基于單平臺探測概率模型的水下無人集群部署規劃算法

生雪莉, 李鵬飛, 郭龍祥, 陸 典, 韓 笑

?

基于單平臺探測概率模型的水下無人集群部署規劃算法

生雪莉, 李鵬飛, 郭龍祥, 陸 典, 韓 笑

(1. 哈爾濱工程大學 水聲技術重點實驗室, 哈爾濱, 150001; 2. 海洋信息獲取與安全工信部重點實驗室(哈爾濱工程大學), 工業和信息化部, 哈爾濱, 150001; 3. 哈爾濱工程大學 水聲工程學院, 哈爾濱, 150001)

在執行海洋環境監測、近?？碧郊败娛聭鹦g偵察等任務時, 水下無人集群探測的探測性能取決于集群內平臺的部署規劃及單個平臺的探測性能模型。文中基于主動聲吶信息流程和海軍水面艦艇模型(NISSM), 引入了單平臺區域探測的概率模型, 提出一種基于布谷鳥搜索算法, 采用高斯變異算子和錦標賽選擇機制的指定區域內無人平臺部署規劃算法, 并進行了仿真驗證。仿真結果表明: 單平臺探測概率模型能夠量化地給出區域內各點的探測概率, 有效反映受平臺自身參數及海洋環境約束引起的平臺探測信息的不確定性, 且平臺探測能力的衰減程度與虛警概率相關。文中的無人平臺部署規劃算法較布谷鳥算法性能優異、進化曲線斜率更陡、收斂速度更快, 不同數量平臺基于該算法部署規劃后的區域有效探測覆蓋率較隨機部署高0.2, 達0.8以上。文中的研究可對任務區域無人集群的布放提供參考。

水下無人集群; 單平臺探測概率模型; 無人平臺部署規劃算法; 區域有效探測覆蓋率

0 引言

隨著無人科技的發展, 在現代戰爭追求人員零傷亡的需求下, 作為無人作戰系統重要組成部分的水下無人集群, 已經成為世界各國研究的熱點[1]。

由于水下無人集群不受惡劣的水文環境和高危險海底環境影響, 能突破人體極限, 全天候、高強度地偵察和獲取水中的各種信息, 各國紛紛利用水下無人集群進行水下戰場偵察、監視、情報收集、預警探測、通信中繼、環境調查、有效載荷預置、水聲對抗、目標探測與識別、獵雷及跟蹤打擊等任務[2-3]。在上述監視和偵察任務中, 無人集群的部署規劃是構建水下探測網絡區域覆蓋的關鍵, 而單平臺的探測性能又是影響集群部署規劃的關鍵因素。

目前, 對水下探測網絡部署問題的研究已有很多, 蔣鵬等[4]提出了一種受果蠅啟發的水下傳感網部署算法, 考慮到實際水下存在障礙物及邊界, 該算法以網絡重連通為約束條件, 利用果蠅群的覓食行為結合歐瓊鳥飛行機制求解節點移動位置來提高網絡覆蓋率; 范興剛等[5]針對柵欄平面上的覆蓋空洞, 提出了基于節點重部署的能量高效的三維柵欄構建算法, 該算法選擇移動能耗最小的節點移動到空洞的垂直修補線段上, 修補覆蓋空洞, 實現了三維柵欄覆蓋; 崔頻[6]在遺傳算法的基礎上結合虛擬力方法, 同時兼顧目標水域的能量平均, 研究了一種虛擬力導向遺傳算法的水下傳感器網絡能量均衡部署策略。但以上的部署算法均是基于布爾感知模型所做的研究, 布爾感知模型無法反映出平臺自身工作參數、傳輸距離和海洋環境噪聲干擾等因素對平臺探測性能的約束, 難以真實有效反映其探測信息的不確定性[7]。

為了有效反映單平臺的探測性能和提高無人集群的區域覆蓋率, 文中基于主動聲吶信息流程和海軍水面艦艇模型(navy interim surface ship model, NISSM)主動聲吶模型[8], 引入了單個平臺區域探測的概率模型, 提出了基于布谷鳥算法的水下探測網絡無人平臺部署規劃算法, 并進行了仿真驗證。

1 單平臺探測概率模型

實際應用環境中, 由于海洋環境噪聲干擾、傳播損失等因素的影響, 水下無人平臺的探測能力表現出一定的不確定性, 即平臺距離目標位置越近, 其探測能力越強; 反之, 平臺距離目標位置越遠, 其探測能力越弱, 其獲取的信息可靠度越低。傳統的布爾感知模型下平臺對信息的獲取是確定的, 無法體現平臺的探測能力。單平臺探測概率模型能夠量化地給出探測范圍內各點的探測概率, 較布爾感知模型能夠有效反映特定區域中平臺獲取信息的不確定性。

考慮聲波以球面波形式傳播, 則

結合式(1)~式(4), 得給定虛警概率下的探測概率

其中

2 協同探測策略

在單平臺探測概率模型下, 由于平臺獲取信息的不確定性, 目標區域的點并不是以均一概率被感知。探測信息的可靠程度由平臺與目標點之間的距離、海洋環境噪聲干擾和目標強度決定。為了降低目標區域目標點成為探測盲點的可能性, 需要對目標點實施多平臺協同探測策略。

3 算法設計

3.1 布谷鳥算法

2009年, 劍橋大學Yang等[9]提出了一種新型的智能優化算法——布谷鳥算法(cuckoo search alg- orithm, CSA)。CSA具有參數設置少, 收斂速度快, 全局搜索性能強等優點, 一經提出就被廣泛應用到多目標優化、工程設計、微電網優化、神經網絡訓練以及計算機網絡等領域[10]。

CSA是受布谷鳥寄生孵育雛鳥的生物現象啟發而設計的一種優化算法, 其主要思想是通過萊維飛行路徑產生候選鳥窩以及采用精英策略更新當前鳥窩位置, 最終使鳥窩位置能夠達到或接近全局最優解。

在這3個理想狀態下, 鳥巢位置的更新公式為

3.2 無人平臺部署規劃算法

在CSA中, 由于采用基于萊維飛行的搜索策略, 使得搜索新鳥巢的路徑長度和方向具有較大的隨機性, 有利于算法在優化前期進行全局搜索, 但在優化后期存在收斂速度慢、求解精度低以及容易陷入局部最優等問題, 為了提高CSA的求解精度以及防止其陷入局部最優, 文中將高斯變異算子及錦標賽選擇機制引入CSA中, 提出了無人平臺部署規劃算法。

4 仿真結果與分析

4.1 單平臺探測概率模型仿真

圖1是基于表1中參數信息進行的仿真試驗, 圖2是選取單平臺探測概率模型的部分進行了局部放大。由圖中可知, 由于海洋環境噪聲干擾、傳播損失及目標強度的影響, 無人平臺的探測能力表現出一定的不確定性。由圖1和圖2直觀地顯示出: 平臺距離目標的位置越近, 探測信息的可信度越高; 平臺距離目標的位置越遠, 其探測能力越弱。探測能力衰減趨勢如圖2所示, 區域內點探測概率的具體數學表達見式(6)。

圖1 單平臺探測概率模型

4.2 仿真驗證

表1 參數列表

圖2 探測概率模型局部

圖3 變虛警概率下的單平臺探測概率模型

對比可知: 圖4中, 迭代次數為40時, CSA優化得到的協同覆蓋率低于0.8, 而無人平臺部署規劃算法優化得到的協同覆蓋率高于0.85; 圖5中,迭代次數為50時, CSA優化得到的協同覆蓋率為0.75, 無人平臺部署規劃算法優化得到的協同覆蓋率高于0.85。圖4和圖5中無人平臺部署規劃算法的進化曲線斜率均大于CSA的進化曲線斜率。

圖4 100次條件下2種算法進化曲線對比圖

圖5 200次條件下2種算法進化曲線對比圖

引入高斯變異算子和錦標賽選擇機制的無人平臺部署規劃算法收斂速率優于CSA。當迭代次數低于100次時, 文中所提算法規劃效果更優。

圖6和圖7中: 顏色深淺表示區域中某點探測概率的大小; *表示單平臺探測概率模型的中心即平臺的部署位置。圖6(a)是4個平臺隨機部署的效果圖, 區域有效探測覆蓋率為0.63; 圖6(b)是文中所提算法對4個平臺部署規劃的效果圖, 區域有效探測覆蓋率為0.9。圖7(a)是6個平臺隨機部署的效果圖, 區域有效探測覆蓋率為0.73; 圖7(b)是文中所提算法對6個平臺部署規劃的效果圖, 區域有效探測覆蓋率為0.95。4或6個平臺基于文中所提算法區域有效探測覆蓋率較隨機部署提升0.2以上。優化后的4或6個平臺部署位置見表2。

文中所提出的無人平臺部署規劃算法對區域內平臺部署具有很好的規劃效果, 較隨機部署有效提高了區域有效探測覆蓋率。

圖6 4個平臺部署對比示意圖

圖7 6個平臺部署對比示意圖

表2 位置信息列表

5 結束語

文中基于主動聲吶信息流程和NISSM聲吶模型引入的單平臺探測概率模型能夠有效地反映監測區域內平臺探測信息的不確定性, 量化地給出區域內各點的探測概率。所提出的無人平臺部署規劃算法能夠很好地解決區域內平臺部署問題, 由于引入高斯變異算子和錦標賽選擇機制, 該算法的收斂速率優于CSA, 對區域內平臺部署具有很好的規劃效果。

文中介紹的單平臺探測概率模型是基于二維平面且全指向性的, 由于現實水環境是三維空間, 后續還需研究三維空間里的探測概率模型及有向探測概率模型, 以及相關的平臺部署規劃算法。

[1] 鐘宏偉. 國外無人水下航行器裝備與技術現狀及展望[J]. 水下無人系統學報, 2017, 25(3): 215-225.Zhong Hong-wei. Review and Prospect of Equipment and Techniques for Unmanned Undersea Vehicle in Foreign Countries[J]. Journal of Unmanned Undersea Systems, 2017, 25(3): 215-225.

[2] Han Y, Zhang J, Sun D. Error Control and Adjustment Method for Underwater Wireless Sensor Network Localization[J]. Applied Acoustics, 2018, 130: 293-299.

[3] Wang S Q, Sun D J, Zhang Y W. An Efficient Intra-Clust- er MAC Protocol in Underwater Acoustic Sensor Networks[J]. Applied Mechanics & Materials, 2014, 651-653: 1790-1797.

[4] 蔣鵬, 馮洋, 吳鋒. 果蠅啟發的水下傳感網部署算法[J]. 電子學報, 2017, 45(6): 1403-1407.Jiang Peng, Feng Yang, Wu Feng. Fruit Fly Inspired Underwater Sensor Network Deployment Algorithm[J]. Acta Electronica Sinica, 2017, 45(6): 1403-1407.

[5] 范興剛, 蒿翔, 程斯顥, 等. 基于節點重部署的水下傳感器網絡三維柵欄覆蓋[J]. 傳感技術學報, 2018, 31(2): 304-311.Fan Xing-gang, Hao Xiang, Cheng Si-hao, et al. Node Re- deployment for 3D Barrier Coverage in Underwater Sen- sor Networks[J]. Chinese Journal of Sensors and Actuat- ors, 2018, 31(2): 304-311.

[6] 崔頻. 水下無線傳感器網絡部署算法研究[D]. 鎮江: 江蘇科技大學, 2016.

[7] 賈杰. 無線傳感器網絡覆蓋控制與節點部署技術[M]. 沈陽: 東北大學出版社, 2013: 30-34.

[8] Etter P E. 水聲建模與仿真[M]. 北京: 電子工業出版社, 2005: 303-310.

[9] Deb S, Yang X S. Cuckoo Search via Levy Flights[C]//2009 World Congress on Nature & Biologically Inspired Computing. New Zealand: NABIC, 2009: 210-214.

[10] 劉長良, 王鵬飛, 劉帥, 等. 一種改進的CS算法及其在微電網優化中的應用[J]. 系統仿真學報, 2018, 30(3): 930-936.Liu Chang-liang, Wang Peng-fei, Liu Shuai, et al. An Imp- roved CS Algorithm and Its Application in Micro Grid Optimization[J]. Journal of System Simulation, 2018, 30 (3): 930-936.

[11] 楊淑瑩, 張樺. 群體智能與仿生計算: Matlab技術實現[M]. 北京: 電子工業出版社, 2012: 13-30.

Deployment Planning Algorithm of Unmanned Underwater Swarm Based on Probability Model of Single-platform Detection

SHENG Xue-li , LI Peng-fei, GUO Long-xiang, LU Dian, HAN Xiao

(1.Acoustic Science and Technology Laboratory, Harbin Engineering University, Harbin 150001, China; 2. Key Laboratory of Marine Information Acquisition and Security(Harbin Engineering University), Ministry of Industry and Information Technology, Harbin 150001, China; 3. College of Underwater Acoustic Engineering, Harbin Engineering University, Harbin 150001, China)

In marine environment monitoring, offshore exploration, military tactical reconnaissance and other missions, the detection performance of unmanned underwater swarm depends on the deployment planning of swarm and the detection performance model of single platform. In this paper, a probability model of single platform for area detection is proposed based on the active sonar process and the navy interim surface ship model(NISSM) sonar model. An unmanned platform deployment planning algorithm in a specified area using a Gaussian mutation operator and a tournament selection mechanism is proposed based on cuckoo search algorithm. Simulation result indicates that the probability model of single-platform detection can give detection probability of each point in a region quantitatively, and can effectively reflect the uncertainty of detection information, which is induced by the restriction of platform’s parameter and marine environment. And the attenuation of the platform detection capability relates to the false alarm probability. The proposed algorithm performs better than the cuckoo search algorithm in terms of higher slope of the evolution curve, and faster convergence speed. For different number of platforms, the effective detection coverage rate of the unmanned platform deployment planning algorithm is more than 0.8, 0.2 higher than that of the random deployment.

unmanned underwater swarm; single-platform detection probability model; unmanned platform deployment planning algorithm; effective detection coverage rate

TJ630.33; TB566

A

1673-1948(2019)02-0194-06

10.11993/j.issn.2096-3920.2019.02.011

生雪莉, 李鵬飛, 郭龍祥, 等. 基于單平臺探測概率模型的水下無人集群部署規劃算法[J]. 水下無人系統學報, 2019, 27(2): 194-199.

2018-11-8;

2018-12-26.

國家自然科學基金(51779061); 霍英東青年教師基金(151007)資助.

生雪莉(1979-), 女, 博士, 教授, 主要研究方向為水聲信號處理技術.

(責任編輯: 楊力軍)