在不確定動態(tài)海洋環(huán)境下的多AUV任務(wù)分配問題,是一個復(fù)雜的NP(Non-Deterministic Polynomial)完全優(yōu)化問題,很難找到問題的全局最優(yōu)解。因此,快速生成解決問題的最優(yōu)解決方案,使AUV所使用的任務(wù)執(zhí)行時間和能量最小化,獲得收益最大化是非常重要的。在多機器人系統(tǒng)協(xié)調(diào)協(xié)作方面,由于復(fù)雜任務(wù)難以描述、負載均衡難以分配、協(xié)作系統(tǒng)建模與控制結(jié)構(gòu)難以模式化等問題,可能導(dǎo)致任務(wù)復(fù)雜性升級,致使多機器人系統(tǒng)協(xié)調(diào)與合作效率降低,無法順利完成任務(wù)。由此可見,多AUV科學合理的實施任務(wù)分配,并充分利用所有資源指導(dǎo)AUV執(zhí)行任務(wù)規(guī)劃,使得系統(tǒng)資源消耗代價降到最低,是多AUV協(xié)作系統(tǒng)急需解決的熱點和難點問題。本文采用群體智能技術(shù)中仿生任務(wù)分配方法,針對多AUV協(xié)同任務(wù)分配體系結(jié)構(gòu)、多AUV任務(wù)分配、特別是多AUV任務(wù)規(guī)劃和多AUV任務(wù)重規(guī)劃等問題進行了深入的研究。首先,針對不確定的海洋環(huán)境中多AUV任務(wù)分配類型、任務(wù)分配方法、任務(wù)分配存在的問題與挑戰(zhàn)進行了分析,研究了一種多AUV協(xié)同任務(wù)分配模型,多AUV分布式任務(wù)分配模型和多AUV動態(tài)任務(wù)分配模型,分析了這三種模型的設(shè)計與構(gòu)建。為了提高多AUV任務(wù)分配、任務(wù)規(guī)劃、任務(wù)重規(guī)劃在動態(tài)不確定的海洋環(huán)境中執(zhí)行任務(wù)的綜合能力,以有利于AUV在嚴酷的未知環(huán)境中以最小的代價執(zhí)行任務(wù),研究了一種多AUV協(xié)同任務(wù)分配體系結(jié)構(gòu)(MACTA)。其次,針對多AUV系統(tǒng)各個節(jié)點負載不均衡、容易陷入局部最優(yōu)等問題,結(jié)合MACTA體系結(jié)構(gòu)中任務(wù)分配模塊,研究了一種基于混沌優(yōu)化量子粒子群算法(CQPSO)的多AUV任務(wù)分配方法。將多AUV任務(wù)分配問題中的優(yōu)化目標函數(shù)、決策變量、約束條件等要素映射到CQPSO算法的各個要素上,通過對算法的改進優(yōu)化,完成任務(wù)分配問題求解。利用logistic函數(shù)產(chǎn)生混沌序列,通過對局部優(yōu)化結(jié)果多次迭代,進而產(chǎn)生局部最優(yōu)解的鄰域點,將混沌序列中的最優(yōu)位置替換當前位置,從而脫離局部最優(yōu),獲得多AUV任務(wù)分配過程的全局最優(yōu)。再次,針對多AUV航路避障任務(wù)規(guī)劃中缺乏自主性的問題,結(jié)合MACTA體系結(jié)構(gòu)中任務(wù)規(guī)劃模塊,研究了一種基于響應(yīng)閾值蟻群算法(ACO)的多AUV任務(wù)規(guī)劃方法。由于AUV所在的海洋環(huán)境是復(fù)雜動態(tài)的,任務(wù)規(guī)劃過程會不斷發(fā)生變化,需要AUV具有降低任務(wù)規(guī)劃算法計算成本的能力,所以,研究基于響應(yīng)閾值的蟻群算法任務(wù)規(guī)劃算法,通過構(gòu)建基于響應(yīng)閾值的ACO任務(wù)規(guī)劃模型,實現(xiàn)多AUV航路多重避障任務(wù)規(guī)劃。最后,針對多AUV任務(wù)規(guī)劃中不能夠獨立調(diào)整作業(yè)方案,實現(xiàn)任務(wù)重新規(guī)劃問題,結(jié)合MACTA體系結(jié)構(gòu)中任務(wù)重規(guī)劃模塊,研究了一種基于滾動時域微分進化量子蜂群算法(DEQABC)的多AUV任務(wù)重規(guī)劃方法。在多AUV任務(wù)重規(guī)劃中,為了使多AUV能夠快速完成任務(wù)規(guī)劃并有效執(zhí)行任務(wù),實現(xiàn)多級AUV分布式任務(wù)重規(guī)劃的全局優(yōu)化。通過引入平衡系數(shù)因子來分配傳統(tǒng)合同網(wǎng)的AUV任務(wù)規(guī)劃,使傳統(tǒng)合同網(wǎng)多級AUV分布式任務(wù)規(guī)劃中的不平衡負載等缺陷得到了改善,提出將滾動時域微分進化量子蜂群算法應(yīng)用于不確定海洋環(huán)境下的多AUV動態(tài)分布式任務(wù)規(guī)劃過程中,實現(xiàn)了多AUV任務(wù)重規(guī)劃。論文研究了不同的群體智能算法在多AUV任務(wù)分配、任務(wù)規(guī)劃和任務(wù)重規(guī)劃模型中的應(yīng)用,構(gòu)建了多AUV協(xié)同任務(wù)分配(MACTA)體系結(jié)構(gòu),為基于群體智能算法多AUV任務(wù)分配研究提供了新方法和新思路。
【學位單位】：哈爾濱工程大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：TP18
【部分圖文】：

3 章 基于混沌優(yōu)化 QPSO 的多 AUV 任務(wù)分配方法研究43圖3.5 函數(shù)4211( , ) ( )iif x y f x 測試結(jié)果Fig. 3.5 Function Test Results圖3.6 函數(shù)3642f ( x ) sin (5 ( x 0.05))測試結(jié)果Fig. 3.6

測試結(jié)果Fig. 3.5 Function Test Results圖3.6 函數(shù)3642f ( x ) sin (5 ( x 0.05))測試結(jié)果Fig. 3.6 Function

哈爾濱工程大學博士學位論文44圖3.7 函數(shù)63f ( x ) sin (5 x)測試結(jié)果Fig. 3.7 Function Test Results圖 3.8 函數(shù)2 540.1( ) exp( 2log(2) ( ) sin (5 ))0.8xf x x 測試結(jié)果Fig. 3

【參考文獻】

相關(guān)期刊論文 前5條

1 李建軍;張汝波;楊玉;;基于混沌QPSO算法的多AUVs任務(wù)分配[J];華中科技大學學報(自然科學版);2015年S1期

2 張汝波;李建軍;楊玉;;基于改進蟻群算法的AUV航路避障任務(wù)規(guī)劃[J];華中科技大學學報(自然科學版);2015年S1期

3 朱大奇;孫兵;李利;;基于生物啟發(fā)模型的AUV三維自主路徑規(guī)劃與安全避障算法[J];控制與決策;2015年05期

4 吳虎勝;張鳳鳴;吳廬山;;一種新的群體智能算法——狼群算法[J];系統(tǒng)工程與電子技術(shù);2013年11期

5 李曉磊,錢積新;基于分解協(xié)調(diào)的人工魚群優(yōu)化算法研究[J];電路與系統(tǒng)學報;2003年01期

相關(guān)博士學位論文 前1條

1 張國有;基于黃蜂群算法的群機器人區(qū)域覆蓋問題研究[D];蘭州理工大學;2013年

本文編號：2826352