原文传递
多水下无人航行器协同任务智能分配算法研究
| 论文题名： | 多水下无人航行器协同任务智能分配算法研究 |
| 关键词： | 水下无人航行器;智能任务分配;遗传算法;粒子群算法;仿真平台 |
| 摘要： | 无人水下航行器（Autonomous Underwater Vehicle，AUV）可替代人类深入海洋，完成各种危险作业，且以其成本低、智能化程度高等优势，已经越来越多地应用于海洋勘探、资源开发以及军事应用等领域。特别是通过多个AUV的相互配合，实现群体协同作业，大大提高了AUV的工作效率。 本文针对多AUV任务智能分配技术，开展了多AUV任务分配问题的深入探讨，建立多AUV任务分配系统的数学模型，详细的分析了基本粒子群优化算法（Particle SwarmOptimization,PSO），以及结合遗传算法（Genetic Algorithm，GA）中的选择、交叉、变异算子的改进粒子群优化算法(PSGO)。利用两种智能分配算法结合多AUV任务分配模型构建了仿真平台并进行了实验仿真，通过两种算法的实验仿真结果的对比，验证了PSGO的优越性。 本文首先基于AUV在实际工作中所面临的问题详细的阐述了多AUV任务分配系统的体系结构，设计了多AUV任务分配系统的各个变量以及任务分配理论模型，并给出了多AUV任务分配系统的数学模型。 其次详细的介绍了基本粒子群优化算法原理、步骤以及各个参数，并且结合本论文中的多AUV任务分配模型设计了多AUV任务分配系统。并且基于MATLAB程序构建了基于PSO的多AUV任务分配实验仿真平台，其仿真结果表明了PSO可以解决多AUV任务分配的问题。 然后针对于PSO的缺陷设计了基于GA中的选择、交叉、变异的PSGO，给出了改进后的选择、交叉、变异算子的数学公式，以及PSGO的步骤、流程。基于MATLAB开发平台构建了多AUV任务分配仿真平台，实现了基于PSGO的多AUV任务分配系统的仿真验证。结果表明PSGO能够满足多AUV任务分配系统的要求。 最后对比了PSO和PSGO的仿真结果，对比结果表明PSGO不但具有PSO所具有的实现简单、计算效率高等优点，还优化了PSO的抗早熟性和群体收敛性。 |
| 作者： | 邓明 |
| 专业： | 控制工程 |
| 导师： | 李娟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
