近日,我室与上海交通大学联合培养的博士研究生马习文以第一作者在Ocean Engineering 上发表了题为“Collaborative Planning Algorithm for Incomplete Navigation Graphs”的研究论文,论文通讯作者为我室杨劲松研究员。
高效的策略和自适应能力强的协同算法是多AUV协同围捕的核心。然而,环境的多变性、检测的误差和遗漏、算法的复杂性、控制器的执行效率和决策机制的时效性都会影响多AUV协同狩猎的效率和成功概率。鉴于此,本研究提出了一种包含可共享环境模型、动态策略、矢量化路径、智能目标的新型协同狩猎算法。
在复杂的环境中,为了提高多AUV协同工作的效率,我们提出了一种基于仿生神经波网络(BNWN)算法的新型协同狩猎算法。该算法整合了不完全导航图下多AUV对目标的搜索、跟踪和捕获。设计了一种带有记忆的禁忌搜索机制,以避免冗余搜索并提高全局搜索效率。然后,在该算法中嵌入了一种实时再分配方法,以确保在跟踪和捕获过程中的最佳匹配状态。此外,多AUV基于能耗模型和自学模型对猎物进行跟踪和捕获,并通过识别机制,在完全协同操作下重构时变导航图。仿真结果证明,多AUV的路径转弯次数减少,执行时间平均缩短了81%。如此,保持了多AUV系统与任务间的最佳匹配状态,克服了重复搜索和部分自锁问题,实现了对智能猎物的高效捕获。
本研究得到了国家自然科学基金项目(42227901)、浙江省自然科学基金(LR21D060002和LGF21D060002)、上海交通大学深蓝计划(SL2021ZD203)、南方海洋科学与工程广东实验室创新团队项目(311021004)的资助。
X.W. Ma and J.S. Yang, 2023. “Collaborative planning algorithm for incomplete navigation graphs”, Ocean Engineering. https://authors.elsevier.com/a/1h0Ec_hNWjHYm; https://doi.org/10.1016/j.oceaneng.2023.114464.
© 2021卫星海洋环境动力学国家重点实验室 版权所有.
浙ICP备10040255号-4 流量统计