无人船编队重构的分布式目标协同分配方法组成比例

本发明专利技术提供一种无人船编队重构的分布式目标协同分配方法，包括：S1、建立无人船编队重构中目标分配模型；S2、无人船ui根据代价函数计算方式得出代价向量ci；S3、无人船ui根据代价向量ci与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量Poldi；S4、无人船ui将各自的价格向量信息Poldi广播给各自的邻居无人船；S5、完成分配。本发明专利技术所述的无人船编队重构的分布式目标协同分配方法，提出的一种无通信中心分布式协同目标分配方法，减小了对通信中心的依赖与通讯带宽，提高系统鲁棒性。同时考虑欠驱动无人船的特性，设计出一种基于Dubins曲线的代价函数，量化描述无人船到目标点的代价，解决基于直线的代价函数所忽略的运动学约束问题。

【技术实现步骤摘要】
无人船编队重构的分布式目标协同分配方法
本专利技术涉及无人船编队
，具体而言，尤其涉及一种无人船编队重构的分布式目标协同分配方法。
技术介绍
针对编队重构中目标任务分配问题，国内外已经取得相应的研究结果，主要研究还是集中在无人机编队的目标分配，在无人船编队中的应用研究较少。其中这些分配方法包括遗传算法，匈牙利算法，粒子群算法。但这些方法存在以下不足：第一，现有的一些方法主要是在集中式控制架构下实现的。如图9所示，编队中所有无人船仅与基站或者唯一的通信中心进行通讯，对通信中心或者基站设备的通讯带宽与性能要求极高。当通信中心出现故障时，分配会出现无法完成的情况，容错性与鲁棒性低。并且实际无人船编队的应用中，受无人船在某些海域的可通讯距离影响，当无人船编队与通讯中心或者基站之间的距离超出某一范围时，集中式的分配方法可行性大幅降低。第二，现有的分配方法中针对无人船到目标点的距离代价问题的研究较少。现有的无人船编队技术研究大多将无人船当作全驱动船舶，无人船质点到目标点的直线路径距离当作距离代价。如图8所示，以目标位置点为圆心，r为半径的圆上分布着两条艏向角度不同的无人船。若以直线距离作为两条无人船到目标点的代价，那么船1与船2到目标点距离均为r，代价相同。然而无人船2受到由欠驱动性及惯性和最大方向舵偏角的约束所构成的运动学约束影响，无法在原地完成转向后直线到达目标点，实际路径距离L2远大于船1到目标点的路径距离L1，相应的代价也将增加。若以直线路径距离作为代价用来分配目标，不能真实的量化无人船到目标点的实际代价，则分配结果的可行性较低，会出现无人船无法到达所分配目标点的情况。
技术实现思路
根据上述提出现有的无人船编队重构分配方法，对通信中心的依赖度较高，通信控制中心计算量大，并且缺少考虑欠驱动无人船固有的运动学约束的技术问题，而提供一种无人船编队重构的分布式目标协同分配方法。本专利技术主要利用Dubins曲线的代价函数，将无人船到目标点之间的距离代价量化描述，以及无通信中心的分布式协同拍卖分配算法，使得分配结果更具可执行性，减小了通讯带宽，分散了系统计算量，而且降低了对通信中心的依赖性，从而提高了系统鲁棒性与容错性。本专利技术采用的技术手段如下：一种无人船编队重构的分布式目标协同分配方法，包括：S1、在初始化模块中，建立无人船编队重构中目标点分配模型：编队中无人船集合U，发布预设队形中目标点集M的位姿状态信息。S2、在自主计算与投标决策模块中，无人船ui根据代价函数计算方式得出代价向量ci。S3、在自主计算与投标决策模块中，无人船ui根据代价向量ci与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量Poldi。S4、在信息交换更新模块中，无人船ui将各自的价格向量信息Poldi广播给各自的邻居无人船，接受邻居无人船的价格信息并更新每个点的价格向量信息为Pi。S5、在一致性判断模块中，无人船ui将更新后的价格向量信息Pi与决策阶段的价格向量信息Poldi进行对比，若两者相同则计数器counti加一，若两者不同则计数器counti置零，并返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价；当计数器counti加一后，判断counti和D是否相等，若counti和D不相等，返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价，直至counti计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船所得目标点即是各自所分配到的目标位置点，从而完成分配。进一步地，在步骤S1中，具体包括，建立无人船编队重构中目标点分配模型：编队中n条无人船构成无人船集合U＝{u1,u2,…,un}，预设队形中的n个目标位置点构成目标点集合M＝{m1,m2,…,mn}，每条无人船能够到达任意一点。进一步地，在步骤S2中，具体包括，队形重构中目标点的分配即根据无人船到目标点的代价将集合M中的目标位置点mj，分配给集合U中无人船ui，使得总代价最小，路径距离最短，如式(1)所示：其中，C(·)为无人船从起始点到目标位置点的距离代价函数，为无人船ui的起点位姿状态，为无人船uj的目标位置点位姿状态，满足约束：所述距离代价函数：无人船从初始点到目标位置点的路径距离认为是无人船到目标点的代价，距离越短则代价越小。针对受运动学约束的欠驱动无人船设计一种基于Dubins曲线的代价函数，从而更加贴近无人船到相应目标点的路径距离，使得分配结果更具可执行性；基于Dubins曲线的代价函数设计基于以下思想：在起始位置点与目标位置点的艏向角和最小转向半径已知的情况下，从起始点到目标点的最短路径由一段直线以及最小半径转向圆弧构成，那么任意目标位置点mj与无人船ui之间均有一条对应的Dubins曲线Lij使得无人船ui到达目标点mj，Lij的长度即是无人船ui到目标点mj的代价cij。无人船ui在起始点位姿状态向量目标位置点mj终止位姿状态向量最小转向半径r；分别在无人船起始点A处与终止位置点C处，以无人船前向速度方向为切线做切圆；圆心O1,O2坐标分别可以求得：切点B坐标为：无人船从起始点A到目标位置点B的Dubins曲线由直线AB与圆弧BC构成代价cij为：n条无人船与n个目标点之间将会产生n2个代价元素cij；定义决策变量xij如下：公式(1)、(2)可转化为：其中(8)为分配目标点所需实现的目标函数，即总代价最小，行程距离最短；约束条件(9)表示每条无人船只能分配到一个目标点。所述分布式架构如下：用无向树G(V,E)抽象描述无人船编队分布式通讯网络拓扑，其中V为拓扑中节点的集合，即无人船集合U；E是任意连接通信节点的边，若(ui,uk)∈E，则无人船ui与无人船uk可实现通信。无人船ui的邻居节点定义为：编队中各无人船作为独立的智能体节点，仅与邻居节点进行通信来完成信息的交换，不依赖通讯中心。所述分布式目标协同分配方法如下：在编队队形重构的目标点分配问题中，将构成预设队形的目标点当作竞拍物品，目标点集合M＝{m1,m2,…,mn}即一系列竞拍物品组成的商品集；将编队中无人船当作竞拍智能体，无人船集合U＝{u1,u2,…,un}即一系列智能体组成的竞拍智能体集合；由代价函数产生的一系列代价值cij看作是目标点对无人船产生的收益值；收益值cij是根据代价函数计算得到，代价值越大说明距离越远，目标点mj对无人船ui的吸引力越小，代价向量Ci＝[cim1,cim2,cim3,…cimn]看作无人船ui到一系列目标点的代价。将价格向量Pi＝[pim1,pim2,pim3,…pimn]看作无人船ui对一系列目标点标价的记录，起始Pi均为零向量。将构成预设队形的n个目标点坐标信息发送至各无人船后开始拍卖过程，拍卖分配过程中每次迭代主要分为三个阶段：投标决策阶段、价格信息交换更新阶段、一致性阶段，三个阶段中所有的计算均在本地执行；进一步地，在步骤S3中，具体包括，在投标决策阶段，无人船ui根据公式(10)挑选出总代价最小的兴趣目标点ji，记录最小总代价为vi以及除去目标点ji以外的最小总代价wi，并对目标点ji根据式(13)进行出价公式(13)中ε为每次出价中的一个补增量，其作用是保证每次出价都本文档来自技高网...

【技术保护点】
1.一种无人船编队重构的分布式目标协同分配方法，其特征在于，包括：S1、在初始化模块中，建立无人船编队重构中目标点分配模型：编队中无人船集合U，发布预设队形中目标点集M的位姿状态信息；S2、在自主计算与投标决策模块中，无人船ui根据代价函数计算方式得出代价向量ci；S3、在自主计算与投标决策模块中，无人船ui根据代价向量ci与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量Poldi；S4、在信息交换更新模块中，无人船ui将各自的价格向量信息Poldi广播给各自的邻居无人船，接受邻居无人船的价格信息并更新每个点的价格向量信息为Pi；S5、在一致性判断模块中，无人船ui将更新后的价格向量信息Pi与决策阶段的价格向量信息Poldi进行对比，若两者相同则计数器counti加一，若两者不同则计数器counti置零，并返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价；当计数器counti加一后，判断counti和D是否相等，若counti和D不相等，返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价，直至counti计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船所得目标点即是各自所分配到的目标位置点，从而完成分配。...

【技术特征摘要】
1.一种无人船编队重构的分布式目标协同分配方法，其特征在于，包括：S1、在初始化模块中，建立无人船编队重构中目标点分配模型：编队中无人船集合U，发布预设队形中目标点集M的位姿状态信息；S2、在自主计算与投标决策模块中，无人船ui根据代价函数计算方式得出代价向量ci；S3、在自主计算与投标决策模块中，无人船ui根据代价向量ci与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量Poldi；S4、在信息交换更新模块中，无人船ui将各自的价格向量信息Poldi广播给各自的邻居无人船，接受邻居无人船的价格信息并更新每个点的价格向量信息为Pi；S5、在一致性判断模块中，无人船ui将更新后的价格向量信息Pi与决策阶段的价格向量信息Poldi进行对比，若两者相同则计数器counti加一，若两者不同则计数器counti置零，并返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价；当计数器counti加一后，判断counti和D是否相等，若counti和D不相等，返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价，直至counti计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船所得目标点即是各自所分配到的目标位置点，从而完成分配。2.根据权利要求1所述的无人船编队重构的分布式目标协同分配方法，其特征在于，在步骤S1中，具体包括，建立无人船编队重构中目标点分配模型：编队中n条无人船构成无人船集合U＝{u1,u2,…,un}，预设队形中的n个目标位置点构成目标点集合M＝{m1,m2,…,mn}，每条无人船能够到达任意一点。3.根据权利要求1所述的无人船编队重构的分布式目标协同分配方法，其特征在于，在步骤S2中，具体包括，队形重构中目标点的分配即根据无人船到目标点的代价将集合M中的目标位置点mj，分配给集合U中无人船ui，使得总代价最小，路径距离最短，如式(1)所示：其中，C(·)为无人船从起始点到目标位置点的距离代价函数，为无人船ui的起点位姿状态，为无人船uj的目标位置点位姿状态，满足约束：所述距离代价函数：无人船从初始点到目标位置点的路径距离认为是无人船到目标点的代价，距离越短则代价越小；无人船ui在起始点位姿状态向量目标位置点mj终止位姿状态向量最小转向半径r；分别在无人船起始点A处与终止位置点C处，以无人船前向速度方向为切线做切圆；圆心O1,O2坐标分别可以求得：切点B坐标为：无人船从起始点A到目标位置点B的Dubins曲线由直线AB与圆弧BC构成代价cij为：n条无人船与n个目标点之间将会产生n2个代价元素cij；定义决策变量xij如下：公式(1)、(2)可转化为：其中(8)为分配目标点所需实现的目标函数，即总代价最小，行程距离最短；约束条件(9)表示每条无人船只能分配到一个目标点...

【专利技术属性】
技术研发人员：彭周华，吕光颢，王丹，刘陆，古楠，姜岳，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁,21