针对UUV集群编队航行的安全性需求，研究UUV集群无碰队形变换的技术方法，实现集群自适应的改变队形避障且最终恢复原始状态的目标。本文首先利用PSO和APF方法，对集群UUV进行Leader-Follower建模，初始化编队队形，个体之间利用“远吸近斥”的作用力，用于调整集群个体之间的相对位置，设计了编队无碰撞队形保持算法。利用PIO和CSE+方法，考虑障碍物分布密集疏松2种情况下，在安全范围内寻找下一目标位置，设计UUV集群实时避障算法。通过ROBO-MAS桌面型群体智能机器人系统，完成算法测试试验，验证集群编队、个体间的防碰撞能力。
Aiming at the safety requirements of formation navigation for UUV cluster, the paper studied the technical methods of formation transformation without collision for UUV cluster, so realized the goal of adaptive changing formation to avoid obstacles and finally restoring the original state. In this paper, firstly, PIO and APF methods are used to conduct leader-follower modeling and initiate the formationfor for UUV cluster, The force of "far attracting and near repulsion" is used to adjust the relative position of the cluster individuals, so the contact-free formation keeping algorithm is designed. Secondly, PIO and CSE+ methods are used to find the next target location within a safe range, considering the two situations of dense and loose distribution of obstacles, so real-time obstacle avoidance algorithm for UUV cluster is designed. Finally through the ROBO - MAS desktop group intelligent robot system, complete the algorithm testing experiment, verify the ability of formation reconstruction, collision prevention among individuals and collision prevention of cluster. The response time of the cluster in the face of sudden obstacle was analyzed statistically. The performance of the integrated analysis is significantly improved by the two indexes of path length and average turning Angle in the distribution environment of circular obstacles.
2020,42(12): 72-75 收稿日期：2020-08-31
DOI：10.3404/j.issn.1672-7649.2020.12.014
分类号：U666;TJ63
作者简介：佟盛(1981-),男,硕士,高级工程师,从事水声专业技术研究
参考文献：
[1] 史小平, 林晓涵, 李师轮, 等. 航天器编队飞行自适应协同避碰控制[J]. 哈尔滨工业大学学报, 2020, 52(4): 7-14
[2] 谢文光, 吴康, 阎芳, 等. 一种面向多无人机协同编队控制的改进深度神经网络方法[J]. 西北工业大学学报, 2020, 38(2): 295-302
[3] 张大志, 刘万辉, 缪存孝, 等. 全向移动机器人动态避障方法研究[J/OL]. 北京航空航天大学学报: 1-13[2020-08-07]. https://doi.org/10.13700/j.bh.1001-5965.2020-0155.
[4] 贾正荣, 卢发兴, 王航宇. 基于解耦优化和环流APF的多平台协同攻击任务规划[J]. 北京航空航天大学学报, 2020, 46(6): 1142-1150
[5] 陈骏岭, 秦小麟, 李星罗, 等. 基于人工势场法的多机器人协同避障[J/OL]. 计算机科学: 1-10[2020-08-07]. http://kns.cnki.net/kcms/detail/50.1075.TP.20200721.1702.098.html.
[6] 李正平, 鲜斌. 基于虚拟结构法的分布式多无人机鲁棒编队控制[J/OL]. 控制理论与应用: 1-9[2020-08-07]. http://kns.cnki.net/kcms/detail/44.1240.TP.20200708.1203.020.html.
[7] 刘安东, 秦冬冬. 基于虚拟结构法的多移动机器人分布式预测控制[J/OL]. 控制与决策: 1-7[2020-08-07]. https://doi.org/10.13195/j.kzyjc.2019.1136.
[8] 徐博, 张大龙. 基于量子行为鸽群优化的无人机紧密编队控制[J/OL]. 航空学报: 1-13[2020-08-07]. http://kns.cnki.net/kcms/detail/11.1929.V.20200207.1307.017.html.
[9] 李霜琳, 何家皓, 敖海跃, 等. 基于鸽群优化算法的实时避障算法[J/OL]. 北京航空航天大学学报: 1-9[2020-08-07]. https://doi.org/10.13700/j.bh.1001-5965.2020.0198.
[10] 严浙平, 白锐, 迟冬南, 等. 面向目标搜寻的多UUV编队协调控制[J]. 计算机测量与控制, 2013, 21(6): 1532-1536
[11] 胡耀龙, 冯强, 海星朔, 等. 基于自适应学习策略的改进鸽群优化算法[J/OL]. 北京航空航天大学学报: 1-12[2020-08-07]. https://doi.org/10.13700/j.bh.1001-5965.2019.0603.
[12] 李登辉. 基于云模型的BBO算法优化模糊PID控制研究[J]. 无线互联科技, 2018, 15(9): 94-97+100
[13] 徐波. 基于机器学习的旋转机械故障诊断方法的研究[D]. 武汉: 武汉科技大学, 2019.
[14] 吴禄慎, 程伟, 王晓辉. 应用模拟退火粒子群算法优化二维熵图像分割[J]. 计算机工程与设计, 2019, 40(9): 2544-2551
[15] 方睿, 董树锋, 唐坤杰, 等. 基于最大测点正常率与GPU并行加速的不良数据辨识方法[J]. 电力系统自动化, 2019, 43(16): 86-94+115
[16] 赵维浩, 苏宾, 夏筱筠. 一种易跳出局部最优的粒子群优化算法[J]. 电子测试, 2017(13): 53-54+52
[17] 范时平, 罗丹, 刘艳林. 基于跳距与改进粒子群算法的DV-Hop定位算法[J]. 传感技术学报, 2016, 29(9): 1410-1415
