一种基于CAPT算法改进的无人船集群任务规划方法技术

本发明专利技术提出了一种基于CAPT算法改进的无人船集群复杂任务下路径规划方法，该方法包括以下内容：针对CAPT算法无法解决复杂路径和避障的集群路径规划问题，将Theta*路径算法引入到集群路径规划中，解决了无人船集群的避障问题，最终实现了集群编队且目标位置可以任意分配的运动规划问题。本发明专利技术运用了基于无标号问题的CAPT算法，并引入Theta*算法在无人船遇到障碍物的情况下进行路径规划。本发明专利技术针对在有水面障碍物的复杂海况下无人船集群任务规划问题，提出将Theta*算法用于CAPT算法中距离代价矩阵的更新，在有障碍物情况下使用Theta*算法进行无人船路径规划并更新距离代价矩阵，达到用改进的CAPT算法进行无人船集群任务规划的效果，为无人船集群问题提供了新的思路。为无人船集群问题提供了新的思路。为无人船集群问题提供了新的思路。

An improved task planning method for unmanned ship cluster based on Capt algorithm

【技术实现步骤摘要】
一种基于CAPT算法改进的无人船集群任务规划方法


[0001]本专利技术属于无人船集群
，尤其涉及一种基于CAPT算法改进的无人船集群任务规划方法。

技术介绍

[0002]近年来，伴随着流体动力学、自动控制学、无人装备系统工程设计等技术的不断发展，以及无人装备在探索、搜查、巡逻、警戒等应用爆炸性增长的需求使无人系统成为当下世界各海洋科技强国争先推进的前沿技术。无人船作为无人驾驶的海上运载平台，可以执行长时间、低成本和大范围的海洋科研与工程任务，在民用领域具有极为广泛的潜在使用空间：如港口巡逻、领海监视、海上搜救、海洋环境监测、海底资源探测、海图绘制等多种用途。
[0003]无人驾驶船，简称为无人船，其英文为Unmanned surface vehicles或USV，它基于船舶，同时载有特殊功能设备包括控制设备以及通讯设备等，进而在水面执行某些特殊操作。无人船的控制操作主要是由海面上的远端母船以及陆地上的基站来完成的，控制中心可以通过无线电等通讯装置掌握无人船所收集到的各种数据信息。无人船相对于人工控制操作的船舶来说，具备着高速化、智能化以及模块化等独特优点。在军事上，无人船可以应用在包括侦察、搜救、巡逻以及监视等场合；在民用领域中，无人船的应用范围更加广泛，包括海面环境监测、水中目标搜索、灾害预警、海洋垃圾清理等方面。
[0004]单艘船只通常无法完成复杂的任务，而与之相对的是，多船协作形成的船舶编队在海事搜救、海洋资源探测和环境检测、舰队协同作战等方面具有容错性强、适应性好及执行效率高等多重优点。因此，通过对船舶编队的控制方法开展必要研究，完成对多船编队的有效控制，在军事国防、生产运输等领域具有宽广的应用范畴与广阔的发展前景。具体应用有编队探测、远洋补给与舰队协同作业等。
[0005]随着无人船所承担的任务越来越多样化，以及实际海洋环境的复杂多变，对于执行这些任务的单艘无人船而言，往往存在承载能力低、覆盖范围小、信息处理能力弱等缺点。而多船协作形成的船舶编队在海事搜救、海洋资源探测和环境检测、舰队协同作战等方面具有容错性强、适应性好及执行效率高等多重优点。通过对船舶编队的控制方法开展必要研究，完成对多船编队的有效控制，在军事国防、生产运输等领域具有宽广的应用范畴与广阔的发展前景。

技术实现思路

[0006]技术问题：针对在复杂海面情况下，多艘无人船需要变换队形，完成集群任务规划的需求，本专利技术提出一种基于CAPT算法改进的无人船集群任务规划方法，解决CAPT任务规划算法在航迹规划时无法实现避障的问题，将Theta*算法引入到CAPT算法中，实现无人船遇到障碍物的情况下进行路径规划。为CAPT算法在无人船集群方向的应用拓宽了思路。
[0007]技术方案：本专利技术提出一种基于CAPT算法改进的无人船集群任务规划方法，该方
法包含以下步骤：
[0008]A、导入地图和同构无人船的起点终点，定义无人船位置状态向量X(t)和目标状态向量G，包括以下步骤：
[0009](1)加载二值图格式的有障碍物的海图(800*600)，将该二值图转换为只包含0和1的矩阵，有障碍物的点为1，无障碍物的点为0，设定无人船的船长为L，也即最小避碰半径，集群无人船规模与无人船的目标位置数量相同为N，需要完成的无人船集群规划任务是寻找将N艘同构无人船从N个起点分配到N个终点的最优分配矩阵和每艘无人船的无碰撞轨迹，并且保证各无人船之间、无人船和障碍物之间无碰撞；读取N艘同构无人船的N个起点和需要分配到的N个终点的坐标，定义第i艘无人船在t＝0时刻的初始位置为x
i
(0)∈R
n
，第j个目标位置为g
j
∈R
n
；
[0010](2)定义在t时刻的无人船位置状态向量X(t)和目标状态向量G，设无人船在轨迹行驶过程中t时刻的系统状态向量X(t)＝[x1(t)
T
,x2(t)
T
,
…
,x
N
(t)
T
]，系统目标状态向量G＝[g
1T
,g
2T
,
…
,g
NT
]，其中，x
i
(t)为t时刻第i艘船的位置坐标，T为矩阵转置符号；
[0011]B、定义无人船目标分配矩阵并初始化，该目标分配矩阵用来将N艘无人船从各自起点分配到N个目标位置；
[0012]定义目标分配矩阵将N艘无人船从各自起点分配到N个目标位置：其中目标分配矩阵的第i行第j列的元素表示：如果无人船i从起点x
i
被分配到第j个目标位置g
j
，则为1，否则为0；将初始化为大小为N*N的单位矩阵；即：
[0013][0014]上述矩阵一共有N个1；
[0015]定义增广分配矩阵其中，I
n
为N*N的单位矩阵，代表求取克罗内克积；
[0016]C、计算从任意第i艘船的起点到任意第j个终点的轨迹距离y
i,j
或d
i,j
得到N艘无人船分配轨迹的距离矩阵D，其中，i＝1,2
…
N；j＝1,2
…
N，矩阵D的第i行第j列元素D
i,j
∈R
N*N
，包含如下步骤：
[0017](1)根据sight(i,j)函数依次判断第i艘船的起点和第j个终点之间是否有障碍物，具体过程如下：
[0018]1)先计算第i艘船的起点和第j个终点坐标之间直线的斜率k＝(y1‑
y2)/(x1‑
x2)；
[0019]2)若|k|<1,则从起点坐标开始横坐标x依次递减或递增1个单位，即在步骤A中的800*600的地图上每隔1个单位取一个点a
k
直至到达终点坐标；若|k|>1,则从起点坐标开始纵坐标y依次递减或递增1个单位，即每隔1个单位取一个点a
k
直至到达终点坐标，依次判断点a
k
处的值是否为0；
[0020]3)若第2)步中所有的点a
k
值都为0，则起点i和终点j之间无障碍物，sight()函数返回值为0；若第2)步中存在点a
k
的值为1，则起点i和终点j之间有障碍物，sight()函数返回值为1；
[0021](2)根据(1)中sight(i,j)函数的返回值，计算第i艘无人船到第j个终点的轨迹距离：当无人船i的起点和终点j之间无障碍物时，直接根据起点和终点间的直线计算欧氏距离，即直线轨迹距离为：d
i,j
＝||x
i
(0)
‑
g
j
||2，当起点i和终点j之间有障碍物时，根据Theta*算法在二值图中规划出由起点i到达终点j的最优无碰撞轨迹，返回由过程点构成的轨迹y
i,j
，并计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CAPT算法改进的无人船集群任务规划方法，其特征在于，该方法包含以下步骤：A、导入地图和同构无人船的起点终点，定义无人船位置状态向量X(t)和目标状态向量G；B、定义无人船目标分配矩阵并初始化，该目标分配矩阵用来将N艘无人船从各自起点分配到N个目标位置；C、计算从任意第i艘船的起点到任意第j个终点的轨迹距离y
i，j
或d
i，j
得到N艘无人船分配轨迹的距离矩阵D，其中，i＝1，2
…
N；j＝1，2
…
N，矩阵D的第i行第j列元素D
i，j
∈R
N*N
；D、设置无人船避碰约束条件，并根据步骤C中无人船分配距离矩阵D求解最优无人船任务分配矩阵φ
*
；E、按步骤D中求出的最优分配矩阵φ
*
进行任务分配时，计算所有无人船行驶的终止时间t
f
和最终轨迹y
*
(t)。2.根据权利要求1所述的一种基于CAPT算法改进的无人船集群任务规划方法，其特征在于，步骤A的方法如下：(1)加载二值图格式的有障碍物的地图，将该二值图转换为只包含0和1的矩阵，有障碍物的点为1，无障碍物的点为0，设定无人船的船长为L，也即最小避碰半径，集群无人船规模与无人船的目标位置数量相同为N，需要完成的无人船集群规划任务是寻找将N艘同构无人船从N个起点分配到N个终点的最优分配矩阵和每艘无人船的无碰撞轨迹，并且保证各无人船之间、无人船和障碍物之间无碰撞；读取N艘同构无人船的N个起点和需要分配到的N个终点的坐标，定义第i艘无人船在t＝0时刻的初始位置为x
i
(0)∈R
n
，第j个目标位置为g
j
∈R
n
；(2)定义在t时刻的无人船位置状态向量X(t)和目标状态向量G，设无人船在轨迹行驶过程中t时刻的系统状态向量X(t)＝[x1(t)
T
，x2(t)
T
，...，x
N
(t)
T
]，系统目标状态向量G＝[g
1T
，g
2T
，...，g
NT
]，其中，x
i
(t)为t时刻第i艘船的位置坐标，T为矩阵转置符号。3.根据权利要求2所述的一种基于CAPT算法改进的无人船集群任务规划方法，其特征在于，步骤B的方法如下：定义目标分配矩阵将N艘无人船从各自起点分配到N个目标位置：其中目标分配矩阵的第i行第j列的元素表示：如果无人船i从起点x
i
被分配到第j个目标位置g
j
，则为1，否则为0；将初始化为大小为N*N的单位矩阵；即：上述矩阵一共有N个1；定义增广分配矩阵其中，I
n
为N*N的单位矩阵，代表求取克罗内克积。4.根据权利要求3所述的一种基于CAPT算法改进的无人船集群任务规划方法，其特征在于，步骤C的方法如下：(1)根据sight(i，j)函数依次判断第i艘船的起点和第j个终点之间是否有障碍物，具体过程如下：1)先计算第i艘船的起点和第j个终点坐标之间直线的斜率k＝(y1‑
y2)/(x1‑
x2)；
2)若|k|＜1，则从起点坐标开始横坐标x依次递减或递增1个单位，即在步骤A中的地图上每隔1个单位取一个点a
k
，直至到达终点坐标；若|k|＞1，则从起点坐标开始纵坐标y依次递减或递增1个单位，即每隔1个单位取一个点a
k
，直至到达终点坐标，依次判断点a
k
处的值是否为0；3)若第2)步中所有的点a
k
值都为0，则起点i和终点j之间无障碍物，sight()函数返回值为0；若第2)步中存在点a
k
的值为1，则起点i和终点j之间有障碍物，sight()函数返回值为1；(2)根据(1)中sight(i，j)函数的返回值，计算第i艘无人船到第j个终点的轨迹距离：当无人船i的起点和终点j之间无障碍物时，直接根据起点和终点间的直线计算欧氏距离，即直线轨迹距离为：d
i，j
＝||x
i
(0)
‑
g
j
||2，当起点i和终点j之间有障碍物时，根据Theta*算法在二值图中规划出由起点i到达终点j的最优无碰撞轨迹，返回由过程点构成的轨迹y
i，j
，并计算轨迹距离和为||y
i，j
||；其中，根据signt(i，j)函数判断出无人船起点和终点中途有障碍物，返回值为1时，根据Theta*算法求取无人船路径规划轨迹的步骤如下：设当前无人船路径规划的起点为start，目标点为goal，无人船从起始点经过中途任意节点n到达目标点的估价函数为f(n)，无人船由起始点到任意节点n的真实距离为g(n)，无人船由节点n到目标点过程中的预估距离...

【专利技术属性】
技术研发人员：刘浏，陈展鹏，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：