买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：本发明属于多AUV协同控制技术领域，具体涉及一种基于蚁群算法的多AUV协同目标搜索方法。本发明基于蚁群算法的协同性，设计了结合概率地图的目标搜索策略，并结合预测控制优化了搜索策略。本发明中目标搜索效率更高，协同性高。在未知环境中，防止多AUV的目标搜索可能出现重复搜索的情况，AUV会尽量的避免搜索其他AUV搜索过的地区。本发明可以进行大范围的搜索。相对于单AUV，多AUV的协同目标搜索可以进行大范围的目标搜索，收缩时间更快。

主权项：1.一种基于蚁群算法的多AUV协同目标搜索方法，其特征在于，包括以下步骤：步骤1：将搜索环境分割成小栅格，实现环境地图栅格化，初始化概率地图；步骤2：进行多AUV的目标搜索，并且在AUV每次移动后进行概率地图的更新；多AUV采用分布式控制方式，每个AUV都携带声纳传感器，各AUV之间实时相互发送各自的位姿信息并且接收其他AUV的搜索信息：步骤3：根据多AUV在未知环境中实时搜到的不确定度、蚁群信息素地图信息建立地图，在多AUV协同搜索时，判断声纳中是否产生疑似目标，若没有产生疑似目标，则在避免多AUV碰撞的基础上，结合搜索策略，根据相邻栅格中的搜索函数确定AUV的移动位置和方向；声纳所能探测到所有范围的栅格的不确定度定义为：Jμl,k＝Σx∈Bμx,k-1其中，Jμl,k为目标信息不确定度收益；B为声纳所能探测到的栅格范围；μx,k-1表示k-1时刻x栅格的不确定度；蚁群信息素协同收益定义为栅格中的蚁群信息素的含量：Jgl,k＝gl,k-1其中，Jgl,k为蚁群信息素协同收益；gl,k-1为栅格中的蚁群信息素的含量；AUV能耗代价收益为： 其中，θAUV,l为从上一时刻AUV到环境l的角度；θAUV为上一时刻AUV的航向角；当AUV的航向角与AUV到环境l的角度一致，即AUV的航向不发生变化时，AUV能耗代价收益为0；当AUV的航向角与AUV到环境l的角度不一致，即AUV的航向发生变化时，AUV能耗代价收益为1；多AUV的搜索根据搜索收益进行当前的搜索的位置决策，搜索决策函数为：JQ1,Q2,Q3＝w1Jμl,k+w2Jgl,k+w3Jwl,k其中，w1、w2、w3为权重系数，wi∈[0,1]；Q表示不确定度概率函数；Q2表示蚁群信息素协同函数；Q3表示AUV的状态函数；步骤4：预测AUV多步之后的状态信息来优化下一步的航行位置；预测步长为Kn，在k时刻预测在k+n时刻，AUV可能移动到的栅格环境，然后计算从k时刻到k+n时刻总的搜索决策函数Jk+n； AUV在目标搜索的预测过程中，会有很多中可能的运动轨迹，因此所有的运动轨迹的总搜索决策函数可以用Jn表示，Jn的计算如下：Jn＝{Jk+n}其中，{Jk+n}表示所有可运动的总搜索决策函数的集合，即从k时刻到k+n时刻所有可能行驶的路径，每条路径有一个搜索决策函数，这些所有可能的搜索决策函数组成Jn；所有可能的路径都是预测的一种，需要选取最优的一条路径作为AUV的最优预测，而这条最优路径对应最优搜索决策函数Jf，Jf的计算如下：Jf＝maxJn其中：Jf表示选择{Jk+n}当中最大的值，即选择搜索决策函数最大的预测路径；经过预测Kn步的搜索决策路径计算，选取最优的预测路径；AUV在经过预测Kn步后选取最优路径后，只执行最优路径中的k+1步；步骤5：通过基于蚁群算法的目标搜索对疑似目标进行确认，如果疑似目标为虚假目标，则返回步骤3；步骤6：判断目标是否搜索完成，若目标搜索完成，则搜索结束，否则返回步骤2。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种基于蚁群算法的多AUV协同目标搜索方法