[发明专利]一种面向未知环境下多AUV自适应目标搜索和避障方法

权利要求书

1.一种面向未知环境下多AUV自适应目标搜索和避障方法，其特征是：

步骤一：AUV利用前视声呐感知外界环境，将功能划分为有目标搜索模式、无目标搜索模式和避障模式三种任务模式；

步骤二：AUV对目标进行位置估计，实现三种任务模式交替切换；

(1)、当AUV视域范围内存在目标时，AUV进行目标类型识别，如若为静目标，则记录目标的包括位置的状态信息；若为有害动目标，则根据观测结果实现路径预测并跟踪，AUV接近有害动目标，有害动目标被摧毁后，该AUV继续执行未完成的目标搜索任务；

(2)、当AUV视域范围内无目标信息时，AUV采用分区域搜索策略，每个子区域的划分原则与可视阈值有关，且包含有独立的栅格矩阵计算值，根据每个AUV所在位置，考虑各个区域的搜索代价和路径代价，匹配合适的区域点作为该AUV所要航向的目标任务点；

(3)、当AUV的前视声呐视域范围内出现障碍物时，AUV降低速度，利用改进的动态窗口法完成局部避障，避开障碍物的威胁，继续执行目标搜索任务；所述动态窗口法是在速度(v,w)空间中预测多组速度，得到多组航迹后，对所有的预测航迹做出评价，选取最优评价值的航迹作为AUV下一时段的运动轨迹；

所述AUV对目标进行位置估计具体包括：

AUV对目标进行位置估计表示为在每一时刻对如下联合后验概率密度，

p(x_v,k,θ|z_0:k,u_0:k,x_v,0)

其中，x表示离散时间下AUV的状态、θ表示目标的位置向量、z表示目标的观测值、u表示控制输入向量，

时间和量测更新表示为：

观测目标的时间更新：

p(x_v,k,θ|z_0:k-1,u_0:k,x_v,0)＝∫p(x_v,k|x_v,k-1,u_k)p(x_v,k-1,θ|z_0:k-1,u_0:k-1,x_v,0)dx_v,k-1

观测目标的测量更新：

将所有目标的信息计入数据库中，通过数据对比融合后，保存最准确的观测值，即：

P_min＝min{P_i,j,i＝1...n,j＝1...m}

其中，P表示目标位置的观测误差、i表示目标编号、j表示被观测的次数，

AUV在每个时间节点的位置处，预测出数个新的候选位置，针对任意一个候选位置，都对应一个独立估计的标准优化函数值，在所有标准优化函数计算的估计值中，以最优估计值的作为AUV下一时刻的新位置，

通过贝叶斯估计对目标观测信息的不断更新与校正，完成区域搜索目标的任务；

所述AUV的分区域搜索策略具体包括：

根据AUV运动方程与观测方程，定义一个优化评价标准函数：

其中，x与q表示AUV与目标的位置信息、v表示AUV的视域范围、D表示任务区域、K为常数、ζ为干扰噪声，

在每个时刻的时间节点处，通过感知计算这些函数的噪声测量估计，使用函数近似的方法，估计在每个时刻k处的未知目标函数J：

式中为优化评价函数的估计值、表示k时刻计算的参数估计矢量、φ表示回归项的非线性矢量，

根据参数估计向量结合最小二乘法，计算估计参数为：

在k时刻，AUV以当前时间节点的位置为基准，预选k+1时刻中R个候选位置：

式中，α_k为不大于当前最大速度的正数序列、为零均值且单位方差的随机变量，

由优化标准函数计算各优化标准值，选取最优标准值作为AUV的最新位置

结合动态预测，将跟随时间节点的航迹数据滤波：

首先计算(2n_x+1)个Sigma采样点向量x⁽ⁱ⁾和其对应的权值ω⁽ⁱ⁾：

其中：k≥0、w⁽ⁱ⁾表示第i个Sigma点的权重，

将每个Sigma点通过AUV运动方程计算，得到如下采样的变换点：

y⁽ⁱ⁾＝f(x⁽ⁱ⁾)

变换点y的均值和协方差的近似值计算如下：

另χ_k为Sigma点的矩阵集合，如下所示：

UKF预测方程如下所示：

χ_k/k-1＝f(χ_k-1)

z_k/k-1＝f(χ_k/k-1)

UKF更新方程如下所示：

其中，Q为过程噪声协方差、R为观测噪声协方差、K是卡尔曼增益；

步骤三：AUV通过前视声呐检测环境，判断当前每个AUV处于步骤二的三种模式下的哪一种模式，返回执行步骤二，执行相应的任务模式。