一种基于目标声信息改进概率图的多UUV协同搜索方法

TJ630.1%U666; 针对未知环境中多无人水下航行器(UUV)协同目标搜索问题,提出一种基于目标声信息改进概率图的多UUV协同搜索方法.建立了包含目标声场信息、UUV占用信息、目标存在概率及环境确定度的改进概率图,使UUV对动态搜索环境及目标信息的感知更加准确、全面;提出了一种基于学习机制和自适应参数调节机制的改进粒子群优化(PSO)算法,将基于线性种群规模减小和广泛学习机制的自适应差分进化算法的突变策略引入PSO算法,通过生成自适应调整参数的突变粒子,增加粒子多样性,在多UUV目标搜索应用中,减少了局部最优,提高搜索效率;设计开发了仿真程序,应用蒙特卡洛仿真方法验证分析了多UUV搜索效...

Full description

Saved in:
Bibliographic Details
Published in水下无人系统学报 Vol. 31; no. 5; pp. 715 - 724
Main Authors 杨惠珍, 周卓彧, 李源
Format Journal Article
LanguageChinese
Published 水下信息与控制全国重点实验室,陕西西安, 710072 2023
西北工业大学航海学院,陕西西安, 710072
Subjects
概率图
probability map
uncertain environment
多无人水下航行器
multiple unmanned undersea vehicles
未知环境
target search
目标搜索
Online AccessGet full text

Cover

More Information
Summary:TJ630.1%U666; 针对未知环境中多无人水下航行器(UUV)协同目标搜索问题,提出一种基于目标声信息改进概率图的多UUV协同搜索方法.建立了包含目标声场信息、UUV占用信息、目标存在概率及环境确定度的改进概率图,使UUV对动态搜索环境及目标信息的感知更加准确、全面;提出了一种基于学习机制和自适应参数调节机制的改进粒子群优化(PSO)算法,将基于线性种群规模减小和广泛学习机制的自适应差分进化算法的突变策略引入PSO算法,通过生成自适应调整参数的突变粒子,增加粒子多样性,在多UUV目标搜索应用中,减少了局部最优,提高搜索效率;设计开发了仿真程序,应用蒙特卡洛仿真方法验证分析了多UUV搜索效能.仿真结果表明,所提出的多UUV协同搜索方法与基于传统概率图的PSO搜索算法相比,同样条件下找到目标所花费的时间更少、找到的目标数量更多,对动态目标搜索具有较明显的优势.
ISSN:2096-3920
DOI:10.11993/j.issn.2096-3920.2022-0036