【摘要】：移動(dòng)傳感器網(wǎng)絡(luò)具有自組織性、靈活性和可擴(kuò)展性,可以廣泛地應(yīng)用在廣域監(jiān)控、搜救任務(wù)和追逃行動(dòng)等場(chǎng)景中。這些典型的應(yīng)用場(chǎng)景要求移動(dòng)傳感器網(wǎng)絡(luò)具備快速高效的廣域覆蓋和多目標(biāo)追蹤能力,并對(duì)移動(dòng)節(jié)點(diǎn)的運(yùn)行靈活性、任務(wù)處理效率、環(huán)境適應(yīng)能力以及協(xié)調(diào)協(xié)作性能等都提出了較高的要求。然而實(shí)際應(yīng)用場(chǎng)景中存在許多約束和不確定因素,如節(jié)點(diǎn)運(yùn)行環(huán)境復(fù)雜、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)易變、信息交換效率低下等,移動(dòng)節(jié)點(diǎn)之間的協(xié)調(diào)性能受到嚴(yán)重影響而造成整個(gè)系統(tǒng)的紊亂以及監(jiān)控能力的下降。面對(duì)日益增長(zhǎng)的監(jiān)控性能需求以及繁瑣龐雜的運(yùn)行環(huán)境限制,設(shè)計(jì)出適用的移動(dòng)傳感器網(wǎng)絡(luò)協(xié)調(diào)控制方案來(lái)高效地執(zhí)行多目標(biāo)任務(wù)具有很大的挑戰(zhàn)性。本文主要基于一致性協(xié)調(diào)、人工勢(shì)場(chǎng)和蜂擁行為控制理論,提出能夠快速覆蓋指定區(qū)域和跟蹤多個(gè)目標(biāo)的分布式自適應(yīng)蜂擁算法,并聯(lián)合路徑規(guī)劃算法有效降低移動(dòng)傳感器網(wǎng)絡(luò)在已知崎嶇地形中的目標(biāo)檢測(cè)時(shí)間,同時(shí)統(tǒng)籌考慮區(qū)域覆蓋、目標(biāo)追蹤和節(jié)能導(dǎo)航性能,提出了適用于未知復(fù)雜地形中的自適應(yīng)蜂擁控制算法,進(jìn)一步提升移動(dòng)傳感器網(wǎng)絡(luò)的多目標(biāo)追蹤能力并可以有效降低移動(dòng)節(jié)點(diǎn)運(yùn)動(dòng)過(guò)程中產(chǎn)生的能耗。該算法利用簡(jiǎn)單的規(guī)則和局部通信的策略即可完成對(duì)移動(dòng)傳感器網(wǎng)絡(luò)的有效控制,并且移動(dòng)節(jié)點(diǎn)可以根據(jù)實(shí)際任務(wù)需求對(duì)其運(yùn)行模式進(jìn)行自適應(yīng)調(diào)整,保證區(qū)域覆蓋率的動(dòng)態(tài)最大化并提高其多目標(biāo)跟蹤性能,能夠?yàn)閷?shí)現(xiàn)移動(dòng)傳感器網(wǎng)絡(luò)在實(shí)際監(jiān)控場(chǎng)景中的高效運(yùn)行提供有價(jià)值的技術(shù)儲(chǔ)備和理論支撐。本文的主要研究?jī)?nèi)容和工作目標(biāo)如下:第一,為了能夠使移動(dòng)傳感器網(wǎng)絡(luò)同時(shí)具備區(qū)域覆蓋和目標(biāo)跟蹤能力,本文提出了一種基于局部通信策略的分布式自適應(yīng)蜂擁算法。移動(dòng)傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)具有移動(dòng)能力,這使得網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)會(huì)隨時(shí)發(fā)生變化,同時(shí)復(fù)雜的運(yùn)行環(huán)境會(huì)影響通信鏈路的質(zhì)量和穩(wěn)定性。為了解決移動(dòng)傳感器網(wǎng)絡(luò)中信息交換效率低下的問(wèn)題,本文為移動(dòng)節(jié)點(diǎn)設(shè)計(jì)了一種高效的局部通信策略�；谝苿�(dòng)節(jié)點(diǎn)之間的信息交換和交互協(xié)作,它們根據(jù)不同的任務(wù)需求和環(huán)境因素可以在搜索模式和跟蹤模式之間進(jìn)行切換。為了能夠能夠結(jié)合蜂擁算法和抗蜂擁算法的優(yōu)點(diǎn),本文設(shè)計(jì)了一種模式切換機(jī)制。在模式切換機(jī)制的控制下,部分移動(dòng)節(jié)點(diǎn)在不同的目標(biāo)周圍形成小規(guī)模的隊(duì)形對(duì)其進(jìn)行持續(xù)跟蹤,其余節(jié)點(diǎn)繼續(xù)負(fù)責(zé)區(qū)域搜索。為了增強(qiáng)移動(dòng)節(jié)點(diǎn)的目標(biāo)跟蹤能力以及提高系統(tǒng)的運(yùn)行穩(wěn)定性,本文考慮對(duì)移動(dòng)節(jié)點(diǎn)的輸入控制量進(jìn)行優(yōu)化。此外,針對(duì)不同優(yōu)先級(jí)的多目標(biāo)跟蹤問(wèn)題,本文提出了一種新的目標(biāo)選擇方法,可以根據(jù)目標(biāo)的優(yōu)先級(jí)分配合適的移動(dòng)節(jié)點(diǎn)對(duì)其進(jìn)行跟蹤。第二,考慮到多個(gè)地形約束條件會(huì)影響移動(dòng)節(jié)點(diǎn)的運(yùn)動(dòng)性能,在崎嶇地形中運(yùn)行的移動(dòng)傳感器網(wǎng)絡(luò)存在目標(biāo)跟蹤效率低下的問(wèn)題。為了提高移動(dòng)傳感器網(wǎng)絡(luò)在已知崎嶇地形中的目標(biāo)跟蹤能力,本文提出一種基于啟發(fā)式路徑規(guī)劃的自適應(yīng)蜂擁算法�；谝阎閸绲匦蔚南嚓P(guān)信息(比如地勢(shì)起伏狀況、植被密度和土壤特性等)以及移動(dòng)節(jié)點(diǎn)本身的特性,可以構(gòu)建出合理的模型來(lái)表示移動(dòng)節(jié)點(diǎn)在不同區(qū)域的運(yùn)動(dòng)速度限制。在對(duì)已知崎嶇地形建模之后,本文設(shè)計(jì)了高效率的啟發(fā)式路徑規(guī)劃算法,可以為移動(dòng)節(jié)點(diǎn)找到一條最快的路徑趨近其目標(biāo)。在基于路徑規(guī)劃的自適應(yīng)蜂擁算法控制下,移動(dòng)節(jié)點(diǎn)不僅能夠高效協(xié)作對(duì)指定區(qū)域進(jìn)行搜索,還能快速發(fā)現(xiàn)和跟蹤所檢測(cè)到所有目標(biāo)。所提出的算法提升了移動(dòng)傳感器網(wǎng)絡(luò)在已知崎嶇地形上的運(yùn)行效率和適應(yīng)性。第三,針對(duì)一些難以構(gòu)建地形模型的未知復(fù)雜場(chǎng)景,比如極地地區(qū)、遠(yuǎn)程島嶼和敵對(duì)戰(zhàn)場(chǎng)等,需要設(shè)計(jì)更合適的算法控制移動(dòng)傳感器網(wǎng)絡(luò)以提高其監(jiān)控效率。本文提出了一種基于石蟻遷徙模型的自適應(yīng)蜂擁算法以提升移動(dòng)傳感器網(wǎng)絡(luò)在未知復(fù)雜地形中的多目標(biāo)跟蹤性能。在所提出的算法中引入石蟻遷徙模型中的高效協(xié)調(diào)機(jī)制,移動(dòng)節(jié)點(diǎn)能更有效得與鄰近節(jié)點(diǎn)進(jìn)行信息交換和協(xié)調(diào)協(xié)作,并能夠更快得發(fā)現(xiàn)和跟蹤到指定區(qū)域內(nèi)的所有目標(biāo)。另一方面,考慮到在大多數(shù)移動(dòng)傳感器網(wǎng)絡(luò)的應(yīng)用場(chǎng)景中,移動(dòng)節(jié)點(diǎn)的運(yùn)動(dòng)消耗了其大部分的能量。然而移動(dòng)節(jié)點(diǎn)的能源存儲(chǔ)是有限的,那么降低移動(dòng)節(jié)點(diǎn)的運(yùn)動(dòng)能耗至關(guān)重要。為了降低移動(dòng)節(jié)點(diǎn)運(yùn)行在未知復(fù)雜地形時(shí)的能量損耗,并同時(shí)能夠保證其高效的區(qū)域搜索和目標(biāo)追蹤能力,本文考慮一種結(jié)合地形適應(yīng)力和新的導(dǎo)航目標(biāo)選擇方法的自適應(yīng)蜂擁算法,可以控制移動(dòng)節(jié)點(diǎn)沿著節(jié)能路徑運(yùn)動(dòng),以更低的能耗實(shí)現(xiàn)期望的區(qū)域搜索和目標(biāo)追蹤性能。
【圖文】：

a) 混合蜂擁算法b) 自適應(yīng)蜂擁算法圖 3-6 在第 0 秒, 第 30 秒以及第 60 秒時(shí)移動(dòng)傳感器網(wǎng)絡(luò)的瞬時(shí)覆蓋示意圖Fig.3-6 Dynamic area coverage at time 0, 30, and 60 s of a MSN- 51 -

0 50 100 150 200x (m)0圖 4-1 移動(dòng)節(jié)點(diǎn)運(yùn)動(dòng)速度限制模型示意圖Fig.4-1 An example of the motion velocity limit model，那么可以用文獻(xiàn) [128] 或文獻(xiàn) [129] 中的方法，對(duì)已知?jiǎng)铀俣认拗颇Ｐ偷男问奖硎�。如圖 4-1所示是一個(gè)隨機(jī)生指定區(qū)域中包含不同顏色的子區(qū)域，其對(duì)應(yīng)于移動(dòng)節(jié)點(diǎn)在最大運(yùn)動(dòng)速度。作為示例，圖中藍(lán)色點(diǎn)為移動(dòng)節(jié)點(diǎn)的運(yùn)動(dòng)點(diǎn)。規(guī)劃的的路徑連接了起點(diǎn)與終點(diǎn)，在圖中用綠色線條規(guī)劃的路徑與運(yùn)動(dòng)速度限制模型中相鄰子區(qū)域的邊界的交其所在子區(qū)域的中心。點(diǎn)搜索的 A* 搜索算法關(guān)于路徑規(guī)劃算法的研究結(jié)果，，該研究旨在為所提出的自
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN929.5;TP212.9

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 劉楚豪;;基于集中式控制的多個(gè)無(wú)人飛行器編隊(duì)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年S1期

2 么洪飛;李艷東;孫明;;多移動(dòng)機(jī)器人的領(lǐng)航者模式編隊(duì)控制[J];計(jì)算機(jī)仿真;2014年07期

3 紀(jì)良浩;廖曉峰;;Consensus problems of first-order dynamic multi-agent systems with multiple time delays[J];Chinese Physics B;2013年04期

4 宋運(yùn)忠;楊飛飛;;基于行為法多智能體系統(tǒng)構(gòu)形控制研究[J];控制工程;2012年04期

5 ;Consensus problem of second-order multi-agent systems with time-varying communication delay and switching topology[J];Journal of Systems Engineering and Electronics;2011年04期

6 張鳳;孫哲;劉美菊;;基于Leader-follower與人工勢(shì)場(chǎng)的多移動(dòng)機(jī)器人編隊(duì)控制[J];沈陽(yáng)建筑大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

7 袁健;張文霞;;遞階式虛擬結(jié)構(gòu)非完整機(jī)器人的編隊(duì)控制[J];汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

相關(guān)碩士學(xué)位論文 前2條

1 蔣伯亨;多智能體系統(tǒng)集群控制中的蜂擁算法研究[D];吉林大學(xué);2018年

2 王超瑞;基于信息一致性理論的無(wú)人機(jī)編隊(duì)控制算法研究[D];哈爾濱工業(yè)大學(xué);2017年

本文編號(hào)：2690653