CN106774331A - 一种分布式控制无人艇集群分簇编队方法 - Google Patents
一种分布式控制无人艇集群分簇编队方法 Download PDFInfo
- Publication number
- CN106774331A CN106774331A CN201611255164.4A CN201611255164A CN106774331A CN 106774331 A CN106774331 A CN 106774331A CN 201611255164 A CN201611255164 A CN 201611255164A CN 106774331 A CN106774331 A CN 106774331A
- Authority
- CN
- China
- Prior art keywords
- formation
- unmanned boat
- task
- cluster
- course
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 239000002131 composite material Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 229910003460 diamond Inorganic materials 0.000 claims description 3
- 239000010432 diamond Substances 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000005755 formation reaction Methods 0.000 description 83
- 230000000694 effects Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种分布式控制无人艇集群分簇编队方法,包括以下步骤:S1,采用信息融合技术中的贝叶斯网络和本体相结合的方法对目标区域进行环境感知;S2,根据任务性质和航行环境,确定所需的无人艇数量,对无人艇集群进行分簇,并确定可行的编队形式;S3,根据任务的优化指标和性能指标,从可行的编队形式中选出最优任务队形或者次优任务队形;S4,仿真和测试,根据选出任务队形和航行环境进行建模模拟,对任务队形的鲁棒性和容错性进行测试;结束。本发明能够高效、灵活的变换无人艇集群的协作队形,具有安全、稳定、可靠的优点。
Description
技术领域
本发明属于无人艇控制技术领域,具体地说是一种分布式控制无人艇集群分簇编队方法。
背景技术
无人艇是一种具有自主规划、自主航行能力,并可自主完成环境感知、目标探测等任务的小型水面平台,可承担情报收集、监视侦察、扫雷、反潜、精确打击、搜捕、水文地理勘察,反恐,中继通信等功能。无人艇根据使命的不同,可采用多种不同的模块,搭载不同的传感器或执行设备,执行任务也显示出多样性。
然而在未来战争中仅靠单艘无人艇自主作战难以适应复杂的战场环境,而具备有效协同策略的无人艇集群编队能更好的完成任务。因为多艘无人艇构成的无人艇集群能够减小整体航行的阻力,使无人艇集群在打击效果、成功率、侦查范围及规避概率均有提升。从而使无人艇集群能够在执行复杂任务、多任务和复杂环境下具有相对大的活动范围,更大的任务完成概率,以及更高的保障性。但是无人艇集群执行各种不同任务时会存在队形选择和任务指标优化问题。首先,无人艇集群执行不同任务时,不同队形选择不但会影响该任务的执行效果,而且会对任务链中的下一个任务产生额外的作用。特别是在同一区域执行不同的任务时,及时的队形变换可以使无人艇集群安全性提高,还能提升任务的执行效率。其次,对于一些突发的、额外的事件,队形变换有时是必须的、重要的。然而各任务的队形优化以及各任务优化与任务整体优化的关系,对于分布式控制、固定结构编队的队形控制存在着不可忽略的影响。因此各种不同的任务对无人艇集群队形的影响成为不可忽略的关键问题之一。
在早期,较多研究仅仅是简单的考虑任务对无人艇编队队形的控制,主要工作一般是在假定各任务已知的条件下,集群以每艘无人艇为一节点,对已知任务目标进行预先规划,从而进行编队控制,使无人艇集群在任务中保持某些指标最优化,例如航程最大化、侦查范围最大化等等。目前无人艇集群的队形控制、队形变换主要集中在单艘无人艇的研究方向,即从单艘无人艇为一簇点方面,考虑对任务性质的划分进行固定或者半固定队形的航路规划,而对无人艇集群在分布控制每簇,簇内集中编队这种联合状态下实现的可行性与优化研究较少。
发明内容
本发明要解决的技术问题是提供一种分布式控制无人艇集群分簇编队方法,能够高效、灵活的变换无人艇集群的协作队形,具有安全、稳定、可靠的优点。
为了解决上述技术问题,本发明采取以下技术方案:
一种分布式控制无人艇集群分簇编队方法,包括以下步骤:
S1,采用信息融合技术中的贝叶斯网络和本体相结合的方法对目标区域进行环境感知;
S2,根据任务性质和航行环境,确定所需的无人艇数量,对无人艇集群进行分簇,并确定可行的编队形式;
S3,根据任务的优化指标和性能指标,从可行的编队形式中选出最优任务队形或者次优任务队形;
S4,仿真和测试,根据选出任务队形和航行环境进行建模模拟,对任务队形的鲁棒性和容错性进行测试;结束。
所述步骤S1具体包括:
从获取得到的环境原始数据中提取相关信息,该相关信息包括但不限于影响无人艇运行状态的水温、风速、影响编队队形的地形或深度,从而生成本体中预定义好的实例;
S102,利用基于规则的推理对实例进行推理,从而提高环境感知的准确性;
S103,利用基于贝叶斯网络的推理处理实例中的不确定数据;
S104,利用贝叶斯网络识别不确定事件及该不确定事件对当前任务的影响,该不确定事件包括环境不确定事件、无人艇状态不确定事件和任务执行不确定事件;
S105,将环境数据处理结果反馈给陆地控制台。
所述步骤S2还具体还包括:
对无人艇集群进行分层管理,分设成中心控制层、簇控制层和任务执行层;
中心控制层与陆地控制台进行数据的相互通讯,用于接收陆地控制台发出的控制信号同时向陆地控制台反馈数据信息,以及向各个无人艇簇发出控制指令;
簇控制层为各个无人艇簇的控制层,用于接收中心控制层的指令,以及向该簇内各个无人艇发送控制指令;
任务控制层为各个无人艇簇内执行任务性质的无人艇,用于接收控制层的控制指令及向控制层反馈采集到的数据;
陆地控制台对接收到的数据进行分析处理,得到下一阶段的控制指令。
所述无人艇簇的任务性质为单一任务性质或者由至少两种任务性质组合而成的复合任务性质,该任务性质包括侦查、火力掩护、火力进攻、干扰与反干扰、队形协调与控制或任务中突发情况的队形应急分配。
所述步骤S4具体包括:
S401,选取三自由度无人艇模型进行建模;
S402,应用Lyapunov直接法和回溯法为模型设计编队控制器;
S403,应用Matlab进行仿真,验证无人艇集群的一致性和稳定性。
所述编队队形包括纵队、横队、梯队、人字队、菱形队形或环形队形。
本发明高效、灵活的变换无人艇集群的协作队形,提高无人艇集群的安全性,并能够优化任务指标,具有高效、稳定和可靠的优点
附图说明
附图1为本发明流程示意图;
附图2为本发明环境感知流程示意图;
附图3为本发明无人艇集群各层层级关联图;
图4为单一任务性质编队流程图;
图5为复合任务性质编队流程图;
图6为示例队形的拓扑结构变换图。
具体实施方式
为了便于本领域技术人员的理解,下面结合附图对本发明作进一步的描述。发明中提供的实施例,作为编队构建方法的参考性举例,仅用于更加详细地对本发明进行阐述,而不能解释为对本发明的限制,该具体示例仅仅作为一个普通示例,不能限制于该示例。本发明所公开的方法可提供许多不同的实施例,用来描述本发明中相对应的结构、设置描述等,并且所对应的推广目的不在于限制本发明。此外,本发明中示例的数字或字母,仅为简化和表述清楚,可以引申为其余不同的示例中相对应的数字或者字母,不能以此为限制,其本身不代表所讨论实施例的本质或设置之间的关系。本发明所涉及示例中的各种工艺与材料为本领域普通技术人员常用的材料,采用的技术也是普通的技术手段。
此外,本发明的描述中,除特别的注释,其术语均为广义理解,如:网络拓扑中的连接与指令信息交互,可以以各种可能的方式进行连接和交互,如可以直接通信或通过地面、卫星等手段通信,视具体情况理解示例中上述术语的具体含义。
如附图1所示,本发明揭示了一种分布式控制无人艇集群分簇编队方法,包括以下步骤:
S1,采用信息融合技术中的贝叶斯网络和本体相结合的方法对目标区域进行环境感知,利用各类型传感器获取数据,建立不确定环境本体模型,提高环境感知和自身设备状态感知的精确性。
S2,根据任务性质和航行环境,确定所需的无人艇数量,对无人艇集群进行分簇,并确定可行的编队形式,将各种可能形成的编队形式确立出来。每个无人艇簇内包括一艘或者多艘无人艇。该任务性质包括侦查、火力掩护、火力进攻、干扰与反干扰、队形协调与控制或任务中突发情况的队形应急分配。各无人艇簇之间可相互独立或者相互关联,可灵活设定。
S3,根据任务的优化指标和性能指标,从可行的编队形式中选出最优任务队形或者次优任务队形。编队队形包括纵队、横队、梯队(方位队)、人字队(楔形队)、菱形队形或环形队形或者其他队形,在此不再一一列举。S4,仿真和测试,根据选出任务队形和航行环境进行建模模拟,对任务队形的鲁棒性和容错性进行测试,结束。制作小船模型,室内模拟航行环境,例如模拟黑夜环境、风雨环境、洋流运动等。根据小船模型的实际承受能力,调整环境影响强度。在环境的影响下,可能出现小船掉队的情况,测试小船能否在有限时间归队或形成新的队形。性能要求一般是任务开始前指定的一些技术指标,如航路最短、集群中无人艇数量最少、载重最小或者安全系数最高等。根据该性能指标实现精准编队。
如附图2所示,所述步骤S1具体包括:
从获取得到的环境原始数据中提取相关信息,该相关信息包括但不限于影响无人艇运行状态的水温、风速、影响编队队形的地形或深度,从而生成本体中预定义好的实例。
S102,利用基于规则的推理对实例进行推理,从而提高环境感知的准确性。
S103,利用基于贝叶斯网络的推理处理实例中的不确定数据。该不确定数据包括由海浪、潮汐、内波、湍流等因素所产生的不确定数据及由于干扰而产生的不确定数据。
S104,利用贝叶斯网络识别不确定事件及该不确定事件对当前任务的影响,该不确定事件包括环境不确定事件、无人艇状态不确定事件和任务执行不确定事件。
S105,将环境数据处理结果反馈给陆地控制台,从而根据不确定事件建立不确定事件模型,从而提高无人艇执行任务的灵活性和鲁棒性。
如附图3所示,所述方法还具体还包括:
确定无人艇的数量及对无人艇集群分簇之后,对无人艇集群进行分层管理,分设成中心控制层、簇控制层和任务执行层。
中心控制层为整个无人艇集群的“司令部”或总管控,中心控制层与陆地控制台进行数据的实时相互通讯,用于接收陆地控制台发出的控制信号同时向陆地控制台反馈数据信息,以及向各个无人艇簇发出控制指令。控制指令包括任务目标和编队队形等内容。中心控制层优先在无人艇集群内进行任务协调和队形分配;中心控制层的无人艇可从低到高调用机动备用直至中心控制层,从而快速处理最优队形,达到功能与队形的可靠转换;除中心控制层应急处理突发情况外,一般不进行越级功能转换控制和簇中心转移。
簇控制层为各个无人艇簇的控制层,用于接收中心控制层的指令,以及向该簇内各个无人艇发送控制指令。紧急情况的队形处理需要由直接关联的各簇和各簇中心联合协调,一般按照队形拓扑变化最小,各簇移动距离最短,同性质任务间优先变换等原则进行队形调整。
任务控制层为各个无人艇簇内执行任务性质的无人艇,用于接收控制层的控制指令及向控制层反馈采集到的数据及无人艇自身运行状况。
陆地控制台对接收到的数据进行分析处理,得到下一阶段的控制指令,并且将该控制指令再次发送给中心控制层。
另外,所述无人艇簇的任务性质为单一任务性质或者由至少两种任务性质组合而成的复合任务性质。如附图4所示,为各无人艇簇单一任务性质情况,各无人艇簇可执行与自身功能对应的任务,实现分布式控制。执行任务效率较高,队形控制及任务分配较为方便。
如附图5所示,为无人艇簇复合任务性质情况。按照任务情况分成主任务和次任务,主任务的无人艇数量相对多一些,而次任务的无人艇数量相对少一些,起补充和应对突发情况的作用。通过复合任务性质,能够实现功能互补及应对突发情况能力较高。接下来根据任务性质确定集群的拓扑结构,并对每簇进行可行性编队分析。采用连通的网络拓扑,若连边数较多,则队形较为密集,任务执行范围相对较小,数据传输效率较高,若连边数较少,则队形较为稀疏,任务执行范围相对较大,数据传输效率较低。本发明实施例中,簇中心层连边较多,簇内连边较少,各簇为复合任务性质。这样可以兼顾执行任务范围和数据传输效率,也可以提高任务成功率。当执行完第一个任务后,再执行第二个任务,此时根据队形序列限制,可以保证无人艇簇按照可行的编队形式进行编队。直到所有任务完成。
每个无人艇簇任务性质的具体功能分配和拓扑节点信息交换对编队的选择方式和转换方式有很大影响;当某个子任务中的队形转换因为通信延迟或者阻塞、任务出现突发情况、任务链中某个任务发生任务性质临时变换时,需要将无人艇队形进行收缩、扩展或者重构;无人艇队形控制由无人艇集群中各小簇协调控制,其中控制信号的通讯、队形策略会受到队形拓扑和队形序列的限制;若发生突发情况,采取队形应急调整策略,各簇非领航者也可参与控制和协调;每簇簇内采用集中式编队方法,簇中心在簇内转移由簇内各无人艇按照分配的具体任务共同参与协调确定。
根据执行的具体情况,可灵活选择单一任务性质或者复合任务性质。如总体任务为攻击的单一任务,则可选择单一任务性质。如任务包含侦查、攻击、支援等多性质任务时,需要相互配合,此时则选用复合任务性质。
所述步骤S4具体包括:
S401,选取三自由度无人艇模型进行建模。
S402,应用Lyapunov直接法和回溯法为模型设计编队控制器。
S403,应用Matlab进行仿真,验证无人艇集群的一致性和稳定性。
下面以一个实施例进行补充阐述。
以燃料最省为目标,有队形序列限制的编队模型的设计思路及建模应用示例。
无人艇建模采用三自由度模型,其动力学方程和运动学方程如下:
动力学方程:
运动学方程:
其中,ηi=[x,y,ψ]T代表第i个无人艇位置和偏航角,x,y代表第i个无人艇在横纵坐标的位置,ψ代表第i个无人艇的偏航角,vi=[u,v,r]T代表第i个无人艇水平方向的速度和偏航角速度,J(ηi)、Mi、Ci(vi)、Di分别代表第i个无人艇的转换矩阵、惯量矩阵、科氏力矩阵和阻尼矩阵,τi=[τu,0,τr]T代表第i个无人艇的控制输入,τu和τr分别代表作用于同一无人艇不同方向上的控制输入。
无人艇集群的基本编队队形有:纵队、横队、梯队(方位队)、人字队(楔形队)、菱形队形和环形队形等。本实施例中用单列纵队到达目的地之后,进行一系列队形变换完成任务。
如附图6所示,无人艇集群的编队形式,该无人艇集群分设为六个簇,该六个簇分别为六个节点,分别为节点1、节点2、节点3、节点4、节点5和节点6。设节点1为中心控制簇,其他节点为簇控制层及其任务执行层。视每一簇作为一个集合,设无人艇编队为在同一平面内,以领航节点为核心进行队形变换,构造可行编队集。总能每一个可行编队集中找出队形变换时各簇无人艇变化距离最短的路径Lmin,即Lmin=∑slij,其中lij为簇交换的距离,s为需要变换的拓扑节点。设路径优化代价J,任务链中各任务可能的拓扑矩阵为κn={Sij},i,j=1,2,…,5;对于有m个子任务的,其航路优化代价的最小值为ωn表示队形变换的可行性;当ωn=0时,表示第n个子任务不存在可以变换的队形;当ωn=1时表示该队形为第n个子任务最优可变换的队形。
从开始航行到第一个任务目标一般可采用任何队形,但考虑到以燃油最省的方式从开始航行到第一个任务目标,应选择满足且Lmin=∑s=1lij的初始队形。
拓扑中的权值用“±1”表示0°与90°相邻簇,如纵队各簇为90°,“±2”表示±30°相邻,“±3”表示±45°,“±4”表示±60°,“±5”表示其余不大于90°角度。
根据燃料最省,开始集群可采用纵队队形,则当第一个任务为侦查、搜索时,I:大范围无地形限制采用横队;II:有地形限制采用纵队。设本实施例中有地形限制,可采用双纵队,即第二个任务为攻击型任务时,考虑到无人艇之间不能相互阻碍,距离不能太远以及队形变换速度等因素,则采用楔形队形,即上述任务中ωn=1,n=0,1,2,从而代价函数
本申请可采用人工势场法、蚁群算法、自由空间法或神经网络算法等现有算法对水面无人艇路径进行规划。本实施采用人工势场算法,对任务链任务执行区域进行路径规划。
可采用Lyapunov直接法、回溯法、模糊控制或滑模控制等进行编队控制,本实施结合Lyapunov直接法和回溯法设计队形的编队控制器。
以上算法和编队控制方法均为本领域技术人员的公知常识。
根据本发明实施例的方法,可以提高无人艇集群的安全性,并能够优化任务指标,具有高效、稳定和可靠的优点。
尽管已经描述了本发明的示例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些示例进行多种变化、修改、替换和变型,本发明的范围由上述权利要求限定。
Claims (6)
1.一种分布式控制无人艇集群分簇编队方法,包括以下步骤:
S1,采用信息融合技术中的贝叶斯网络和本体相结合的方法对目标区域进行环境感知;
S2,根据任务性质和航行环境,确定所需的无人艇数量,对无人艇集群进行分簇,并确定可行的编队形式;
S3,根据任务的优化指标和性能指标,从可行的编队形式中选出最优任务队形或者次优任务队形;
S4,仿真和测试,根据选出任务队形和航行环境进行建模模拟,对任务队形的鲁棒性和容错性进行测试;结束。
2.根据权利要求1所述的分布式控制无人艇集群分簇编队方法,其特征在于,所述步骤S1具体包括:
S101,从获取得到的环境原始数据中提取相关信息,该相关信息包括但不限于影响无人艇运行状态的水温、风速、影响编队队形的地形或深度,从而生成本体中预定义好的实例;
S102,利用基于规则的推理对实例进行推理;
S103,利用基于贝叶斯网络的推理处理实例中的不确定数据;
S104,利用贝叶斯网络识别不确定事件及该不确定事件对当前任务的影响,该不确定事件包括环境不确定事件、无人艇状态不确定事件和任务执行不确定事件;
S105,将环境数据处理结果反馈给陆地控制台。
3.根据权利要求2所述的分布式控制无人艇集群分簇编队方法,其特征在于,所述方法还具体还包括:
对无人艇集群进行分层管理,分设成中心控制层、簇控制层和任务执行层;
中心控制层与陆地控制台进行数据的相互通讯,用于接收陆地控制台发出的控制信号同时向陆地控制台反馈数据信息,以及向各个无人艇簇发出控制指令;
簇控制层为各个无人艇簇的控制层,用于接收中心控制层的指令,以及向该簇内各个无人艇发送控制指令;
任务控制层为各个无人艇簇内执行任务性质的无人艇,用于接收控制层的控制指令及向控制层反馈采集到的数据;
陆地控制台对接收到的数据进行分析处理,得到下一阶段的控制指令。
4.根据权利要求3所述的分布式控制无人艇集群分簇编队方法,其特征在于,所述无人艇簇的任务性质为单一任务性质或者由至少两种任务性质组合而成的复合任务性质,该任务性质包括侦查、火力掩护、火力进攻、干扰与反干扰、队形协调与控制或任务中突发情况的队形应急分配。
5.根据权利要求4所述的分布式控制无人艇集群分簇编队方法,其特征在于,所述步骤S4具体包括:
S401,选取三自由度无人艇模型进行建模;
S402,应用Lyapunov直接法和回溯法为模型设计编队控制器;
S403,应用Matlab进行仿真,验证无人艇集群的一致性和稳定性。
6.根据权利要求5所述的分布式控制无人艇集群分簇编队方法,其特征在于,所述编队队形包括纵队、横队、梯队、人字队、菱形队形或环形队形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611255164.4A CN106774331A (zh) | 2016-12-30 | 2016-12-30 | 一种分布式控制无人艇集群分簇编队方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611255164.4A CN106774331A (zh) | 2016-12-30 | 2016-12-30 | 一种分布式控制无人艇集群分簇编队方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106774331A true CN106774331A (zh) | 2017-05-31 |
Family
ID=58953559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611255164.4A Pending CN106774331A (zh) | 2016-12-30 | 2016-12-30 | 一种分布式控制无人艇集群分簇编队方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106774331A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037816A (zh) * | 2017-06-15 | 2017-08-11 | 华中科技大学 | 一种多无人船编队*** |
CN107608347A (zh) * | 2017-09-04 | 2018-01-19 | 广东华中科技大学工业技术研究院 | 一种分布式控制无人艇集群围追跟踪方法 |
CN107979823A (zh) * | 2017-11-21 | 2018-05-01 | 南京信息职业技术学院 | 一种形体重组型多功能水体环境测量船*** |
CN108170136A (zh) * | 2017-12-15 | 2018-06-15 | 武汉理工大学 | 基于无线传感网络的多无人艇编队控制***及方法 |
CN108459503A (zh) * | 2018-02-28 | 2018-08-28 | 哈尔滨工程大学 | 一种基于量子蚁群算法的无人水面艇航迹规划方法 |
CN108718454A (zh) * | 2018-05-09 | 2018-10-30 | 中国人民解放***箭军工程大学 | 一种多无人机通信中继平台协作自主布设方法 |
CN109164826A (zh) * | 2018-08-15 | 2019-01-08 | 中国电子科技集团公司第二十研究所 | 一种基于改进蚁群算法的大规模无人集群控制方法 |
CN109164810A (zh) * | 2018-09-28 | 2019-01-08 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
CN109799818A (zh) * | 2019-01-15 | 2019-05-24 | 大连海事大学 | 多参数化路径导引的无人船协同操纵控制器及其设计方法 |
CN109857117A (zh) * | 2019-03-07 | 2019-06-07 | 广东华中科技大学工业技术研究院 | 一种基于分布式模式匹配的无人艇集群编队方法 |
CN109917795A (zh) * | 2019-04-23 | 2019-06-21 | 大连海事大学 | 一种欠驱动无人船集群协同制导结构及设计方法 |
CN110096061A (zh) * | 2019-06-04 | 2019-08-06 | 兰州大学 | 一种无人艇集群的抗扰动分布式协同控制方法与装置 |
CN111367285A (zh) * | 2020-03-18 | 2020-07-03 | 华东理工大学 | 一种轮式移动小车协同编队与路径规划方法 |
CN111628818A (zh) * | 2020-05-15 | 2020-09-04 | 哈尔滨工业大学 | 空地无人***分布式实时通信方法、装置及多无人*** |
CN112130549A (zh) * | 2019-06-24 | 2020-12-25 | 上海大学 | 一种工作模式可变的无人艇编队控制***和控制方法 |
CN112363502A (zh) * | 2020-06-30 | 2021-02-12 | 珠海云洲智能科技有限公司 | 无人船位置分配策略确定方法、装置、设备及存储介质 |
CN112654001A (zh) * | 2020-10-27 | 2021-04-13 | 华中科技大学 | 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价 |
CN112742028A (zh) * | 2021-01-22 | 2021-05-04 | 中国人民解放军国防科技大学 | 一种对抗博弈的编队决策方法、***、介质及设备 |
CN113093733A (zh) * | 2021-03-17 | 2021-07-09 | 东南大学 | 一种无人艇集群对海打击方法 |
CN113093768A (zh) * | 2021-03-10 | 2021-07-09 | 中国人民解放军海军潜艇学院 | 一种水下航行器集群控制***及其控制方法 |
CN113723805A (zh) * | 2021-08-30 | 2021-11-30 | 上海大学 | 一种无人艇复合任务分配方法及*** |
CN114326703A (zh) * | 2021-11-25 | 2022-04-12 | 珠海云洲智能科技股份有限公司 | 一种无人船表演脚本的生成方法、装置及*** |
CN114527661A (zh) * | 2022-02-23 | 2022-05-24 | 西北工业大学深圳研究院 | 一种用于集群智能***的协同编队方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068416A1 (en) * | 2002-04-22 | 2004-04-08 | Neal Solomon | System, method and apparatus for implementing a mobile sensor network |
CN101945492A (zh) * | 2010-08-09 | 2011-01-12 | 哈尔滨工程大学 | 基于分簇的多机器人任务分配方法 |
CN102346968A (zh) * | 2011-09-29 | 2012-02-08 | 泉州市视通光电网络有限公司 | 交通信号控制*** |
CN102707693A (zh) * | 2012-06-05 | 2012-10-03 | 清华大学 | 一种时空联合的多架无人机协同控制***的构建方法 |
CN202583469U (zh) * | 2012-04-28 | 2012-12-05 | 山东省科学院海洋仪器仪表研究所 | 自主式水下航行器编队导航*** |
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
CN104216382A (zh) * | 2014-09-19 | 2014-12-17 | 北京航天长征飞行器研究所 | 一种空间小型飞行器编队飞行控制*** |
CN104950884A (zh) * | 2015-06-03 | 2015-09-30 | 浙江理工大学 | 一种面向大范围水质监测的仿生鱼协同控制方法 |
CN105467981A (zh) * | 2015-12-24 | 2016-04-06 | 中南大学 | 一种针对多个智能体的编队方法以及装置 |
-
2016
- 2016-12-30 CN CN201611255164.4A patent/CN106774331A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068416A1 (en) * | 2002-04-22 | 2004-04-08 | Neal Solomon | System, method and apparatus for implementing a mobile sensor network |
CN101945492A (zh) * | 2010-08-09 | 2011-01-12 | 哈尔滨工程大学 | 基于分簇的多机器人任务分配方法 |
CN102346968A (zh) * | 2011-09-29 | 2012-02-08 | 泉州市视通光电网络有限公司 | 交通信号控制*** |
CN202583469U (zh) * | 2012-04-28 | 2012-12-05 | 山东省科学院海洋仪器仪表研究所 | 自主式水下航行器编队导航*** |
CN102707693A (zh) * | 2012-06-05 | 2012-10-03 | 清华大学 | 一种时空联合的多架无人机协同控制***的构建方法 |
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
CN104216382A (zh) * | 2014-09-19 | 2014-12-17 | 北京航天长征飞行器研究所 | 一种空间小型飞行器编队飞行控制*** |
CN104950884A (zh) * | 2015-06-03 | 2015-09-30 | 浙江理工大学 | 一种面向大范围水质监测的仿生鱼协同控制方法 |
CN105467981A (zh) * | 2015-12-24 | 2016-04-06 | 中南大学 | 一种针对多个智能体的编队方法以及装置 |
Non-Patent Citations (1)
Title |
---|
张汝波等: "不确定海洋环境下AUV环境感知方法研究", 《计算机研究与发展》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037816A (zh) * | 2017-06-15 | 2017-08-11 | 华中科技大学 | 一种多无人船编队*** |
CN107608347A (zh) * | 2017-09-04 | 2018-01-19 | 广东华中科技大学工业技术研究院 | 一种分布式控制无人艇集群围追跟踪方法 |
CN107608347B (zh) * | 2017-09-04 | 2021-02-05 | 广东华中科技大学工业技术研究院 | 一种分布式控制无人艇集群围追跟踪方法 |
CN107979823A (zh) * | 2017-11-21 | 2018-05-01 | 南京信息职业技术学院 | 一种形体重组型多功能水体环境测量船*** |
CN108170136A (zh) * | 2017-12-15 | 2018-06-15 | 武汉理工大学 | 基于无线传感网络的多无人艇编队控制***及方法 |
CN108459503A (zh) * | 2018-02-28 | 2018-08-28 | 哈尔滨工程大学 | 一种基于量子蚁群算法的无人水面艇航迹规划方法 |
CN108459503B (zh) * | 2018-02-28 | 2021-03-30 | 哈尔滨工程大学 | 一种基于量子蚁群算法的无人水面艇航迹规划方法 |
CN108718454A (zh) * | 2018-05-09 | 2018-10-30 | 中国人民解放***箭军工程大学 | 一种多无人机通信中继平台协作自主布设方法 |
CN108718454B (zh) * | 2018-05-09 | 2021-10-15 | 中国人民解放***箭军工程大学 | 一种多无人机通信中继平台协作自主布设方法 |
CN109164826A (zh) * | 2018-08-15 | 2019-01-08 | 中国电子科技集团公司第二十研究所 | 一种基于改进蚁群算法的大规模无人集群控制方法 |
CN109164826B (zh) * | 2018-08-15 | 2021-07-16 | 中国电子科技集团公司第二十研究所 | 一种基于改进蚁群算法的大规模无人集群控制方法 |
CN109164810A (zh) * | 2018-09-28 | 2019-01-08 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
CN109164810B (zh) * | 2018-09-28 | 2021-08-10 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
CN109799818A (zh) * | 2019-01-15 | 2019-05-24 | 大连海事大学 | 多参数化路径导引的无人船协同操纵控制器及其设计方法 |
CN109799818B (zh) * | 2019-01-15 | 2021-08-27 | 大连海事大学 | 多参数化路径导引的无人船协同操纵控制器的设计方法 |
CN109857117B (zh) * | 2019-03-07 | 2021-10-29 | 广东华中科技大学工业技术研究院 | 一种基于分布式模式匹配的无人艇集群编队方法 |
CN109857117A (zh) * | 2019-03-07 | 2019-06-07 | 广东华中科技大学工业技术研究院 | 一种基于分布式模式匹配的无人艇集群编队方法 |
CN109917795A (zh) * | 2019-04-23 | 2019-06-21 | 大连海事大学 | 一种欠驱动无人船集群协同制导结构及设计方法 |
CN109917795B (zh) * | 2019-04-23 | 2022-02-01 | 大连海事大学 | 一种欠驱动无人船集群协同制导结构及设计方法 |
CN110096061B (zh) * | 2019-06-04 | 2023-08-01 | 兰州大学 | 一种无人艇集群的抗扰动分布式协同控制方法与装置 |
CN110096061A (zh) * | 2019-06-04 | 2019-08-06 | 兰州大学 | 一种无人艇集群的抗扰动分布式协同控制方法与装置 |
CN112130549A (zh) * | 2019-06-24 | 2020-12-25 | 上海大学 | 一种工作模式可变的无人艇编队控制***和控制方法 |
CN111367285A (zh) * | 2020-03-18 | 2020-07-03 | 华东理工大学 | 一种轮式移动小车协同编队与路径规划方法 |
CN111628818B (zh) * | 2020-05-15 | 2022-04-01 | 哈尔滨工业大学 | 空地无人***分布式实时通信方法、装置及多无人*** |
CN111628818A (zh) * | 2020-05-15 | 2020-09-04 | 哈尔滨工业大学 | 空地无人***分布式实时通信方法、装置及多无人*** |
CN112363502B (zh) * | 2020-06-30 | 2021-10-08 | 珠海云洲智能科技股份有限公司 | 无人船位置分配策略确定方法、装置、设备及存储介质 |
CN112363502A (zh) * | 2020-06-30 | 2021-02-12 | 珠海云洲智能科技有限公司 | 无人船位置分配策略确定方法、装置、设备及存储介质 |
CN112654001B (zh) * | 2020-10-27 | 2023-02-24 | 华中科技大学 | 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价 |
CN112654001A (zh) * | 2020-10-27 | 2021-04-13 | 华中科技大学 | 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价 |
CN112742028B (zh) * | 2021-01-22 | 2024-05-21 | 中国人民解放军国防科技大学 | 一种对抗博弈的编队决策方法、***、介质及设备 |
CN112742028A (zh) * | 2021-01-22 | 2021-05-04 | 中国人民解放军国防科技大学 | 一种对抗博弈的编队决策方法、***、介质及设备 |
CN113093768A (zh) * | 2021-03-10 | 2021-07-09 | 中国人民解放军海军潜艇学院 | 一种水下航行器集群控制***及其控制方法 |
CN113093733A (zh) * | 2021-03-17 | 2021-07-09 | 东南大学 | 一种无人艇集群对海打击方法 |
CN113723805A (zh) * | 2021-08-30 | 2021-11-30 | 上海大学 | 一种无人艇复合任务分配方法及*** |
CN113723805B (zh) * | 2021-08-30 | 2023-08-04 | 上海大学 | 一种无人艇复合任务分配方法及*** |
CN114326703A (zh) * | 2021-11-25 | 2022-04-12 | 珠海云洲智能科技股份有限公司 | 一种无人船表演脚本的生成方法、装置及*** |
CN114527661A (zh) * | 2022-02-23 | 2022-05-24 | 西北工业大学深圳研究院 | 一种用于集群智能***的协同编队方法 |
CN114527661B (zh) * | 2022-02-23 | 2022-09-20 | 西北工业大学深圳研究院 | 一种用于集群智能***的协同编队方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106774331A (zh) | 一种分布式控制无人艇集群分簇编队方法 | |
CN104407619B (zh) | 不确定环境下的多无人机同时到达多个目标方法 | |
CN108200175B (zh) | 基于协同云控制的多无人船编队协同控制***及方法 | |
CN108549407A (zh) | 一种多无人机协同编队避障的控制算法 | |
CN109540151A (zh) | 一种基于强化学习的auv三维路径规划方法 | |
CN103777640B (zh) | 一种分布式控制无人机群集中分簇编队方法 | |
Li et al. | Neural-network-based path planning for a multirobot system with moving obstacles | |
CN112180967B (zh) | 基于评判-执行架构的多无人机协同对抗决策方法 | |
CN106979784A (zh) | 基于混合鸽群算法的非线性航迹规划 | |
CN105841702A (zh) | 一种基于粒子群优化算法的多无人机航路规划方法 | |
CN110428111A (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
CN110471426A (zh) | 基于量子狼群算法的无人驾驶智能车自动避碰方法 | |
CN105892480A (zh) | 异构多无人机***协同察打任务自组织方法 | |
CN110377059A (zh) | 一种基于狮群算法的多auv围捕者协同控制方法 | |
Zhao et al. | Route planning for autonomous vessels based on improved artificial fish swarm algorithm | |
CN104536454A (zh) | 一种用于双无人机协同的时空同步匹配方法 | |
CN109857117A (zh) | 一种基于分布式模式匹配的无人艇集群编队方法 | |
CN106096911A (zh) | 一种基于角色的有人/无人协同指挥控制***及其方法 | |
CN112650290B (zh) | 带有扰动补偿的高层消防无人机编队优化控制方法及*** | |
Lin et al. | Smart underwater pollution detection based on graph-based multi-agent reinforcement learning towards AUV-based network ITS | |
CN112859915A (zh) | 基于饱和阈值事件触发的高层消防无人机编队控制方法及*** | |
Ke et al. | Cooperative path planning for air–sea heterogeneous unmanned vehicles using search-and-tracking mission | |
CN114518772B (zh) | 一种拒止环境下无人机蜂群自组织方法 | |
CN113759935B (zh) | 基于模糊逻辑的智能群体编队移动控制方法 | |
Hu et al. | Multi-UAV coverage path planning: A distributed online cooperation method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |