針對未知環(huán)境下三維群無人機多目標(biāo)搜索問題,本文提出了一種三維群無人機并行式多目標(biāo)搜索協(xié)調(diào)控制策略.首先,在基于目標(biāo)響應(yīng)閾值多目標(biāo)分配模型（TRT）上,引入了閉環(huán)調(diào)節(jié)和合作協(xié)同的策略,提出了一種改進響應(yīng)閾值多目標(biāo)任務(wù)分配模型（ITRT）,有效解決了群無人機子群分布不均勻問題,提高了群無人機并行式搜索的效率.其次,將二維擴展式微粒群（EPSO）的群機器人協(xié)調(diào)控制算法引入到三維群無人機上,并將一種改進自適應(yīng)慣性權(quán)重的方法與三維擴展式粒子群相結(jié)合,提出了一種改進自適應(yīng)慣性權(quán)重的三維擴展式微粒群算法（IAEPSO）,有效解決了微粒易陷入局部最優(yōu)點和搜索效率過低的問題.最后,將兩種改進的方法（ITRT+IAEPSO）相結(jié)合實現(xiàn)群無人機并行式搜索.相比于傳統(tǒng)并行式多目標(biāo)搜索的擴展式粒子群算法（TRT+EPSO）,本方法的系統(tǒng)能耗和搜索耗時大大減少,數(shù)值仿真驗證了該方法的有效性. 

【文章來源】：信息與控制. 2020,49(05)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

群無人機并行式多目標(biāo)搜索協(xié)調(diào)控制流程圖

本實驗記錄了群無人機系統(tǒng)采用IRTV+IAEPSO模型搜索算法, 無人機數(shù)量規(guī)模為100時的一次仿真結(jié)果, 其群無人機多目標(biāo)搜索仿真過程如下圖2, 圖3和圖4所示, 并且基于此仿真圖, 對其搜索過程進行了詳細的描述與分析.圖3 成員無人機不同時刻位置分布圖

成員無人機不同時刻位置分布圖

【參考文獻】：
期刊論文
[1]一種改進的自適應(yīng)慣性權(quán)重的粒子群算法[J]. 張曉莉,王秦飛,冀汶莉.  微電子學(xué)與計算機. 2019(03)
[2]帶信息素回訪機制的多無人機分布式協(xié)同目標(biāo)搜索[J]. 劉重,高曉光,符小衛(wèi).  系統(tǒng)工程與電子技術(shù). 2017(09)
[3]基于簡化虛擬受力模型的群機器人多目標(biāo)搜索協(xié)調(diào)控制[J]. 周少武,張鑫,張紅強,周游,李超逸.  機器人. 2016(06)
[4]群機器人多目標(biāo)搜索中的合作協(xié)同和競爭協(xié)同[J]. 張云正,薛頌東,曾建潮.  機器人. 2015(02)
[5]群機器人多目標(biāo)搜索中帶閉環(huán)調(diào)節(jié)的動態(tài)任務(wù)分工[J]. 張云正,薛頌東,曾建潮.  機器人. 2014(01)
[6]粒子群優(yōu)化算法收斂性分析[J]. 高尚,湯可宗,蔣新姿,楊靜宇.  科學(xué)技術(shù)與工程. 2006(12)
[7]A NEW RSA CRYPTOSYSTEM HARDWARE IMPLEMENTATION BASED ON MONTGOMERY’S ALGORITHM[J]. 盧君明,林爭輝.  Journal of Shanghai Jiaotong University. 2002(01)



本文編號：3526818