基于多AUV间任务协作的水下多目标探测机制

利用自主式水下航行器（Autonomous Underwater Vehicle, AUV）对水下多目标进行协同探测是目前海洋技术领域的研究热点。本文主要研究在水下三维区间内的多AUV任务分配与协作探测机制,建立了以每个AUV能量耗费与能耗均衡为约束条件的水下三维空间中的多旅行商（Multiple Traveling Salesman Problem, MTSP）问题模型,利用遗传算法（Genetic Algorithm, GA）对该NP-Complete问题进行启发式求解,同时设计了考虑巡航总路径及访问目标数的适应度函数以提高多AUV间的能耗均衡性,实现多个AUV对多个水下目标的优化协同探测。最后本文利用Matlab R2014a软件对多AUV任务协作与多目标探测机制进行了仿真,仿真结果验证了该方法能够均衡多AUV多目标探测问题的能量消耗,进而提高巡航速度和生命周期。     

基于多AUV协作的稀疏水下传感网定位技术研究

如何在稀疏部署的水下传感器网络中实现传感器节点的高效定位是一个研究热点.提出了一种基于多个移动AUV协作的水下传感器网络内节点定位机制,利用AUV的精确自导航功能实现对网内未知位置节点的定位协助.提出的协作定位算法扩展了水下传感器网络的网内节点位置迭代估计方法,将信标节点和多AUV联合作为定位参考点,然后推导了基于最小二乘法的定位估计方程.仿真结果验证了该方法可以在定位节点比例、归一化定位误差和平均置信度等几个方面提高定位性能.     

考虑几何约束的AUV回收路径规划

结合3次B样条的曲率连续特性和遗传算法的全局搜索特性,提出了一种适合欠驱动AUV(自治水下机器人)的回收路径规划方法.算法给出连接始末位置的光滑3维路径,适用于AUV回收的归航阶段,能够保证AUV以合适的姿态进行后续的导引对接.首先,分析了AUV的欠驱动特性带来的几何约束问题,包括任务终端约束和运动约束.其次,根据B样条曲线的特性确定通过选取控制点序列来给出3维路径曲线的思路.第一步采用样板的方式确定一部分控制点使曲线满足终端约束条件,第二步将AUV的回转和升沉运动约束写入遗传算法,通过对解空间的启发式自适应搜索确定中间控制点,两部分控制点所决定的曲线满足所有的几何约束条件.最后,针对路径的生成和跟踪,设计了半物理动力学仿真试验,从几何的角度对比AUV航迹和路径.结果显示,路径与AUV的运动能力具有很好的匹配特性,能够保证跟踪结束时AUV的位置和姿态满足导引对接阶段的要求.     

多机器人协作搬运路径规划研究

针对多机器人协作系统,提出了一种新的混合定点转动和遗传算法的方法,解决其协作路径规划问题。该方法利用遗传算法并行计算、不易陷入局部最优的优点,具备概率上寻找全局最优解的能力,同时结合了定点转动法易实现、有效减少单机器人路径浪费的优点。仿真实验结果表明,该规划方法运算速度较快,在得到有效规划路径的同时,也易于实现对单机器人的控制。     

稀疏水下传感网中AUV数据移动收集技术研究

由于水下传感器节点的水声通信距离有限、价格昂贵,水下传感器网络中一般采用稀疏方式部署,因此很难保证整体网络的连通性及数据采集效率。自主水下航行器AUV（Autonomous Underwater Vehicle）作为天然的移动数据采集平台,可以弥补固定Sink节点数据采集方式的缺陷。提出了一种基于移动AUV的水下传感网移动数据收集机制。以AUV覆盖区域内的传感器节点作为临时Sink节点,其他传感器节点以临时Sink节点为根节点,采用最小生成树MST（Minimum Spanning Tree）方法将传感数据传输到这些临时Sink节点,然后通过临时Sink节点将汇聚数据传输给AUV。随着AUV的自主移动轨迹,水下传感网的传感数据都能简单高效地被收集起来。仿真结果验证了该方法在保证网络能耗的前提下提高了数据采集效率。     

基于蚁群算法的多AUV路径规划仿真研究

多AUV路径规划是一种典型的带约束组合优化问题,如果采用传统的方法求解效果并不理想.蚁群算法是对自然界中蚂蚁在寻找食物过程中所表现出来的智能行为的一种模拟,它非常善于处理带约束的大规模复杂组合优化问题.应用蚁群算法结合TSP问题来为一群AUV进行路径规划,寻找最短且安全的路径.算法分为两部分:1)路径优化:使所有AUV的总路程最小化;2)路径校核:检查是否存在潜在的静态或动态碰撞.最后以三个AUV的情形为例对算法加以了验证,仿真结果表明该方法耗时短、效率高,为求解多AUV路径规划问题提供了一个高效解决方案.     

基于矢量建模的AUV水下目标探测仿真方法研究

采用矢量建模与虚拟仿真技术,模拟自主水下机器人(Autonomous Underwater vehicle,AUV)环境感知功能,对目标探测传感器视域及目标特征进行矢量建模。根据目标探测传感器的特征参数,利用边界矢量点描述目标探测的视域范围。以三维地理信息系统理论为基础,采用基于面向对象数据模型和基于表面三角剖分的方法来构建水下目标的三维空间数据模型。以三角形的空间拓扑关系为基础,分析了任意两实体的空间拓扑关系,并将其用于水下未知目标探测。通过水下目标的建模实例和探测仿真实例验证了建模与目标探测方法的正确性和可行性。     

遗传算法在水下机器人路径规划中的应用

提出一种分层路径规划算法来解决大范围海洋环境下的智能水下机器人(AUV)的全局路径规划问题。该算法将机器人的工作空间分层分解,并在每一层搜索路径,最终得到一条与障碍物无碰的全局路径。同时为解决算法的全局最优问题,使用遗传算法在每一层搜索路径。实践证明,该方法具有灵活、实用的特点,并能显著的节省内存空间。     

基于内螺旋覆盖算法的多AUV协作反水雷路径规划研究

研究了多自主水下航行器AUVs(Autonomous Underwater Vehicles)协作扫雷的路径规划问题;在环境栅格表达的基础上,采用一种优化的内螺旋覆盖算法,通过航行器对工作海域扫描情况的在线判断来确定扫描路径,以及扫描结束后对地图"盲区"进行再搜索等关键技术,保证了对工作区域的完全覆盖搜索和达到以较小的重复覆盖率搜索海域的目的;仿真实验结果表明,只要灭雷航行器数量大于水雷数量并且至少有一台灭雷AUV可以正常工作就可以实现完全覆盖。     

多水下滑翔机海洋采样路径规划

提出了以时间为优化准则的多水下滑翔机海洋采样路径规划算法.首先,根据水下滑翔机的个数,通过空间聚类算法,把多水下滑翔机的路径规划问题转化为单水下滑翔机的路径规划问题;然后,利用2步CLK(chained Lin-Kernighan)算法,优化每一个采样子空间中的采样路径;设计了扩散算法,调节各个采样子空间的采样点,使得完成整个采样任务需要的时间最短;最后,以Sea-wing水下滑翔机为例,对上述方法进行了仿真验证,结果显示所提出的方法能够有效地降低采样作业的采样时间.     

基于粒子滤波的多目标跟踪研究

针对无线传感器网络中的多目标跟踪问题,为提高系统的精度,减少误差,提出一种自适应基于粒子滤波的多目标跟踪算法(APF).算法根据粒子历史信息与后验信息的关联度,自适应的调整粒子采样分布.由目标分布与节点测量的关系,将节点组织成簇,并用簇内的节点测量表示目标特征.目标状态的估计由粒子加权表示,权值与粒子和对应目标特征的相似度成正比.仿真结果表明,APF算法较好地解决无线传感器网络下的多目标跟踪问题,跟踪误差相对于经典分布式粒子滤波降低30%,验证了APF算法可以实时多目标跟踪,实现了较好的跟踪效果.     

基于多目标检测与跟踪的密集客流检测

针对密集交通场景中的客流检测问题,提出了基于支持向量机(SVM)多目标检测与Mean Shift跟踪相结合的方法.首先采用自适应检测窗口提取梯度方向直方图,经过SVM分类和聚类算法,得到头部图像初始假设.然后采用Mean Shift算法,对头部假设进行跟踪,得到连续的头部图像序列.通过SVM分类器对序列图像进行整体判断,得到客流信息.实验结果表明,自适应滑动窗口的方法减少了特征提取阶段的处理时间,提高了检测速度;同时,通过对得到的跟踪序列进行整体判别,客流量的检测精度得到了提高.     

基于BQPSO的潜水器路径规划算法

在栅格法的自治水下机器人离散工作空间基础上,提出一种基于二进制编码的量子粒子群(BQPSO)算法求解自治水下机器人路径规划问题。该算法将路径表示为粒子位置的二进制编码,以路径长度为适应值,引入交叉策略避免陷入局部最小。仿真实验表明,BQPSO算法可以进行有效的自治水下机器人路径避障。     

面向多目标追踪的无线传感器网络协同任务分配研究

在基于动态联盟机制的无线传感器网络协同任务分配研究中,为了解决多目标追踪带来的联盟间的资 源竞争问题,本文采用分布式约束满足算法解决多动态联盟间的协同问题．根据无线传感器网络多目标追踪的应用 需求,建立了基于动态联盟机制的协同任务分配的分布式约束满足模型,并采用分布式随机算法求解满足约束条件 的动态联盟集合,实现多动态联盟间的协同．仿真结果表明,分布式约束满足算法有效地解决了多目标追踪中多个 动态联盟间的资源竞争问题,能够有效降低系统的能量消耗．     

基于任务分解的机器人路径规划导航

介绍一种基于目标分解的机器人导航系统,机器人通过激光或声纳传感器获得地图信息,并以此为基础,系统控制机器人按照事先规划路径的分解任务导航,最终利用视觉传感器发现目标球并加以捕获。分析仿真和实际环境实验数据存在差异的原因,证明系统实现了预期目标。     

基于粒子滤波的交互式多模型多机动目标跟踪

针对交互式多模型联合概率数据关联滤波算法(IMM-JPDAF)在非线性情况下跟踪精度低,并不适用于非高斯问题的情况,提出了一种基于粒子滤波的交互式多模型多机动目标跟踪算法;将交互式多模型联合概率数据关联(IMM-JPDA)与粒子滤波相结合,在交互式多模型联合概率数据关联的框架下,各模型采用粒子滤波算法处理非线性非高斯问题,避免了噪声的高斯假设和非线性部分的线性化误差。仿真结果表明,IMM-JPDA-PF算法的跟踪性能明显优于IMM-JPDAF算法,能够对杂波环境中的多机动目标进行有效跟踪。