度，θ_ij为第i个无人艇指向第j个目标的方位角，ω₁、ω₂为权重系数，具体数值按照不同的无人艇型号进行设定，本实施例分别设置为0.7、0.3；参见图2，每个目标j到无人艇i绕过禁航区的惩罚项Ωd_ij的计算具体步骤如下：

1)将无人艇i到目标j的直线路径平分为N段，每段段长为l，每段线段的端点记为采样点P₀…P_k…P_N，无人艇作为采样点P₀；

2)对于k的取值从0到N-1，判断连线P_kP_k+1与禁航区F_m的边界是否相交，如相交，记第一个交点和最后一个交点分别为a_k、b_k，并删除a_k、b_k之间的采样点；

3)在F_m边界点上找到与a_k最近的点n_k；

4)计算n_k沿法向量方向距离F_m中心点c_m向外延伸距离d(根据禁航区域的范围大小进行设定)后的点a_n，k；

5)从a_n，k开始，顺时针和逆时针遍历F_m边界点向外延伸距离d后的点a_n，k+i，直到a_n，k+i与b_k的连线与F_m不相交，分别记录顺时针和逆时针路径长度L_cw、L_ccw；

6)选择L_cw和L_ccw中的较小值，记为L_k；

7)将绕过F_m的路径点，即L_k中的点加入采样点a_k、b_k之间，重复2)至6)处理后续的禁航区F_m+i；

8)最终获得采样点序列P为绕过所有F_m的路径，即采样点序列P由N_p个航路点组成，其长度为Ωd′_ij；

9)对采样点序列P，计算每个相邻采样线段P_kP_k+1到P_k+1P_k+2之间的转向角度θ_k；

10)计算路径转向惩罚项：ωk是转向惩罚参数；

11)最终每个目标j到无人艇i绕过禁航区的惩罚项Ωd_ij是航行距离和转向惩罚的和：Ωd_ij＝Ωd_ij′+Ωω。

S22，任务分配器给每个无人艇u_i分配目标t_j，无人艇u_i属于没有分配任务的无人艇U_un，目标t_j属于没有被分配的目标T_un；具体包括：

1)定义无人艇集合U_un＝{u₁，u₂，...，u_i，...，u_m}，目标集合T_un＝{t₁，t₂，...，t_j，...t_n}，其中m和n分别为待分配无人艇的数量和待分配目标的数量，作为每次分配任务的初始输入；

2)由d'_ij构建无人艇-目标间的调整距离矩阵D_m×n；

3)初始化每个无人艇u_i的分配结果为null，即match(u_i)＝null；

4)定义子矩阵D′，D′∈D_m×n，D′包含尚未被分配的无人艇和目标对应的行和列；

5)在子矩阵D′中找到最小元素d′_ij，由最小元素的行和列确定给无人艇u_i分配的目标t_j；

6)如果目标t_j尚未被分配，则将u_i分配给t_j，设定match(u_i)＝t_j；

7)从D′中删除第i行和第j列，表示对应无人艇和目标已匹配；

8)重复步骤5)至7)，直至所有待分配的无人艇和目标均已匹配。

S23，将匹配结果match(u_i)内的无人艇和目标标记为已被分配的，具体为：

1)对于匹配结果match(u_i)中的每个无人艇u_i，将其b_assign,i标记为True；

2)对于匹配结果match(u_i)中的每个目标t_j，将其b_target，j标记为True；

将标记为v分配的无人舰艇从U_un中移除，标记为v分配的目标从T_un中移除。

步骤(3)，航线规划器(设置在无人艇上)为每个无人艇设定从自身到目标的航路点，具体包括：

S31，对于匹配的无人艇以及对应的目标，参考S21中计算的无人艇u_i到目标t_i绕过禁航区的航路点序列P_ij；

S32，使用三次B样条插值算法对P_ij进行插值，生成新的航路点序列P'_ij，具体步骤如下：

1)将P_ij作为控制点序列构建三次B样条曲线C(u)；

2)定义转向能量函数表示转向能量；

3)定义航线长度函数表示航线长度；

4)构建目标函数E＝w₁E_b+w₂E_l，其中w₁、w₂为权重系数；

5)通过调整w₁、w₂值最小化目标函数，得到平滑曲线C^*(u)；

6)对C^*(u)曲线进行采样，采样点之间的距离为l′，生成新的航路点序列P_tij；

7)删除新航点序列P_tij中在禁航区内或在任务区域的点，获得序列P'_ij。

S33，以序列P'_ij作为无人艇u_i到目标t_j的导航航路点序列，发送并存储在对应无人艇的导航系统中。

步骤(4)，无人艇实机上的航行控制器在航行中不断调整无人艇航行姿态满足协同避障和海域约束需求，具体包括：

S41，在优化器求解的每一个时间步长dt内，对于每个无人艇u_i，检查搜索半径r_i内是否有其他无人艇u_j(i≠j)或目标t_k，如果有，则将其他无人艇u_j(i≠j)或目标t_k加入障碍集合Obs_i；

计算无人艇u_i到其下一个航路点P_i∈P'_ij的期望速度矢量v_des，方向为从u_i到P_i的单位向量，大小为最大航速V_i；

S42，将无人艇u_i的参数和状态量、障碍集合Obs_i、禁航区F_m、任务区域L以及期望速度矢量v_des输入到优化器，进行求解运算，具体步骤如下：

1)优化器构建目标函数：

(v)＝|v_des-v|²+c_penalty(v)

其中，v为优化变量，表示无人艇的速度控制矢量；c_penakty为惩罚项，防止无人艇陷入局部最优后运行静止，当v小于max(0.8*v_des，0.8*V_i)时，c_penalty为100，否则为0。

2)优化器构建约束条件：

c₁：|v|≤V_i，确保速度小于最大航速；

c₂：确保未来位置不在禁航区内；

c₃：p_next∈L，确保未来位置在任务区域内。

其中，p_next＝P_i+v·dt是根据速度控制量v推算的下一时刻位置。

3)使用SLSQP算法求解最小化目标函数J(v)的速度控制量v^*：

将求解所得v^*作为速度控制量输出。

S43，使用速度控制量v^*驱动无人艇u_i向目标航路点P_i行驶，到达航路点之后将P_i从航路点序列P′_ij中删除，直到到达航路点序列P′_ij中的最后一个航路点，即到达目标t_j任务区域，执行完任务后将无人艇u_i再加入U_un，重新开始执行步骤2，直到所有任务全部完成。

图3为本申请所述的一种多智能体无人艇协同的目标分配和航线规划方法实机运行界面图。首先应该明确的是，图3仅作为示例图存在，并不能限制本申请的范围。

以上实施例仅用于说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行同等替换；而这些修改或替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种多智能体无人艇的目标分配和航线规划方法，其特征在于：

(1)任务分配器接收任务信息，所述任务信息包括任务区域、禁航区、目标的参数和状态量、无人艇的参数和状态量；

通过目标、无人艇的参数和状态量筛选出没有被分配的目标集合T_un和没有分配任务的无人艇集合U_un；

(2)给每个无人艇分配相应的目标，包括：计算每个目标j到无人艇i的调整距离d′_ij：

d′_ij＝d_ij+Δd_ij+Ωd_ij

其中，d_ij为第i个无人艇到第j个目标的欧几里得距离，Δd_ij为考虑无人艇性能参数对距离的调整项，Ωd_ij为每个目标j到无人艇i绕过禁航区的惩罚项；

由所述d′_ij构建无人艇-目标间的调整距离矩阵D_m×n，定义子矩阵D′，D′∈D_m×n，D′包含未被分配的无人艇u_i和目标t_j对应的行和列，基于所述D′中最小元素将未被分配的无人艇u_i和目标t_j进行匹配；其中无人艇u_i属于没有分配任务的无人艇集合U_un，目标t_j属于没有被分配的目标集合T_un；

(3)对于匹配的无人艇以及对应的目标，计算得到无人艇u_i到目标t_j绕过禁航区的航路点序列P_ij，对P_ij进行插值，生成新的航路点序列P′_ij；以序列P′_ij作为无人艇u_i到目标t_j的导航航路点序列，发送并存储在对应无人艇的导航系统中；

(4)将无人艇u_i的参数和状态量、障碍集合Obs_i、禁航区F_m、任务区域L以及无人艇u_i到其下一个航路点P_i∈P′_ij的期望速度矢量v_des输入到优化器，求解得到速度控制量；

使用速度控制量驱动无人艇u_i向目标航路点P_i行驶，到达航路点之后将P_i从航路点序列P′_ij中删除，直到到达航路点序列P′_ij中的最后一个航路点，即到达目标t_j任务区域，执行完任务后将无人艇u_i再加入U_un，重新开始执行(2)，直到所有任务全部完成。

2.根据权利要求1所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，所述每个目标j到无人艇i绕过禁航区的惩罚项的获取过程为：

1)将无人艇i到目标j的直线路径平分为N段，每段段长为l，每段线段的端点记为采样点P₀…P_k…P_N；

2)判断连线P_kP_k+1与禁航区F_m的边界是否相交，如相交，记第一个交点和最后一个交点分别为a_k、b_k，并删除a_k、b_k之间的采样点；

3)在F_m边界上找到与a_k最近的点n_k；

4)计算n_k沿法向量方向距离F_m中心点c_m向外延伸距离d后的点a_n,k；

5)从a_n,k开始，顺、逆时针分别遍历F_m边界点向外延伸距离d后的点a_n,k+i，直到a_n,k+i与b_k的连线与F_m不相交，分别记录顺时针和逆时针的路径长度L_cw、L_ccw；

6)选择L_cw和L_ccw中的较小值，记为L_k；

7)将绕过F_m的路径点，即L_k中的点加入采样点a_k、b_k之间，重复2)至6)处理后续的禁航区F_m+i；

8)最终获得采样点序列P为绕过所有F_m的路径，其长度为Ωd_i ^′ _j；

9)对采样点序列P，计算每个相邻采样线段P_kP_k+1到P_k+1P_k+2之间的转向角度θ_k；

10)计算路径转向惩罚项：ω_k是转向惩罚参数；

11)每个目标j到无人艇i绕过禁航区的惩罚项Ωd_ij为：Ωd_ij＝Ωd_ij′+Ωω。

3.根据权利要求1所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，所述考虑无人艇性能参数对距离的调整项根据如下公式计算：

其中，v_i为第i个无人艇的速度矢量，θ_i为速度矢量方向，V_i为最大航速，ω_i为最大转向速度，θ_ij为第i个无人艇指向第j个目标的方位角，ω₁、ω₂为权重系数。

4.根据权利要求1所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，所述对P_ij进行插值，生成新的航路点序列P′_ij，具体采用如下方法：

1)将P_ij作为控制点序列构建三次B样条曲线C(u)；

2)定义转向能量函数表示转向能量；

3)定义航线长度函数表示航线长度；

4)构建目标函数E＝w₁E_b+w₂E_l，其中w₁、w₂为权重系数；

5)通过调整w₁、w₂值最小化目标函数，得到平滑曲线C^*(u)；

6)对C^*(u)曲线进行采样，生成新航点序列P_tij；

7)删除新航点序列P_tij中在禁航区内或在任务区域的点，获得序列P′_ij。

5.根据权利要求1所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，所述优化器的目标函数为：

(v)＝|v_des-v|²+c_penalty(v)

其中，v为优化变量，c_penalty为惩罚项。

6.根据权利要求5所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，所述优化器构建的约束条件为：

c₁：|v|≤V_i，确保速度小于最大航速V_i；

确保未来位置不在禁航区F_m内；

c₃：p_next∈L，确保未来位置在任务区域L内；

其中，p_next＝P_i+v·dt是根据速度控制量v推算的下一时刻位置。

7.根据权利要求6所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，求解最小化目标函数J(v)的速度控制量v^*：

将求解所得v^*作为速度控制量。

8.根据权利要求7所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，在优化器求解的每一个时间步长dt内，对于每个无人艇u_i，检查搜索半径内是否有其他无人艇u_j或目标t_k，如果有，则将其他无人艇u_j或目标t_k加入障碍集合Obs_i。

9.根据权利要求1所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，所述无人艇的参数和状态量，包括唯一标识符、最大航速、转向速度、搜索半径、是否已经分配任务、当前位置和当前速度矢量；所述目标的参数和状态量，包括唯一标识符、是否已经被分配、作业区域半径和当前位置。

10.根据权利要求1所述的多智能体无人艇的目标分配和航线规划方法，其特征在于，所述任务区域是由若干个满足WSG84标准的二维坐标所定义的凸多边形；所述禁航区是由若干个满足WSG84标准的二维坐标所定义的凸多边形。