[发明专利]一种基于鲸鱼算法的多无人机协同搜索多动态目标方法

说明书

本发明公开了一种基于鲸鱼算法的多无人机协同搜索多动态目标方法。包括以下步骤：建立环境模型，初始化目标概率地图；建立目标函数；利用改进的鲸鱼算法结合一种新的目标概率地图更新方式，进行未知环境的目标搜索。本发明充分利用海域内目标存在的概率图特性来设计更新规则，基于检测目标和运动预测目标更新目标概率地图，使得鲸鱼算法能够更好的完成多无人机对未知海域的搜索。

技术领域

本发明涉及协同搜索和群体智能优化，具体涉及一种多无人机协同搜索未知海域多动态目标方法。

背景技术

近年来，由于传感器、微处理器和信息处理技术的飞速发展，无人集群系统的功能日益增强，其应用范围也在不断扩大。由于其灵活性、可扩展性和较强的协同操作能力，无人集群协同理论与应用的研究越来越受到学术界、工业界和国防界的关注。多无人机协同搜索系统可以有效地提高搜索效率，特别是在不确定性、强干扰等复杂海况下。因此，海上多无人机协同搜索是无人机集群系统研究的重要方向之一。对于某个海域，有多架同质无人机进入需要执行任务的海域，每架无人机使用自己的探测传感器独立搜索未知目标。多无人机通过协同搜索，可以在最短的时间内以最小的代价找到尽可能多的目标。

在未知环境中无人机(unmanned aerial vehicles,UAV)执行目标搜索任务过程中，由于目标和环境信息的不确定性，传统的预先航迹规划将不能适应这种动态变化环境，而需要研究实时的在线规划方法以适应UAV面临时变环境的特点。为了降低目标运动的不确定性，现有技术中，Chunlei Zhang，Raul Ordonez，Corey SchumacherMulti-VehicleCooperative Search with Uncertain Prior Information.AIAA Guidance Navigationand Control Conference,August 2004.提出了一种基于高斯分布的目标转移概率密度函数，并采用最大发现概率和最大覆盖作为搜索策略来提高搜索效率，但需要连续积分运算而增加计算负担。朱梦圆,吕娜,陈柯帆航空集群协同搜索马尔可夫运动目标方法[J].系统工程与电子技术,2019(9):2041-2047.使用马尔科夫链表征目标隐潜运动，并预测目标位置，在分布式模型预测控制的基础上使用贪婪迭代算法求解无人机协同搜索航迹。该方法通过预测目标位置，提高无人机对移动目标的捕获能力，但是未考虑传感器虚警导致的目标误判问题。

发明内容

发明目的：针对现有技术的不足，本发明提出一种基于鲸鱼算法的多无人机协同搜索多动态目标的方法，解决现有多目标运动预测方法运算量大及传感器虚警问题。

技术方案：一种基于鲸鱼算法的多无人机协同搜索多动态目标方法，包括以下步骤：

(1)建立环境模型，初始化目标概率地图；

(2)建立目标函数，对无人机目标搜索回报函数和环境搜索回报函数进行加权求和；

(3)对鲸鱼算法进行初始化，设置迭代次数k＝0，最大迭代次数k_max；

(4)利用目标函数获得鲸鱼在所有位置上的适应度值，更新参数，并确定鲸鱼种群初始个体最优位置与全局最优位置，然后k＝k+1；

(5)生成参数ε，判断参数ε是否小于预设阈值，若是则进行步骤(6)，否则进行步骤(7)；

(6)采用鲸鱼算法的收缩包围和随机搜索进行鲸鱼个体位置向量迭代更新，更新完成后进行步骤(8)；

(7)采用鲸鱼算法的螺旋上升进行鲸鱼个体位置向量迭代更新；

(8)计算个体位置的适应度值，并更新个体最优位置和全局最优位置；

(9)基于检测目标和运动预测目标更新目标概率地图；